文摘
客观的。本研究旨在建立一个基于稳态视觉诱发电位(SSVEP)——被动培训协议脚踝康复机器人并验证其可行性。方法。本文结合SSVEP的信号,通过构建虚拟现实情况之间的信息传输回路的大脑和脚踝的机器人。机器人可以判断运动意图的主题和触发培训当受试者他们关注的四个闪烁的圆圈。虚拟现实训练情况提供实时视觉反馈的脚踝旋转。结果。所有五个主题成功地进行脚踝训练基于SSVEP-triggered训练策略后运动意图。最低的成功率是80%,最高为100%。最低的信息传输速率(ITR)是11.5比特/分钟时提出的最大的一个机器人训练是设置为24位/分钟。结论。提出了培训的策略是可行的,并承诺要加上脚踝康复机器人。未来的工作将集中于采用更先进的数据处理技术来提高意图的可靠性检测和调查患者如何应对这样的培训策略。
1。介绍
中风病人是主要根源之一无法舒服地控制自己的肌肉和身体在日常生活中,甚至失去能力(1- - - - - -3]。身体控制能力的大脑和四肢之间的距离成反比,也就是说距离越长,能力越低(4]。受伤的脚踝的运动机能将恢复更加困难比手中有类似的障碍之一。
早期康复的脚踝受伤,如果没有足够的旋转,脚踝关节可能会逐渐变得僵硬,最后,脚下滑将生成(5,6]。为了避免僵硬,肌肉伸展和关节旋转被认为是其中一个重要的方法在传统治疗受伤的踝关节。传统的物理治疗通常是手动操作的治疗师。它有一个独特的优势,治疗师可以通过他们的身体反应观察病人的实时反馈和沟通,从而相应地调整过程。然而,它也有一些局限性:(1)治疗师可以为长期感到疲惫的操作;(2)操作强度不能在整个过程中保持一致;(3)心理治疗师的状态是影响治疗效果的关键因素之一(7]。
为了释放人力和解决这些局限性,机器人被发明出来,替代部分传统疗法(功能8,9]。踝关节康复,有两种类型的机器人发明,其中一个是基于平台的机器人,和另一种是可穿戴设备(3]。基于平台的机器人上训练时,对象通常是在一个坐姿训练身体肌肉伸展和关节旋转的函数(8,10]。培训可穿戴脚踝机器人时,受试者被要求以站立的姿势来提高他们的能力走(1]。因此,基于平台的机器人可以为受试者提供更好的康复运动踝关节的能力较弱,而有针对性的主题可穿戴脚踝脚踝关节机器人的运动能力是强大到足以走路,但步态需要重建和改进进一步复苏(11]。
被动培训是基于平台的机器人的基本功能之一。不同于常见的被动与恒速拉伸,Zhang et al。12)提出了一个智能被动拉伸策略在踝关节背屈/ plantarflexion (DF / PF)的安全。在智能被动拉伸,旋转机器人的速度成反比阻力扭矩。一旦达成了预定义的最大阻力扭矩,脚踝关节会举行的极限位置在一段时间内允许应力松弛。符合被动脚踝训练,受试者被要求保持轻松跟踪机器人的轨迹3,10]。在经历被动训练,物理踝关节功能可以保存在某种程度上和脚可以缓解相应下降5,8,12]。
活跃的培训是基于平台的另一个功能的机器人,受试者被要求驱动机器人跟踪目标通过允许脚按照视觉或听觉指导(1,10,13,14]。视觉现实情况已广泛应用于机器人援助活动脚踝训练。Girone et al。15)提出了一个虚拟现实运动在罗格斯大学图书馆脚踝。对象可以进行模拟运动的力量、灵活性和平衡与触觉和视觉反馈。Burdea et al。14]提出康复游戏包括飞机和突破性的3 d游戏。Michmizos et al。16)提出了三个目标导向严肃游戏对孩子们来说尤其如此。在这项研究中,视觉现实情况设置为一个打地鼠游戏,这四个仓鼠被安排在四个方向目标,和锤子是最初位于中心移动光标。锤的垂直轨迹预计DF / PF,而水平与反演/翻转(发票/ EV)。
