Введение

1 Принципы построения и тенденции развития биотехнических систем с
робототехническими устройствами для реабилитации постинсультных и
посттравматических больных

1.1 Робототехнические устройства для нейрореабилитации

1.1.1 Роботизированная нейрореабилитация верхней конечности

1.1.2 Роботизированная нейрореабилитация нижних конечностей

1.2 Современные тенденции роботизированной нейрореабилитации

1.3 Мультимодальная оценка восстановления

1.4 Цели и задачи исследования

2 Методы декодирования электрофизиологических сигналов двигательных
единиц в системах управления экзоскелетами с виртуальной реальностью

2.1 Основные подходы к реабилитации постинсультных больных

2.2 Метод дешифрации электромиосигналов и устройство для его
реализации

2.3 Пример осуществления технического решения в биотехнической
системе реабилитации с управлением вертикализацией на основе дешифрации
электромиосигнала

2.4 Выводы второго раздела

3 Разработка методов и моделей для биотехнических систем
реабилитационного типа для восстановления двигательных функций

3.1 Обобщённая схема реабилитации для восстановления двигательных
функций

3.2 Система управления экзоскелетом
3.3 Методы и средства определения мышечной силы и мышечной усталости
и устройства для их реализации

3.4 Выводы третьего раздела

4 Эксперименты по определению эффективности биотехнической системы
реабилитации с модулем нечеткого управления

4.1 Математические модели планирования процедур реабилитации с
использованием биологической обратной связи

4.2 Методическое, техническое и медицинское обеспечение
реабилитационных процедур посредством биотехнической системы с модулем
нечеткого управления

4.2.1 Аппаратное и программное обеспечение биотехнической системы

4.2.2 Методика прогнозирования эффективности реабилитационных
процедур

4.2.3 Формирование экспериментальных и контрольных групп для оценки
эффективности реабилитации посредством биотехнической системы с модулем
нечеткого управления

4.3 Оценка эффективности реабилитации посредством биотехнической
системы с модулем нечеткого управления

4.3.1 Результаты реабилитации для подострых пациентов

4.3.2 Результаты тренинга для хронических пациентов

4.4 Выводы четвертого раздела

Заключение

Список сокращений и условных обозначений

Список литературы

Во введении обосновывается актуальность темы, определяются цель и
задачи исследования, научная новизна и практическая значимость работы.
В первом разделе рассмотрены принципы построения и тенденции
развития биотехнических систем с роботизированными устройствами для
реабилитации постинсультных и посттравматических больных. Показано,
что используемые в настоящее время биотехнические системы
реабилитационного типа с робототехническими устройствами позволяют
существенно повысить эффективность этого процесса. Выполненный
аналитический обзор показал, что, несмотря на многочисленные
исследования в области использования робототехнических устройств в
процессе реабилитации лиц с ограниченными возможностями здоровья,
достижения в этой области не удовлетворяют практикующих специалистов.
Характерным недостаткам известных методов и моделей реабилитации
является отсутствие контроля влияния процесса реабилитации на текущее
функциональное состояние пациента. Показано, что для повышения
эффективности реабилитационного процесса необходимы биотехнические и
биологические обратные связи, позволяющие адаптировать программу
реабилитации к текущему функциональному состоянию пациента.
В заключение первого раздела формируются цель и задачи
исследования.
Второй раздел посвящен разработке методов декодирования
электрофизиологических сигналов двигательных единиц в системах
управления экзоскелетами с виртуальной реальностью.
Разработан метод дешифрации электромиосигналов, заключающийся в
получении, по меньшей мере, одного ЭМГ сигнал пациента посредством
миоэлектрического устройства считывания; обработку, по меньшей мере,
одного ЭМГ-сигнала пациента посредством пошаговой сегментации ЭМГ-
сигнала на пересекающиеся или на не пересекающиеся окна; формирования
для каждого сегмента, полученного на предыдущем шаге, набора признаков
ЭМГ-сигнала (вектора информативных признаков); передаче набора
признаков ЭМГ-сигнала каждого сегмента по каналу передачи данных на
классификатор,осуществляющийуправлениеконтроллером
серводвигателей, который выполнен в виде обучаемой нейронной сети;
отличающийся тем, что формирование вектора информативных признаков
для нейронной сети осуществляют посредством многоуровневого
компаратора, число уровней которого определяется размерностью вектора
информативных признаков, определяемых путем усреднения выходов
компараторов в скользящем окне, а в классификаторе используется вторая
нейронная сеть, предназначенная для обобщения данных, получаемых при
классификации вектора информативных признаков текущего окна, число
входов которой определяется числом окон ЭМГ, используемых при
принятиирешенияовключении/выключениисоответствующего
серводвигателя.
Впредлагаемыйметоддешифрацииэлектромиосигналов,
позволяющий минимизировать ошибки при позиционировании экзоскелета,
состоит из следующих этапов:
– получение, по меньшей мере, одного ЭМГ сигнала пациента
посредством миоэлектрического устройства считывания;
– обработка, по меньшей мере, одного ЭМГ-сигнала пациента
посредством сегментации ЭМГ-сигнала на пересекающиеся или на не
пересекающиеся окна;
– формирование для каждого сегмента, полученного на предыдущем
шаге, набора признаков ЭМГ-сигнала (вектора информативных признаков)
посредством многоуровневого компаратора, число уровней которого
определяется размерностью вектора информативных признаков, а
компоненты вектора информативных признаков вычисляются согласно
выражению

