脑卒中患者上肢康复脑功能及其康复治疗技术

脑卒中患者的上肢运动功能障碍发生率高,恢复较难,严重影响患者的独立生活能力和生活质量。本文概括了脑卒中患者的上肢康复脑功能理论,并从中枢神经干预治疗和外周神经干预治疗两个方面介绍了现有的脑卒中上肢运动功能康复技术。文献查阅结果表明各类康复治疗手段具有不同的针对性和局限性,早期、科学和合理的综合康复训练才能最大程度地帮助脑卒中患者实现上肢运动功能的完全康复,回归正常生活。     

基于交互力模糊识别的上肢康复机器人模式调整控制策略研究

在上肢康复机器人辅助训练过程中,对于软瘫期脑卒中患者通常采用被动训练策略。为了激发患者的主动康复意愿,对于逐渐具备主动发力能力的患者,康复治疗师会采用机器人助动训练策略。本文针对末端牵引式上肢康复机器人,提出一种基于交互力模糊判别的人体上肢运动功能评估方法以及按需辅助的人机交互控制策略。首先设计了基于计算力矩控制器的被动训练和结合势能场的助动训练模式,然后将训练过程中三维力传感器采集的交互力信息引入至模糊推理系统中,提出了主动参与度σ,并设计相应的辅助策略算法实现两种训练模式的自适应调整。最后通过试验证明了主动参与度σ与表面肌电信号之间的相关性。并且,相较于仅通过交互力大小进行模式调整的控制策略,该方法具有更快的响应速度,使机器人在训练过程中更具安全性。     

腕功能康复机器人按需辅助控制策略研究

在康复机器人辅助脑卒中患者进行康复训练时,为激发患者的主动参与意识,康复机器人应按照患者康复需求提供其所需的辅助力矩。本文针对腕功能康复机器人提出一种按需辅助控制策略:首先制定能力评估规则,并依据该规则评估患者能力;然后设计控制器,控制器可基于评估结果求解出患者完成康复训练任务所需的辅助力矩,并下发指令至电机;最后控制电机输出指令值,辅助患者完成康复训练任务。将该控制策略应用于腕功能康复机器人,不仅实现了按需辅助的训练模式,而且能够避免辅助力矩激增,同时康复治疗师可在线调节能力评估规则中的多个参数,为不同康复状态的患者定制任务难度。本文所提方法不依赖于力学传感器信息,降低了开发成本且易于实现,具有一定的工程应用价值。     

老年人左、右手喝水动作的运动特性研究

目的通过采集和分析人体三维运动数据,研究老年人左、右手喝水动作的运动学特性。分析左、右手动作的差异,为镜像康复设备的设计和精准康复训练方案的制定提供数据支持和理论基础。方法选取16名右利手的老年人为实验对象,实验对象分别用左、右手完成喝水动作。应用运动捕捉系统采集实验者上肢的三维运动轨迹,分析实验对象在喝水动作中,左、右肩、肘、腕关节的三维运动角度和角速度的相关性。结果左、右手在肩关节的矢状轴角度、肘关节的屈伸角度、肩关节的旋内旋外角度、肘关节旋内旋外的角度上具有高度相关性(相关系数r0.8);在肩关节冠状轴的角度、腕关节掌屈背伸的角速度上具有低度相关性(0.3r0.5);在肩关节冠状轴的角速度上具有微弱相关性(0.1r0.3);在其余上肢的关节角度和角速度上具有显著相关性(0.5r0.8)。结论健康老年人在完成喝水动作中,主要利用肩关节的旋内旋外活动和肘关节的屈伸、旋内旋外活动。右手在关节屈伸角度的运动幅度上大于左手,而在关节旋内旋外角度的运动幅度方面小于左手。在镜像康复机器人设计和康复轨迹规划中,应尊重左、右手的差异,实现精准康复的目的。     