被动训练,研究对象不需要施加积极努力,因此一些大脑之间的信息传输回路和脚踝存在(17]。积极开展培训的先决条件是学科应该有足够的运动能力的踝关节触发机器人(10]。因此,对于主题的踝关节的运动意图不能检测到内置力传感器的机器人,解决的问题如何积极开展脚踝训练是一个巨大的挑战。本研究旨在构建一个信息传输大脑和脚踝机器人之间的循环,使踝关节的运动能力较差的科目符合脚踝积极开展培训。
当受试者将注意力集中在一个闪烁的来源与频率高于6赫兹,脑电图(EEG)信号源自他们的视觉皮层名叫SSVEP的频谱峰值显示的闪烁频率及其谐波(18]。SSVEP的信号提取和应用在许多领域,如控制机器人轮椅(19),仿人机器人导航(20.,21),半自治移动机器人汽车操作(22),人工上肢(23]。
在这项研究中,介绍了SSVEP的信号,用于被动训练脚踝康复机器人的运动意图相关的科目,可以提炼出触发被动训练。四个闪烁的圆的直径22毫米被安排在四个方向。闪烁的频率设置为10赫兹上,12赫兹底部,左8.6赫兹,和15赫兹的(24]。为主题,盯着上面闪烁的圆圈代表DF的运动意图,底部为PF,留给发票,适合电动汽车。
使踝关节的运动能力较差的科目进行运动intention-directed被动训练,本研究发展一个SSVEP-based被动训练策略通过结合SSVEP的信号在脚踝机器人和虚拟现实情况。来验证其可行性,本研究招募了另外五名健康受试者的初步评估。
2。方法
2.1。踝关节康复机器人
脚踝康复机器人应用于本研究一种改进的版本的一个用于(11)通过添加可调节机器人结构,简要介绍了如图1(a)。脚踝的踏板机器人可以有三个自由度,对应于脚踝DF / PF,发票/电动车,内收/绑架(AA)。机器人是由四个FFMs并行驱动(费斯托dmsp - 20 - 400 n),压力控制是由四个比例压力调节器(费斯托VPPM-6L-L-1-G18-0L6H)。三个磁旋转编码器(AMS AS5048A)是安装在每个轴角测量位置形成一个三维坐标系的踏板。四个单轴加载细胞(300年FUTEK LCM)安装测量FFMs所产生的收缩力。基础上负载细胞(SRI M3715C)是安装在踏板来衡量交互之间的力和力矩人脚踏板。
这个机器人的位置控制可以通过控制单个FFM长度在关节空间,如图2。所需的个人FFM长度是通过逆运动学计算基于所需的末端执行器的位置,同时,作为PID反馈控制器,实际个人FFM长度是通过逆运动学的基础上测量终端执行器的位置。这个关节空间位置控制器输出四个压力值,直接去四个比例压力调节器驱动的机器人。
2.2。信息传播循环
大脑和脚踝机器人之间的信息传输循环构造通过结合SSVEP的信号和虚拟现实环境的被动训练的脚踝康复机器人,如图3。SSVEP的信号是诱发的大脑当受试者他们关注的一个闪烁的来源,代表运动意图的科目训练。机器人可以识别运动意图的主题通过分析闪烁SSVEP的源信号,立即引发机器人进行预定义的培训。实时视觉反馈的脚踝旋转提升大脑立即当锤子在虚拟现实训练情况,如图4。
2.2.1。虚拟现实培训情况
虚拟现实训练情况设置打地鼠游戏,它包含一个黑色背景墙,一个垂直铁路、水平铁路、锤子,帐篷,四个仓鼠,和四个闪烁的圈(图4)。垂直铁路预计DF / PF轨迹,和发票对应的水平轨道/电动车轨迹。有四个仓鼠位于垂直和水平的铁路、附近的四个圈直径22毫米闪烁着10赫兹的频率上,12赫兹底部,左8.6赫兹,和15赫兹的(24]。帐篷位于垂直和水平轨道之间的交叉点,对应于踝关节的中立的立场。锤子可以自由移动随着垂直或水平的铁路,和它的位置代表踏板的姿势或人类的脚踝在训练。
