XiaoMi-AI文件搜索系统
World File Search System下肢
基于虚拟现实（Neucir-VR）下肢...
摘要简介改善下肢运动功能是冲程后康复治疗的重点和困难。最近，机器人辅助和虚拟现实（VR）培训通常用于冲程后康复，被认为是可行的治疗方法。在这里，我们开发了一种康复系统，该系统将机器人运动援助与基于神经电路的VR（Neucir-VR）康复计划相结合，涉及程序下肢康复与奖励机制，从肌肉力量训练，姿势控制和平衡训练到简单而复杂的地面步行训练。该研究旨在探讨中风后患者的机器人运动援助和Neucir-VR下肢康复训练的有效性和神经系统机制。方法和分析这是一个单中心，观察者盲目的，随机对照试验。40例中风后下肢偏瘫患者将被募集并随机分为对照组（合并的机器人援助和VR培训）和一个干预组（合并的机器人援助和Neucir-VR培训），比率为1：1。每个小组每周将接受五个30分钟的会话，持续4周。主要结果将是对下肢的Fugl-Meyer评估。次要结果将包括Berg平衡量表，修改的Ashworth量表和通过静止状态功能MRI测量的功能连接性。结果将在基线（T0），干预后（T1）和随访（T2-T4）时进行测量。2019–014）。结果将提交给同行审查的期刊或会议。道德，注册和传播该试验得到了上海传统医学大学的Yueyang综合中国和西医综合医院伦理委员会的批准（赠款号试用注册号CHICTR2100052133。
高中棒球投球时下肢的能量流动
摘要 人们普遍认为，投棒球时传递到球的大部分能量是由躯干和下肢产生的。因此，本研究的目的是评估投棒球时流经下肢的能量。假设（稳定的）前腿主要以从远端到近端的顺序作为动力链传递能量，而（驱动的）后腿产生大部分能量，主要在臀部。使用关节功率分析来确定 22 名青年投手的踝关节、膝盖、臀部和腰骶关节（L5-S1）的能量（功率）传递和产生率。分析表明，前腿主要在跨步脚接触之前以从远端到近端的顺序向上传递能量。此外，后腿产生的能量更高，主要来自后臀部。总之，双腿对能量流的贡献不同，其中前腿充当初始动力链组件，后腿通过产生能量来驱动俯仰。双腿的动作在骨盆中结合，并传递到后续更常讨论的开放动力链，从 L5-S1 开始。
通过脑电图识别下肢运动任务……
1 电气与计算机工程学院，滨海理工学院（ESPOL），Gustavo Galindo 校区，地址：瓜亚基尔 Perimetral Vía 30.5 公里，邮政信箱：09-01-5863，厄瓜多尔； epelaez@espol.edu.ec 2 神经成像和生物工程实验室（LNB），机械工程和生产科学学院，Escuela Superior Politécnica del Litoral（ESPOL），Campus Gustavo Galindo km 30.5 Vía Perimetral，瓜亚基尔 PO Box 09-01-5863，厄瓜多尔； floayza@espol.edu.ec 3 卡尔奇州立理工大学研究生中心，图尔坎 040101，厄瓜多尔； leandro.lorente@upec.edu.ec 4 纳里尼奥自治大学工程学院，帕斯托 520001，哥伦比亚； peluffo.diego@um6p.ma 5 建模、模拟和数据分析 (MSDA) 研究项目，穆罕默德六世理工大学，Ben Guerir 43150，摩洛哥 * 通信地址：vasanza@espol.edu.ec † 这些作者对这项工作做出了同等贡献。
脑损伤后步态康复下肢外骨骼的控制策略：系统评价与临床效果分析
