在行走过程中直观控制动力假肢:一项随机临床试验
Levi J Hargrove1, Aaron J Young2, Ann M Simon3
1Center for Bionic Medicine, Rehabilitation Institute of Chicago, Chicago, Illinois2Department of Physical Medicine and Rehabilitation, Northwestern University, Chicago, Illinois3Department of Biomedical Engineering, Northwestern University, Evanston, Illi.
JAMA
|June 10, 2015
概括
将电动肌图 (EMG) 信号和步态历史添加到动力假肢控制器中,大大减少了分类错误. 这一进步可以提高对截肢者的机动化假肢的控制.
科学领域:
- 生物医学工程 生物医学工程
- 康复技术 康复技术 康复技术
- 假肢和整形手术
背景情况:
- 机动化假肢为腿部截肢者提供了增强的运动能力.
- 最佳控制需要准确分类行走模式和无过渡.
- 目前的系统可能缺乏复杂的复杂性,现实世界的行走.
研究的目的:
- 评估将电肌图 (EMG) 数据和历史步行信息集成到动力假肢实时控制系统中的影响.
- 评估系统在各种行走模式的性能,包括平行走路,楼梯和坡道,以及在模式过渡期间.
主要方法:
- 一个盲目的随机交叉临床试验,涉及7名膝盖以上或膝盖脱节截肢的患者.
- 来自9个残余四肢肌肉的EMG信号和来自13个假肢嵌入式传感器的数据在各种行走任务中被记录下来.
- 两种实时模式识别算法进行了比较:一种仅使用机械传感器,另一种结合EMG和历史数据.
主要成果:
- 该系统将机械传感器数据与EMG和历史信息相结合,与仅使用机械传感器 (14.1%) 相比,实现了显著较低的分类错误 (7.9%).
- 这意味着平均误差减少6.2% (P=.01),这表明在预测行走模式方面准确度提高.
- 改进后的系统在水平行走,楼梯和坡道行走方面表现出卓越的性能,包括模式之间的过渡.
结论:
- 包括EMG信号和时间步态数据在内,大大减少了动力假肢控制系统的分类错误.
- 这些发现表明一个潜在的途径,可以显著提高机动假肢的功能和用户体验.
- 需要进一步验证,但结果表明假肢技术取得了有希望的进步.
