脑机接口控制上肢机械人系统，提升中风患者的日常活动能力

摘要

本研究为中风患者引入了一种脑机接口 （BCI） 系统，该系统结合了脑电图和眼电图信号来控制上肢机械手，从而增强日常活动。评估使用了柏林卒中双合二症测试 （BeBiTS）。

摘要

本研究介绍了一种用于中风后康复的脑机接口 （BCI） 控制的上肢辅助机器人。该系统利用脑电图 （EEG） 和眼电图 （EOG） 信号来帮助用户在与机械手交互的同时协助日常任务中的上肢功能。我们使用柏林中风双合二症测试 （BeBiTS） 评估了这种 BCI 机器人系统的有效性，BeBiTS 是一组涉及双手的 10 项日常生活任务。8 名中风患者参加了这项研究，但只有 4 名参与者能够适应 BCI 机器人系统训练并执行 postBeBiTS。值得注意的是，当每个项目的 preBeBiTS 分数为 4 分或更低时，BCI 机器人系统在 postBeBiTS 评估中表现出更大的辅助效果。此外，我们目前的机械手无法辅助手臂和手腕功能，这限制了它在需要复杂手部运动的任务中的使用。需要更多的参与者来确认 BCI 机器人系统的训练效果，未来的研究应考虑使用可以协助更广泛上肢功能的机器人。本研究旨在确定 BCI 机器人系统帮助患者进行日常生活活动的能力。

引言

中风导致的上肢功能受损限制了进行日常活动的能力，尤其是双手任务¹。因此，手部康复是中风康复的关键组成部分，镜像疗法² 和约束诱导运动疗法 （CIMT）³ 是众所周知的方法。最近的研究表明，基于脑电图的脑机接口 （BCI） 机器人系统可以成为改善中风患者手部功能恢复的有效辅助疗法 ^4,5,6。BCI 机器人系统专注于将患者尝试运动的主动意图与其性能耦合。正在积极进行研究以确定这种方法是否对康复有效 7,8,9,10,11,12,13。

在这项研究中，我们提出了一种 BCI 控制的上肢辅助机器人系统，旨在帮助中风患者进行双合手活动。该系统利用脑电图 （EEG） 来检测和解释与运动图像相关的大脑信号，并将它们与眼电图 （EOG） 相结合以获得额外的控制输入。这些神经生理学信号使患者能够控制协助手指运动的机械手¹⁴。这种方法弥合了患者的运动愿望和身体能力之间的差距，有可能促进运动恢复并提高日常任务的独立性。

柏林夏里特医科大学的研究人员开发了柏林中风双合二症测试 （BeBiTS），这是一种综合评估工具，用于评估这种 BCI 机器人系统的功效¹⁵。BeBiTS 通过评估执行对日常生活至关重要的十项双合手活动的能力，提供功能改善的定量测量。该评估对每项任务进行单独评分，并评估手部功能的五个组成部分：伸手、抓握、稳定、纵和举起。它能够对患者的功能改善进行全面评估，重点是日常生活活动。此外，它使我们能够量化 BCI 机器人系统在增强特定手部功能方面的贡献。因此，本研究旨在通过比较中风患者训练前后的 BeBiTS 评分来开发一种有效的 BCI 辅助机器人系统。

研究方案

首尔国立大学盆唐医院机构审查委员会审查并批准了所有实验程序（IRB 编号 B-2205-756-003）。我们招募了 8 名脑卒中患者，并在获得他们的同意之前详细解释了相关细节。获得知情同意后，协议进行如下：我们在 BCI 训练之前进行 BeBiTS 评估，然后使用 EOG 和 EEG 进行 BCI 训练。之后，参与者佩戴机器人进行另一次 BeBiTS 评估（图 1）。

