Plate-forme d'ingénierie et de protocole expérimental pour la conception et l'évaluation d'un Propulsé Transfemoral Prothèse Neurally contrôlée

Résumé

Interfaces Neural-machine (INM) ont été développés pour identifier le mode de locomotion de l'utilisateur. Ces laboratoires nationaux de métrologie sont potentiellement utiles pour le contrôle neural de jambes artificielles alimentées, mais n'ont pas été pleinement démontrée. Ce document présenté (1) notre plate-forme d'ingénierie conçu pour la mise en œuvre facile et le développement du contrôle neuronal pour motorisés prothèses des membres inférieurs et (2) un dispositif expérimental et protocole dans un environnement de laboratoire pour évaluer jambes artificielles neurale contrôlées chez les patients avec des amputations des membres inférieurs en toute sécurité et efficacement.

Résumé

Pour permettre une utilisation intuitive de jambes artificielles alimentées, une interface entre l'utilisateur et la prothèse qui peut reconnaître le mouvement de l'intention de l'utilisateur est souhaitée. Une interface neuronale machine roman (NMI) basé sur la fusion neuromusculaire-mécanique développé dans notre étude précédente a démontré un grand potentiel d'identifier avec précision le mouvement prévu du amputés transfémoraux. Cependant, cette interface n'a pas encore été intégré à une prothèse de jambe motorisée pour un véritable contrôle neural. Cette étude visait à signaler (1) une plate-forme flexible pour mettre en œuvre et optimiser le contrôle neuronal des alimenté prothèse de membre inférieur et (2) un dispositif expérimental et protocole pour évaluer le contrôle de prothèse neurale chez des patients ayant subi une amputation d'un membre inférieur. D'abord une plate-forme basée sur un PC et un environnement de programmation visuelle ont été développés pour mettre en œuvre les algorithmes de contrôle de la prothèse, y compris algorithme NMI de formation, NMI algorithme de test en ligne, et l'algorithme de contrôle intrinsèque. Pour démontrer l'fonction de cette plate-forme, dans cette étude, le NMI basé sur la fusion neuromusculaire-mécanique a été hiérarchiquement intégré avec contrôle intrinsèque d'une prothèse transfémorale prototype. Un patient avec une amputation transfémorale unilatérale a été recruté pour évaluer notre contrôleur neuronal mis en œuvre lors de l'exécution des activités, telles que la capacité, au niveau du sol marche, rampe montée, et la rampe de descente en continu dans le laboratoire. Un roman expérimental et protocole ont été élaborées afin de tester le nouveau contrôle de la prothèse en toute sécurité et efficacement. La plate-forme présentée la preuve de concept et expérimental et protocole pourraient aider au développement et à l'application future de jambes artificielles alimentées neurale contrôlées.

Introduction

Propulsé prothèses des membres inférieurs ont gagné une attention croissante à la fois dans le marché commercial ^{de 1,2} et de la recherche ^3-5. Par rapport à des prothèses de jambes passives traditionnelles, les prothèses articulaires motorisées ont l'avantage de permettre amputés des membres inférieurs de fonctionner plus efficacement des activités qui sont difficiles ou impossibles lorsque l'on porte des dispositifs passifs. Toutefois, actuellement, la transition sans heurt activité (par exemple, du niveau de rez-de-pied de l'escalier montée) est toujours une question difficile pour les motorisés utilisateurs de prothèse de jambe. Cette difficulté est due principalement à l'absence d'une interface homme-machine qui peut «lire» le mouvement de l'intention de l'utilisateur et rapidement ajuster les paramètres de contrôle de la prothèse afin de permettre aux utilisateurs de basculer de façon transparente le mode d'activité.

Pour relever ces défis, diverses approches dans la conception de l'interface homme-machine ont été explorées. Dans lequel NMI basé sur électromyographique (ESignaux MG) ​​a démontré un grand potentiel pour permettre un contrôle intuitif de motorisés prothèses des membres inférieurs. Deux études récentes ont rapporté ^6,7 décoder le mouvement prévu du genou manquant d'amputés transfémoraux en surveillant les signaux EMG enregistrées à partir de muscles résiduels au cours d'une position assise. Au et al. ⁵ utilisé signaux EMG mesurés à partir de muscles de jambe résiduels d'identifier deux modes de locomotion (marche au niveau du sol et escalier de descente) d'un amputé tibial. Huang et al. ⁸ a proposé un modèle EMG approche de reconnaissance dépendant de la phase qui peut reconnaître sept modes d'activité avec environ 90% de précision comme l'a démontré sur deux amputés transfémoraux. Pour mieux améliorer la performance intention de reconnaissance, une NMI basé sur la fusion neuromusculaire-mécanique a été conçu dans notre groupe ⁹ et en ligne une évaluation sur amputés transfémoraux portant des prothèses de jambes passives de reconnaissance intention ^10,11. Cette NMI peut identifier avec précisionLes activités prévues de l'utilisateur et de prédire les transitions d'activité ^9, ce qui est potentiellement utile pour le contrôle neural de jambes artificielles alimentées.