每年都有 3000 多名新发病例 [2]，脑瘫是全球第三大致残原因 [3]。据估计，全球每 1,000 名新生儿中就有近 2-3 名脑瘫患者 [4,5]。创伤性脑损伤是全球另一大致残原因，每年有 6900 万人幸存 [6]。站立和行走困难是脑损伤的主要后果之一。例如，超过 63% 的中风幸存者患有半轻度至重度运动和认知障碍 [7]，30%-36% 的人无法在没有辅助辅助的情况下行走 [8,9]。这会导致独立活动能力的丧失，限制社区参与和社会融合，从而引起继发性健康状况[10]。不同程度脑损伤的人会表现出常见的运动障碍，如瘫痪、痉挛或肌肉协同异常，从而导致代偿性运动和步态不对称[11-15]。这种病理性步态会妨碍熟练、舒适、安全和代谢高效的行走[16]。脑损伤后的恢复过程需要几个月到数年，并且神经系统损伤可能是永久性的[17]。有强有力的证据表明，早期、强化、重复的任务和目标导向训练（逐步适应患者的损伤程度和康复阶段）可改善功能性步行结果 [11, 18 – 23]。然而，由于资源有限和配对的异质性，物理治疗师很难提供所需的训练强度和剂量，同时提取定量信息以最大限度地提高特定患者的功能性步行能力。机器人技术在脑损伤患者的步态康复中可以发挥重要作用。机器人可以执行各种各样的任务，例如，高强度的行走、坐下/起坐或在斜坡上行走。一些机器人控制器还可以促进患者在训练过程中的主动参与和投入，例如通过改变辅助力量的水平[24,25]。训练的高重复性和强度，以及患者的参与，被列为诱导神经可塑性和运动学习的关键因素[26-28]。重要的是，临床证据表明，机器人和传统康复训练相结合对独立行走的能力、行走速度和行走能力有积极影响，尽管目前还没有确凿的证据表明机器人康复优于传统疗法[29-33]。下肢外骨骼可促进任务导向的重复运动、肌肉强化和运动协调，这已被证明对能量效率、步速、和平衡控制[34,35]。与其他机器人相比，外骨骼
人类行走时哪些下肢关节可以补偿不稳定的能量？
此预印本的版权所有者此版本于 2022 年 1 月 12 日发布。；https://doi.org/10.1101/2022.01.11.475955 doi：bioRxiv preprint
研究论文通过基于脑电图的大脑网络解码涉及下肢的运动协调意象
相较于传统物理治疗的疗效，一种利用运动想象疗法治疗脑卒中偏瘫患者的新疗法可诱导大脑可塑性并可使患者部分恢复运动能力。本文提出了一种利用下肢运动协调想象（正常步态想象和中风后偏瘫步态想象）的更新范式，并通过基于脑电图的脑网络对此类想象进行解码。招募30名受试者在下肢运动协调想象期间采集脑电图。采用时域分析、功率谱分析、时频分析、脑网络分析和统计学分析探讨下肢运动协调想象的神经机制。提取10个基于脑电图的脑网络特征，并使用支持向量机进行解码。结果显示，两种运动协调想象主要激活感觉运动区域，频带功率主要集中在θ和α带，脑功能连接主要发生在右前额。基于脑电信号的脑网络的网络属性与邻接矩阵的空间特征的组合对两种步态表象具有良好的可分离性（p < 0.05），组合特征的平均分类准确率为 92.96% ± 7.54%。综合来看，我们的研究结果表明脑网络特征可用于识别中风后的正常步态表象和偏瘫步态表象。
及下肢视觉运动反应时间任务