1 TW
FDi = y ,
TW  1
(1)

где TW-ширина окна в отсчетах,
i – й номер уровня компаратора, i  1,N ;
τ-номер отсчета в i-м окне;


1, еслиxτ   i ;
y  (2)

0, еслиxτ   i ;

Θi – величина i-го порога;

– передача набора признаков ЭМГ-сигнала каждого сегмента по каналу
передачи данных на обучаемый классификатор, выполненный в виде
нейроннойсети,осуществляющийуправлениеконтроллером
серводвигателей, в котором используется вторая НС, предназначенная для
обобщенияданных,получаемыхприклассификациивектора
информативных признаков текущего окна, число входов которой
определяется числом окон ЭМГ-сигнала, используемых при принятии
решения о включении/выключении соответствующего серводвигателя.
Структурная схема дешифратора электромиосигналов для одного
канала ЭМГ, которая реализована в бортовом процессоре на аппаратно-
программном уровне, представлена на рисунке 1.
Сущность метода заключается в сегментации текущего сигнала ЭМГ
на пересекающиеся или не пересекающиеся окна шириной TW с
последующим формированием из отсчетов каждого окна информативного
признака FD. С этой целью осуществляют переход от текущего дискретного
отсчета ЭМГ xτ к отсчету yτ, получаемому путем сравнения текущего отсчета
с порогом Θ и вычисляемому согласно выражению (2.2). На основе отсчетов
(2.2) вычисляют информативный признак в окне TW по формуле (2.1).
С целью адаптации процесса вертикализации к ФС пациента, в
дешифраторе используются множество дублирующих каналов ЭМГ-
сигналов, связанных с мышцей или группами мышц, контролирующих
движение одного и того же сустава конечностей, в результате чего на выходе
классификатора каждого канала получаем число, соответствующее
уверенности в команде на вращение серводвигателя экзоскелета, а для
агрегации решений по каналам классификаторов все выходы
классификаторов каналов поступают на нечеткую нейронную сеть,
дефуззификатор которой формирует управляющий сигнал на контроллер
серводвигателя, в результате анализа которого контроллер определяет
скорость и направление вращения.

БлокБлокМультиплексорNET1
ЭМГкомпараторов.вычислений.7.8
…
5.6..

