前言

近年來，機器人技術(shù)越來越多地在康復(fù)過程中被引入，目的是降低人工成本，加快恢復(fù)過程。由于大多數(shù)設(shè)備使用中，患者都是被動的，所以目前的技術(shù)挑戰(zhàn)就是建立能夠理解患者意圖并相應(yīng)調(diào)整的交互控制功能，實現(xiàn)患者的主動參與。

機器人和患者之間的交互控制是康復(fù)機器人研究中非常重要的一個方面, 由于康復(fù)機器人是與運動功能受損的患肢相互作用, 而病人是具備自主運動意識的對象, 因此機器人和患者之間的交互控制不可或缺。首先, 交互控制會為患者創(chuàng)造一個安全、舒適、自然并且具備主動柔順性的訓(xùn)練環(huán)境, 避免患肢由于痙攣、顫抖等異常的肌肉活動而與機器人產(chǎn)生對抗, 保護其不會受到二次損傷。其次, 交互控制會從傳感器信號中獲取患者的主動運動意圖, 鼓勵患者積極參與到運動中來, 實現(xiàn)所謂的主動訓(xùn)練, 從而提高康復(fù)的效果。 根據(jù)獲取主動運動意圖時所使用的信號不同, 機器人與患者之間的交互控制策略可以基本分為兩類: 1) 基于力信號的控制方法; 2) 基于生物醫(yī)學(xué)信號的控制方法。

此文獻研究的方法是基于生物醫(yī)學(xué)EMG信號驅(qū)動的神經(jīng)肌肉骨骼模型來計算肌肉動力和關(guān)節(jié)力矩。雖然這種方法很有前景，但收集EMG數(shù)據(jù)并不是一項簡單的工作，因為放置表面電極的肌肉需要專業(yè)的人員來選擇，并且EMG數(shù)據(jù)采集過程中可能會受到電磁干擾的影響。

此研究設(shè)計了一個EMG模型，該模型建立在一個普通康復(fù)運動的EMG數(shù)據(jù)的簡化實驗數(shù)據(jù)庫基礎(chǔ)上，以發(fā)展預(yù)測以任意速度執(zhí)行的相同運動的EMG值的能力。報告的實驗結(jié)果比較符合期望，在EMG預(yù)測中顯示出了良好的準確性，從而使EMG驅(qū)動的神經(jīng)肌肉骨骼模型成為可能。模型即使是通過重復(fù)的動作建立的，但也具有較好的適用性，可以簡化對活動康復(fù)設(shè)備的使用，使得病人的使用更加簡潔有效。

方法

受試者：5個（3男2女）自愿參與的受試者，年齡26±1.22，體重66±12.83 kg，身高1.7±0.089 m。均沒有對實驗動作有影響神經(jīng)或者肌肉的協(xié)調(diào)問題。

裝備：使用Cometa Wave wireless EMG系統(tǒng)來收集EMG信號，采集以下5塊肌肉的肌電：腓腸肌外側(cè)?。℅ASL）、腓腸肌內(nèi)側(cè)?。℅ASM）、比目魚肌（SOL），腓骨長?。≒ER）、脛前?。═IB）。采集裝置的位置也按照相關(guān)研究的推薦位置來確定。

跖屈的動作通過相機記錄，3個循環(huán)標記點分別放在腓骨上端、外側(cè)踝和第五跖骨，如圖所示。

實驗步驟: 整個實驗步驟在實驗室內(nèi)進行，所有受試者均在開始前接受過相同的動作指導(dǎo)，數(shù)據(jù)采集前，讓所有受試者坐在一個舒適的座椅上，足部不著地。然后，再讓受試者進行全范圍的踝關(guān)節(jié)跖屈，一組重復(fù)3次，總共進行9組。

開始的3組，要求動作緩慢進行（LC），之后再中速(MC)，最后快速(HC)。測試中有使用節(jié)拍器，來減少各個組里各個動作的速度差異。收集不同頻率的動作旨在獲得一個較為全面的EMG模型，使得這個模型能夠應(yīng)用在整個踝關(guān)節(jié)康復(fù)動作中。

