엔지니어링 플랫폼 및 Neurally 통제 강화 대퇴 보철물의 설계 및 평가를위한 실험 프로토콜

요약

신경 - 기계 인터페이스 (NMI)는 사용자의 운동 모드를 식별하기 위해 개발되었다. 이러한 NMI가 잠재적으로 전원이 공급되는 인공 다리의 신경 제어에 유용하지만 완전히 입증되지 않았다. 쉽게 구현 및 신경 제어 개발 전원 하체 보철을위한 안전하고 낮은 사지 절단 환자에 neurally 제어 인공 다리를 평가하는 실험실 환경 (2) 실험 장치 및 프로토콜에 대한 (1) 우리의 설계 엔지니어링 플랫폼 제공이 논문 효율적.

초록

전원이 공급되는 인공 다리의 직관적 인 조작을 가능하게하려면, 사용자의 운동 의도를 인식 할 수있는 사용자와 보철물 사이의 인터페이스가 요구되고있다. 우리의 이전 연구에서 개발 된 신경 근육 기계 융합을 기반으로하는 새로운 신경 - 기계 인터페이스 (NMI)는 정확하게 대퇴 절단 수술을받은 사람의 의도 된 움직임을 식별 할 수있는 큰 잠재력을 보여 주었다. 그러나,이 인터페이스는 아직 진정한 신경 제어를위한 전원 철 다리와 통합되지 않았습니다. (1) 유연한 플랫폼 구현 및 최적화 전원 하체 보철의 신경 제어 (2) 실험 장치 및 프로토콜 낮은 사지 절단 환자에 대한 신경 보철 제어를 평가하는보고하고자 하였다. 처음으로 PC와 카메라 프로그래밍 환경을 기반 플랫폼 NMI 훈련 알고리즘, NMI 온라인 테스트 알고리즘 및 극한 제어 알고리즘 등 보철물 제어 알고리즘을 구현하기 위해 개발되었다. 설명하기 위해이 플랫폼의 기능은이 연구에서 신경 근육 기계의 융합에 따라 NMI는 계층 적으로 원형 대퇴 의지의 고유의 제어와 통합했다. 일방적 인 대퇴 절단 한 환자는 이러한 서, 레벨 지상 산책, 램프 상승 등의 활동을 수행 할 때 우리의 구현 신경 컨트롤러를 평가하고, 실험실에서 지속적으로 하강 램프에 채용되었다. 신규 실험 구성 및 프로토콜이 안전하고 효율적으로 새로운 보철물 컨트롤을 테스트하기 위해 개발되었다. 제시된 증거의 개념 플랫폼 및 실험 장치 및 프로토콜은 neurally 제어 전원 인공 다리의 미래 발전과 응용 프로그램을 보조 할 수 있습니다.

서문

전원 하체 보철는 상업 시장 ^{1, 2} 및 연구 커뮤니티 ^3-5 모두에서 증가하고 관심을 얻고있다. 기존의 수동적 인 보철 다리에 비해, 동력 인공 관절은 낮은 사지 절단 수술을받은 사람보다 효율적으로 수동 소자를 착용 할 때 힘들거나 불가능한 작업을 수행 할 수있는 이점이있다. 그러나, 현재, (계단 상승에 걸어 레벨 지상에서 예) 부드럽고 원활한 활동 전환은 여전히 전원 철 다리 사용자를위한 어려운 문제입니다. 이러한 어려움은 사용자의 동작 의도가 "읽기"기민 원활 활성 모드로 전환 할 수있게하기 위해 보철 제어 파라미터를 조정할 수있는 사용자 - 기계 인터페이스의 부족에 주로 기인한다.

