低假肢和复杂的人工假体交互:一个系统的文献回顾
阿丹Dominguez-Ruiz
1
埃德加·奥马尔Lopez-Caudana
1
以斯帖Lugo-Gonzalez
2
弗朗西斯科哈维尔Espinosa-Garcia
2
Rocio Ambrocio-Delgado3
Ulises d·加西亚4
里卡多Lopez-Gutierrez4
马里埃尔Alfaro-Ponce
5
佩德罗男妓
5*- 1研究所未来的教育学府de蒙特雷,墨西哥的墨西哥城
- 2学院电子乐y Mecatronica大学Tecnologica de la Mixteca Huajuapan德莱昂,墨西哥瓦哈卡
- 3部门de Estudios de Posgrado大学Tecnologica de la Mixteca Huajuapan德莱昂,墨西哥瓦哈卡
- 4CONACYT-CINVESTAV, Av。西班牙Politecnico(2508年,圣佩德罗Zacatenco上校,墨西哥Ciudad deMexico
- 5可持续制造、先进材料研究所的著名德蒙特雷,墨西哥的墨西哥城
几年前,动力假肢引发新的科技进步在不同领域如流动性、舒适、和设计,改善患者的生活质量至关重要下肢残疾。人体是一个复杂的系统,涉及心理和生理健康,意味着其器官之间的依赖关系和生活方式。这些假体的设计中使用的元素和相关下肢截肢水平至关重要,用户形态和human-prosthetic交互。因此,一些技术已经用来完成最终用户的需求,例如,先进材料、控制系统、电子、能源管理、信号处理、人工智能。提出一个系统的文献综述等技术,识别最新的进步,挑战,机遇和发展中下肢假肢的分析最重要的论文。动力假肢行走在不同的地形是说明和检查,设备的运动应该执行,考虑到电子、自动控制和能源效率。结果表明缺乏具体和全面结构其次是新发展、能源管理方面的差距和改进平滑病人互动。此外,人工假体交互(HPI)是一个术语介绍了因为没有其他研究综合这种交互假肢和终端用户之间的通信。本文的主要目标是提供,发现,一组步骤和组件之后,新的研究人员和专家寻求提高知识在这个领域。
1介绍
下肢截肢是世界上最常见的截肢,造成较高的物理和生理影响所有患者的下肢有分量和控制运动(Ebnezar et al ., 2017)。虽然截肢可能发生在任何阶段的生活,最近的统计数据(2022年,)表明,三组患病率较高的截肢在45到59岁之间。此外,重要的是要注意,截肢可以不仅意外的结果,但也的疾病或先天性缺陷。到2019年,有5770万人登记进行了下肢截肢(麦当劳et al ., 2021)。
截肢的病人执行寻找不仅挽救他们的生命,也让他们保留移动/功能和以前一样(埃斯皮诺萨和加西亚,2014)。专家决定执行截肢的程度,想要保持病人的生命安全、功能性肢体假肢;对下肢截肢的程度可分为如下(Ebnezar et al ., 2017):
•Hemipelvectomy或trans-pelvic截肢:因为它是近端身体的核心,它可以影响一个人的最适应他们以前的生活。
•膝盖以上或施行截肢:在股骨水平。
•膝盖截肢。
•膝盖以下截肢或transtibial:在膝盖和脚踝之间。
•部分脚或脚踝截肢。
确定病人是否适合截肢,专家,在某些场景中,软件,比如截肢流动预测,必须考虑两个因素(Mduzana et al ., 2018):首先,如果候选人有一些预先存在的条件下,能减少适应假肢设备的概率;第二,如果假肢器官可能造福于病人的生命。
下肢假肢专注于帮助康复下肢运动,如散步或跑步。重新创建这个运动假肢,必须理解生物力学的步骤。
采取一个步骤在走路,人体必须认识到地下并决定如何行动。在假肢的情况下,该信息将被用于获得运动学的要求的水平预测和运动。正常走路,就像人类一样,不需要考虑身体平衡是如何工作的;身体它本身。然而,在假体的发展,人工下肢必须共同努力,获得正确的平衡在不损害残肢(罗德里格斯et al ., 2021)。一步分为两个阶段:
•站:定义为目前的地面反作用力等于一个人的重量或在走路时这是大于50 N (亨特et al ., 2021)。脚踝的step-demarcation定义的极限平衡在这个位置,和人类两个半球之间的重量必须平衡(罗德里格斯et al ., 2021)。
•摇摆不定:当脚离开地面开始和结束时再次碰它,让它40%的步态周期(球场et al ., 2021)。
大多数研究集中在以下方面研究的运动:运动变化,步态的控制速度和控制直接踝关节和膝关节。此外,研究侧重于改善控制,让病人感觉更自然更容易学习和直观的控制,降低前面提到的使用比例较低。假肢的设计根据活动执行的病人。对于这个研究,两个假体已确定的主要分类。
1。被动:动作执行的假肢系统是由使用一个外力(真理正义之神et al ., 2018)。
•审美:提供有机肢体的外观没有额外的功能。
•工具:设备适应执行特定动作根据所需的活动。
2。活动:定义为接口与外部力量和运动执行机构提供的,提供高性能和功能,为代价的复杂性(Windrich et al ., 2016)。
活跃的假体的发展中越来越多的研究领域,导致新的和鲁棒控制系统的设计和方法假肢和人类之间的交互意图。本研究的主要贡献,科学界关于活动接口如下:
•“human-prosthetic互动”一词的定义:定义一个概念用于未来文学来描述人类与人工方法,活动四肢沟通。
•一个视图的技术用于下肢仿生学技术趋势:人类的接口如何影响病人的运动和控制方法用于帮助病人完成日常活动。
•控制结构的研究和设计方案的设计新下肢假肢系统:研究人员应该遵循该结构作为新技术开发的全面指导,给予选择专注于改善整个子系统贡献之一。
•定义技术的挑战和未来发展方向:强调未来的工作从不同的作品被世界各地的作者进行。当前的限制和需要改进什么。
图1显示的一般分类技术应用于下肢假肢设备的发展。作为基础结构的手稿和描述活跃的假体,图1一个显示的是数字系统的智能和活跃的假肢图1 b病人和机器人之间的交互设备,而描述一个简短的分析材料,如所示图1 c。第二节介绍了进行系统的文献综述方法(协议、搜索、选择和修改)。第三节介绍了下肢假肢器官的元素,human-prosthetic接口,允许的元素的正确运动假肢的挑战和趋势。第四部分探讨了当前技术的进展和应用假体系统。第五节介绍了趋势领域的控制,人类信号阅读,和环境的相互作用。最后,第六部分提出结论。
图1。下肢假肢系统:显示文档的结构和每个技术的部分。(一)显示了数字系统上使用任何活跃的假肢,包括与环境交互系统对设备的检测能力。(B)传感器用于常数与病人沟通。(C)常见的材料假肢的发展。
2搜索方法
在观察人体是一个复杂的系统和交互假肢的环境中,日常活动参与精神和身体健康,重要的是要遵循系统性方法(Baena-Rojas et al ., 2022)。这种分析,系统性的文献综述(SLR)方法,指导下Kitchenham和章程。(2007)组成的三个阶段:计划、执行和报告,最后显示结果。
2.1研究问题
考虑到本文的目的,研究问题的定义,其次是subquestions所示表1协助分析文学和检测智能控制的关键组件,假体类型和趋势,或未来的工作。
表1。研究根据研究问题和预期的答案。
这些问题导致使用字符串和搜索条件表2的选择标准表32021年,9月20日,在两个科学引文数据库、网络科学和斯高帕斯。
表2。字符串在斯高帕斯和我们数据库上创建。
表3。包含/排除标准选择的文章。
中移动。什么是艺术的状态智能下肢假肢设备和设计结构?