La question actuelle nous sommes confrontés est de savoir comment intégrer notre NMI dans le système de contrôle de la prothèse afin de permettre le fonctionnement de la prothèse intuitive et assurer la sécurité de l'utilisateur. Développer des jambes artificielles neurale contrôlées véritables nécessite une plate-forme flexible dans le laboratoire pour la mise en œuvre et l'optimisation des algorithmes de contrôle de la prothèse facile. Par conséquent, l'objectif de cette étude est de rapporter une plate-forme d'ingénierie souple développée dans notre laboratoire pour tester et optimiser les algorithmes de contrôle de la prothèse. En outre, le nouveau dispositif expérimental et protocole sont présentées pour évaluer les prothèses transfémoraux alimentés neurale contrôlées chez les patients ayant subi une amputation des membres inférieurs en toute sécurité et efficacement. La plate-forme et la conception expérimentale présentée dans cette étude pourraient bénéficier le déve avenirment de jambes artificielles, véritables neurale contrôlées alimentés.

Protocole

1. Plate-forme pour la mise en œuvre de Neural contrôle des Propulsé Prothèses transfémoraux

Une plate-forme d'ingénierie a été développé dans cette étude pour mettre en œuvre et évaluer le contrôle neural de jambes artificielles alimentées. Le matériel comprenait un PC de bureau avec 2,8 GHz et 4 Go de RAM, une carte d'acquisition de données multi-fonctionnel avec deux convertisseurs analogique-numérique (CAN) et les convertisseurs numérique-analogique (DAC), un contrôleur de moteur, je numérique / S, et une prothèse transfémorale alimenté prototype conçu dans notre groupe ^12. Les entrées de capteurs analogiques ont d'abord été numérisées par les ADC et diffusés dans le PC de bureau pour le traitement du signal. Le CMV a été utilisé pour la sortie de commande pour entraîner le moteur à courant continu dans la prothèse à travers un contrôleur de moteur. E / S numériques ont été utilisés pour activer / désactiver le contrôleur de moteur. La prothèse a été effectuée attaché à l'ordinateur de bureau et alimenté par une alimentation de 24 V.

Le logiciel a été programmé en annonceenvironnement de éveloppement approprié pour l'instrumentation virtuelle s'exécutant sur le PC de bureau. L'environnement de développement est basée sur l'instrumentation virtuelle, qui combine efficacement les logiciels et le matériel défini par l'utilisateur à mettre en œuvre la plate-forme personnalisée. En utilisant la structure d'un bloc-diagramme graphique, les différents noeuds de fonction modulaire peut être facilement et efficacement mis en oeuvre et mis à jour. Afin de démontrer la fonction de plate-forme pour le contrôle en ligne des jambes artificielles motorisés, préalablement conçu un contrôle de la prothèse a été mise en œuvre sur cette plate-forme. Le système de commande comprend un contrôleur de neurones et un contrôleur intrinsèque. Le contrôleur neuronal est composée de notre précédente NMI conçu sur la base neuromusculaire mécanique fusion, qui a reconnu le mode de l'activité de l'utilisateur. Le contrôleur de neurones en tant que contrôleur de haut niveau a été hiérarchiquement connecté avec le contrôle intrinsèque pour alimenté inférieure contrôle de prothèse de membre.

L'architecture de suitelogiciel rol sur la plate-forme est illustrée dans la Figure 1 Le NMI comprend deux parties:. déconnecté modules de formation et des modules de test en ligne. Le module de formation en ligne a été conçue pour recueillir des données de formation et de construire les classificateurs dans NMI. Les signaux multicanaux EMG de surface prélevés et mesures mécaniques ont d'abord été prétraitées et segmentés en fenêtres coulissantes en continu. Dans chaque fenêtre, traits qui caractérisent les modèles de signaux ont été extraites et ensuite fusionnés en un vecteur de caractéristiques. Le vecteur de caractéristique dans chaque fenêtre a été marqué avec les modes d'activité (classes) et l'indice de phase sur la base des activités du spectacle de l'utilisateur de la prothèse et les états de la prothèse lors de la collecte de données de formation. Les vecteurs de caractéristiques marquées ont été ensuite utilisées pour construire un modèle de classification dépendant de la phase, qui contient plusieurs sous-classificateurs corrélés avec des phases individuellement. Le classificateur créé a été enregistré et transféré au module de test en ligne pour l'évaluation en ligne plus tard.