背景：快速视觉运动反应时间 (VMRT) 是识别和响应连续出现的视觉刺激所需的时间，它使运动员能够在运动期间成功地对刺激做出反应，而较慢的 VMRT 则与受伤风险增加有关。基于光的系统能够测量上肢和下肢 VMRT；但这些评估的可靠性尚不清楚。目的：使用基于光的训练系统确定上肢和下肢 VMRT 任务的可靠性。设计：可靠性研究。地点：实验室。患者（或其他参与者）：20 名在过去 12 个月内没有受伤史的参与者。方法：参与者在间隔 1 周的 2 个单独测试会议上向实验室报告。对于这两项任务，都要求参与者尽快熄灭随机序列的发光二极管磁盘，这些磁盘一次出现一个。在完成测试试验之前，为参与者提供了一系列练习试验。 VMRT 计算为两次击中目标之间的时间（以秒为单位），其中 VMRT 越高表示反应时间越慢。主要结果测量：计算单独的组内相关系数（ICC）和相应的 95% 置信区间（CI），以确定每个任务的重测信度。确定 SEM 和最小可检测变化值以检查临床适用性。结果：右肢下肢信度极佳（ICC 2,1 = .92；95% CI，.81 – .97）。左肢（ICC 2,1 = .80；95% CI，.56 – .92）和上肢任务（ICC 2,1 = .86；95% CI，.65 – .95）均具有良好的信度。结论：两个 VMRT 任务在健康、活跃人群中均具有临床可接受的信度。未来的研究应该探索这些测试的进一步应用，作为已知 VMRT 缺陷的健康状况康复后的结果测量。
机器人设计和医疗下肢外骨骼的建模
在世界范围内，许多人因衰老引起的肌肉骨骼疾病而失去了下肢和运动技能的功能，例如老年人口或交通事故（O'Sullivan，Schmitz和Fulk，2019年）。因此，许多人需要物理疗法才能恢复其运动技能和肌肉功能的失去。第二次世界大战后，机械设计的外骨骼系统已发展为随着技术开发的机械设计。机器人外骨骼系统（RES）已用于改善患者和康复（Calabrò等，2016）。res用于患者以及军事和工业的医疗目的，可通过提供骨干支撑来更舒适地运输重物。但是，这项研究仅着重于RES进行物理治疗的设计和建模。
通过马哈拉诺比斯距离识别下肢外骨骼中的用户意图
摘要 — 现有的下肢机器人外骨骼控制策略对用户意图的侧重点有所不同，这些意图的分辨率各不相同，从高级目标（提高速度）到中级动作（增加步幅）再到低级关节行为（增加髋关节屈曲）。虽然外骨骼上的传感器只能通过人机界面间接感知人类，但它们在穿戴设备所需的时间方面比更直接的方法更具优势。在本研究中，要求外骨骼用户（包括身体健全和脊髓损伤）改变他们的预期步行速度。机载传感器测量结果用于离线测试基于马哈拉诺比斯距离的意图识别算法。该算法的目标是识别意图变化并正确分类其类型，但不是通过外骨骼实现该变化。该算法正确识别了用户希望以比设备标称速度更快或更慢的速度行走的情况。对于体格健全的受试者，已知意图变化与算法正确识别之间的平均延迟为 0.63 秒。对于体格不健全的受试者，这一延迟平均为 0.93 秒。这些概念验证结果表明，基于马哈拉诺比斯距离的意图识别是可能的，而对该方法的分析表明，还有进一步改进的空间。
机器人辅助下肢中风治疗综述
地球上每六个人中就有一人患有中风。大约 90% 的中风幸存者都存在一些功能障碍，其中行动障碍是主要障碍，这不仅影响重要的日常活动，还增加了跌倒的可能性。机器人系统最初旨在补充传统的中风后步态康复，近年来，它作为一种减少物理治疗师压力的工具，同时提高了治疗的精确度和可重复性，引起了广泛关注。虽然目前一些机器人辅助康复方法取得了许多积极和有希望的成果，但有中等证据表明，与传统做法相比，使用机器人设备可以改善步行和运动恢复。为了更好地了解机器人辅助康复如何以及在何处有效，必须确定占主导地位的主要思想流派。本综述旨在通过三个不同的视角来观察这些观点：互动的目标和类型、物理实现以及机器人设备针对的感觉运动通路。研究人员解决恢复步态功能问题的方法以直观的方式归类在一起。从这种独特的角度看待机器人辅助康复自然可以激发新方向的发展，从而有可能填补当前的研究空白，并最终发现更有效的治疗方法。特别是，利用人类肢体间协调机制的想法被提出为康复的一个特别有前景的领域，并得到了广泛的讨论。