이러한 문제를 해결하기 위해, 사용자 - 기계 인터페이스를 설계하는 다양한 방법이 연구되어왔다. NMI는 근전도 (E에 따라 항에있어서,MG) 신호는 전원 하체 보철을 직관적으로 제어 할 수있는 큰 잠재력을 보여 주었다. 최근 두 연구 ^6,7는 장착 위치 중에 잔류 근육에서 기록 된 EMG 신호를 모니터링하여 대퇴 절단 장애인의 누락 무릎의 의도 된 동작을 디코딩 보도했다. 오 등. ⁵ 개 transtibial 수족 절단 수술받은 사람의 두 가지 운동 모드 (레벨 지상 걷고 계단 하강)을 식별하기 위해 잔류 정강이 근육에서 측정 된 EMG 신호를 사용했습니다. 황 등. ⁸ 개의 대퇴 절단 수술에 설명한대로, 약 90 %의 정확도로 칠 활동 모드를 인식 할 수있는 위상 종속 EMG 패턴 인식 방법을 제안 하였다. 잘 의도 인식 성능을 향상시키기 위해, 신경근 기계적 융합에 근거 NMI는 단체 ⁹ 설계 및 온라인 의도 인식 ^10,11 수동적 보철 다리를 착용 대퇴 절단 수술을 평가 하였다. 이 NMI 정확하게 식별 할 수 있습니다사용자의 의도 된 활동과 강화 된 인공 다리의 신경 제어를위한 잠재적으로 유용했다 액티비티 전환 ^9, 예측.

우리 대향 현재 질문 직관적 보철물 동작을 활성화하고 사용자의 안전을 보장하기 위해 보철 제어 시스템에 우리 NMI을 통합하는 방법이다. 사실 neurally 제어 인공 다리를 개발하는 것은 쉬운 구현 및 보철 제어 알고리즘의 최적화를위한 실험실에있는 유연한 플랫폼을 필요로한다. 따라서 본 연구의 목적은 보철물의 제어 알고리즘을 테스트하고 최적화하기위한 우리의 실험실에서 개발 된 유연한 설계 플랫폼을보고하는 것입니다. 또한, 새로운 실험 장치 및 프로토콜은 안전하고 효율적으로 낮은 사지 절단 환자의 neurally 제어 전원 대퇴 삽입물을 평가되게됩니다. 본 연구에서 제시하는 플랫폼 및 실험 설계는 미래 deve을을 혜택을 누릴 수있는사실 neurally 제어, 전원 인공 다리 lopment.

프로토콜

1. 강화 대퇴 보철의 신경 제어의 구현을위한 플랫폼

엔지니어링 플랫폼은 전원 인공 다리의 신경 제어를 구현하고 평가하기 위해 본 연구에서 개발되었다. 하드웨어는 2.8 GHz의 CPU 및 4기가바이트 RAM, 아날로그 - 디지털 컨버터 (ADC) 및 디지털 - 아날로그 컨버터 (DAC)를 모두 가진 다기능 데이터 수집 보드, 모터 컨트롤러, 디지털 I으로 데스크톱 PC를 포함 / O를, 그리고 우리의 그룹 ^12에 설계 프로토 타입 전원 공급 대퇴 의지. 아날로그 센서 입력은 우선의 ADC에 의해 디지털화 및 신호 프로세싱을위한 데스크탑 PC로 스트리밍 하였다. DAC는 모터 제어기를 통해 보철물에 DC 모터를 구동하는 제어 출력을 위해 사용되었다. 디지털 I / O의 수는 비활성화 / 모터 제어를 가능하게하는 데 사용되었다. 전원 보철물은 데스크톱 PC에 닿는, 24 V 전원 공급 장치에서 전원을 공급했다.