在游戏的开始,四个仓鼠和四个闪烁的圆圈出现在电脑屏幕上,这上表示目标DF的主题进行培训,底部为PF,留给发票,适合电动汽车。当受试者将注意力集中在一个移动圈大约5秒,机器人将会引发旋转运动踏板根据其判断对象的意图通过分析SSVEP的信号。与此同时,伴随着目标垂直或水平铁路出现在帐篷和消失,锤子将开始走向目标的仓鼠。rails的锤到达结束后,有针对性的仓鼠会消失,然后它将返回回交叉点。帐篷和仓鼠会出现一旦锤到达交叉点时,表示,准备下一个周期的培训做好准备。
2.2.2。SSVEP的识别
脑电图信号获得和放大视频脑电图系统(NT9200 symtop)能提供41 Ag / AgCl电极,这是根据国际10/20系统如图位置1(b) (25]。阻抗检查脑电图数据采集之前,系统进行验证电极之间的接触电阻和头皮是否能满足设计规范后导电凝胶注入填补工作电极之间的差距和主题。奥兹的信号应用于提取运动意图的主题,而参比电极放在耳垂A2和地面电极放在Fpz。脑电图信号数字化和处理通过虚拟仪器软件(美国国家仪器,奥斯汀),采样频率的设置到500赫兹,和机器人的时间来判断运动意图的主题设置为5秒。脑电图记录从6赫兹到30 Hz通过带通滤波的应用巴特沃斯滤波器。
快速傅里叶变换(FFT) [26应用于那些时代,包含2500数据点为每个电极。根据SSVEP的信号的产生机制,峰值振幅会发生的闪烁频率及其谐波当受试者将注意力集中在一个闪烁的来源(23]。但离线分析表明,它有一个轻微的改变频率的峰值振幅偶尔,可能造成液晶的显示特征。因此,它可以部分地消除偏差引起的频移时的最大振幅五邻频率集中在一个闪烁的频率被指定为闪烁频率的振幅,即表示为(1),是五个相邻的振幅频率集中在闪烁的频率,是五个相邻频率的序列号,的序列号是闪烁的圆圈。
振幅闪烁频率确定后,SSVEP的信号的主要频率将确定为闪烁频率的最大振幅,(2)。
2.3。主题
五名健康受试者年龄在24±3年参与了这项研究。其中一个是女性,和其他人都是男性。入选标准科目,(i)视力正常,(ii) corrected-to-normal愿景,和(3)没有临床视力损害的历史。受试者可以容易分心将被排除在外。所有科目都是右撇子。所有科目都是第一次进行SSVEP-triggered被动训练的脚踝机器人。在培训期间,闪烁不禁止。整个实验是在实验室进行的面积大约43平方米。它是安静的在周围,光照明是虚弱的。
2.4。培训协议
每个受试者被要求坐在平静50厘米的LCD,直望着虚拟现实情况,和把右腿放在脚踝康复机器人,与右脚固定在踏板上。电极帽放在学科负责人跟进国际10/20的监管系统(25),和电极凝胶。在培训之前,受试者被告知(i)凝视上闪烁的圆圈代表DF的运动意图,底部为PF,左为发票,和适合电动汽车;目的(2)盯着闪烁的圆一旦出现帐篷,和放弃盯着帐篷消失或踝关节开始旋转;(3)在拉伸的机器人,受试者需要观察锤子和想象旋转情况下的运动情况有关踝关节;(iv)如果机器人并不符合他们的实际拉伸运动意图,对象只是跟进旋转没有任何抵抗运动。
受试者被要求进行两种结合脚踝运动任务通过关注的四个闪烁源触发机器人。一种任务结合脚踝DF训练和PF一起训练,以及它们之间不存在时间间隔。总共五个任务中设置的培训。另一种任务是发票和EV训练,没有时间间隔,和共有五个任务集。这两个任务之间有1分钟免费,和SSVEP的对象不会被提取的信号来判断运动意图的主题,直到机器人的踏板返回回到中立位置。
2.5。评价程序
在这项研究中,运动意图的性能检测评估的成功率和信息传输速率(ITR)。成功率被定义为输出的百分比机器人的实际运动与运动意图的主题一致。因此,成功率被描述为(3),表示数量的正确识别和运动的意图表示动作的意图的总量要求确定。
