未来,康复机器人或许能帮你站起来丨人工智能+医疗
2020/9/30 18:00:20 石榴号

    

     在经过诸如外科手术等急性期的临床处理后,瘫痪患者一般要进行长时间的康复训练以恢复部分运动能力,重新回归正常生活。传统的脑卒中疗法与运动学习理论是通过强化运动控制和技能获取锻炼,锻炼后患者会得到部分功能恢复;重复性的抗阻练习和各种各样的任务的反馈练习使肌肉力量得到增强。

     传统的康复训练较为单一,通常依靠康复师手动带动患者进行训练;并且在训练过程中,患肢的力度和训练轨迹都难以保持一致,并且需要康复师进行较强的体力劳动。因此,患者很难得到足够强度和频次的康复训练。

    

    

     与传统的康复训练相比,康复机器人在带动患者继续训练时有着诸多的优点:

     (1) 机器人在进行简单且重复的运动任务时能够保证训练的强度、效果和精准度,并且适合长时间执行此类任务;

     (2)康复机器人具备特有的可编程能力,在面对不同患者的情况下可自行定制个性化的训练,增加患者在康复过程中的主动参与意识;

     (3)康复机器人继承了多种传感器,并且具备了强大的信息处理能力,可对训练过程中的运动学与生物学数据进行有效的检测及记录,并且对患者的进度进行反馈与评价,为医生改进康复方案提供了有效的依据。

     先进的康复机器人是提高康复医疗水平的体现,机器人可以实现精准、智能的康复训练。但现有的康复机器人不管是在设计、人机交互还是训练策略等方面都存在着诸多不足,难以满足患者的需求。

     诸多的研究表明,患者在主动参与训练的情况下对神经康复和运动功能恢复有着更好的疗效。对于这种情况而言,研究人员从患者愿意主动参与的康复模式进行入手,解决意图识别、柔顺控制、患者参与水平增强等多个方面的技术问题。

     根据现有的研究来看,在针对肌电、脑电以及运动和力学信息识别方面,目前已有不少前瞻性的成果可以用来借鉴。运用肌电对关节进行控制和运动,运用力位关节对关节力进行估计都已经取得了很高的识别率。但在脑机接口的意图识别方面只能在有限的运动模式中进行选择,与人体自然运动相比还是有着一定的差距。怎样设计出可靠性高、识别度高、实时性能好的意图识别系统成为了目前待突破的一个技术难点。

    

    

     中科院自动化研究所侯增广研究团队结合患者多模态数据,设计柔顺的控制方法,先后研发了坐卧式下肢康复机器人(iLeg)、上肢康复机器人(CASIA-ARM)和全周期多位姿下肢康复机器人(iLeg-II)等样机平台,从机械结构、控制系统等层面仿生人类肢体功能,优化人机相容性,提高人机交互柔顺性。其中,iLeg是针对早期四肢瘫/瘫痪患者研发的一款自动化康复医疗设备;CASIA-ARM是面向家庭化康复需求研发的一款触觉反馈上肢康复机器人;iLeg-II是针对脑卒中和脊髓损伤下肢瘫痪患者的临床康复需求研发的一款覆盖康复早、中、后期的全周期下肢康复机器人。

     课题组以神经肌肉的多层次协同感知和强化参与为特色,自主研发了多通道sEMG采集仪和FES刺激仪,并和自主研发的上下肢康复机器人实现了无缝集成,设计了基于闭环脑机接口、注意力调控系统、“按需辅助”原则的个性化训练策略和多种康复训练模式,从生理和心理多个层面强化患者参与水平,针对患者的个体特征和响应实现按需辅助的个性化康复。相关样机平台在中国康复中心和国家辅具中心进行了初步的患者临床实验,验证了样机的临床可行性和有效性。

     未来课题组将进一步深耕神经康复领域,从神经可塑性基本原理出发,突破神经、肌肉、认知等多层次康复评价及参与水平增强等技术难点,实现临床需求牵引的实用化康复机器人技术,推动临床神经康复技术发展。

    

    CASIA-ARM

    

     iLeg-II

    

    

    源网页  http://weixin.100md.com
返回 石榴号 返回首页 返回百拇医药