Le module d'essai en ligne a été utilisée pour reconnaître ligne mouvement l'intention de l'utilisateur et changer les modes d'activité en contrôleur intrinsèque. Le neuromusculaire multicanal et mesures mécaniques ont été diffusées simultanément dans le module d'essai en ligne et transformés en vecteurs de caractéristiques. Ensuite, les vecteurs de caractéristiques ont été introduits dans le séparateur de phase-dépendants qui a déjà été construite dans le module d'entraînement hors-ligne. Sur la base de la phase actuelle de contrôleur intrinsèque, le sous-classificateur correspondant a été allumé et utilisé pour reconnaître l'intention de l'utilisateur. La sortie de classification a en outre été post-traitée et envoyée au contrôleur intrinsèque de changer de mode d'activité.

Contrôleur d'impédance Une machine à états finis (FSM) a été mis en fonction pour le contrôle intrinsèque de jambes artificielles alimentées. Le contrôleur d'impédance souhaitée générée sortie de couple sur l'articulation du genou. La machine à états finis ajustée à l'impédance d'articulation selon l'l'état actuel de l'activité du spectacle. Pour les activités de locomotion (c'est à dire de marche au niveau du sol et la rampe de montée / descente), le FSM est composée de cinq états correspondant à cinq phases de la démarche: la position de flexion (STF), l'extension de la position (STE), pré-battantes (PSW), balançoire flexion ( SWF), et l'extension de swing (SWE); pour debout statique, le FSM comprenait deux phases: palier de poids (BM) et non-port de poids (NWB). Transitions entre les états ont été déclenchées par la force de réaction du sol et la position du genou. La transition entre les modes d'activité a été commandé par la sortie du module de test en ligne. Pour les trois modules évoqués ci-dessus, l'interface utilisateur graphique (GUI) ont été construits, ce qui a permis expérimentateurs dans le laboratoire d'ajuster facilement les paramètres de contrôle, les performances du système de surveillance, et mener des expériences d'évaluation.

2. Installation expérimentale

1. électromyographie de surface (EMG de surface)
   signaux d'EMG de surface des muscles de la cuisse de l'amputé subjectR17; s moignon sont enregistrées par un système d'acquisition sans fil EMG. Les muscles de la cuisse ciblées inclus le droit antérieur (RF), laeralis vaste externe (VL), vaste médial (VM), biceps fémoral longue (BFL), couturier (SAR), magnus-tendineux (SEM), et adducteurs (ADM). Il est à noter que le ciblage précisément le muscle spécifique n'est pas nécessaire, car ⁸ l'algorithme de reconnaissance de formes utilisé dans les recherches sur NMI modèles d'activation de plusieurs muscles à reconnaître le mode d'activité. Tant que les informations de contrôle neuromusculaire mesurée pour la hanche et le genou commande est suffisante, croisées pourparlers entre les enregistrements EMG ont peu d'impact sur la performance de la MNI.
   1. Demandez au sujet de réaliser hanche flexion / extension, la hanche en adduction / abduction, et tenter de fléchir / étendre l'articulation du genou amputé quand il est en position debout.
   2. Rapprocher et déterminer les emplacements de positionnement des électrodes par le muscle palpation uned examen des enregistrements EMG.
   3. Incluez les électrodes dans une nouvelle interface électrode-socket EMG conçu, comme le montre la figure 2, pour le confort du sujet et fiable de contact électrode-peau.
2. Mesures mécaniques de la prothèse Powered
   Les forces de réaction au sol et les moments mécaniques mesurées par un capteur à 6 degrés de liberté à partir du pylône prothétique sont fusionnées avec des signaux EMG de reconnaître le mouvement de l'intention du sujet. En outre, un potentiomètre est instrumenté sur l'articulation du genou pour mesurer l'angle d'articulation de genou et d'un codeur est relié au moteur à courant continu pour calculer la vitesse angulaire du genou. Ces mesures sont utilisées comme signaux de retour pour le contrôle intrinsèque.
   1. Monter une cellule de charge à six degrés de liberté sur le pylône prothétique.
   2. Aligner l'axe X, l'axe Y et l'axe Z de la cellule de charge avec la direction médio-latérale, de la direction antéro-postérieure et la direction superoinferior de la prothèse, respectivementment.
3. Laboratoire de l'environnement d'installation
   Afin d'évaluer le contrôle neural de jambes artificielles alimentées sur amputés transfémoraux, un parcours d'obstacles a été construit dans le laboratoire, comme le montre la figure 3. L'environnement de test inclus 5 m passerelle droite, une longue rampe de 4 m avec une inclinaison angle de 8 °, et une plate-forme au niveau de la rampe solidement fixé. Le long de la rampe, garde-corps ont été installés pour améliorer la sécurité de l'objet. En outre, un système de rail de plafond avec un harnais antichute a été prévu pour protéger l'objet de tomber pendant l'expérience.