Блок памятиNET2Контроллер
9.10.11.
…К СД
…

E1
E2

Синхронизатор
Рисунок 1– Структурная схема классификатора для одного канала
электромиограммы

Устройство управления серводвигателями экзоскелета содержит
последовательно соединенные миоэлектродное устройство считывания, блок
обработкиЭМГ-сигнала,бортовойпроцессор,осуществляющий
дешифрациюэлектромиосигналовпосредствомнейросетевого
классификатора, и контроллер серводвигателей, отличающееся тем, что
дешифратор электромиосигналов включает последовательно соединенные
блок компараторов, блок вычисления информативных признаков,
мультиплексор, первую нейронную сеть, блок памяти и вторую нейронную
сеть, выходы которой предназначены для подключения к контроллеру
серводвигателей, и синхронизатор, выходом подключенный к входам
управления мультиплексора, блока памяти и контроллера серводвигателей.
В устройство введены дополнительные каналы, каждый из которых является
классификатором ЭМГ-сигнала, связанного с определенной мышцей или
группой мышц, контролирующих движение одного и того же сустава
конечностей, и третья нейронная сеть, входами подключенная к выходам
канальных классификаторов, а выходом – к контроллеру серводвигателей.
Разработан классификатор электромиосигналов, отличающийся
использованием множества дублирующих каналов ЭМГ-сигналов,
связанных с мышцей или группами мышц, контролирующих движение
одного и того же сустава конечностей, в результате чего на выходе
классификатора каждого канала получаем число, соответствующее
уверенности в команде на вращение серводвигателя экзоскелета, все выходы
классификаторов каналов поступают на нечеткую нейронную сеть,
дефуззификатор которой формирует управляющий сигнал на контроллер
серводвигателя, в результате анализа которого контроллер определяет
скорость и направление вращения. При этом по желанию ЛПР при
классификации ЭМГ-сигнала на каждом шаге принятия решений данные с
первой нейронной сети обновляются полностью, или обновляется только тот
выход нейронной сети, который пришел первым, а все остальные
компоненты вектора информативных признаков второй нейронной сети
сдвигаются на один шаг.
В ходе работы написано программное приложение, способное
управлять экзоскелетом при помощи анализа кодовых образов ЭЭГ. Его
применение позволило сделать вывод, что предложенный метод может быть
альтернативой ИМК, использующих довольно длительное обучение по
биологической обратной связи, обеспечивает формирование дискретных
управляющих команд и требует минимального времени обучения при
достаточно высокой производительности.
В третьем разделе осуществлена разработка методов и моделей для
биотехнических систем реабилитационного типа для восстановления
двигательных функций.
Предложена структурно-функциональная модель биотехнической
системы, предназначенной для реабилитации пациентов с нарушениями ДФ.
Структурно-функциональная модель включает пациента, экзоскелет,
систему управления экзоскелетом и блок виртуальной реальности. Модель
отличается наличием комбинированных обратных связей, включающих
биотехнические обратные связи, позволяющие осуществлять интерактивное
управление звеньями экзоскелета, и биологические обратные связи,
позволяющие связать программы реабилитации и функциональные системы
пациента.
Разработанаструктурно-функциональнаямодельуправления
экзоскелетом в режиме «встать-сесть», предназначенная для биотехнической
системы реабилитации постинсультных больных, включающая три модуля
нечѐткого управления, первый из которых предназначен для реабилитации
пациентов, у которых сигналы ЦНС не походят на двигательные единицы
(БОС не используется), второй режим предполагает тренинг, посредством
виртуальной реальности, и третий режим предполагает работу экзоскелета в
качестве ассистента при наличии мышечной усталости.
Структурная схема БТС реабилитации в режиме «встать-сесть»
представлена на рисунке 2. Для управления экзоскелетом в режиме «встать-
сесть» используется три модуля нечѐткого управления (МНУ), активация
каждого из которых определяется программой реабилитации. Каждый МНУ
соответствует определѐнной программе реабилитации.