이 소프트웨어는 광고에 프로그래밍 된데스크탑 PC에서 실행되는 가상 기기에 적합한 evelopment 환경. 개발 환경은 효과적으로 사용자 정의 플랫폼을 구현하는 사용자 정의 된 소프트웨어 및 하드웨어를 결합한 가상 계측 기반으로했다. 그래픽 블록도의 구성을 사용함으로써, 다른 기능 모듈 노드 간단하고 효율적으로 구현하고 업데이트 할 수있다. 전원이 공급되는 인공 다리의 온라인 제어를위한 플랫폼의 기능을 설명하기 위해, 예비 설계 보철물 제어는이 플랫폼에서 구현되었습니다. 제어 시스템은 제어기 신경 및 내장 컨트롤러를 포함. 신경 컨트롤러는 사용자의 활동 모드를 인식 신경근 기계적 융합에 기초한 우리의 이전 설계 NMI 이루어져 있었다. 높은 수준의 컨트롤러로 신경 컨트롤러는 계층 적으로 전원이 공급되는 하체 보철 제어에 대한 내장 컨트롤과 연결되었다.

(계속)의 아키텍처플랫폼에 ROL 소프트웨어는 그림 1에 설명되어 있습니다 NMI는 두 부분으로 포함되어 있습니다. 오프라인 교육 모듈 및 온라인 테스트 모듈을. 오프라인 교육 모듈은 훈련 데이터를 수집하고 NMI의​​ 분류기를 구축하기 위해 설계되었습니다. 수집 된 다 채널 표면 근전도 신호와 기계 측정 먼저 전처리 및 지속적인 슬라이딩 창으로 분할되었다. 각 창에서 신호 패턴을 특징 짓는 특징은 압축 해제 된 후 하나의 특징 벡터에 융합. 각 창의 기능 벡터는 학습 데이터를 수집하는 동안 활동 모드 (클래스) 및 위상 인덱스 보철물 사용자의 공연 활동을 기반으로 보철물의 상태로 표지되었다. 레이블이 특징 벡터가 개별적 단계의 상관 관계를 여러 하위 등급 분류를 포함하는 단계에 의존하는 패턴 분류기를 구축하는 데 사용되었다. 생성 된 분류를 저장하고 나중에 온라인 평가를위한 온라인 테스트 모듈로 전송했다.

온라인 테스트 모듈은 온라인 사용자의 움직임을 인식하고 의도 극한 컨트롤러 작동 모드를 전환하기 위해 사용되었다. 멀티 채널의 신경 근육 및 기계 측정은 동시에 온라인 테스트 모듈로 스트리밍 및 특징 벡터로 변환되었다. 그런 특징 벡터는 이미 오프라인 교육 모듈에 내장 된 위상에 의존 분류에 공급했다. 내장 제어기의 현재 위상에 기초하여, 대응하는 서브 분급 스위치와 사용자의 의도를 인식하기 위해 사용되었다. 분류 출력은 더 후 처리 및 작업 모드를 전환하기 위해 고유의 컨트롤러에 보내졌다.

유한 상태 기계 (FSM) 기반의 임피던스 컨트롤러는 전원이 공급되는 인공 다리의 고유 제어를 구현 하였다. 생성 된 임피던스 제어기는 무릎 관절에 토크 출력을 원하는. 유한 상태 기계에있어서 조인트 임피던스를 조정할수행 활동의 현재 상태입니다. 자세 굴곡 (STF), 자세 확장 (STE), 전 스윙 (PSW), 굴곡 스윙 (: 운동 활동 (즉, 레벨 지상 걷고 램프 상승 / 하강)의 경우, FSM 다섯 걸음 걸이 단계에 해당하는 5 개 주 구성 SWF), 스윙 확장 (SWE) 체중 베어링 (WB)과 (NWB)를 베어링 비 중량 : 정적 서에, FSM은 두 단계가 포함되어 있습니다. 상태 사이의 전환은 지상 반력과 무릎 관절 위치에 의해 촉발되었다. 활성 모드 간의 전환이 온라인 테스트 모듈의 출력에 의해 제어되었다. 위에서 논의 된 세 가지 모듈의 그래픽 사용자 인터페이스 (GUI)는 실험실에서 실험자 쉽게 제어 파라미터 모니터 시스템 성능을 조정하고, 평가 실험을 수행 할 수있는 내장했다.