194年通过选择使用棱镜方法标准中给出相关的文章图2应用系统综述的结构,其他研究人员进行自动搜索字符串。表4表明,《华尔街日报》发表的文章数量最高的识别是IEEE神经系统和康复工程和前沿,通过使用不同的具体问题,提供了一个广泛的数据属于这一领域。雷竞技rebat
表4。雷竞技电竞体育竞猜平台期刊至少三篇文章。
3假元素
一旦发现病人适合一个假肢设备,该设备是根据病人的需要度身定制的。图3一一个显示一个可视化表示的部分一般下肢假肢设备(Ebnezar et al ., 2017)。
•套接字:假体性能的关键,因为它封装了残肢或树桩,提供舒适和分散身体重量为不同压力公差区域创建一个分布式重量的残肢白天不同的活动(奥基夫和溃败,2019)。
•悬架:一部分用来保持身体的假肢。
•衬管:可拆卸内套接字用于提供一个软的一部分皮肤的感觉。
•柄:假体的主体,它通常是由铝、钛、或碳纤维假肢的作品为主体。
•脚或端点:模拟人类的脚,用于支持和减震在站立或走动。
图3。下肢假肢的部分系统(悬架和衬垫不显示)。(一)显示了一般的物理组件下肢假肢,柄是由膝人工关节和踝关节。(B)通信组件如何需要与用户交互,一个小草图的脑机接口(BCI)和肌电图(EMG)传感器位置显示。(C)使用嵌入式传感器、假肢设备需要注意和检测周围环境的特点。
这手稿展示了两个额外的组件,必须出现在活跃智能假肢设备:human-prosthetic交互层(图3 b)和一个与环境交互的方法来预测所需的运动(图3 c)。
被认为是一个聪明的假肢装置,这些组件必须能够提供独立运动;因此,研究集中在控制无刷直流电机或气动和液压执行机构。所示的控制结构图4使用,表明两种机制的要求human-prosthesis交互组成的一个接口和一个人工运动方法,加上自然的反应。
图4。全面控制的层次结构。提出了框架改编自塔克et al。(2015)。HPU模块和模式识别定义运动模式和步态的选择。低水平直接控制设备上的关节。
3.1 Human-prosthetic交互
基于这一审查,发现有些条款是指活跃假肢设备作用于人类的订单。human-mechatronics互动等方面阴蒂et al。(2018)人类和机器之间,定义一个关系,或人机交互,根据谢里登(2016),概念集中在四个领域:人类监控机器人的常规操作,远程控制的自主车辆、自动车辆与人类乘客,和社会机器人。然而,定义非常广泛,和一个新的术语是必要的引用一个假肢和人类之间的通信用户;本研究提出了术语human-prosthetic交互(HPI)。根据水平的交互,用户可能想使用自己的肢体。
对于一个成功的互动,从人体数据的提取和解释的一种方法是必需的。使用两种技术在文献中提取数据的意图运动;表5概述了他们的优点和缺点。
1。肌电图信号:描述为一个技术评估和记录电活动产生的肌肉(卡布拉尔et al ., 2018)。这些可以是两种类型:表面(表)和肌肉的肌电图(iEMG)。
•iEMG:信号检测有特殊针头或电线直接插入特定的肌肉。这种技术用于假肢手术附加到身体。然而,它并不常用,因为它是高侵袭性(Merletti和淀粉,2009)。
•摘要:信号检测传感器放置在肌肉表面,通常有两个或两个以上的电极措施以来电激活肌肉和一个参考点之间的区别(卡布拉尔et al ., 2018)。几项研究(Luu et al ., 2017;Yu et al ., 2017;苏et al ., 2019;彭et al ., 2020 b)使用交互的描述方法由于其几乎即时反应,非侵入性技术,和易用性。然而,这种方法的缺点是关闭的肌肉(产生的噪音Nieveen et al ., 2020),所以它需要一个分析残肢激活当执行不同的活动(古普塔和阿格沃尔,2019;苏et al ., 2019;王et al ., 2022)。为了克服这个限制,阴蒂et al。(2018)使用sEMF结合手术方法叫做agonist-antagonist myoneural接口(AMI)截肢,使用感觉反馈,使信号清晰的使用。
2。脑-机接口:技术用于记录大脑活动来确定行动的欲望,控制,或与环境交互。最好像是基于脑电图(EEG)信号;脑电图记录大脑电活动和流行的BCI由于其便携性,低成本,和时空响应,允许BCI的大脑活动作为实时投影在多个操作。(Shafiul哈桑et al ., 2020)。根据BCI的目的,脑电图电极的选择考虑到与运动相关的脑叶任务;同时,脑电图信号分类的节律性活动为μ,三角洲,θ,α,β和γ基于信号频率范围从0.1赫兹到100赫兹以上。麦克法兰(2000)发现了一个运动和运动之间的联系与μ和β节律同步图像;然而,陈et al。(2021);Wriessnegger et al。(2018)与提到的不同频率检测活动,如打网球或挤压一个球,和根据技能,活动多样。HPI方法已广泛应用于不同的作品(陆et al ., 2017;苏et al ., 2019;Yokoyama et al ., 2021)由于精度高,可以通过意志控制或运动图像。
3所示。目的预测基于环境交互:第三个选项使用假肢系统传感器与外部环境互动,并在此基础上,预测下一个动作;然而,IMU,力板和力传感器,和相机的最常用的设备,和一个更详细的审查这些系统所覆盖的传感子系统(3.2.1节)。
表5。优点和缺点的方法阅读人类运动的意图。
数据必须被执行user-desired行动。首先,必须获得信号预处理消除噪音来自电极的位置,电缆,等。然后,机器学习技术(特征提取、特征选择和分类)是用来检测模式相关的运动意图在这些生物电势(表6)。
表6。机器学习技术;从用户模式和预测意图下肢假肢的控制。
以下肢活动人体假肢作为分离设备显示更高的认识上的负载设备的用户和作为限制只有单向通信(Raspopovic et al ., 2021)。作为补充,一些研究人员正在研究反馈,使假肢的沟通人类认知系统,提高精度和改善控制的假说。vibrotactile致动器的使用施et al . (2019);陈et al。(2016)允许残肢中感受实际假肢感人。手术恢复肌肉受体激动剂和拮抗剂的肌肉(AMI)之间的关系(Srinivasan et al ., 2020)显示高脚踝控制,重塑神经适应一个电极(主要和杜兰,2002)显示更高的平衡能力,电极插入周围神经(十二月et al ., 2011)提供了对用户的信心,避免走在凹凸不平的地形下降的概率(Raspopovic et al ., 2021),恢复肌肉的关系来提高运动控制Srinivasan et al。(2020)。
3.2运动假肢设备的发展
获取和分类所需的运动后,实际的运动开始的性能。为此,假肢设备必须有一个传感器子系统负责与环境交互的电子元件组成的电源和数字接口,和一个自动控制的方法。
3.2.1传感子系统
这个子系统工作既是一个方法来收集数据从环境中使用的校准和控制假肢器官并评估其性能水平。最常见的一种传感器的惯性测量单元(IMU),设备能够测量角速率,加速度,和周围的磁场系统。艾莫斯的设备可以帮助优化用户安装和校准和跟踪步态速度随时间的变化通过不同的算法(Bastas et al ., 2018)。传感器可以帮助跟踪和估计膝盖或脚踝上的运动轨迹取决于地形的类型,用户走(Chang et al ., 2019;苏et al ., 2019;Elery et al ., 2020;Gaetani et al ., 2020;πet al ., 2020;Khademi和西蒙,2021年;李et al ., 2021)。
也用作其他措施补充数据是地面反作用力(平)施加在身体接触地面。由牛顿第三定律,当一个人站着,平将重量;然而,加速度的力量改变移动时,通常与跑步机与斑块或一起工作时力传感器,如flexiforce (彭et al ., 2020 b)和M3715C (高et al ., 2021),脚上的用户(江et al ., 2019;李et al ., 2021)与步态变化检测扭矩的变化。平已经被用于分析的生物力学non-amputee和比较它与运动截肢后的变化与不同的假肢走路时(Chang et al ., 2019;江et al ., 2019;Zhang et al ., 2019;彭et al ., 2020 b;门德斯et al ., 2020;πet al ., 2020;高et al ., 2021;李et al ., 2021;Leestma et al ., 2021)。
计算肌肉工作也被描述使用受力分析和逆动力学和使用肌电图或中心和点质量模型(赵et al ., 2020)。用这些数据,使用代谢可以获得比较使用不同的接口和多自由度(自由度)和控制帮助病人(赵et al ., 2019;Elery et al ., 2020;金正日et al ., 2020;亨特et al ., 2021)。
一大进步发现transtibial假肢进行的阴蒂et al。(2018)和其他人得到神经反馈的能力,在他们的话说,假像还活着。创建类似的行为,没有必要AMI的手术,是提供假肢系统看到周围环境的能力,提高运动的轨道和运动学速度不同的步骤;相机和深度照相机已经使用(江et al ., 2019;Zhang et al ., 2019;季米特洛夫et al ., 2020)。编码器和电流传感器是密切相关的角度控制方法和能源管理(巴特利特et al ., 2021;2019年;赵et al ., 2020;门德斯et al ., 2020;Keemink et al ., 2021),同样的功耗已经作为一种方法来衡量控制方法来减少它的性能董et al . (2020);江泽民et al。(2019);Khademi和Simon (2021);Sutawika et al。(2021)因为电池会导致成本的增加和体重的假肢装置,使其难以用于病人定期。然而,电源管理有一个问题;控制方法只能减少消费通过调整控制算法的参数,但驱动器可能是身体上的修改,以找到最佳性能较低能源成本。
3.2.2电子子系统
电子组件是由一个外部电源、电阶段,数字嵌入式系统和执行机构。
对于所有涉及的部分,需要电源时不受控的实验室环境下测试;对于大多数微电子系统,能源消耗的范围可以从3.3 V至10 V,根据内部功能。然而,执行器需要高转矩(
电力驱动程序必须用于隔离的通信能量用于控制器和执行机构。在这些设计的大部分时间里,市场提供硬件已经使用和高et al。(2021)和πet al。(2020)使用一个艾尔摩的司机在膝盖和脚踝级别,或Elery et al。(2020)独奏神司机使用。在电子执行器的情况下,使用最广泛的电机无刷直流电机,表现出良好的性能,与高扭矩响应时间短,能耗低比转矩生成(张,2002)。最常用电动机在审查期间发现Maxon RE40直流电机无齿轮箱(董et al ., 2020;πet al ., 2020)或EC-30 (Zagoya-Lopez et al ., 2021)和艾尔摩伺服电机(高et al ., 2021)。正如前面讨论的,必须分开供电,使用48 V直流电源,直接安装在假体本身(Cherelle et al ., 2017;董et al ., 2020;Ottobock 2021),甚至连接在一个连续的能量来源仍在发展金姆和柯林斯,2017年;江et al ., 2019;Elery et al ., 2020;金正日et al ., 2020)和一个更小的锂电池(Azocar et al ., 2020;董et al ., 2020)5 - 7 V的小电子产品。