Экзоскелет
БортовойКинематические
компьютерПриводзвеньяПациент
МНУ1

Датчик высотыДатчик
dH/dtцентра тяжестиЭМГ
МНУ2H

RMSДатчик
orЭЭГ
МНУ3MAV

Блок активацииДешифра
нечѐткихтор ЭЭГСтимул
контроллеров

Рисунок 2 – Структурная схема биотехнической системы реабилитации в
режиме «встать-сесть»

Разработан комплект алгоритмов для модулей нечеткого управления,
предназначенных для управления процессом реабилитации постинсультных
больных, включающий три автономных структурно-функционально
связанных алгоритма, предназначенных для осуществления трех режимов
реабилитации, позволяющий адаптировать программу реабилитации к
функциональному состоянию пациента.
Разработана база знаний нечѐтких решающих правил для модуля
нечѐткого управления, структурированная согласно комплекту алгоритмов
модуля нечеткого управления, позволяющая формировать управляющие
сигналы на серводвигатели экзоскелета в трех режимах работы модуля
нечеткого управления.
Разработан метод оценки мышечной усталости, заключающийся в
получении двух электромиосигналов пациента с мышц-синергистов,
принимающих участие в реабилитационной процедуре, получении двух
паттернов мышечной синергии и последующей их классификации для
формирования управляющих команд серводвигателей экзоскелета,
отличающийся тем, что паттерны мышечной синергии формируются
посредством образования в каждом канале электромиосигнала частотного и
амплитудного подканалов и определения показателя корреляции сигналов в
частотных подканалах всех каналов электромиосигналов и показателя
корреляции сигналов в амплитудных подканалах всех каналов
электромиосигналов, и классификацией полученных паттернов синергии
посредством блока нечеткого логического вывода, по результатам которой
принимается решение о включении соответствующих серводвигателей
экзоскелета с целью оказания помощи пациенту при выполнении
реабилитационной процедуры.
Сущность метода заключается в получении двух паттернов мышечной
синергии и их анализа, с последующей передачей результатов анализа в
бортовой процессор экзоскелета. Устройство, реализующее этот метод,
состоит из, не менее двух, миоэлектронных устройств считывания, и
последовательно соединенных микроЭВМ, аналоговыми входами
подключенной к выходам миоэлектронных устройств считывания, адаптера
Bluetooth, адаптера Bluetooth, ЭВМ и бортового процессора экзоскелета.
В результате амплитудного и частотного детектирования канальных
ЭМГ в блоках миоэлектронного считывания, образуются четыре подканала,
сигналы в которых оцифровываются в микроЭВМ и через Bluetooth
передаются в ЭВМ, в которой осуществляется их программная обработка в
блоке нечеткого логического вывода, структурно-функциональная схема
которого представлена на рисунке 3.
Цифровые сигналы xa1[ti] и xa2[ti] с подканалов амплитудных
детекторов миоэлектронных устройств считывания 1 и 2 и цифровые
сигналы xч1[ti] и xч2[ti] с подканалов частотных детекторов миоэлектронных
устройств считывания 1 и 2 поступают на соответствующие входы блока
корреляционных детекторов 17 блока нечеткого логического вывода 16,
включающего умножители 18 и 19 и фильтры скользящего среднего 20 и 21.
В результате на выходе блока корреляционных детекторов формируются два
паттерна сигналов синергии

1 n N 1
y1[t n ] 
N i n
xa1[ti ]  xa 2 [ti ] ,(3)

1 n N 1
y2 [t n ] 
N i n
xч1[ti ]  xч 2 [ti ] ,(4)

где N-ширина окна фильтров скользящего среднего 20, 21, n – текущий
отсчет времени, i-апостериорные отсчеты времени.
Блок нечѐткого логического вывода16
Блок корреляционных
детекторов17

xa1[ti]
XФСС
xa2[ti]1820
База
БлокнечѐткихДефуззи-Z
фуззифи-решающихфикатор
xч1[ti]каторовправил24
XФСС2223
xч2[ti]1921