2. 실험 장치

1. 표면 근전도 (sEMG)
   수족 절단 수술받은 사람의 허벅지 근육에서 표면 근전도 신호 subjectR17;의 잔여 사지가 무선 EMG 수집 시스템에 의해 기록된다. 대상 허벅지 근육은 대퇴 직근 (RF), 광근 laeralis (VL), 광근 medialis (VM), 팔뚝 길이 (BFL), SARTORIUS (SAR), (SEM) semitendinosus, 그리고 내전근 매그너스 (ADM)을 대퇴 포함되어 있습니다. 이는 NMI에서 사용한 패턴 인식 알고리즘은 활성 모드를 인식하는 복수의 근육의 활성화 패턴을 검색하므로 정확하게 특정 근육을 타겟팅 ⁸ 필요가 없다는 주목할 만하다. 오래 엉덩이와 무릎 제어를위한 측정 된 신경 근육 제어 정보로 충분하다, EMG 녹음 중 간 회담은 NMI의​​ 성능에 거의 영향을 미친다.
   1. 엉덩이 굴곡 / 연장, 엉덩이 내전 / 외전, 그가 서있는 위치에있을 때 확장 / 절단 무릎 관절을 굽히는 시도를 수행 할 대상을 부탁드립니다.
   2. 대략적인 근육의 촉진에 의해 전극 게재 위치의 위치를​​ 결정EMG 녹음의 D 검사.
   3. 피사체의 락과 안정적인 전극 - 피부 접촉 모두에 대해,도 2에 도시 된 바와 같이, 새로운 설계 EMG 전극 소켓 인터페이스에 전극 스크랩.
2. 강화 된 보철물에서 기계 측정
   보철 철에서 6 DOF 로드셀에 의해 측정 된 기계적 접지 반응력과 모멘트는 피사체의 움직임의 의도를 인식하는 EMG 신호와 융합된다. 또, 가변 저항기는 무릎 관절의 각도를 측정하기 위해, 무릎 관절에서 계측되고 인코더 무릎 각속도를 산출하기 위해 DC 모터에 접속 하였다. 이러한 측정은 고유의 제어를위한 피드백 신호로 사용됩니다.
   1. 인공 철탑에 여섯 학위 자유로드 셀을 장착합니다.
   2. 내 외측 방향, 전후 방향 및 보철물 superoinferior 방향으로 X 축, Y 축, 및 로드셀의 Z-축을 맞추고, 각각LY.
3. 실험실 환경 설정
   도 3에 도시 된 바와 같이 대퇴 절단 장애인에 대한 강화 된 인공 다리 신경 조절을 평가하기 위해, 장애물 코스는 실험실에서 지어졌다. 테스트 환경은 5-m 스트레이트 보도, 경사를 가진 4-m 긴 램프를 포함 8 °, 및 램프와 레벨 플랫폼의 각도가 제대로 연결. 경사로를 따라, 핸드 난간은 피사체의 안전성을 향상시키기 위해 설치되었다. 또, 낙하 검거 하네스 천장 레일 시스템은 실험 중에 낙하 피사체를 보호하기 위해 제공되었다.

3. 실험 프로토콜

이 연구는로드 아일랜드 대학의 임상 시험 심사위원회 (IRB)의 승인 및 모집 주체의 동의와 함께 실시되었다. 한 남성 일방적 인 대퇴 수족 절단의 (원인 : 외상, 연령 : 오십칠년, 절단 기간 : 삼십이년들)이 연구에서 채용되었다. (대퇴 상과에 좌골 결절에서 측정) 비 손상 변의 길이 (잔류 사지의 말단부에 좌골 결절에서 측정) 절단 단의 길이와의 비율은 51 %이었다. 주제는 자신의 일상 생활에서 흡입 서스펜션 소켓을 통해 마이크로 프로세서 제어 인공 무릎을 착용. 이전에 본 연구의 실험 방법이 될 수는 피사체가 전원 공급 장치에 적응하고 각 활동 모드에서 원하는 임피던스를 보정 할 수 있도록하기 위해 물리 치료사에 의해 주도 여러 훈련을 받았다.