3. Protocole expérimental

Cette étude a été réalisée avec l'approbation de l'Institutional Review Board (IRB) de l'Université de Rhode Island et avec le consentement éclairé du sujet recruté. Un mâle transfémoral unilatérale amputé (cause de l'amputation: traumatisme, âge: 57 ans, la durée de l'amputation: 32 annéess) a été recruté dans cette étude. Le rapport entre la longueur du membre résiduel (mesuré à partir de la tubérosité ischiatique à l'extrémité distale du membre résiduel) à la longueur de la partie non réduite (mesurée à partir de la tubérosité ischiatique de l'épicondyle fémoral) était de 51%. Le sujet porte une prothèse du genou microprocesseur par une prise de suspension d'aspiration dans sa vie quotidienne. Avant l'expérience dans cette étude, ce sujet a reçu plusieurs sessions de formation dirigées par un physiothérapeute afin de laisser le sujet à s'adapter à l'appareil sous tension et calibrer l'impédance souhaitée dans chaque mode d'activité.

1. Préparation Objet
   1. Mesurer le poids, la hauteur de l'objet, et enregistrer son sexe et l'âge.
   2. Demandez au sujet de mettre sur ses propres courts métrages dans une salle de préparation privé.
   3. Mettez un harnais antichute de taille équipée sur le sujet et l'attacher au système de rail de plafond.
2. Préparation pour l'enregistrement EMG
   1. Sélectionner sept capteurs EMG sans fil à pleine charge et allumez-les.
   2. Placez les capteurs EMG dans la prise d'aspiration adapté à des emplacements préparés. Notez le numéro de commande des capteurs et les associer à des endroits EMG.
   3. Nettoyer la peau de moignon de sujet avec des tampons d'alcool isopropylique.
   4. Aider le sujet à enfiler la prise d'aspiration et vérifiez que la prise est fermement attaché à moignon du sujet.
   5. Mettez le logiciel en temps réel des données EMG analogique en streaming.
   6. Demandez au sujet de réaliser hanche flexion / extension, la hanche en adduction / abduction, et le genou flexion / extension et examiner signaux EMG pour vérifier EMG contact des électrodes et la transmission de données.
3. Alignement et étalonnage initial de prothèse de jambe Powered
   1. Demandez le sujet à rester dans une position debout tout en maintenant un marcheur assistance.
   2. Fixer la prothèse motorisée à la prise d'aspiration avec une adaptation de la pyramideteur. Ajuster un ensemble de vis à rotation sur l'adaptateur jusqu'à ce que la position de la prothèse est géométriquement aligné avec la douille. Cette procédure a été réalisée par un prothésiste.
   3. Demandez au sujet de soulever la prothèse sur le sol et de calibrer la cellule de charge sur le pylône prothétique.
   4. Demandez le sujet à pratiquer la marche sur des terrains différents (par exemple, au niveau du sol, rampe montée, et la rampe de descente) en portant la prothèse de jambe motorisée. Cette procédure se poursuit jusqu'à ce que le sujet se sent en confiance à marcher avec l'appareil sous tension et les rendements schéma de marche cohérente dans chaque représentation de l'activité.
4. Formation Collecte de données pour les classificateurs Formation en NMI
   1. Charger l'objet à monter sur le lieu de départ d'un chemin de marche prédéfini, comme le montre la figure 3.
   2. Mettez la prothèse motorisée et charger les paramètres dans le contrôleur intrinsèque.
   3. Exécuter une collecte de données de formation comprogramme informatique et définir le contrôle intrinsèque au mode debout en cliquant sur le bouton "Debout" sur l'interface utilisateur graphique (GUI).
   4. Commencer la collecte de données en cliquant sur le bouton "Start Recording" dans l'interface graphique. Demandez le sujet à rester en position debout pendant 5 sec.
   5. Demandez l'objet de marcher sur un sol de niveau à son / sa vitesse de marche auto-sélectionné; en même temps, cliquez sur le bouton "marche" sur l'interface graphique avant décollement des orteils de la jambe de premier plan du sujet et réglez la commande intrinsèque au mode de marche niveau-sol.