額外的跖屈動作收集的數(shù)據(jù)被用來確認我們的數(shù)據(jù)模型的有效性。每個不同頻率至少進行3個額外組。另外再額外增加一個頻率（AC），介于快速和中速之間，同樣可增加此EMG模型的有效性。

數(shù)據(jù)采集：EMG信號的初始數(shù)據(jù)使用高通濾波進行過濾，矯正，在進行低通濾波過濾。此時EMG的數(shù)據(jù)就完成了標準化。各個肌肉的EMG信號峰值是由各個受試者的相同肌肉中提取出來的。踝關(guān)節(jié)角度由另一種儀器獲取，用來測出踝關(guān)節(jié)跖屈的角速度，從而確定跖屈動作的起止范圍。

EMG模型：預(yù)計的EMG模型是使用跖屈的平均速度的數(shù)據(jù)來預(yù)測踝關(guān)節(jié)運動的EMG值的。對于每個受試者，都建立了一個個人的包含3種動作頻率的EMG模型。每個頻率和每塊肌肉，EMG的平均曲線被首先計算出來，之后，每個肌肉的3種不同頻率的曲線，通過時間點來分離出1000個樣本，除去速度參數(shù)，來進行單獨的平均曲線計算。

這些各個肌肉的曲線可以用在相關(guān)的康復(fù)訓(xùn)練或治療中，根據(jù)所需的頻率。根據(jù)時間的要求來完成一個完整的踝關(guān)節(jié)跖屈，每個平均EMG曲線都被預(yù)先計算過，來匹配任務(wù)要求的頻率，從而生成一個預(yù)計的EMG信號。

EMG模型有效性測試：使用皮爾遜相關(guān)指數(shù)R平方和均方根錯誤指數(shù)RMSE來評判。進行兩次檢測，第一次旨在評估此模型的準確性，收集同樣的頻率值下的跖屈肌肉信號值，輸入EMG模型中來進行測試。第二次測試旨在評估此模型預(yù)估EMG型號的準確性，使用不同的頻率下（AC）的運動EMG信號來進行測試。

結(jié)果

Tables1 和2都列出了從5個受試者肌肉中獲得的標準化EMG信號的R2 和RMSE值，整體的R2值是0.75，表明預(yù)測的曲線和實驗曲線是相關(guān)的。平均的RMSE值是0.088±0.022。第二次測試的結(jié)果如Tables3 和 4所示，和第一次的測試結(jié)果類似。

上圖為預(yù)測的EMG信號和測量的信號各個肌肉比較，橫坐標為跖屈的收縮百分比，數(shù)據(jù)均來自于4號受試者的AC頻率跖屈收縮，灰色區(qū)域為±標準差的參考范圍間隔區(qū)域，綠線為模型預(yù)測值。可以看出綠線基本落在灰色區(qū)域內(nèi)，說明EMG模型預(yù)測能力較好。

結(jié)論

此研究第一次呈現(xiàn)了以5塊主要肌參與的跖屈運動EMG信號模型，并獲得了較為理想準確的研究結(jié)果。應(yīng)用在損傷患者身上的相關(guān)研究也可以進行了，未來將會把研究中心放在建立矯正機器人的踝關(guān)節(jié)康復(fù)功能并且能夠簡便易行地應(yīng)用在真正的病人身上。生物醫(yī)學(xué)信號正被逐漸應(yīng)用于機器人和患者的交互控制，這種交互控制具有很大的靈活性，為完全癱瘓患者的主動訓(xùn)練提供了潛在的可能方案，但由于生物醫(yī)學(xué)信號的隨機性高, 從中獲取準確的主動運動意圖是一項很大的挑戰(zhàn)。

免責(zé)聲明：部分圖片來源于網(wǎng)絡(luò)，版權(quán)不屬于我們，如有問題請立即聯(lián)系我們刪除。