1. BCI-机器人训练系统设置

1. 患者招募
   1. 使用以下纳入标准执行筛选过程。
      1. 选择 20 至 68 岁上肢功能受损的患者。
      2. 选择无法弯曲或伸展瘫痪手手指的患者。
      3. 选择单发皮质下卒中（包括缺血性和出血性卒中）的患者。
      4. 选择脑损伤后 6 个月以上的患者。
      5. 选择 Fugl-Meyer 评分低于 31 分的患者。
   2. 向所有招募的患者提供有关实验程序的详细信息并获得签署的知情同意书。
      注意：如果患者符合标准但无法签署同意书，则必须由法定代表人提供签署的知情同意书。
2. BCI 系统：EEG 设备
   1. 使用 EEG 查看器系统（参见 材料表）进行数据记录。
   2. 使用带有定制 BCI 软件的个人计算机 （PC） 并将 PC 连接到 EEG 设备。
3. 上肢辅助机械手
   1. 支撑三个手指的辅助机械手¹⁶ 用于患者受损的上肢。这款机器人是一种柔软的皮革状手套，设计上仅覆盖三个手指：拇指、食指和中指。使用 USB 加密狗将机器人无线连接到计算机。
   2. 当通过加密狗连接到计算机时，机器人的初始状态是中性的，这意味着它的手是完全张开的。设计的 BCI 系统对机器人进行了设置，使其手只有在识别出握拳的意图时才能闭合，具体取决于测得的脑电图值是否达到阈值。 图 2 显示了该 BCI 机器人系统的示意图。

2. BCI 机器人评估

1. 柏林中风双合症测试 （BeBiTS）
   注意：BeBiTS 评估是一种工具，用于评估中风患者 10 种双合手日常生活活动的表现。
   1. 将患者舒适地放在面向办公桌的扶手椅上。确保患者靠近办公桌，距离评估中使用的物体约 30 厘米，以便使用手臂和手执行评估任务。
   2. 保留以下 10 项用于评估双手活动： 打开一个罐子;打开塑料袋;打开一个水瓶;倒一杯水;切开肉状腻子;清洗盘子;举起一个花盆;打开牙膏管;在牙刷上涂抹牙膏;拉上夹克的拉链。
      注意：这 10 个评估任务使用评估项目，所有这些项目都是坐在桌子前完成的。每个作的分数为 10 分，总分为 100 分。
   3. 评估和评分 5 个手部功能组件以及单个项目的分数。这些组件及其各自的分数是达到 （20）、抓握 （20）、稳定 （10）、纵 （33） 和举起 （17），总分加起来高达 100 分（图 3）。