训练轨迹对上肢肌肉协同的影响

目的通过分析康复机器人辅助训练过程中沿不同轨迹运动的上肢肌肉协同特性,探究运动轨迹对上肢肌肉骨骼特性的影响,为康复机器人训练轨迹优化设计提供基础实验数据与指导。方法首先在末端牵引式康复机器人系统中设计3种上肢运动训练轨迹(L1为直线,L2为弧线,L3为半圆),然后采集12名健康志愿者在沿3种训练轨迹上肢运动过程中的表面肌电信号,并使用非负矩阵分解算法进行肌肉协同特性的获取,对不同轨迹组间肌肉协同结构的相似系数、屈肌占比以及募集模式积分系数进行对比分析,探讨康复机器人不同训练轨迹对上肢肌肉骨骼特性的影响。结果同一训练轨迹中各志愿者的肌肉协同结构具有较高相似性(平均SI>0.81)。各轨迹组的肌肉协同结构中的屈肌占比随运动进程逐渐增加。各轨迹组的肌肉协同募集模式均具有时序特性,前期伸肌起主要作用,后期屈肌起主要作用,中期屈肌占比随轨迹曲率增加而增加。轨迹L1与L2、L2与L3协同结构非常相似(SI>0.90),而L1与L3协同结构较为相似(SI>0.75)。结论康复机器人辅助上肢的训练轨迹对上肢肌肉特性有一定影响,不同训练轨迹带来的肌肉协同结构较为相似,但是运动过程中屈肌群占比及协同贡献度会为了协调动作而发生变化。由此可推测不同训练轨迹对不同肌群的训练强度可能会有所不同。康复机器人训练轨迹设计需根据康复需求进行优化设计。     

基于认知脑区的脑-机接口技术及其在康复中的应用研究进展

脑-机接口(BCI)技术通过解码大脑信号可实现人类和外部设备的交互,近年来取得了一些重要的突破,但其应用推广目前还存在许多障碍。当前常见的BCI控制信号一般来源于与感觉运动相关的脑区,这些信号仅能反映肢体运动意图的有限部分。因此,需要探索更多可用于控制BCI系统的脑信号源。基于认知脑区的脑信号具有更加直观、有效的特点,可作为拓展脑BCI信号源的新途径。本文综述了基于单一脑区和多脑区混合的认知BCI的研究现状,并归纳了其在康复医学领域的应用研究,以期将基于认知的BCI技术作为未来BCI康复应用的突破口。     

机器人辅助上肢康复训练中训练者主动参与度估计方法研究

目的:针对现有患者在康复训练过程的主动参与度评估方法存在主观性强或操作复杂等问题,提出一种基于康复机器人系统的训练者主动参与度定量化评估方法。方法:本研究针对末端牵引式上肢康复机器人辅助训练任务的特点,通过实时获取电机关节转矩与位移信息计算特定动作周期内的电机做功情况,结合标定检测过程分别获取机器人单独完成与人机共同完成训练任务的做功信息,在此基础上估算受试者训练过程中的主动参与度。招募了12例健康受试者,他们通过控制上肢发力水平分别模拟出四种不同的主动参与度(被动、半主动、主动与抗阻),采用提出的方法计算主动参与度。同时,采用基于表面肌电信号的主动参与度评估方法对提出的方法的性能进行验证与比较。结果:基于做功计算方法的主动参与度计算结果为:被动:0.06%±9.65%、半主动:42.46%±20.47%、主动:90.73%±17.15%;抗阻:239.96%±84.23%。基于表面肌电探测方法的主动参与度计算结果为:被动:-3.33%±6.32%;半主动:40.85%±22.34%;主动:100%±16.28%;抗阻:193.65%±73.42%。两种方法的计算结果具有趋势一致性。结论:基于康复机器人做功计算的方法能够方便地估算出受试者康复训练中的主动参与度,通过标定检测的方法可以避免复杂的人体肢体动力学建模,该方法在康复患者主动参与度估算方面具有巨大的潜力。同时,该方法无需训练者佩戴额外传感器,操作简单,具有临床应用推广的潜力。     

基于力跟踪的上肢康复机器人系统中视觉与触觉反馈融合技术研究

针对现有上肢康复训练系统提供视觉和触觉反馈无法关联的问题，本文以自主研发的末端牵引式上肢康复机器人为基础，研究基于力跟踪的视觉与触觉反馈融合技术及其对于上肢训练的效果。