Summary

一种用于慢性脑卒中患者的柔性可穿戴编外机器人肢体

Published: October 27, 2023
doi:

Summary

该协议引入了一种灵活的可穿戴编外机器人肢体,专为协助中风患者的手指康复而量身定制。该设计集成了一个弯曲传感器,以促进人机交互的无缝衔接。通过涉及健康志愿者和中风患者的实验进行验证,强调了拟议研究的有效性和可靠性。

Abstract

在这项研究中,我们提出了一种灵活的可穿戴编外机器人肢体,可帮助慢性中风患者进行手指康复和抓握运动。这种创新肢体的设计灵感来自弯曲的气动肌肉和大象鼻尖的独特特性。它非常强调轻质结构、安全性、合规性、防水和实现高输出重量比/压力比等关键因素。所提出的结构使机器人肢体能够同时进行包络和指尖抓取。通过灵活的弯曲传感器促进人机交互,检测佩戴者的手指运动,并通过阈值分割方法将其连接到运动控制。此外,该系统是便携式的,适合多种日常使用。为了验证这项创新的有效性,我们进行了涉及六名慢性中风患者和三名健康志愿者的真实世界实验。通过问卷调查收到的反馈表明,所设计的机制在帮助慢性中风患者进行日常抓握活动方面具有巨大的前景,有可能改善他们的生活质量和康复结果。

Introduction

根据之前的研究1,截至2019年,全球有超过1亿例中风病例。这些病例中约有三分之二导致偏瘫后遗症,超过80%的严重偏瘫中风患者无法完全恢复手部和手臂功能2。此外,预计未来几十年人口老龄化将继续增长,导致潜在中风患者人数显着增加。卒中后持续的上肢损伤会显着影响日常生活活动 (ADL),手部康复已被临床公认为增强慢性卒中患者活动和参与的关键目标3

传统的电机驱动的机器人上肢设备可以提供巨大的驱动力,但它们的刚性结构通常转化为大尺寸和高重量。此外,如果它们发生故障,它们可能会对人体造成不可逆转的伤害。相比之下,软气动执行器在康复4、辅助5 和外科应用6 中显示出相当大的潜力。它们的优点包括安全性、轻质结构和固有的合规性。

近年来,围绕软气动执行器出现、设计和开发了许多灵活的可穿戴机器人。这些机器人旨在为中风患者的上肢提供康复和康复后援助。它们主要包括手部外骨骼 7,8多余肢体 9,10尽管两者都用于可穿戴机器人和康复领域,但前者直接与人体相互作用,可能限制肌肉或关节,而后者则补充人类的工作空间或运动,而没有直接约束11,12。开发了基于伺服电机的可穿戴编外机器人手指,以协助职业治疗师进行日常生活活动 (ADL) 培训9。在其他研究中也可以找到类似的方法10.这两类机械手指为此类机器人在偏瘫患者康复援助中的应用带来了新的可能性。尽管如此,值得注意的是,这些机器人设计中采用的刚性结构可能会引入有关用户舒适度和安全性的潜在考虑因素。介绍了软可穿戴机器人手套的设计、制造和评估13,可用于功能性磁共振成像 (fMRI) 期间的手部康复和特定任务训练。该手套利用由硅橡胶弹性体制成的软气动致动器来产生手指关节运动,并且该设备与 MR 兼容,不会在 fMRI 图像中造成伪影。Yun 等人介绍了 Exo-Glove PM,这是一种可定制的软气动辅助手套,采用基于组装的方法14。这种创新设计具有小模块和可调节的距离,允许用户使用垫片根据其指骨长度定制手套。这种方法最大限度地提高了舒适度和性能,而无需定制制造。研究人员展示了由弹性材料组成的软致动器,其集成通道可用作气动网络15。这些执行器产生的弯曲运动可以安全地符合人类手指的运动。此外,研究人员还推出了 AirExGlove,这是一种轻巧且适应性强的充气软外骨骼设备16。该系统具有成本效益,可针对不同的手部尺寸进行定制,并已成功适应不同程度肌肉痉挛的患者。与刚性连接机器人系统相比,它提供了更符合人体工程学和灵活的解决方案。虽然这些研究为柔性可穿戴手部康复和辅助机器人的发展做出了重大贡献,但值得注意的是,它们都没有实现完全的便携性和人机交互控制。

许多研究已经探索了生物信号(如脑电图 (EEG)17 或肌电图 (EMG) 信号18)与人类意图之间的相关性。然而,这两种方法在现有设备和技术条件的限制下都有一定的局限性。侵入性电极需要对人体进行外科手术,而非侵入性电极则存在高噪声水平和信号采集不可靠性等问题。关于这些局限性的详细讨论可以在文献19,20 中找到。因此,对柔性可穿戴编外机器人肢体的便携性和用户友好型人机交互能力的研究仍然具有高度相关性。