最后,数字系统处理器或微控制器需要接收、解释和执行操作。Bartlett et al。(2021);Chang et al。(2019)使用假体系统和计算机之间的接口来执行更容易调试。然而,对于更先进的系统,如的图5、嵌入式控制器或处理器需要在线传感和控制。
图5。从左到右:Ottobock假肢脚踝Ottobock (2021),范德比尔特舒尔茨et al。(2015)腿,开源项目Azocar et al。(2020)。
3.2.3下肢生物力学控制
定义如何一个假肢器官结合移动用户,一系列的角度必须在执行执行机构使用控制方法。可以使用不同的控制方案,如直接的意志,路径跟踪,运动,和阻抗控制。
中层控制被描述为一个过渡的水平,作为中引用图4现病史,信号作为执行映射函数的输入系统中人类意图的国家。运动和步态是常见的基于FSMs过渡方案,使低级直接联合控制作为输出。然后使用误差最小化控制技术来执行这些操作。
•运动:形容在这种情况下一个人的能力从一个地方移动到另一个地方。下肢假肢,发现了六种不同的运动模式(黄et al ., 2011):平地行走,跨过障碍,提升楼梯,楼梯后裔,斜坡上升和斜坡下降。的意图识别以及它们之间的平滑过渡的工作研究在不同的研究(苏et al ., 2019;Zhang et al ., 2019;彭et al ., 2020 b;πet al ., 2020;Khademi和西蒙,2021年;李et al ., 2021;Leestma et al ., 2021)。最常用的方案之一是直接意志控制,利用肌电图或脑电图信号执行意志意向;在这种情况下,使用的方法试图预测行为。
•步态:指在运动执行的动作,一系列的步骤来执行实际的步骤在任何运动类型,通常由摇摆和立场阶段,与它们之间的过渡,如“鞋跟在地面上,脚跟离开地面,脚尖在地面上,和脚趾离开地面”(球场et al ., 2021)。这些运动和速度取决于用户的意图已经被BCIs追踪,肌电图,艾莫斯得到更自然的感觉走在不同的地形(高et al ., 2021),但是这种类型的研究使用有限状态机(FSMs)关注整个轨迹跟踪减少研究的动态运动(梅和Commuri, 2016;惠特莫尔et al ., 2016;曹et al ., 2018;Adamczyk 2020;彭et al ., 2020 a;门德斯et al ., 2020;Shafiul哈桑et al ., 2020;Sutawika et al ., 2021;威尔克et al ., 2021;Yokoyama et al ., 2021)。自运动是整个复杂的轨迹,而不是特定的点了一个执行机构,所使用的方案必须是受干扰较小,而且,对于多个致动器,操作必须在协调时间执行。关节协调运动控制,相互联系和确定的活动范围,可以用来避免不必要的肌肉活动;路径跟踪控制决定了道路,适应任何扰动系统(埃尔南德斯和Yu, 2021年)。
•直接的关节:以运动类型和步态阶段更准确地说,这种类型的控制重点是如何独立执行机构需要得到特定的角度,使用一个阻抗/导纳控制方案。这个方案可以被定义为一个方法来控制角速度和转矩之间的关系(埃尔南德斯和Yu, 2021年)。当用户在旅行不同的表面(Chang et al ., 2019),该方法允许小的变化发生在摆动阶段的步态,最小化能量消耗(董et al ., 2020)通过控制关节所需的确切扭矩维持人体平衡。相关的选项来控制一个多单自由度提高实际地形动态平衡(金姆和柯林斯,2017年;黄黄,2019;季米特洛夫et al ., 2020;哈珀et al ., 2020;金正日et al ., 2020;De Vree Carloni, 2021)。
文章的数量分类的目标控制使用,所述,所示图6发现,直接联合控制是最常见的,因为它可以帮助创建特定区域的精确运动。
图6。文章划分根据确定的不同的控制技术,如运动变化,步态或摆动轨迹跟踪,和直接的联合控制。
PID控制器(proportional-integral-derivative)是最在文学中实现。(Cherelle et al ., 2017;董et al ., 2020;Widhiada et al ., 2020;谢et al ., 2020;鸿盛et al ., 2021),控制功率和扭矩直接在脚踝致动器或步态轨迹后,通过控制器的输出扭矩和功率消耗(Sutawika et al ., 2021)。提到作品的优势显示低响应时间和稳态误差为零,这有助于控制快速和缓慢的过程变量。
比例微分(PD)控制器的优点是容易由于低抑制稳定在跟踪设定值和放大高频噪声的缺点,尽管它不推荐为缓慢的过程变量。比例积分(PI)控制器的优势没有稳态误差但窄范围的稳定和发条的缺点(Effiong Obot, 2018),即使控制的类型取决于活动控制。
PD控制器用于分类的运动意图和轨迹的预测(高et al ., 2021),误差小于0.1弧度在检测之前预期的步态达到所需的改变基于地形的差异(斜坡和楼梯)。另一方面,它已经被用于液压致动器由于PD控制器的反应类型Bartlett et al。(2019)。导数值有助于预测的值,与柔和的变化,讨论了应用程序非常有用。最后,比例(P)控制器,即使简单,意味着更少的价值需要调整,试图控制直接关节角走在执行站和摆动阶段(亨特et al ., 2021)。脚踝僵硬是适应跟着摇动通过摄像系统的轨迹跟踪步骤中,使用值P控制器(季米特洛夫et al ., 2020)。
3.2.4机器学习控制模型
机器学习技术主要是用于获取模式和预测用户的意图,见表6。然而,在运动控制,运动是在2017年第一次分类(Chmura et al ., 2017),但更多的研究从2019年进行了一个方法来预测运动模式(苏et al ., 2019;彭et al ., 2020 a;Khademi和西蒙,2021年)和获得运动动力学(李et al ., 2021用更少的计算实时功率)。这是结合人工关节的古典控制获得瞬时反应环境特征认可的系统(Zhang et al ., 2019)。经典线性控制方法需要很高的理解动态的机械部件,如鸿盛et al。(2021)在图7,气动执行机构由一系列高度复杂的控制方程,根据预期的运动和变化的长度酒吧、创建一个伟大的方法控制问题对于一个非常具体的任务,这对于日常使用,情况就不一样了。通过使用混合模型中看到图7 b,结合惯性矩阵(米(θ),科里奥利和向心值(C(θ)),重力向量(G(θ))和模糊神经网络估计估计的时间值,彭et al。(2020)能够计算所需的扭矩和角度膝盖运动能够处理干扰影响摆动轨迹。
图7。(一)气动人工肌肉结构:显示了运动的角度和长度的酒吧。(B)灵活的假肢膝关节组成惯性和地面部队反应矩阵给扭矩和角度。(C)动态的意思是脚踝运动手臂不同的力和动量值通过负载细胞作为输入用于ML算法分类不同的地形。
复杂性增加广泛当添加自由度;然而,当看到Leestma et al。(2021)和江泽民et al。(2019),从传感器获取的值使用,见图7 c,可以用作输入值等机器学习算法的神经网络(KeleşYucesoy, 2020)的运动学控制每一步;然而,的局限性Leestma et al。(2021)驻留在正在执行的测试,用于控制水平地面场景和一些速度变化。
最后,机器学习也被用作模拟方法中non-amputee走已经收集的记录与价值观进行比较与假肢运动,能够获得健康的人类走的约束和参数在不同地形没有显式模型(威尔克et al ., 2021)。
4讨论
关于硬件和软件的发展为下肢假肢装置的结构图4决心效果最好,将系统划分为居民和运动机制。开发一个假肢系统,必须结合不同的研究领域,包括医疗和工程专业知识,如所示图8,显示了文学分为生物力学分析、控制、硬件开发和理解人类的信号。
图8。分类技术识别在文献中。为此,文章在人类下肢假肢,贡献或human-prosthetic交互(HPI),统计。
必须在生物医学领域,重点结合工程师的专业知识在机械工作的医务工作者理解人类运动的基础和更先进的技术,包括平衡技术和肌肉反应不同的外部干扰。3.2.3节描述的方法可以控制假肢,和3.1节可以进步的理解人类的意图模式信号。
技术用于人类和假体之间的沟通进展表明,需要一个新概念,提出了居民,在这种情况下作为一个用户发送所需的意图如何假肢来执行实际的运动。发现通过文学,即使肌电图技术一直在运行的时间更长,只有25文章使用这种方法作为一个居民或执行进一步的信号分析的研究方法。脑电图技术已经57的文章所示,显示仍有许多机会在这个领域的研究。脑电图的数据更复杂,需要更多的计算成本和帽或侵入性技术的使用。一旦解码,然而,它提供了准确的运动和实际比EMG-controlled think-to-move过程更直观的设备。即使有快速响应,后者是更经济,与人类接口简单,根据截肢的程度,需要非正统的残留肌肉运动达到一个简单的期望位置。使用提高了准确性和预期的自然感觉运动(胡锦涛等人。,2018年;Ruhunage et al ., 2019)。
类似的方法被发现在实验中使用hpi讨论。通过使用同样数量的截肢和non-amputated科目(Twardowski et al ., 2019)来执行相同的动作,比较结果,实验是可能的,正如运动员et al。(2021)和Ruhunage et al。(2019)只用截肢者和健康受试者,分别。机构审查委员会批准了研究这些场景。不同的方法的优点和缺点的阅读人类的意图所示表5。通过使用一种不同类型的方法,意志控制/意图识别,可以降低压力模式和运动识别算法;然而,在讨论Redkar和Bhat G (2018)和塔克et al。(2015),这种方法要求精度高,重点从用户的网站。克服这个问题需要意志的结合高精度运动控制和运动模式识别和步态的变化。这个子系统的输出直接控制的类型知识的人类运动是必要的,从工程的角度能够遵循一个步骤的运动学和轨迹在不同的场景中。
看到的不同的技术控制,分析,取决于执行的水平运动,直接共同控制或整个轨迹跟踪。这些值需要调整基于生物力学分析和执行特定的活动。机器学习技术,另一方面,是用来减少所需的努力学习这个动态模型,提供更快的响应,适应未知的干扰,并使用更少的计算能力来调整某些参数。
这些控制技术依赖于所使用的硬件,要求机械工程专业知识。最常用的机制是机电作动器,使用直流无刷马达Robodrive和Maxon等(Elery et al ., 2020;πet al ., 2020),由于电源管理的好处,由电流直接控制属性,和工作。使用气动肌肉(李et al ., 2016;Mrazsko et al ., 2020;谢et al ., 2020;鸿盛et al ., 2021)的数量优势force-to-weight比它可以提供,提供的结果性能类似于有机腿,尽管缺乏能够产生精确的运动和electrical-air行动之间的接口。液压致动器(Chmura et al ., 2017;曹et al ., 2018;麦格拉思et al ., 2018;巴特利特et al ., 2019类似于气动执行机构,使用液体的差异而不是空气。这些允许更高的峰值功率和降低foot-to-ground冲击。然而,成本增加,需要更多的维护的执行机构,需要多个附加组件来获得准确的所需的位置。BiOM (唤醒et al ., 2015)和Ottobock (Mosler 2021)假体是一些例子的市场提供先进的系统用于特定的活动。表7显示可用的特征模型在当前的市场图5显示了一个可视化表示。不幸的是,他们中的大多数都没有人员使用他们的电流控制器的技术。为了解决这个问题,不同的大学开发的开源机器人腿项目(唤醒et al ., 2015),每个人员都能得到相同的文件创建版本的假肢在该地区进一步发展,给他们机会只关注在相同的硬件控制和改善的方法。