1. 제목 준비
   1. 피사체의 체중, 신장을 측정하고, 자신의 성별과 나이를 기록합니다.
   2. 개인 준비 방에서 자신의 반바지에 넣어달라고 부탁합니다.
   3. 주제에 크기 장착 가을 검거 마구를 넣고 천장 레일 시스템에 연결합니다.
2. EMG 녹음을위한 준비
   1. 일곱 완전히 충전 무선 EMG 센서를 선택하고 전원을 켜십시오.
   2. 준비 위치에서 정의 흡입 소켓에 EMG 센서를 놓습니다. 센서의 주문 번호를 적어 EMG 위치로 연결합니다.
   3. 이소 프로필 알코올 패드를 가진 주체의 잔여 사지의 피부를 청소합니다.
   4. 흡입 소켓을 걸치고있는 피사체를 지원하고 소켓이 단단히 주제의 절단 단에 연결되어 있는지 확인합니다.
   5. 실시간 EMG 아날로그 데이터 스트리밍 소프트웨어를 켭니다.
   6. 엉덩이 굴곡 / 연장, 엉덩이 내전 / 외전, 무릎 굴곡 / 연장을 수행하고 EMG 전극의 접촉 및 데이터 전송을 확인 EMG 신호를 검사 할 대상을 부탁드립니다.
3. 정렬 및 강화 된 보철 다리의 초기 교정
   1. 보조 보행기를 채 서있는 위치에 남아있는 주제를 지시합니다.
   2. 피라미드 ADAP와 흡입 소켓에 전원이 공급 된 보철물을 부착토르. 보철물의 위치를​​ 기하학적으로 소켓과 정렬 될 때까지 어댑터의 회전 나사의 설정을 조정합니다. 이 절차는 의지 보조에 의해 수행되었다.
   3. 지상에서 보철물을 들어 올려 인공 철탑에 로드셀을 교정하는 피사체를 부탁드립니다.
   4. 전원 보철 다리를 착용 할 때 다른 지형에 걷는 연습 (예를 들어, 레벨 바닥, 램프의 상승 및 하강 램프)으로 대상을 지시합니다. 피사체가 전원 공급 장치와 각 활동의 성능 수율 일치 보행 패턴과 함께 산책에 자신감을 느낀다 때까지이 절차를 계속합니다.
4. NMI의 등급 분류를 훈련을위한 데이터 수집을 교육
   1. 도 3에 도시 된 바와 같이, 사전 정의 도보 경로의 시작 위치에 서있는 피사체를 지시한다.
   2. 전원 보철물의 전원을 켜고 내장 컨트롤러에 매개 변수를로드합니다.
   3. 훈련 데이터 수집 COM을 실행퓨터 프로그램과 그래픽 사용자 인터페이스 (GUI)에 "서"버튼을 클릭하여 모드를 서에 내장 컨트롤을 설정합니다.
   4. GUI에서 "녹화 시작"버튼을 클릭하여 데이터 수집을 시작합니다. 5 초 동안 서있는 위치에서 숙박을 주제 지시합니다.
   5. 그 / 그녀의 자기 선택 편안한 보행 속도로 평지를 걸을 수있는 주제를 지시; 동시에 피사체의 주요 다리의 발가락 오프 전에 GUI에서 "산책"버튼을 클릭하고 수준 지상 산책 모드로 내장 컨트롤을 설정합니다.
   6. 피사체가 램프 상승의 가장자리에 접근 할 때, 램프에 스테핑 보철 다리의 발가락 오프 전에 GUI의 "램프 상승"버튼을 클릭하고 상승 모드를 진입로 고유의 제어를 전환 할 수 있습니다. 안전을 위해 진입로에 걸을 때 피사체가 손으로 난간을 사용할 수 있습니다.
   7. 피사체가 램프의 단부에 관해서, "워킹"단추를 클릭다시 보철 다리의 발 뒤꿈치 파업 수준의 플랫폼에 스테핑 및 레벨 지상 산책 모드로 보철물 고유의 제어를 전환하기 전에.