在这项研究中,设计并制造了一种独特的柔性可穿戴编外机器人肢体,以帮助慢性脑卒中患者进行手指康复和抓握辅助。这种机器人肢体的特点是重量轻、安全、合规、防水和令人印象深刻的输出重量/压力比。实现了两种抓取模式,即信封和指尖抓取,同时保持了便携性并确保了用户友好的人机交互。该协议详细介绍了气动夹持器的设计和制造过程以及可穿戴方案。此外,还提出了一种基于柔性弯曲传感器的人机交互方法,通过阈值分割实现方便和用户友好的控制。所有这些方面都已通过实际实验得到验证。

本研究的主要贡献总结如下:(1)设计并制造了一种轻量级、友好、可穿戴的慢性脑卒中患者柔性编外机器人肢体。(2)实现了基于柔性弯曲传感器的可靠人机交互方法。(3)进行了真实世界的实验,以验证所提出的机制和方法的有效性和可靠性,其中包括输出力测试,涉及6名慢性脑卒中患者。

Protocol

该协议已获得华中科技大学同济医学院协和医院伦理审查委员会的批准。选择符合诊断标准并在提交人医院康复科门诊和住院部接受治疗的上肢功能障碍患者作为受试者。根据 Brunnstrom 恢复阶段21 评估患者的运动功能恢复情况,选择 3-5 阶段的患者参与实验。从参与研究的患者那里获得了书面知情同意书。该程序包括气动夹持器的模具设计、基于固化硅橡胶的气动夹持器的制造?…

Representative Results

输出力实验图 7 生动地描绘了我们执行器的结构设计和尺寸,并提供了横截面说明。该执行器由两组不同的气室组成,每组气室包含五个优雅弯曲的气室。值得注意的是,在执行器的末端,我们巧妙地集成了一个突出的结构,让人联想到大象的鼻尖,大大扩展了执行器的抓取半径。 为了评估软气动执行器的输出力,进行了一系列静态抓?…

Discussion

本研究提出了一种创新、灵活、可穿戴的编外机器人肢体,旨在帮助慢性中风患者进行手指康复和抓握任务。该机器人系统优先考虑便携性,并提供信封抓握和指尖抓取功能。它集成了一个灵活的弯曲传感器,用于用户友好的人机交互控制。静态抓取实验验证了所设计机构在两种不同抓取模式下的抓取能力。该研究涉及对偏瘫患者的实验,以确认抓握功能并评估用户体验,展示该机器人在康复和?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

这项工作得到了国家自然科学基金U1913207资助和华中科技大学学术前沿青年团队项目的支持。作者要感谢这些基金会的支持。

Materials

Air Compressor Xinweicheng F35L-JJ-24V Provide air supply for the pneumatic gripper
Arduino  Emakefun Mega 2560 Single-chip microcomputer/data acquisition card
Backpack Mujin Integrating external devices
Flex Sensor Spectra Symbol Flex Sensor 2.2 Flexible bending sensors
Power supply Yisenneng YSN-37019200 Provide power
PU quick-plug connector Elecall PU-6 Connector for PU tube
PU tube Baishehui ZDmJKJJy Air line connection
Silicone elastomer Wacker ELASTOSIL M4601 A/B Material of the pneumatic gripper
Thermostatic chamber Ruyi 101-00A Constant temperature to accelerate the curing of silicone
Vacuum dryer Fujiwara PC-3 Further defoaming
Vacuum mixing and degassing machine Smida TMV-200T Mix silicone thoroughly and get it defoamed
Valve SMC NTV1030-312CL Control the air pressure