ITR [27)下的单位比特/分钟表示为(4),是闪烁的圈数,设置为4。是成功率,是SSVEP的信号提取的时间来确定运动主题的意图。
3所示。结果
结合脚踝旋转任务的结果如表所示1。所有五个科目可以触发脚踝康复机器人。主题1进行总共20任务没有任何不和谐运动的意图,和主题3实现16一致的任务成功率最低的80%(图5)。
这个培训是最大的ITR机器人设置为24位/分钟,只有1实现它。最低ITR在这项研究是11.5比特/分钟当主题(图3的成功率达到80%6)。
跟踪反应联合DF / PF在关节空间轨迹在脚踝拉伸绘制在图7。所有科目都可以引发机器人进行培训。在进行DF / PF任务相结合,主题1控制训练完全跟踪他的运动意图。科目2,4,5有一个不一致的PF或DF训练,和主题3有三个不一致的培训。
4所示。讨论
所有五个主题成功地进行培训SSVEP-triggered机器人运动后的意图。最低的成功率是80%,最高为100%。ITR最低是11.5比特/分钟时提出的最大的一个机器人训练是设置为24位/分钟。培训是安全即使运动意图的主题不符合真正的脚踝旋转轨迹。
本研究介绍了SSVEP的脚踝康复机器人的信号,并且将主动踝关节训练和被动训练的部分特征。大脑和脚踝机器人之间的信息传输回路提出了结合SSVEP的信号和虚拟现实训练情况的脚踝康复机器人。这个培训策略扩展那些活跃的特征对象没有进行积极的培训能力。将讨论可行性研究从可行性方面,运动intention-directed被动训练,机制,限制。
4.1。可行性
在这项研究中,五个健康受试者参与了脚踝训练通过凝视的四个闪烁源触发被动脚踝上伸展脚踝康复机器人。完全一个主题进行了脚踝训练没有任何冲突之间运动意图和实际机器人的旋转。其他科目进行培训不少于80%的成功率。受试者运动能力较弱的脚踝关节,他们中的许多人仍然保持一个正常的视力,可以将注意力集中在他们的一个感兴趣的事物或对象在一段时间内。主题与中风甚至可以达到更高的分类精度比正常人从网上提取SSVEP的信号实验(28]。与弱科目踝关节的运动能力,可以增强他们的信心恢复健康进一步培训积极开展脚踝时80%的成功率通过自己的努力,尽管一个机器人的协助下。即使运动意图的判断是错误的,被动训练仍将进行跟踪机器人的轨迹基础上的判断。这个定义可以让整个培训的完整性和连续性,进一步提高培训的效率。在培训期间不符合运动对象的意图,脚踝关节仍然旋转跟踪机器人的轨迹,这可以维护整个数量的脚踝的伸展运动。
最大ITR 24位/分钟在这项研究中,至少ITR是11.5 /分钟。尽管ITR小于录音的价值在许多其他文献[27- - - - - -29日),适合应用在这项研究。基于ITR表达的定义(4),它的值是基于价值的计算和,它的价值成正比的价值,相对地成正比。尽管脚踝机器人设计和三个转动自由度,当机器人与虚拟现实相结合情况,提出SSVEP-based治疗保留两个自由度;因此,的价值设置为4。(所11),在被动训练模式,合并后的DF / PF轨迹是0.02赫兹的频率的正弦波;因此,持续时间进行单一的DF或PF轨迹将大约25秒。在这项研究中,它适用于设置的值5秒,因为对象可以有5秒准备头脑中生成SSVEP的信号,同时,积累的能量在体内进行判断培训。添加额外的5秒的运动意图判断25秒的被动脚踝训练不破坏完整性的整体培训,因为它的时间相比,总培训更少。踝关节的运动能力较差的科目可能花费超过5秒准备在他们的头脑和提前积累能量身体旋转脚踝之前根据他们自己的努力。因此,额外的5秒的运动意图的判断用于触发被动训练与实际踝关节的运动模式。
4.2。Intention-Directed被动运动训练