表7。市场上可用prosthethic硬件劳森et al。(2014),Ottobock。(2021),Azocar et al。(2020)。
由于假肢设备病人使用,它必须与环境交互自己采取行动,自然肢体它在不知不觉中,一个活动由传感子系统。IMU传感器是使用最广泛的文献中从环境中收集信息,non-amputated用户理解和研究的运动生物力学数据(江et al ., 2019),或者直接在实时控制的假肢装置(门德斯et al ., 2020)。他们是一个多才多艺的选择价格和大小的好处。这种技术的文件显示的问题不解释数据聚集,并可靠地提取的具体参数是很重要的step-demarcation下肢假肢用户存在的算法Bastas et al。(2018)。平传感器数据收集和分析的问题,因为他们较少直接取决于用户的体重和他们如何根据不同地形、运动类型和步态。这可以通过使用两个不同的传感器:斑块在地板上,它可以收集更多的可靠数据,但只能用于生物力学分析直接在跑步机或在高度控制和构建环境,或压力传感器直接在假脚(高et al ., 2021)。该技术在生物力学分析的好处是,它可以检测异常或过度残留肌肉努力可以创造未来病人新假肢器官的问题。测量性能的假肢装置,相机运动跟踪系统,肌肉努力和代谢使用计算,甚至假肢的功耗进行了。相机轨迹跟踪系统可以比较不同假体系统之间使用non-amputee行走;在不同的作品,它已被证明擅长识别微小变化和地形变化如何在人类生物力学变量变量,如扭矩、体内代谢成本,和角度(Zhang et al ., 2019;门德斯et al ., 2020;秀et al ., 2022),Vicon运动跟踪系统已广泛应用于不同的场合(托马斯,2018;季米特洛夫et al ., 2020;斯莱德et al ., 2021)。代谢的使用已经被用来作为方法来比较不同假体之间的性能,就像全et al。(2022);高桥et al。(2015),活跃的假肢的使用降低了患者显示代谢成本比使用被动假肢,或英格et al。(2018)和歪斜的et al。(2019),证明了正确选择假体可能导致更少的能量消耗由用户;然而,增加自由度,代谢消耗显示隔离以来变化不大的特定因素无法确定(金姆和柯林斯,2017年)。肌肉的努力,另一方面,被用来确定损坏的风险可以降低病人的残肢(Bellmann et al ., 2019;Elery et al ., 2020;亨特et al ., 2021)。最后,功耗一直是研究的焦点,减少的能量用于优化电池的使用假肢设备(一口et al ., 2008;德波夫et al ., 2018),因为更大的电池意味着更高的重量,所以最佳,假肢,应该提供一个类似的普通人类采取的措施(每天5000 - 7000据Berko et al。(2016)]。
审查的局限性有关细节脑电图和肌电图的方法,包括电极必须位于与所使用的数据库。电子产品范围不包括特定的微控制器和处理器使用和编程语言。最后,审查进行了从工程的角度来看,没有封面的机构和程序涉及一个截肢者选为候选假肢装置,因为它可能取决于国家和经济能力。
5未来方向
文学的趋势分为类别涵盖未来工作上或下肢,HPI和硬件开发。分析发现了普遍的机器学习模型作为最大的机会。这种技术广泛应用于模式识别对EMG和BCI的区域;然而,如图所示哈桑Shafiul et al。(2020)的大脑活动,实时投影仍在接受调查,和需要更多的工作来识别的技术参数,提高处理速度。密切相关的身体信号,利用肌电图或BCI的缺点,如培训和局限性或失败的数量来确定某些运动由于高噪声实时情况。获得的结果胡锦涛et al。(2018)和Ruhunage et al。(2019)表明,使用两个来源,甚至利用EMG信号从不同的地方可以降低不确定性和意图分类提供更高的精度。与意志控制,结合使用这些方法可以用于运动的高级控制和步态选择或更灵巧的控制在拥挤的地方或不平坦的地形。
运动预测,如威尔克et al . (2021),人类可以适应不同技术的人工选择,显示不到8%预期与实际位置之间的误差在踝关节角度。可以看到一个进步彭et al。(2020),通过自主运动预测,用户不必效仿相同的运动与另一个肢体也不指定一个手动改变所需的地形。这些实验的结果显示的百分比精度高(超过80%的预测),问题出现在定义一个初始的确定性价值可能的下一个地形,手动选择的值可以提高检测错误(楼梯向下运动模式,检出率的67%)。要克服的问题预测只有过去和当前状态,机器学习,特别是深强化学习人类运动的技术被用于改善检测基于重复学习黄et al。(2011);彭et al。(2020 b);孟et al。(2021),使用传感器的组合视图环境Zhang et al。(2019),可以适应复杂的环境和动作执行在凹凸不平的地形(歌et al ., 2021)。
神经网络仍有缺口或deep-reinforcement学习工作方法,结合腿生物力学的数学模型来提高反应时间和运动预测,没有人工干预。的研究主要集中在膝盖和脚踝运动1自由度下肢假肢。了解人体的平衡使用技术基于hip-ankle运动(郭et al ., 1993)在不止一个轴,两个或三个自由度的研究可能是一个限制之间的路径跟随在保持整个假肢的重量和大小。对踝关节运动的研究是一个新兴的话题,因为它能够保持平衡人体的适应地形和正在执行的活动。虽然是不可行的全地形的假肢在这一点上,凹凸不平的地面上还需要进一步的研究,以适应人类的腿。
3.2.2节讨论了假肢能源消费的重要性。结果,任务会要求更少或更多的能量,和一个假肢装置,可以执行复杂的运动最大的电池,需要增加尺寸,重量,以及这些技术的成本。的作品赵et al。(2020),Cherelle et al。(2017),Bartlett et al。(2021)展示未来的工作需要重点开发的能源管理技术来减少用电执行简单的任务。这时,假体系统重量在2.27公斤之间徐et al ., 2021所示)和5公斤表7,而在权力方面,Ottobock设备,已被确认为假运行的时间越长,可以运行多达8 h,而13 h,健康的截肢者走在平均,即使截肢后的锻炼是最小化Halsne et al。(2013);Diment et al。(2022)。为了实现这些改进,有必要开发专门设计执行器能够达到峰值性能较低的能量成本,延长使用时间,保持平衡在困难地区移动。
识别假体周围的设备和病人是一个文学的工作发展;使用相机和艾莫斯检测不平坦的地形和障碍,可能损害用户依赖于所使用的处理器的能力,限制整个系统的重量。相比,自驾车辆,如特斯拉。(2022)和Mercedez。(2022)使用类似的传感器,如雷达、激光雷达、艾莫斯和摄像机,导致不同的优点和缺点在小型设备上使用。结果创造了一个机会来寻找这些传感器在便携式系统的使用指南。
6结论
这个系统的文献回顾建立假体系统的结构和状态的艺术。研究侧重于提高控制使用,能源消耗,和HPI准确性。设计结构,提出了基于部分参与任何新系统开发,并在此基础上,控制结构的修改和提出之后,新的研究人员在这个领域。本文贡献按照拟议的结构和关注的趋势和差距在文献中找到。
除了先进的回顾,本文的贡献不同于先前的文章通过展示假肢系统作为一个整体,结合居民,环境互动,电子和数字系统。有必要看到假体系统类似于自然的四肢,不断与人类交互意图和周围的环境,导致我们定义术语human-prosthetic交互通信,通过脑电波的直接控制或间接通过肌肉运动。这些方法,都有各自不同的特点,提供了一个机会在模式识别领域,数据融合,意图识别的准确性和开发更复杂、更舒适设备。
下肢假肢,第三节中描述的元素,HPI,感应外部环境,电子和数字系统和控制方法,必须考虑在同一水平的重要性,但研究必须专注于改善他们一次。物理需求,如重量、大小和材料与人交互的第一层,即材料必须舒适,耐用。相同的特征直接相关的能量使用外部电源和用户工作,意义工程师必须小心保持较低。
互动的环境和方法测量性能的假肢器官仍在测试。变量如运动学为每个人可以改变代谢成本和能源消耗,无视假肢的组成和开发一个全面修复设备以更低的成本。与与环境的交互,假肢取决于程度的自主权和将使用假肢的地方。
研究人员阅读本文在未来应该依靠这个工作要遵循一个结构化的设计关注特征可以帮助截肢者提高他们的生活质量和选择执行休闲和日常活动。可以决定什么是失踪在这个领域的研究人员关注本文中的趋势,结合工程师和医务工作者的努力。
作者的贡献
范本,AD-R;方法,AD-R;验证、EL-G RL-G, MA-P、UG和页;形式分析,AD-R;调查,AD-R;数据管理、AD-R MA-P;编写、审查和编辑、EL-G FE-G, RA-D, UG, RL-G, MA-P,页;监督EL-C和页。
资金
写作实验室研究所未来的教育学府de蒙特雷为本文提供了资金验收在前沿》杂志上。雷竞技rebat
确认
作者要感谢写作实验室的资金和技术支持,研究所教育的未来,领军de蒙特雷,墨西哥,生产这个工作。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或那些出版商编辑和评论员。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
引用
Adamczyk, p . g . (2020)。脚踝控制行走和奔跑:速度,gait-related动态变化意味着脚踝力臂。j .生物力学Eng。142年,071007年。doi: 10.1115/1.4045817
斜,g . N。,米cFarlane, L. A., Minetti, A. E., and Buckley, J. G. (2019). Energy cost of ambulation in trans-tibial amputees using a dynamic-response foot with hydraulic versus rigid ‘ankle’: Insights from body centre of mass dynamics.j .神经工程学康复16日,39岁。doi: 10.1186 / s12984 - 019 - 0508 - x
Azocar, a F。,米ooney, L. M., Duval, J.-F., Simon, A. M., Hargrove, L. J., and Rouse, E. J. (2020). Design and clinical implementation of an open-source bionic leg.Nat,生物医学。Eng。4,941 - 953。doi: 10.1038 / s41551 - 020 - 00619 - 3
十二月,J。,Boretius, T., Andreu, D., Azevedo-Coste, C., Stieglitz, T., and Navarro, X. (2011). Comparative analysis of transverse intrafascicular multichannel, longitudinal intrafascicular and multipolar cuff electrodes for the selective stimulation of nerve fascicles.j .神经Eng。8,036023。1741 - 2560/8/3/036023 doi: 10.1088 /
