1个国际博士学校,雷伊·胡安·卡洛斯大学(Rey Juan Carlos University),28922西班牙马德里; carlos.cumplido@marsibionics.com 2 Marsi Bionics SL,西班牙马德里28521; eva.barquin@marsibionics.com(E.B.-S。); alberto.plaza@marsibionics.com(A.P.-F。); David.garcia@marsibionics.com(d.g.-v.); leticia.ibanez@marsibionics.com(l.i.-h.); elena.garcia@marsibionics.com(E.G.-A。)3卫生科学学院物理治疗,物理治疗系,雷伊·胡安·卡洛斯大学(Rey Juan Carlos University),28922年,马德里,西班牙; Francisco.molina@urjc.es 4西班牙国家参考脑损伤中心(CEADAC),西班牙马德里28034; cgonzaalted@imserso.es(c.g.-a.); paoladiazvalles@gmail.com(P.D.-V.)5 Centro Lescer,西班牙马德里28035; clopez@centrolescer.org(c.l.-p.); acastrillo@centrolescer.org(A.C.-C。)6自动和机器人技术中心(CAR),CSIC-UPM,CTRA。Campo Real KM 0.2 – La Poveda-Arganda del Rey,28500年,马德里,西班牙 *通信:roemi.fernandez@car.upm-csic.es
步态是一系列协调的运动,使人类可以从一个地方移到另一个地方,是我们日常生活的基本方面。步态研究对包括生物力学,康复,运动科学和机器人技术在内的各个领域具有深远的影响。传感器技术的最新进展,例如惯性测量单元(IMUS)[1-5]和运动捕获系统[6,7],使得可以同时从多个关节中收集高分辨率角度数据[1,8-11]。临床步态分析(CGA)利用了描述步态的这种序列,以便为临床医生提供决策援助[12,13]。在步态康复的框架中,必须采取定量措施来评估治疗过程中患者的进度。文献中的几件作品解决了这一领域,到目前为止,已经提出了不同的措施[13]。最广泛使用的是步态偏差指数(GDI)[14],例如步态谱分数(GPS)[15]和Gillette步态指数(GGI)[16]。这种措施的目的是量化与正常步态模式的偏差。
摘要背景:不完全性颈椎脊髓损伤 (SCI) 通常会导致严重的步态障碍,需要先进的康复方法来恢复活动能力。机器人辅助步态训练 (RAGT) 和步态适应性训练正在成为改善此类损伤患者功能结果的有效干预措施。病例报告:我们报告了一名 65 岁男性的病例,该男性患有创伤性 C6 不完全性颈椎 SCI,表现出严重的功能限制,包括无法站立或行走。为期四周的常规物理治疗使他能够佩戴双侧腿部支架站立并在最大支撑下行走,但由于害怕跌倒、手握力差和躯干控制力弱,康复进展受到阻碍。为了加速康复,患者在四周内接受了 10 次 Lokomat Pro RAGT 和 10 次 C-Mill VR+ 训练。干预取得了显著的改善:他的脊髓损伤步行指数 (WISCI II) 量表评分从入院时的 0 进步到 RAGT 引入后的 6,并在训练期结束时达到 20。此外,他的 Berg 平衡量表评分增加到 46,反映出平衡和活动能力的改善。结论:机器人辅助步态训练已被证明是对不完全四肢瘫痪患者常规康复方法的有益补充。在这种情况下,Lokomat Pro 和 C-Mill VR+ 的整合促进了快速的功能恢复,凸显了机器人技术在增强此类人群步态康复结果方面的潜力。关键词:步态、损伤、物理治疗、康复、机器人、脊髓。
摘要 在这篇评论文章中,我们介绍了十多年来我们在开发脑机接口 (BCI) 系统方面的工作,该系统用于脊髓损伤 (SCI) 或中风等神经系统损伤后的行走恢复。这项工作的大部分都是在基于非侵入性脑电图的 BCI 领域,包括将我们的系统与虚拟现实环境和物理假肢连接起来。我们提供实时在线测试来证明健全受试者和 SCI 患者有目的地操作我们的 BCI 系统的能力。我们还介绍了这项工作的扩展,包括开发适合家庭使用的便携式低成本 BCI、我们为开发完全可植入的 BCI 以恢复 SCI 后的行走和腿部感觉而正在进行的努力,以及我们基于 BCI 的新型中风康复疗法。