intention-directed被动运动训练、虚拟现实环境转移的旋转脚踝关节轨迹的游标,要求联系目标完成的培训(1,13,14]。通过观察目标之间的距离和游标,人类大脑估计哪个方向和踝关节应该移动的快慢和多少努力踝关节应该发挥。然后,通过身体的神经通路,大脑运动命令转移到脚踝。同时,光标在虚拟现实情况下的轨迹显示踝关节的运动情况。经过几个循环的信息传输,intention-directed被动运动训练是完成当目标达成的游标。
纯被动训练,受试者被要求放松完全通过跟踪预定义轨迹的机器人12]。与运动intention-directed被动训练,纯被动训练的最大区别是,受试者的大脑可能处于空闲状态(11]。放松整个身体表明大脑不应对任何身体运动。如果他们不会阻塞神经通路,内部反馈的脚踝运动神经系统应该保持,这意味着大脑能感觉到脚踝运动的情况在他们的头脑17]。
在这项研究中,虚拟现实情况结合被动训练。铁路上的锤运动可以完全显示机器人的旋转踏板。因此,主题可以让运动的实时视觉反馈锤知道脚踝关节轨迹跟踪和实时脚踝的位置在培训。一旦锤触动目标仓鼠,仓鼠立即消失,和主题可以知道脚踝关节旋转预定义的最高位置。总而言之,运动intention-directed被动训练需要从主体积极参与的一部分。
4.3。机制
当受试者准备或交付脚踝运动,脑电图振荡活动α带(8 - 12 Hz)β乐队(夫人Hz)减少在运动前区和初级感觉运动区域。这种现象是所谓的事件相关去同步化(ERD),代表相应的大脑皮层的激活增加面积。与事件相关同步(ERS)现象,电力恢复到静止状态的运动(30.]。符合运动,自愿主动运动、被动和运动图像所有与ERD和人,和他们的振荡振幅变化是先后从大到小31日]。当一个中风病人是要求反复尝试DF的轻瘫的踝关节在舒服的速度,ERD-modulated功能性电刺激(FES)系统可以实现短期功能改进与菲斯独自[32]。在某种程度上,这支持的潜力intention-directed被动训练对纯粹的被动模式。
拟议中的SSVEP-based培训战略延伸部分特征的主动训练成被动训练。首先,踝关节的运动能力较差的科目可以积极地触发培训。他们可以通过凝视故意选择特定的训练计划的一个闪烁的圈子在虚拟现实环境。其次,踝关节的运动能力较差的科目可以更多关注他们的训练。在被动训练,话题总是要求保持放松,只有跟进预定义轨迹的机器人3,10]。一般来说,该intention-directed被动训练策略需要受试者保持注意力集中在虚拟现实环境视觉反馈。这样,课程不仅可以知道实际旋转脚踝关节的位置也投入更多努力的训练。
4.4。限制
在初步实验支持的可行性和前景提出intention-based被动训练脚踝康复机器人,本研究仍然有一定的局限性。首先,脑电图信号处理执行简单的通过FFT是一个非常基本的算法。应该涉及更多的先进的数据处理技术,提高可靠性。第二,提出了培训战略只涉及有限的参与者的积极参与。它可以是一个好主意把SSVEP的信号与整个训练过程对于提高康复疗效。第三个是未来实验应该招募一个大样本的脚踝患者残疾。问题,患者执行这样的培训还应该调查。
5。结论
本研究提出了一种稳态视觉诱发电位(SSVEP)被动培训协议基于脚踝康复机器人和验证其可行性和承诺五个健康受试者。通过结合SSVEP的信号和虚拟现实情况,发现脚踝康复机器人能够触发根据运动训练的意图。虚拟现实训练环境还提供了实时视觉反馈的脚踝旋转。实验表明,受试者可以成功地进行脚踝训练基于SSVEP-triggered训练策略。未来的工作将集中于采用更先进的数据处理技术来提高运动意图检测的可靠性。问题,患者执行这样一个培训战略也应该调查。
的利益冲突
作者宣称没有利益冲突有关的出版。