Baena-Rojas, J·J。,Ramírez-Montoya, M. S., Mazo-Cuervo, D. M., and López-Caudana, E. O. (2022). Traits of complex thinking: A bibliometric review of a disruptive construct in education.情报杂志10日,37岁。doi: 10.3390 / jintelligence10030037
巴特利特,h·L。国王,s . T。,Goldfarb, M., and Lawson, B. E. (2021). A semi-powered ankle prosthesis and unified controller for level and sloped walking.IEEE反式。神经系统。康复中。29日,320 - 329。doi: 10.1109 / TNSRE.2021.3049194
巴特利特,h·L。劳森,b, E。,Goldfarb, M. (2019). Design, control, and preliminary assessment of a multifunctional semipowered ankle prosthesis.IEEE / ASME反式。机电一体化24岁,1532 - 1540。doi: 10.1109 / TMECH.2019.2918685
Bastas G。,Fleck, J. J., Peters, R. A., and Zelik, K. E. (2018). IMU-based gait analysis in lower limb prosthesis users: Comparison of step demarcation algorithms.步态姿势64年,30-37。doi: 10.1016 / j.gaitpost.2018.05.025
Bellmann, M。,Köhler, T. M., and Schmalz, T. (2019). Comparative biomechanical evaluation of two technologically different microprocessor-controlled prosthetic knee joints in safety-relevant daily-life situations.生物医学。技术。64年,407 - 420。doi: 10.1515 / bmt - 2018 - 0026
Berko, J。,Goetzel, R. Z., Roemer, E. C., Kent, K., and Marchibroda, J. (2016). Results from the bipartisan policy center’s CEO council physical activity challenge to American business.j . Occup。环绕。地中海。今年58岁,1239 - 1244。doi: 10.1097 / JOM.0000000000000897
卡布拉尔·e·e·A。,Fregonezi, G. A. F., Melo, L., Basoudan, N., Mathur, S., and Reid, W. D. (2018). Surface electromyography (sEMG) of extradiaphragm respiratory muscles in healthy subjects: A systematic review.j . Electromyogr。Kinesiol。42岁,123 - 135。doi: 10.1016 / j.jelekin.2018.07.004
曹,W。,Yu, H., Zhao, W., Li, J., and Wei, X. (2018). Target of physiological gait: Realization of speed adaptive control for a prosthetic knee during swing flexion.抛光工艺。卫生保健26日,133 - 144。doi: 10.3233 / thc - 170981
常,M。金,K。,Jeon, D. (2019). Research on terrain identification of the smart prosthetic ankle by fuzzy logic.IEEE反式。神经系统。康复中。27日,1801 - 1809。doi: 10.1109 / TNSRE.2019.2933874
陈,B。,Feng, Y., and Wang, Q. (2016). Combining vibrotactile feedback with volitional myoelectric control for robotic transtibial prostheses.前面。Neurorobotics10、8。doi: 10.3389 / fnbot.2016.00008
陈,S。,Shu, X., Wang, H., Ding, L., Fu, J., and Jia, J. (2021). The differences between motor attempt and motor imagery in brain-computer interface accuracy and event-related desynchronization of patients with hemiplegia.前面。Neurorobotics15日,706630年。doi: 10.3389 / fnbot.2021.706630
Cherelle, P。Grosu, V。弗林,L。,Junius, K., Moltedo, M., Vanderborght, B., et al. (2017). The ankle mimicking prosthetic foot 3—locking mechanisms, actuator design, control and experiments with an amputee.机器人Aut。系统。91年,327 - 336。doi: 10.1016 / j.robot.2017.02.004
张:(2002)。“一种新型的直接传动工业自动化、可变磁阻致动器”2002年IEEE国际工业技术会议,2002。IEEE ICIT 02,曼谷,泰国,2002年12月11 - 14号(IEEE),34。doi: 10.1109 / ICIT.2002.1189856
赵,v . L。,Voloshina, A. S., and Collins, S. H. (2020). An ankle-foot prosthesis emulator capable of modulating center of pressure.IEEE反式。生物医学。Eng。67年,166 - 176。doi: 10.1109 / TBME.2019.2910071
Chmura, J。,Rosing, J., Collazos, S., and Goodwin, S. J. (2017). Classification of movement and inhibition using a hybrid BCI.前面。Neurorobotics11日,38。doi: 10.3389 / fnbot.2017.00038
阴蒂,t·R。,Carty, M. J., Ullauri, J. B., Carney, M. E., Mooney, L. M., Duval, J.-F., et al. (2018). Proprioception from a neurally controlled lower-extremity prosthesis.科学。Transl。地中海。10,eaap8373。doi: 10.1126 / scitranslmed.aap8373
德波夫,K。,Cherelle, P。,Roelands, B., Lefeber, D., and Meeusen, R. (2018). The efficacy of the ankle mimicking prosthetic foot prototype 4.0 during walking: Physiological determinants.假肢Orthot。Int。42岁,504 - 510。doi: 10.1177 / 0309364618767141
De Vree L。,Carloni, R. (2021). Deep reinforcement learning for physics-based musculoskeletal simulations of healthy subjects and transfemoral prostheses’ users during normal walking.IEEE反式。神经系统。康复中。29日,607 - 618。doi: 10.1109 / TNSRE.2021.3063015
那钻石样的,L。,Nguon, R., Seng, S., Sit, V., Lors, P., Thor, P., et al. (2022). Activity, socket fit, comfort and community participation in lower limb prosthesis users: A Cambodian cohort study.j .神经工程学康复19日,42。doi: 10.1186 / s12984 - 022 - 01021 - 7
季米特洛夫H。,Bull, A. M. J., and Farina, D. (2020). Real-time interface algorithm for ankle kinematics and stiffness from electromyographic signals.IEEE反式。神经系统。康复中。28日,1416 - 1427。doi: 10.1109 / TNSRE.2020.2986787
咚,D。通用电气,W。,Convens, B., Sun, Y., Verstraten, T., and Vanderborght, B. (2020). Design, optimization and energetic evaluation of an efficient fully powered ankle-foot prosthesis with a series elastic actuator.IEEE访问8,61491 - 61503。doi: 10.1109 / ACCESS.2020.2983518
Effiong D。,Obot, E. (2018). Comparative study of PD, PI and PID controllers for control of A single joint system in robots.Int。j . Eng。科学。(ij)7,51-54。OCLC: 1154188395。1813 - 0709025154 . doi: 10.9790 /
