采用动力外骨骼非侵入性脑机接口技术恢复行走能力.docxVIP

采用动力外骨骼的非侵入性脑机接口技术恢复行走能力 by Jose L ‘Pepe’ Contreras-Vidal and Atilla Kilicarslan University of Houston (USA), Department of Electrical and Computer Engineering 这篇文章回顾了休斯顿大学在设计可靠的非侵入性脑机接口（BMI）来控制动力外骨骼（用来帮助高位截瘫和其他麻痹症患者康复）方面的研究。BMI系统基于无风险的脑电图（EEG）技术，使病人进入控制回路中，通过对脑电信号的译码，可以直接控制辅助设备，并辅助正常行走。这代表了用户使用动力外骨骼来知觉和控制恢复移动能力的一种范式转换。 几个世纪以来，下肢瘫痪的人们使用的轮椅工作原理都大抵相同。在过去十年中，来自世界上各地的研究者开始致力于人机交互系统的研究，以使患者可以像正常人自然行走那样移动。按照人机交互接口的形式，提供移动的类型，行走时所需外部支持设备的类型以及用户在控制机器人中的卷入程度（即在使用外骨骼时人机交互的水平）等等可以将人机接口划分为不同的类别。在商业的机器人外骨骼系统中，REX外骨骼系统(REX Bionics, New Zealand)具备平衡结构，无需外部支持（步行器或手杖）就可让用户行走。用户可以使用手把上的操纵杆启动行走（或转弯，坐下，站立，上坡下坡）。 在这些系统中人机交互的物理界面是非常重要的，因为用户的身体，包括臀部，膝盖和脚踝必须与外骨骼相匹配以防止身体损伤。在休斯顿大学，我们的研究主要集中于为这些系统以更自然和直观的方式提供控制信号，即脑机接口。除了混合动力辅助外骨骼（HAL, Cyberdyne，日本)结合了自主的和肌电控制外，大多数外骨骼是由外部操作器或上半身的姿势，手控，操纵杆或通过植入于行走器或机械手杖上的动作传感器来检测用户意图。尽管有其他形式的可用控制信号，如眼动，嘴唇/舌头动作或声音控制，但是最自然的方式是利用用户自己的大脑活动来驱动人机交互系统。因此，用户仅用思考行走或坐下，系统便会解释他/她们大脑活动的改变，即他/她的动作意图，来作为对外部骨骼的正确命令。此外，系统在实时解释大脑活动意图时并不会影响使用手，嗓音和眼睛等进行交流。 我们在休斯顿大学的非侵入性脑机接口系统实验室在同领域内处于领先水平。我们使用非侵入性的主动脑电图系统(BrainAmp DC, Brain Products, Gilching, Germany)实时加工获取的脑电波来提取用户控制外骨骼（如REX机器人）的意图。用户戴上一个主动的无线64通道电极帽(actiCAP and MOVE systems, Brain Products, Gilching, Germany)，可以实时测量到他/她在使用外骨骼进行一系列动作时的脑电波。我们然后使用高级算法来对用户使用外骨骼来完成动作时的脑波缓慢调制（慢波皮层电位的波幅调制）进行绘图 。在初始矫正阶段，我们需要至少5-10分钟的脑电图来构建提取动作意图的译码模型，特别是用机器人执行动作时。然后我们要求用户仅用他们的意念来控制外骨骼（因此使用户进入整个回路中），也就是让用户思考行走（动觉），同时我们使用他/她的实时EEG数据来评估模型。在这个方法的一个实例中，模型输出是从一个基于机器学习算法的译码模型中获得的驱动外骨骼的一系列离散命令。 正在开展的研究表明可以实时的译码病人的脑电波来提取他/她的动作意图。我们团队首次证明了基于EEG的闭环路BMI可控制脊柱损伤病人的REX外骨骼。未来我们将会采用创新方法来增加实验室外系统长期的信度和准确性。我们称BMI控制的REX系统为“NeuroRex”，对个人的影响生动的反应在以下由经常使用该系统的脊柱瘫痪志愿者所说的一段话中： “在一开始使用外骨骼时感觉非常棒，仅仅推一下操纵杆就可以重新站起来行走了。但是直到我开始使用大脑控制的交互界面时我才感觉不是由外骨骼被动的带着走，而是我自己在控制它。” 我们正在研发和扩展现有的实时算法以摒除在用非侵入性方法执行运动任务时的缺陷。正如文献中讨论的那样，EEG信号经常易受生理畸变或非生理畸变的影响，反过来会导致信号质量的衰减和译码的正确性。我们的实验室以及表面EEG可以提供足够的信息来破译用户动作的意图，表面肌电甚至是行走时的连续参数（如，膝关节角度，速度等等） 结合实时去伪迹技术，进一步增加信号质量可提供给我们更稳健的应用，提高整体成功率。我们与REX一起工作的脑机接口系统已被证实非常稳定，脊柱瘫痪病人第一次使用该系统时就在第一阶段成功的实现了大脑控制[2-4]。今年九月份，在巴约纳（西班牙）的第一届可穿戴机器人国际工作坊(WeRob 2014)上，我们联合Brain Product