   6. Lorsque le sujet a été s'approche du bord de la rampe ascension, cliquez sur le bouton "Montée rampe" sur l'interface graphique avant le décollement des orteils de la jambe prothétique de marcher sur la rampe et passer le contrôle intrinsèque à la rampe mode montée. Par mesure de sécurité, laisser le sujet à utiliser une main courante lors de la marche sur une rampe.
   7. Lorsque le sujet est à la fin de la rampe, cliquez sur le bouton "marche"nouveau avant la grève de talon de la jambe prothétique de monter sur la plate-forme de niveau et passer le contrôle intrinsèque de la prothèse en mode de marche au niveau du sol.
   8. A la fin de la trajectoire de marche, donne instruction au sujet de s'arrêter et de rester en position debout. Dans le même temps, cliquez sur le bouton "permanent" avant la phase à double position et passer le contrôle intrinsèque revenir au mode debout.
   9. Après environ 5 secondes, mettre fin à la collecte de données en cliquant sur le bouton "Stop". Étiquette de recueillir des données comme des «données de formation mis en 1".
   10. Répétez la procédure 3.4.4-3.4.9 lorsque le sujet marche dans un chemin inverse de retour au point de départ; la seule différence est de changer le contrôle intrinsèque à la rampe mode de descente lorsque le sujet marche sur la rampe vers le bas.
   11. Répétez jusqu'à ce que 3.4.4-3.4.10 dix ensembles de données complets de formation sont collectées. Examiner la qualité des données collectées formation ensemble de signaux.
   12. Permettre à la personne d'avoir une période de repos après ee collecte de données session.
   13. Former les classificateurs de reconnaissance de formes dans NMI via déconnecté module de formation (figure 1). Utilisez l'EMG recueillis et signaux mécaniques, les modes d'activité (classes) marqués au cours de la procédure de formation, et détecté phases de construire les classificateurs de modèle dépendant de la phase. Sauvegarder les paramètres des classificateurs automatiquement plus tard séance de tests en ligne.
5. Tests en ligne de Contrôle neural de Powered Transfemoral Prothèse
   1. Demandez le sujet à se tenir au point de la trajectoire de la marche de départ.
   2. Mettez la prothèse motorisée. Chargez le classificateur formés au module d'essai en ligne et les paramètres de la commande intrinsèque.
   3. Demandez le sujet pour commencer les essais de test dans une position debout, puis la transition continue de la marche au niveau du sol, rampe marche, au niveau du sol marche, et finalement arrêter et terminer cet essai à la fin du chemin à pied. Demandez le sujeteffectuer chaque activité à un rythme confortable. Permettent des périodes de repos entre les essais pour éviter la fatigue.
   4. Au cours de chaque essai de test, voir les modes d'activité de la prothèse du genou et des lectures d'angle commune sur un écran de télévision. Enregistrer toutes les mesures et les sorties de contrôle à des fins d'évaluation plus tard.
   5. Répétez les étapes 3.5.1-3.5.4 jusqu'à dix essais de tests complets sont finis.

Résultats

La figure 4a montre sept canaux de signaux EMG de surface mesurés à partir des muscles de la cuisse du membre résiduel du sujet quand il a exécuté la hanche flexion / extension, tel que décrit dans le protocole 3.2.6. Figure 4b montre six cycles démarche de signaux EMG enregistrées lorsque le sujet marche sur un chemin de marche au niveau du sol, au cours de protocole 3.3.4. De cette figure, on peut voir que la nouvelle interface électrode-socket EMG conçu peut fournir une bon...

Discussion

Une plate-forme d'ingénierie a été développé dans cette étude pour mettre en œuvre facilement, optimiser et développer un véritable contrôle neuronal des prothèses actives. L'ensemble de la plate-forme a été programmé dans un environnement de développement basé sur l'instrumentation virtuelle et mis en œuvre sur un PC de bureau. Le logiciel de commande est composé de plusieurs modules indépendants et interchangeables, dans chacune desquelles une fonctionnalité spécifique a été exécut?...

matériels

Name	Company	Catalog Number	Comments
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