Elery, T。,Rezazadeh, S., Reznick, E., Gray, L., and Gregg, R. D. (2020). Effects of a powered knee-ankle prosthesis on amputee hip compensations: A case series.IEEE反式。神经系统。康复中。28日,2944 - 2954。doi: 10.1109 / TNSRE.2020.3040260
埃斯皮诺萨,m . J。,Garcia, D. (2014). Niveles de amputación en extremidades inferiores: Repercusión en el futuro del paciente | elsevier enhanced reader.启书我们康德25日,276 - 280。doi: 10.1016 / s0716 - 8640 (14) 70038 - 0
球场,C·f·f·C。,Aquino, G. d. A. e., and Costa, M. G. F. (2021). “Gait analysis: Determining heel-strike and toe-off events,” in17医疗信息处理和分析国际研讨会(学报),12088年,19-26。doi: 10.1117/12.2605110
Gaetani F。,Fazio, R. d., Zappatore, G. A., and Visconti, P. (2020). A prosthetic limb managed by sensors-based electronic system: Experimental results on amputees.公牛。电工实习。Eng。正无穷。9日,514 - 524。doi: 10.11591 / eei.v9i2.2101
高,H。,Luo, L., Pi, M., Li, Z., Li, Q., Zhao, K., et al. (2021). EEG-based volitional control of prosthetic legs for walking in different terrains.IEEE反式。自动化科学。Eng。18日,530 - 540。doi: 10.1109 / TASE.2019.2956110
Gupta, R。,Agarwal, R. (2019). Single channel EMG-based continuous terrain identification with simple classifier for lower limb prosthesis.Biocybern。生物医学。Eng。39岁,775 - 788。doi: 10.1016 / j.bbe.2019.07.002
Halsne, e . G。,Waddingham, M. G., and Hafner, B. J. (2013). Long-term activity in and among persons with transfemoral amputation.j .康复研究开发。50,515。doi: 10.1682 / JRRD.2012.04.0066
哈珀:G。,Wilken, J. M., and Neptune, R. R. (2020). Muscle contributions to balance control during amputee and nonamputee stair ascent.j .生物力学Eng。142年,121007年。doi: 10.1115/1.4047387
你好,S。魏,D。,Jingtao, L. (2021). Joint position control of bionic jumping leg driven by pneumatic artificial muscle.高。抛光工艺。列托人。27日,193 - 199。doi: 10.3390 / mi13060827
胡,B。,Rouse, E., and Hargrove, L. (2018). Fusion of bilateral lower-limb neuromechanical signals improves prediction of locomotor activities.前面。机器人人工智能5,78。doi: 10.3389 / frobt.2018.00078
黄,H。,Zhang, F., Hargrove, L. J., Dou, Z., Rogers, D. R., and Englehart, K. B. (2011). Continuous locomotion-mode identification for prosthetic legs based on neuromuscular–mechanical fusion.IEEE反式。生物医学中。今年58岁,2867 - 2875。doi: 10.1109 / TBME.2011.2161671
黄。,黄,H。(2019). Voluntary control of residual antagonistic muscles in transtibial amputees: Reciprocal activation, coactivation, and implications for direct neural control of powered lower limb prostheses.IEEE反式。神经系统。康复中。27日,85 - 95。doi: 10.1109 / tnsre.2018.2885641
亨特,G。,Hood, S., and Lenzi, T. (2021). Stand-up, squat, lunge, and walk with a robotic knee and ankle prosthesis under shared neural control.IEEE j . Eng开放。地中海,杂志。2,267 - 277。doi: 10.1109 / OJEMB.2021.3104261
运动员,o . P。,Ilesanmi, A. E., Li, X., Samuel, O. W., Fang, P., and Li, G. (2021). An integrated deep learning model for motor intention recognition of multi-class EEG Signals in upper limb amputees.第一版。生物医学方法程序。206年,106121年。doi: 10.1016 / j.cmpb.2021.106121
英格拉,k。崔,H。,Gardinier, E. S., Remy, C. D., and Gates, D. H. (2018). Choosing appropriate prosthetic ankle work to reduce the metabolic cost of individuals with transtibial amputation.科学。代表。8,15303。doi: 10.1038 / s41598 - 018 - 33569 - 7
全,j . H。,Yang, H. S., Choi, P.-h., Ahn, E. J., Sim, W. S., Ahn, D. Y., et al. (2022). Microprocessor-controlled prostheses for a bilateral transtibial amputee with gait analysis and satisfaction: A 1-year followup case report.Int。j .包围。公共卫生》19日,8279年。数量:14出版商:多学科数字出版研究所。doi: 10.3390 / ijerph19148279
江,X。,Gholami, M., Khoshnam, M., Eng, J. J., and Menon, C. (2019). Estimation of ankle joint power during walking using two inertial sensors.传感器19日,2796年。数量:12出版者:多学科数字出版研究所。doi: 10.3390 / s19122796
Keemink, a q L。Brug, t . j . H。,van Asseldonk, E. H. F., Wu, A. R., and van der Kooij, H. (2021). Whole body center of mass feedback in a reflex-based neuromuscular model predicts ankle strategy during perturbed walking.IEEE反式。神经系统。康复中。29日,2521 - 2529。IEEE出版工程在医学和生物学的社会。doi: 10.1109 / TNSRE.2021.3131366
Keleş,a D。,Yucesoy, C. A. (2020). Development of a neural network based control algorithm for powered ankle prosthesis.j .生物力学113年,110087年。doi: 10.1016 / j.jbiomech.2020.110087
Khademi G。,Simon, D. (2021). Toward minimal-sensing locomotion mode recognition for a powered knee-ankle prosthesis.IEEE反式。生物医学。Eng。68年,967 - 979。会议名称:IEEE生物医学工程。doi: 10.1109 / TBME.2020.3016129
金米。,Collins, S. H. (2017). Step-to-Step ankle inversion/eversion torque modulation can reduce effort associated with balance.前面。Neurorobotics11日,62年。doi: 10.3389 / fnbot.2017.00062
金米。,Lyness, H., Chen, T., and Collins, S. H. (2020). The effects of prosthesis inversion/eversion stiffness on balance-related variability during level walking: A pilot study.j .生物力学Eng。142年,091011年。doi: 10.1115/1.4046881
郭,a D。,Levine, W. S., and Loeb, G. E. (1993). An optimal control model for analyzing human postural balance.
