メンタルワークロードの多式評価と,上肢ロボットの支援による運動タスクへの関与

科学分野:

• リハビリテーションエンジニアリング
• 人間とコンピュータの相互作用です.
• 神経科学は神経科学である.

背景:

• 患者の関与とメンタルワークロード (MWL) は,効果的なロボット支援リハビリテーションに不可欠ですが,しばしば見過ごされます.
• これらの要因を最適化することで,ロボット訓練を受けている患者の長期的な機能的結果に大きく影響を与えることができます.

研究 の 目的:

• ロボットリハビリテーション中のMWLとエンゲージメントの評価のためのマルチモダルのアプローチを提案し,検証する.
• 異なるロボットアシスタンス方式と聴覚刺激がMWLとエンゲージメントをどのように調節するかを調査する.

主な方法:

• 30人の健康な被験者が,ロボット装置を使って,アクティブ,パッシブ,セミアシストモードで上肢の動きを行った.
• 電気生理学的な信号 (EEG,ECG) と主観的な測定 (NASA-TLX,SSSQ) がMWLとエンゲージメントを評価するために使用されました.
• 聴覚刺激には,メトロノームと1Hzの音楽が含まれていました.

主要な成果:

• 音楽はエンゲージメントを大幅に増加させ,MWLは変わらない. パッシブ・アシストは,アクティブ・セミ・アシストの条件と比較して,認知された需要とエンゲージメントの低さをもたらした.
• ECGメトリックは主観的な関与とMWLと相関しており,EEGメトリックは条件の間の有意な調節を示さなかった.
• 聴覚刺激はエンゲージメントに影響を与え,アシスタンスレベルは認知された精神的需要とエンゲージメントに影響を与えました.

結論:

• マルチモダルのアプローチは,エンゲージメントとMWLの両方を効果的に捉え,異なるリハビリテーションパラメータに対する感受性を示します.
• 発見は,エンゲージメントを最適化し,認知的な過負荷や単調性を防ぐことができる適応型ロボットリハビリテーションシステムの開発をサポートしています.
• 支援および聴覚刺激における個別化された調整は,患者の体験を向上させ,長期的な機能回復を潜在的に改善することができます.