1 热那亚大学神经科学、康复、眼科、遗传学、妇幼保健系,意大利热那亚 16132;gaia.bonassi@unige.it 2 鲁汶天主教大学运动控制和神经可塑性研究中心,比利时鲁汶 3001;zhaomq@lzu.edu.cn(MZ);jessica.samogin@kuleuven.be(JS);dante.mantini@kuleuven.be(DM) 3 兰州大学信息科学与工程学院甘肃省可穿戴计算重点实验室,兰州 730000,中国 4 IRCCS Ospedale Policlinico San Martino,意大利热那亚 16132;roberta.marchese@hsanmartino.it(RM);botta.alessandro90@gmail.com(AB); lavanzino76@gmail.com (LA) 5 SC Medicina Fisica e Riabilitazione Ospedaliera, Azienda Sanitaria Locale Chiavarese, 16043 Chiavari, Italy; lcontrino@asl4.liguria.it (LC); paolatognetti.pt@gmail.com (PT) 6 热那亚大学实验医学系人类生理学科,Viale Benedetto XV 3, 16132 Genoa, Italy; martina.putzolu@unige.it * 通讯:elisa.pelosin@unige.it
步态康复是中风后恢复的关键方面,虚拟现实和可穿戴设备等新兴技术在促进这一过程方面起着关键作用。,尽管有潜在的好处,但基于机器人的恢复系统存在很大的差距,可以通过长期维持用户的注意来促进重复使用。我们的研究旨在通过创建一个全面的系统来弥合这一差距,该系统利用不同的反馈类型和机器人帮助来支持用户的步态康复结果。在本文中,我们介绍了Garry(步态康复机器人系统),这是一种新的机器人系统,可在运动训练期间提供交互式反馈。它通过游戏恢复过程来促进参与度,为用户提供一种有趣的手段,使用户满足其由物理治疗师定义和设定的康复目标。Garry还结合了行为反馈,以在会议期间引入陪伴感。我们向其他研究人员提供了Garry开源,以期鼓励可访问性并促进该领域的研究。我们的代码可以在此处找到:https://github.com/ucsd-rhc-lab/garry
摘要 - 当将外骨骼用于步行援助时,一个重要的考虑因素是确保用户保留对外骨骼提供的援助的完全控制,由于缺乏合适的控制系统,这在现有外骨骼中非常有限。在本文中,基于新颖的辅助生成方法和一种迭代力控制方法开发了与时间无关的外骨骼控制系统,以实现持续的辅助调整。辅助文件被称为具有人类状态变量的高斯功能,可以在LinetoadaptTodifferentusers上更新。尤其是在用户腿的运动中,proposeposedpro Filedecontifecondepro Filedecondeprofimentifecontroprofrofroposeprofroproproproproproproproproproposeprofroposed profosprofroprofropropseprofroposedpro Filedecliendeprofropropropropropsion todifferfilef。拟议的控制系统迭代地补偿了力控制滞后和振幅衰减,以便在自然人步行期间精确地跟踪援助效果。使用外骨骼的受试者对受试者进行了软外骨骼进行了实验。实验结果表明,与常用时间依赖性控制系统相比,提出的控制系统的有效性。
脑机接口 (BCI) 作为慢性神经病患者的康复工具的使用已经变得越来越普遍。BCI 与其他技术相结合,允许用户在患者执行治疗任务时实时检测运动意象 (MI) 来诱导神经可塑性,从而恢复神经功能。这项研究招募了 25 名患有步态障碍的中风患者。参与者进行了 25 次 MI-BCI 治疗和评估访问,以跟踪治疗期间的功能变化。这项研究的结果显示,步行速度在临床上显著增加了 0.19 m/s,95%CI [0.13–0.25],p < 0.001。患者还减少了痉挛,改善了运动范围和肌肉收缩。BCI 治疗可有效促进慢性中风幸存者的步速的长期功能改善。患者下肢的运动更多;因此,他们可以走得更好、更安全。这种功能的改善可以通过中枢神经系统神经可塑性的改善来解释。
对丘脑底核或苍白球进行深部脑刺激 (DBS) 是治疗帕金森病 (PD) 的既定方法,可显著持久地改善运动症状。然而,DBS 对 PD 步态障碍的益处仍存在争议,并且可能导致患者不满和生活质量低下。PD 步态障碍包含多种临床表现,并依赖于不同的病理生理基础。虽然 DBS 手术多年后出现的步态障碍可能与病情进展有关,但早期步态障碍可能是可治疗的原因和 DBS 重编程的益处所致。在这篇综述中,我们通过讨论其神经生理学基础、提供详细的临床特征并提出一种实用的编程方法来支持其管理,来解决接受 DBS 的 PD 患者的步态障碍问题。
帕金森病患者丘脑底核动力学的破坏会导致行走障碍。在此,我们旨在揭示丘脑底核编码帕金森病患者功能性和功能障碍性行走的原理。我们设计了一个神经机器人平台,使我们能够在控制良好的条件下解构行走的关键组成部分。我们在 18 名帕金森病患者身上利用了这个平台,这使我们能够证明丘脑底核编码腿部肌肉激活的开始、终止和活力。我们发现相同的基本原理决定了行走的编码。我们将这种理解转化为机器学习框架,该框架可以解码肌肉激活、行走状态、运动活力和步态冻结。这些结果揭示了丘脑底核动力学编码行走的关键原理,从而有可能利用这些信号操作神经假体系统,以改善帕金森病患者的行走能力。