劳森,b, E。,米itchell, J., Truex, D., Shultz, A., Ledoux, E., and Goldfarb, M. (2014). A robotic leg prosthesis: Design, control, and implementation.IEEE机器人自动化杂志。21日,70 - 81。doi: 10.1109 / MRA.2014.2360303
李,J。,Hong, W., and Hur, P. (2021). Continuous gait phase estimation using LSTM for robotic transfemoral prosthesis across walking speeds.IEEE反式。神经系统。康复中。29日,1470 - 1477。会议名称:IEEE神经系统和康复工程。doi: 10.1109 / TNSRE.2021.3098689
Leestma, j·K。菲尔,k . H。,Adamczyk, P. G. (2021). Adapting semi-active prostheses to real-world movements: Sensing and controlling the dynamic mean ankle moment arm with a variable-stiffness foot on ramps and stairs.传感器21日,6009年。数量:18出版商:多学科数字出版研究所。doi: 10.3390 / s21186009
利文斯,D。,Durand, D. (2002). “Chronic implementation of the flat interface nerve electrode,” in第二个关节学报》24日年会的秋季年会生物医学工程学会][工程在医学和生物学,休斯顿,德克萨斯州,美国,2002年10月23日,2058 - 2059。doi: 10.1109 / IEMBS.2002.1053166
李,问。,Zhang, T., Li, G., Li, Z., Xia, H., and Su, C.-Y. (2021). Neural-dynamics optimization and repetitive learning control for robotic leg prostheses.IEEE / ASME反式。机电一体化1,811 - 822。doi: 10.1109 / TMECH.2021.3071936
李,Z。,Deng, J., Lu, R., Xu, Y., Bai, J., and Su, C.-Y. (2016). Trajectory-tracking control of mobile robot systems incorporating neural-dynamic optimized model predictive approach.IEEE反式。系统。男人,Cybern。系统。46岁,740 - 749。doi: 10.1109 / TSMC.2015.2465352
陆,N。,Li, T., Ren, X., and Miao, H. (2017). A deep learning scheme for motor imagery classification based on restricted Boltzmann machines.IEEE反式。神经系统。康复中。25日,566 - 576。会议名称:IEEE神经系统和康复工程。doi: 10.1109 / TNSRE.2016.2601240
并t P。,Brantley, J. A., Zhu, F., and Contreras-Vidal, J. L. (2017). “Cortical features of locomotion-mode transitions via non-invasive EEG,” in2017年IEEE国际会议系统,人,控制论(SMC),加拿大的班芙,AB,2017年10月05-08,2437 - 2441。doi: 10.1109 / SMC.2017.8122988
真理正义之神,B。,Smit, G., Plettenburg, D., and Breedveld, P. (2018). Passive prosthetic hands and tools: A literature review.假肢Orthot。Int。42岁,66 - 74。doi: 10.1177 / 0309364617691622
梅,一个。,Commuri, S. (2016). Intelligent control of a prosthetic ankle joint using gait recognition.控制中。Pract。49岁的1-13。doi: 10.1016 / j.conengprac.2016.01.004
麦当劳,c . L。,Westcott-McCoy, S., Weaver, M. R., Haagsma, J., and Kartin, D. (2021). Global prevalence of traumatic non-fatal limb amputation.假肢Orthot。Int。45岁,105 - 114。doi: 10.1177 / 0309364620972258
麦克法兰,d J。矿工,l。,Vaughan, T. M., and Wolpaw, J. R. (2000). Mu and beta rhythm topographies during motor imagery and actual movements.大脑Topogr。12日,177 - 186。doi: 10.1023 /: 1023437823106
麦格拉思,M。,Laszczak, P., Zahedi, S., and Moser, D. (2018). Microprocessor knees with ‘standing support’ and articulating, hydraulic ankles improve balance control and inter-limb loading during quiet standing.j .康复辅助抛光工艺。Eng。5、205566831879539。doi: 10.1177 / 2055668318795396
Mduzana, L . L。、Visagie年代。,米ji, G. (2018). Suitability of ‘guidelines for screening of prosthetic candidates: Lower limb’ for the eastern cape, south Africa: A qualitative study.南误判率。j . Physiother。74年,396年。doi: 10.4102 / sajp.v74i1.396
门德斯,J。罩,S。,Gunnel, A., and Lenzi, T. (2020). Powered knee and ankle prosthesis with indirect volitional swing control enables level-ground walking and crossing over obstacles.科学。机器人5,eaba6635。出版者:美国科学促进会。doi: 10.1126 / scirobotics.aba6635
孟,L。,Pang, J., Wang, Z., Xu, R., and Ming, D. (2021). The role of surface electromyography in data fusion with inertial sensors to enhance locomotion recognition and prediction.传感器(Switz巴塞尔。21日,6291年。doi: 10.3390 / s21186291
Merletti, R。,Farina, D. (2009). Analysis of intramuscular electromyogram signals.哲学反式。r . Soc。一个数学。理论物理。Eng。科学。367年,357 - 368。出版者:皇家社会。doi: 10.1098 / rsta.2008.0235
Mrazsko, h . X。,Dekarske, J. T., and Adamczyk, P. G. (2020). Design of a variable stiffness pneumatic ankle prosthesis with self-recharging for weightlifting exercise.j .医疗设备。14。doi: 10.1115/1.4047493
Nieveen, J。,Brinton, M., Warren, D. J., and Mathews, V. J. (2020). A nonlinear latching filter to remove jitter from movement estimates for prostheses.IEEE反式。神经系统。康复中。28日,2849 - 2858。IEEE出版工程在医学和生物学的社会。doi: 10.1109 / TNSRE.2020.3038706
奥基夫,B。,Rout, S. (2019). Prosthetic rehabilitation in the lower limb.印度j .塑料杂志。52岁,134 - 143。doi: 10.1055 / s - 0039 - 1687919
彭,F。,Wen, H., Zhang, C., Xu, B., Li, J., and Su, H. (2020a). Adaptive robust force position control for flexible active prosthetic knee using gait trajectory.达成。科学。10日,2755年。doi: 10.3390 / app10082755
彭,F。,Zhang, C., Xu, B., Li, J., Wang, Z., and Su, H. (2020b2020). Locomotion prediction for lower limb prostheses in complex environments via sEMG and inertial sensors.复杂性2020年,1 - 12。doi: 10.1155 / 2020/8810663
π,M。,李,Z。,李,问。,Kan, Z., Xu, C., Kang, Y., et al. (2020). Biologically inspired deadbeat control of robotic leg prostheses.IEEE / ASME反式。机电一体化25日,2733 - 2742。会议名称:IEEE / ASME举办。doi: 10.1109 / TMECH.2020.2990406
Raspopovic, S。山谷,G。,Petrini, F. M. (2021). Sensory feedback for limb prostheses in amputees.Nat。板牙。20岁,925 - 939。doi: 10.1038 / s41563 - 021 - 00966 - 9
Redkar, S。,Bhat, G. S. (2018). Volitional control of an active prosthetic ankle: A survey.机器人自动化Int。J。4,380 - 388。doi: 10.15406 / iratj.2018.04.00153
罗德里格斯,f . B。,de Sá e Souza, G. S., de Mendonça Mesquita, E., de Sousa Gomide, R., Baptista, R. R., Pereira, A. A., et al. (2021). Margins of stability of persons with transtibial or transfemoral amputations walking on sloped surfaces.j .生物力学123年,110453年。doi: 10.1016 / j.jbiomech.2021.110453
劳斯·e·J。,Villagaray-Carski, N. C., Emerson, R. W., and Herr, H. M. (2015). Design and testing of a bionic dancing prosthesis.《公共科学图书馆•综合》10,e0135148。doi: 10.1371 / journal.pone.0135148
Ruhunage,我。,米allikarachchi, S., Chinthaka, D., Sandaruwan, J., and Lalitharatne, T. D. (2019). “Hybrid EEG-EMG signals based approach for control of hand motions of a transhumeral prosthesis,” in2019年IEEE 1日全球生命科学与技术会议(LifeTech),日本大阪,2019年3月12 - 14(IEEE),50-53。doi: 10.1109 / LifeTech.2019.8883865
Sattar: Y。、Kausar Z。,Usama, S. A., Farooq, U., and Khan, U. S. (2021). EMG based control of transhumeral prosthesis using machine learning algorithms.Int。j .控制自动化系统。19日,3522 - 3532。doi: 10.1007 / s12555 - 019 - 1058 - 5
Shafiul哈桑,s M。、Siddiquee m R。阿特,R。,Ramon, R., Marquez, J. S., and Bai, O. (2020). Prediction of gait intention from pre-movement EEG signals: A feasibility study.j .神经工程学康复17日,50。doi: 10.1186 / s12984 - 020 - 00675 - 5