3. BCI-机器人训练系统

1. EEG 设置
   1. 打开 BCI 系统。 图 4 显示了 BCI 系统打开时的整个屏幕。
   2. 戴上盖子并连接放大器。
   3. 在 Source 模块中，选择 EegoModule |impedance 模式。按源模块中的 Start，显示蓝光（图 5A）。
   4. 确保阻抗低于 10k 欧姆，然后按源模块中的 Stop。
   5. 将 模式 更改为 EEG 以流式传输数据，然后按 开始。使用给定的软件检查信号（图 5B）。
2. EOG 校准
   1. 在 预处理模块中，选择特定于 EOG 蒙太奇的 Pipeline （例如，SMR-EOGleft 用于左眼的 EOG 电极; 图 6A）。
   2. 在 Task 模块中，设置 Number of cues （例如，10）。Task 模块设置机械手对侧 的方向 （图 6B）。
   3. 指导参与者沿出现的 10 个箭头的方向进行短暂的横向眼球运动（图 6C）。
   4. 训练后立即检查结果图。灰线表示每次眼球运动尝试;确认橙色线（即平均值）触及基线，表明训练成功（图 7）。
   5. 如果训练成功，则记录 threshold 参数值。
      注意：持续重复眼球运动是必不可少的。尽管因参与者而异，但 EOG 训练通常在尝试大约三次后才实用，并且通常会随着重复训练而改善。
3. 脑电图校准
   1. 在任务模块中，选择 EEGCalibrationTaskModule （图 8A）。将 Task 模块中的 Number of cues （提示数） 设置为 5。
   2. 在 反馈模块中，将 Laterality 设置为机械手的侧面，并确保未选择 Display Pac-Man （图 8B）。
   3. 指导参与者想象当黑屏上出现 提示“想象握拳” 时握紧拳头（图 8C）。当屏幕黑屏时，让参与者放松。重复这个过程，握紧拳头的想象持续 5 秒，休息时间在 10 秒到 15 秒之间随机变化。
   4. 在脑电图校准后查看结果图，并在运动图像期间使用 8-12 Hz mu 波段的特征 ERD 模式来确定参与者的适当频率范围。记录图 11 中左图中 9 Hz 的参数值，它显示了与静止状态相比，运动图像期间的 ERD 响应。在图 9 的右图中，突出显示明显的红线，它代表握拳的图像，以及蓝线，表示相对于水平虚线阈值线的放松状态。
   5. 如果 EEG 校准训练执行得当，请在右图下方记录参考值和阈值。
      注意：但是，由于缺乏对所提供说明的理解或 BCI 文盲等问题，在某些情况下，短期校准培训可能具有挑战性。
4. 带反馈的培训
   1. 完成 EOG 和 EEG 训练后，设置参数值，以区分针对特定目标目标的拳头意图、参考值和阈值，这些频率由上次训练中的结果图确定。
   2. 使用配置的参数，使用 Pac-Man 继续进行反馈训练。如果训练后参数设置正确，请注意，当参与者想象握紧拳头时，吃豆人的嘴会逐渐闭合。如果吃豆人的嘴巴没有正确闭合，请在调整 参考值 和 阈值 的同时重复脑电图校准训练（图 10）。
5. 实验：使用 BCI 机器人系统进行 BeBiTS 评估
   1. 完成所有反馈培训（大约 30 分钟）后，让参与者佩戴机器人并使用训练有素的 BCI 系统进行 postBeBiTS 评估。
      注意： 如果患者的手部痉挛严重，佩戴机器人时需要特别小心。此外，机器人提供的三指帮助可能对某些患者来说可能不够，因此难以执行 BeBiTS 评估中所需的所有动作。在这种情况下，仅评估可以执行的动作。
   2. 等待屏幕上出现指示 ready 和 start 状态的白灯，如图 11A 所示。确认白光后，参与者将眼睛移到一侧，将光变为绿色（图 11B）。当绿灯出现时，参与者想象着握紧拳头。
      注意：如果系统很好地识别了参与者的意图，它会激活参与者佩戴的机器人以握紧拳头。
   3. 让参与者在机器人的帮助下握紧拳头，然后执行 图 11C 所示的动作。
   4. 图 11D 显示红灯，表示机器人保持握拳姿势。完成作后，参与者在屏幕上观察到这个红灯，如图 11D 所示。此时，如果参与者想在机器人的帮助下再次张开手，他们可以移动眼睛，将光色改回白色。

结果

图 12 显示了 EOG 和 EEG 训练的结果。 图 12A 表示训练有素的参与者的结果。EOG 训练值是一致的，平均值（橙色粗线）正确达到阈值线。脑电图训练结果还清楚地区分了蓝色（静息状态）和红色（运动意象）线。

相比之下， 图 12B 显示了训练不佳的参与者的结果。EOG 试验不一致，平均...

讨论

这项研究提出了一种 BCI 上肢辅助机器人系统，以支持中风患者执行日常任务。我们通过 BeBiTS 测试¹⁵ 评估了双手任务的有效性，并通过 BCI 系统¹⁴ 实施了上肢辅助机器人的作培训。与传统的康复手术相比，这种方法允许患者根据自己的意图控制机器人的作，从而积极参与康复。准确校准 EOG 和 EEG 训练对于从 BCI 系统获得精确信号以控制...

材料

Name	Company	Catalog Number	Comments
BCI2000	open-source		general-purpose software system for brain-computer interface (BCI) research that is free for non-commercial use
BrainVision LSL Viewer	Brain Products GmbH		a handy tool to monitor its LSL EEG and marker streams.
eego mini amplifier with 8-channel (F3, F4, C3, Cz, C4, P3, P4, EOG) waveguard original caps	Ant Neuro, Netherlands		Compact and lightweight design: The eego mini amplifier is small and lightweight, offering excellent portability and suitability for EEG recording in various environments.
Neomano	neofect, Korea		Glove Material: Leather, velcro, Non-slip cloth Wire Material: Synthetic Thread Weight: 65 g (without batt.) cover three fingers: the thumb, index, and middle fingers
personal computer (PC) with custom BCI software			window laptop