下肢外骨架对神经活动调节和步态分类的影响

科学领域:

• 神经科学是一个神经科学.
• 机器人技术 机器人技术 机器人技术
• 康复工程 康复工程 康复工程

背景情况:

• 使用机器人设备进行神经康复需要改进人机交互.
• 整合脑机界面 (BMI) 与机器人辅助步行训练 (RAGT) 是有希望的,但需要了解外骨使用期间的神经调制.

研究的目的:

• 为了研究不同的外骨行走模式如何影响大脑和肌肉活动.
• 评估外骨架辅助水平对神经调制的影响.
• 评估深度神经网络分类器在BMI驱动的RAGT中用于步行阶段识别的有效性.

主要方法:

• 记录了十名健康志愿者的脑电图 (EEG) 和脑电图 (EMG) 活动.
• 志愿者在三个外骨架辅助模式下 (透明,适应性,全) 和在自由地行时行走.
• 在EEG数据上开发和训练深度神经网络分类器,用于步行阶段分类.

主要成果:

• 外骨行走,无论模式如何,显示出与自由行走相比,中央中线mu和低β节律的调节更强.
• 在外骨行走期间观察到EMG模式的显著重组.
• 不同的外骨架辅助水平之间没有发现神经活动的显著差异.
• 分类器在各自的数据集中实现了高准确度 (84.13%),受过外骨数据训练的分类器对其他模式进行了更好的概括 (78.3%),而不是那些受过自由行数据 (59.4%) 的分类器.

结论:

• 外骨架辅助步行训练显著改变神经和肌肉活动模式.
• 外骨架辅助的水平并没有对神经活动产生差异性的影响.
• 在外骨步行数据上训练的深度神经网络分类器显示出在BMI驱动的RAGT中强大的步行阶段识别潜力,优于在自由行走数据上训练的分类器.