References

  1. Feigin, V. L., et al. Global, regional, and national burden of stroke and its risk factors, 1990-2019: A systematic analysis for the global burden of disease study 2019. The Lancet Neurology. 20 (10), 795-820 (2021).
  2. Nakayma, H., Jørgensen, H. S., Raaschou, H. O., Olsen, T. S. Compensation in recovery of upper extremity function after stroke: The copenhagen stroke study. Archives of Physical Medicine and Rehabilitation. 75 (8), 852-857 (1994).
  3. Faria-Fortini, I., Michaelsen, S. M., Cassiano, J. G., Teixeira-Salmela, L. F. Upper extremity function in stroke subjects: Relationships between the international classification of functioning, disability, and health domains. Journal of Hand Therapy. 24 (3), 257-265 (2011).
  4. Al-Fahaam, H., Davis, S., Nefti-Meziani, S., Theodoridis, T. Novel soft bending actuator-based power augmentation hand exoskeleton controlled by human intention. Intelligent Service Robotics. 11, 247-268 (2018).
  5. Thalman, C. M., Hsu, J., Snyder, L., Polygerinos, P. IEEE International Conference on Robotics and Automation (ICRA). , 8436-8442 (2019).
  6. Miron, G., Plante, J. S. Design principles for improved fatigue life of high-strain pneumatic artificial muscles. Soft Robotics. 3 (4), 177-185 (2016).
  7. Yun, Y., et al. IEEE International Conference on Robotics and Automation (ICRA). , 2904-2910 (2017).
  8. Tran, P., Jeong, S., Herrin, K. R., Desai, J. P. Hand exoskeleton systems, clinical rehabilitation practices, and future prospects. IEEE Transactions on Medical Robotics and Bionics. 3 (3), 606-622 (2021).
  9. Ort, T., Wu, F., Hensel, N. C., Asada, H. H. Dynamic Systems and Control Conference. , (2023).
  10. Hussain, I., et al. A soft supernumerary robotic finger and mobile arm support for grasping compensation and hemiparetic upper limb rehabilitation. Robotics and Autonomous Systems. 93, 1-12 (2017).
  11. Yang, B., Huang, J., Chen, X., Xiong, C., Hasegawa, Y. Supernumerary robotic limbs: A review and future outlook. IEEE Transactions on Medical Robotics and Bionics. 3 (3), 623-639 (2021).
  12. Tong, Y., Liu, J. Review of research and development of supernumerary robotic limbs. IEEE/CAA Journal of Automatica Sinica. 8 (5), 929-952 (2021).
  13. Yap, H. K., et al. A magnetic resonance compatible soft wearable robotic glove for hand rehabilitation and brain imaging. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 25 (6), 782-793 (2016).
  14. Yun, S. S., Kang, B. B., Cho, K. J. Exo-glove pm: An easily customizable modularized pneumatic assistive glove. IEEE Robotics and Automation Letters. 2 (3), 1725-1732 (2017).
  15. Polygerinos, P., et al. IEEE International Workshop on Intelligent Robots and Systems (IROS). , 1512-1517 (2013).
  16. Stilli, A., et al. IEEE International Conference on Soft Robotics (RoboSoft). , 579-584 (2018).
  17. Zhang, D., et al. Making sense of spatio-temporal preserving representations for eeg-based human intention recognition. IEEE Transactions on Cybernetics. 50 (7), 3033-3044 (2019).
  18. Sirintuna, D., Ozdamar, I., Aydin, Y., Basdogan, C. IEEE International Workshop on Robot and Human Communication (ROMAN). , 1280-1287 (2020).
  19. Mahmud, S., Lin, X., Kim, J. H. 2020 10th Annual Computing and Communincation Workshop and Conferenece (CCWC). , 0768-0773 (2020).
  20. Asghar, A., et al. Review on electromyography based intention for upper limb control using pattern recognition for human-machine interaction. Proceedings of the Institution of Mechanical Engineers, Part H: Journal of Engineering in Medicine. 236 (5), 628-645 (2022).
  21. Naghdi, S., Ansari, N. N., Mansouri, K., Hasson, S. A neurophysiological and clinical study of brunnstrom recovery stages in the upper limb following stroke. Brain Injury. 24 (11), 1372-1378 (2010).
  22. Ru, H., Huang, J., Chen, W., Xiong, C. Modeling and identification of rate-dependent and asymmetric hysteresis of soft bending pneumatic actuator based on evolutionary firefly algorithm. Mechanism and Machine Theory. 181, 105169 (2023).
  23. Qin, L., Wu, W., Tian, Y., Xu, W. Lidar filtering of urban areas with region growing based on moving-window weighted iterative least-squares fitting. IEEE Geoscience and Remote Sensing Letters. 14 (6), 841-845 (2017).
  24. Liu, S., et al. A two-finger soft-robotic gripper with enveloping and pinching grasping modes. IEEE/ASME Transactions on Mechatronics. 26 (1), 146-155 (2020).
  25. Tawk, C., Sariyildiz, E., Alici, G. Force control of a 3D printed soft gripper with built-in pneumatic touch sensing chambers. Soft Robotics. 9 (5), 970-980 (2022).
  26. Zuo, W., Song, G., Chen, Z. Grasping force control of robotic gripper with high stiffness. IEEE/ASME Transactions on Mechatronics. 27 (2), 1105-1116 (2021).
  27. Watanabe, T., Morino, K., Asama, Y., Nishitani, S., Toshima, R. Variable-grasping-mode gripper with different finger structures for grasping small-sized items. IEEE Robotics and Automation Letters. 6 (3), 5673-5680 (2021).

Play Video

Cite This Article
Ru, H., Gao, W., Ou, W., Yang, X., Li, A., Fu, Z., Huo, J., Yang, B., Zhang, Y., Xiao, X., Yang, Z., Huang, J. A Flexible Wearable Supernumerary Robotic Limb for Chronic Stroke Patients. J. Vis. Exp. (200), e65917, doi:10.3791/65917 (2023).

View Video