Gränssnitt Neural-maskin (NMI) har utvecklats för att identifiera användarens rörelseläge. Dessa NMIS är potentiellt användbara för neural reglering av drivna konstgjorda ben, men har inte kunnat påvisas. Detta dokument presenteras (1) vår utformad teknik plattform för enkel implementering och utveckling av neurala kontroll för motordrivna nedre extremiteterna proteser och (2) en experimentuppställning och protokoll i laboratoriemiljö för att utvärdera neuralt-styrda konstgjorda ben på patienter med nedre extremiteterna amputationer säkert och effektivt.
För att möjliggöra intuitiv användning av drivna konstgjorda ben, är ett gränssnitt mellan användare och protes som kan känna igen användarens rörelser uppsåt önskas. En ny neural och maskin (NMI) baserat på neuromuskulär mekaniska fusion utvecklats i vår tidigare studie har visat en stor potential för att korrekt identifiera den avsedda rörelsen för lårbensamputerade. Men detta gränssnitt har ännu inte integrerats med ett motordrivet benprotes för sann neurala kontrollen. Denna studie syftade till att rapportera (1) en flexibel plattform för att implementera och optimera neural kontroll av motordriven benprotes och (2) en experimentuppställning och protokoll för att utvärdera neural protes kontroll på patienter med nedre extremiteterna amputationer. Först en plattform baserad på en dator och en visuell programmeringsmiljö utvecklades för att genomföra de protesstyralgoritmer, inklusive NMI utbildning algoritm, NMI online testa algoritmen, och inneboende styralgoritm. För att demonstrerafunktionen av denna plattform, i denna studie NMI bygger på neuromuskulär mekaniska fusion hierarkiskt integrerad med inneboende styrning av en proto transfemorala protes. En patient med en ensidig transfemorala amputation rekryterades för att utvärdera vår genomfört neurala styrenhet när du utför aktiviteter, såsom stående, nivå-mark promenader, ramp uppstigning, och ramp härkomst kontinuerligt i laboratoriet. En ny experimentuppställning och protokoll som utvecklades för att testa den nya protesen kontroll på ett säkert och effektivt sätt. Den presenterade proof-of-concept-plattform och experimentuppställning och protokoll kunde bistå den framtida utvecklingen och tillämpningen av neuralt-styrda drivna konstgjorda ben.
Powered lägre lemproteser har fått allt större uppmärksamhet i både kommersiella marknaden 1,2 och forskarsamhället 3-5. Jämfört med traditionella passiva benproteser, motoriserade protesleder har den fördelen att de tillåter nedre extremiteterna amputerade att mer effektivt utföra aktiviteter som är svåra eller omöjliga när du bär passiva anordningar. Men för närvarande, är mjuk och smidig aktivitets övergång (till exempel från nivå-mark gå till trapp uppstigning) fortfarande en utmanande fråga för motordrivna benprotes användare. Denna svårighet är främst på grund av avsaknaden av en användar och maskin som kan "läsa" användarens rörelser uppsåt och snabbt justera protesstyrparametrar i syfte att göra det möjligt för användarna att sömlöst växla aktivitetsläge.
För att möta dessa utmaningar, har olika metoder i utformningen användare och maskin undersökts. Vari NMI baserat på elektromyografisk (EMG) signaler har visat en stor potential för att möjliggöra intuitiv kontroll av motordrivna nedre extremiteterna proteser. Två nya studier 6,7 rapporterade avkoda den avsedda rörelsen av den felande knät för lårbensamputerade genom att övervaka de EMG signaler inspelade från rest muskler under en sittande ställning. Au et al. 5 används EMG signaler mätt från rest skaft muskler för att identifiera två locomotion lägen (nivå-mark promenader och trapp härkomst) av en transtibial amputerad. Al. Huang et 8 föreslås en fas beroende EMG mönsterigenkänning strategi som kan känna igen sju aktivitetslägen med ca 90% noggrannhet som demonstreras på två lårbensamputerade. För att bättre förbättra intent-erkännande prestanda ades ett NMI baserad på neuromuskulär mekaniska fusion utformats i vår grupp 9 och online utvärderas på lårbensamputerade bär passiva benproteser för avsikt erkännande 10,11. Denna NMI kan identifieraanvändarens avsedda verksamheten och förutse aktivitets övergångarna 9, som var potentiellt användbara för neural reglering av drivna konstgjorda ben.
Den aktuella frågan för oss är hur man kan integrera vår NMI i protesen styrsystem för att möjliggöra intuitiv protes drift och säkerställa användarens säkerhet. Utveckla sanna neuralt-styrda benproteser kräver en flexibel plattform i laboratoriet för enkel implementering och optimering av protesstyralgoritmer. Därför är syftet med denna studie att rapportera en flexibel teknisk plattform som utvecklats i vårt labb för att testa och optimera protesstyralgoritmer. Dessutom är nya experimentuppställning och protokoll presenteras för utvärdering av neuralt-kontrollerade motordrivna transfemorala proteser på patienter med nedre extremiteterna amputationer säkert och effektivt. Plattformen och experimentell design som presenteras i denna studie skulle kunna gynna den framtida utveckling av sanna neuralt-styrda, eldrivna benproteser.
En teknisk plattform har utvecklats i denna studie för att enkelt implementera, optimera och utveckla sann neural reglering av motordrivna proteser. Hela plattformen var programmerad i en virtuell instrumentering baserad utvecklingsmiljö och genomföras på en stationär dator. Kontroll program bestod av flera oberoende och utbytbara moduler, i vilka en specifik funktionalitet avrättades (dvs. NMI uppsåt erkännande, och inneboende kontroll). Fördelen med detta modulära konstruktionen är att varje funkti…
The authors have nothing to disclose.
Detta arbete stöddes delvis av National Institutes of Health enligt Grant RHD064968A, delvis av National Science Foundation enligt Grant 0.931.820, Grant 1.149.385 och Grant 1.361.549, och i en del av det nationella institutet för handikapp-och rehabiliteringsforskning inom Grant H133G120165. Författarna tackar Lin Du, Ding Wang och Gerald Hefferman vid University of Rhode Island, och Michael J. nunnekloster vid nunnekloster Ortopediska och Protes Technology, LLC, för deras stora förslag och hjälp i denna studie.
Trigno Wireless EMG Sensors | Delsys, Inc. | 7 | |
Trigno Wireless EMG Base Station | Delsys, Inc. | 1 | |
Multi-functional DAQ card (PCI-6259) | National Instruments, Inc. | 1 | |
Potentiometer (RDC503013A) | ALPS Electric CO., LTD | 1 | |
Encoder (MR series) | Maxon Precision Motors, Inc. | 1 | |
Motor controller (ADS50/10) | Maxon Precision Motors, Inc. | 1 | |
24 V Power Supply (DPP480) | TDK-Lambda Americas, Inc. | 1 | |
6 DOF Load Cell (Mini58) | ATI Industrial Automation | 1 | |
Ceiling Rail System | RoMedic, Inc. | 1 | |
NI LabView 2011 | National Instruments, Inc. | 1 |