   8. 도보 경로의 끝에서 중지하고 서있는 위치를 유지하기 위해 주제를 지시합니다. 동시에, 더블 입각 기 전에 "서"버튼을 클릭하고 다시 서 모드로 고유 컨트롤을 전환합니다.
   9. 약 5 초 후, "정지"버튼을 클릭하여 데이터 수집을 종료합니다. 라벨은 "훈련 데이터 세트 1"로 데이터를 수집.
   10. 피사체가 시작 위치로 다시 역방향 경로에 산책 할 때의 절차 3.4.4-3.4.9를 반복; 유일한 차이점은 피사체가 다운 램프 산책 때 하강 모드를 진입로 극한 스위칭 제어된다.
   11. 반복 3.4.4-3.4.10 열 전체 훈련 데이터 세트가 수집 될 때까지. 수집 된 학습 데이터 집합의 신호 품질을 검사합니다.
   12. 피사체가 일 후 휴식 기간을 가질 수 있도록 허용전자 데이터 수집 세션.
   13. 오프라인 교육 모듈 (그림 1)를 통해 NMI의 패턴 인식의 분류를 양성. 수집 된 EMG 및 기계 신호, 교육 과정 동안 표시된 활동 모드 (클래스)를 사용하고, 위상에 의존하는 패턴 분류기를 구축하는 단계를 발견했습니다. 나중에 온라인 테스트 세션에 대한 자동 분류기의 파라미터를 저장합니다.
5. 강화 된 대퇴 보철물의 신경 제어의 온라인 테스트
   1. 도보 경로의 시작점에 서 피사체를 지시합니다.
   2. 전원이 공급 된 보철물을 켭니다. 온라인 테스트 모듈과 내장 컨트롤러에 매개 변수에 훈련 된 분류를 넣습니다.
   3. 후 지속적으로 레벨 지상 산책, 램프 워킹, 레벨 지상 도보로 전환하고, 마지막으로 중지하고 산책로의 끝에서이 시험을 완료, 서있는 위치에서 테스트 시험을 시작하기 위해 주제를 지시합니다. 에 주제를 지시편안한 속도로 각 활동을 수행합니다. 시험 사이의 휴식 시간은 피로를 방지 할 수 있습니다.
   4. 각 시험의 시험 동안, TV 모니터에 보철물의 활동 모드와 무릎 관절 각도 측정 값을 표시합니다. 나중에 평가 용 측정 및 제어 출력을 모두 저장합니다.
   5. 단계를 반복 3.5.1-3.5.4 열 완벽한 테스트 시험이 완료 될 때까지.

결과

그림 4a는 그가 엉덩이 굴곡 / 연장을 수행 할 때 프로토콜 3.2.6에 설명 된대로. (b)는 피사체에 왔을 때 기록 된 EMG 신호의 여섯 보행주기를 보여줍니다 피사체의 잔류 다리의 허벅지 근육에서 측정 한 표면 근전도 신호의 일곱 채널을 보여줍니다 레벨 지상 도보 경로, 프로토콜 3.3.4시. 이 도면으로부터, 새로운 설계 EMG 전극 소켓 인터페이스 표면 EMG 신호 측정...

토론

엔지니어링 플랫폼은이 연구를 쉽게 구현, 최적화 및 전원 보철물의 진정한 신경 통제를 개발하기 위해 개발되었습니다. 전체 플랫폼은 가상 계측 기반의 개발 환경에서 프로그램 및 데스크탑 PC에서 구현되었습니다. 제어 소프트웨어는 특정 기능 (즉 NMI 의도를 인식하고, 고유 제어)을 실행 된 각각 여러 독립적 인 교체가 가능하고 모듈로 구성되었다. 이러한 모듈 디자인의 장점은 각각의...

자료

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