施,S。,Leineweber, M. J., and Andrysek, J. (2019). Exploring the tactor configurations of vibrotactile feedback systems for use in lower-limb Prostheses1.j .振动器Acoust。141年。doi: 10.1115/1.4043610
舒尔茨,a . H。,劳森,b, E。,Goldfarb, M. (2015). Walking on uneven terrain with a powered ankle prosthesis: A preliminary assessment.为基础。Int, IEEE Eng相依。地中海,杂志。Soc。2015年,5299 - 5302。doi: 10.1109 / EMBC.2015.7319587
斯莱德,P。,Habib, A., Hicks, J. L., and Delp, S. L. (2021). An open-source and wearable system for measuring 3D human motion in real-time. Pages: 2021.03.24.436725 Section: New Results. doi:10.1101/2021.03.24.436725
歌,S。,Kidzinski, t., Peng, X. B., Ong, C., Hicks, J., Levine, S., et al. (2021). Deep reinforcement learning for modeling human locomotion control in neuromechanical simulation.j .神经工程学康复18日,126年。doi: 10.1186 / s12984 - 021 - 00919 - y
Srinivasan, S。Tuckute, G。邹,J。,Gutierrez-Arango, S., Song, H., Barry, R. L., et al. (2020). Agonist-antagonist myoneural interface amputation preserves proprioceptive sensorimotor neurophysiology in lower limbs.科学。Transl。地中海。12,eabc5926。doi: 10.1126 / scitranslmed.abc5926
苏,B.-Y。,Wang, J., Liu, S.-Q., Sheng, M., Jiang, J., and Xiang, K. (2019). A CNN-based method for intent recognition using inertial measurement units and intelligent lower limb prosthesis.IEEE反式。神经系统。康复中。27日,1032 - 1042。IEEE出版工程在医学和生物学的社会。doi: 10.1109 / TNSRE.2019.2909585
吃晚饭,F。,Bohara, A., and Goldfarb, M. (2008). Design and control of a powered transfemoral prosthesis.Int。j .机器人Res。27日,263 - 273。doi: 10.1177 / 0278364907084588
Sutawika, e . B。,Indrawanto, I., Ferryanto, F., Mihradi, S., and Mahyuddin, A. I. (2021). Redesign of a biomechanical energy regeneration-based robotic ankle prosthesis using Indonesian gait data.j·英格。抛光工艺。科学。210406年53岁。doi: 10.5614 / j.eng.technol.sci.2021.53.4.6
高桥,k . Z。霍恩,j . R。,Stanhope, S. J. (2015). Comparison of mechanical energy profiles of passive and active below-knee prostheses: A case study.假肢Orthot。Int。39岁,150 - 156。doi: 10.1177 / 0309364613513298
Toledo-Perez, d . C。,米artínez-Prado, M. A., Gómez-Loenzo, R. A., Paredes-García, W. J., and Rodríguez-Reséndiz, J. (2019). A study of movement classification of the lower limb based on up to 4-EMG channels.电子产品8,259。数量:3出版者:多学科数字出版研究所。doi: 10.3390 / electronics8030259
塔克·m·R。奥利弗,J。由此,。,Bleuler, H., Bouri, M., Lambercy, O., et al. (2015). Control strategies for active lower extremity prosthetics and orthotics: A review.j .神经工程学康复12日,1。doi: 10.1186 / 1743-0003-12-1
Twardowski, m D。罗伊,s . H。李,Z。,Contessa, P., De Luca, G., and Kline, J. C. (2019). Motor unit drive: A neural interface for real-time upper limb prosthetic control.j .神经Eng。16日,016012年。1741 - 2552 . doi: 10.1088 / / aaeb0f
王,Y。,Cheng, X., Jabban, L., Sui, X., and Zhang, D. (2022). Motion intention prediction and joint trajectories generation toward lower limb prostheses using EMG and IMU signals.IEEE传感器J。22日,10719 - 10729。会议名称:IEEE传感器杂志。doi: 10.1109 / JSEN.2022.3167686
威尔克,c·G。赵,v . L。,Voloshina, A. S., Collins, S. H., and Okamura, A. M. (2021). Teleoperation of an ankle-foot prosthesis with a wrist exoskeleton.IEEE反式。生物医学。Eng。68年,1714 - 1725。会议名称:IEEE生物医学工程。doi: 10.1109 / TBME.2020.3046357
惠特莫尔,m . W。,Hargrove, L. J., and Perreault, E. J. (2016). Gait characteristics when walking on different slippery walkways.IEEE反式。生物医学中。63年,228 - 239。doi: 10.1109 / TBME.2015.2497659
Widhiada, W。,Nindhia, T. G. T., Widiyarta, I. M., and Budiarsa, I. N. (2020). Control of bionic robot leg performance with proportional integral and derivative controller.Int。j .机甲。Eng。机器人Res。9日,1447 - 1450。doi: 10.18178 / ijmerr.9.10.1447 - 1450
Windrich, M。,Grimmer, M., Christ, O., Rinderknecht, S., and Beckerle, P. (2016). Active lower limb prosthetics: A systematic review of design issues and solutions.生物医学。Eng。在线15日,140年。doi: 10.1186 / s12938 - 016 - 0284 - 9
Wriessnegger, s . C。Brunner, C。,米üller-Putz, G. R. (2018). Frequency specific cortical dynamics during motor imagery are influenced by prior physical activity.前面。Psychol。9日,1976年。doi: 10.3389 / fpsyg.2018.01976
谢,H。,李,Z。,Li, F. (2020). Bionics design of artificial leg and experimental modeling research of pneumatic artificial muscles.j .机器人2020年1 - 11。doi: 10.1155 / 2020/3481056
秀,H。,Han, Y., Wang, X., Zhang, Y., Liang, W., Wei, G., et al. (2022). Design, development, and clinical validation of a two degrees of freedom compliant ankle-foot prosthesis based on a 4-4r parallel mechanism.动力机械。马赫。理论172年,104818年。doi: 10.1016 / j.mechmachtheory.2022.104818
徐,X。,徐,X。,Liu, Y., Zhong, K., and Zhang, H. (2021). Design of bionic active–passive hybrid-driven prosthesis based on gait analysis and simulation of compound control method.生物医学。Eng。在线20日,126年。doi: 10.1186 / s12938 - 021 - 00962 - 9
Yokoyama H。金子,N。,Watanabe, K., and Nakazawa, K. (2021). Neural decoding of gait phases during motor imagery and improvement of the decoding accuracy by concurrent action observation.j .神经Eng。18日,046099年。1741 - 2552 . doi: 10.1088 / / ac07bd
Yu, W。,米a, W., Feng, Y., Wang, R., Madani, K., and Sabourin, C. (2017). Generating human-like velocity-adapted jumping gait from sEMG signals for bionic leg’s control.j .传感器2017年,e7360953。出版者:Hindawi。doi: 10.1155 / 2017/7360953
Zagoya-Lopez, J。,Zúñiga-Avilés, L. A., Vilchis-González, A. H., and Ávila Vilchis, J. C. (2021). Foot/ankle prostheses design approach based on scientometric and patentometric analyses.达成。科学。11日,5591年。doi: 10.3390 / app11125591
张,K。,Xiong, C., Zhang, W., Liu, H., Lai, D., Rong, Y., et al. (2019). Environmental features recognition for lower limb prostheses toward predictive walking.IEEE反式。神经系统。康复中。27日,465 - 476。doi: 10.1109 / TNSRE.2019.2895221
关键词:动力假肢、复杂系统、human-prosthetic交互控制系统,人工智能,下肢截肢,创新教育,高等教育
引用:Dominguez-Ruiz, Lopez-Caudana EO, Lugo-Gonzalez E, Espinosa-Garcia FJ, Ambrocio-Delgado R,加西亚UD, Lopez-Gutierrez R, Alfaro-Ponce M和庞塞P(2023)低假肢和复杂的人工假体交互:一个系统的文献回顾。前面。机器人。人工智能10:1032748。doi: 10.3389 / frobt.2023.1032748
收到:2022年8月31日;接受:2023年1月11日;
发表:2023年2月13日。
编辑:
Nitin沙玛美国北卡州立大学版权©2023 Dominguez-Ruiz、Lopez-Caudana Lugo-Gonzalez、Espinosa-Garcia Ambrocio-Delgado,加西亚,Lopez-Gutierrez, Alfaro-Ponce和男妓。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:佩德罗•男妓pedro.ponce@tec.mx