Рисунок 3 – Структурная схема блока нечѐткого логического вывода

Два паттерна сигналов синергии поступают на вход фуззификатора,
где они преобразуются, согласно нелинейным преобразованиям (функциям
принадлежности). Число преобразований определяется числом нечетких
термов для паттернов синергии.
Таким образом, разработанный метод позволяет управлять
механическими моментами на серводвигателях экзоскелета адекватно
тестовой мышечной нагрузки и функционального состояния мышц
оператора. Метод позволяет осуществлять индивидуальную настройку блока
нечеткого логического вывода и оптимизировать комбинированный режим
работы экзоскелета.
В четвертом разделе описаны эксперименты по определению
эффективности биотехнической системы реабилитации с модулем нечеткого
управления. Для проведения экспериментальных исследований разработана
структурная схема реабилитационной биотехнической системы с виртуальной
реальностью, позволяющая модулю нечеткого управления осуществлять
биологическую обратную связь путем сопоставления стимулирующих
сигналов виртуальной реальности, электроэнцефалографических сигналов и
электромиосигналов.
Предложена рекурсивная математическая модель планирования
процедур реабилитации с использованием биологической обратной связи,
основанная на понятии функций «обучения» и «забывания», позволяющая
планировать сеансы тренинга и прогнозировать их результаты.
Разработано аппаратное и программное обеспечение биотехничекой
системы реабилитации постинсультных больных с модулем нечеткого
управленияэкзоскелетом,позволяющееадаптировать программу
реабилитации постинсультных больных с функциональным состоянием
конкретного пациента.
Разработано программное обеспечение, реализующее методику
прогнозированияэффективностиреабилитационныхпроцедури
позволяющее выбрать интервал между окончанием текущего курса и
началом следующего с предсказанием базового уровня РФП.
Сформирована экспериментальная группа для оценки эффективности
БТС-тренинга постинсультных больных с паретичными нижними
конечностями. Контрольная группа формировалась виртуально на основе
статистического анализа ретроспективных стратифицированных результатов
реабилитации постинсультных больных посредством биотехнической
системы с робототехническим устройством без использования модуля
нечеткого управления.
На рисунке 4 показаны усредненные по группам сила реакции опоры
до курса тренировок в экзоскелете и после тренировок в экспериментальной
и контрольной группах. На паретичной ноге до тренировок среднее значение
составляло только 60% от веса тела при норме 110. После курса тренировок
в экзоскелете (два верхних графика) величины сил реакции выросла, что
можно наблюдать по усредненным графикам до и после курса. В целом
ходьба стала более энергичной и симметричной, о чем свидетельствуют
увеличенные реакции опоры 1, 3 по сравнению с кривыми до курса 2.
Процент массы тела vs время: 3-box gait
100
Масса тела, %
0,00,20,40,60,81
Время, с

Рисунок 4 – Усредненные силы реакции опоры паретичной ноги
(линия 2) и после (линия 1 – без использования адаптационных механизмов,
3 с использованием модуля нечеткого управления) курса реабилитации в
экзоскелете
После курса тренировки отмечается значительное увеличение
максимумов кривой Rz на пораженной ноге в экспериментальной группе по
отношению к контрольной группе. Соответственно, амплитуда переднего
толчка в экспериментальной группе возрастает на 62% (120%), заднего
толчка – на 58% (115%), в то время как в контрольной группе прирост
амплитуды составляет соответственно 40% (101%) и 41% (105%). При этом
на паретичной ноге возникают отчетливые максимумы составляющей
опорной реакции Rz. Однако форма кривой реакции опоры на левой ноге
еще требует корректировки, поскольку не имеет отчетливой двугорбой
формы.
Одиннадцать хронических пациентов были обследованы в t0, t1 и t2.
Пациенты с хроническим инсультом не так положительно реагируют на
БТС-тренинг, как пациенты в подострой форме. В нашем исследовании
статистическое улучшение функциональных способностей наблюдалось и у
пациентов с подострым, и у пациентов с хроническим инсультом.
Результаты тренинга для хронических пациентов показали
значительное увеличение максимумов кривой Rz на пораженной ноге в
экспериментальной группе по отношению к контрольной группе.
Соответственно, амплитуда переднего толчка в экспериментальной группе
возрастает на 56% (120%), заднего толчка – на 52% (115%), в то время как в
контрольной группе прирост амплитуды составляет соответственно 40%
(101%) и 45% (105%). При этом на паретичной ноге возникают отчетливые
максимумы составляющей опорной реакции Rz. Данная кривая приобретает
двугорбую форму, практически исчезает динамическая асимметрия.
Последнее означает, что фактически невозможно определить по
динамическим параметрам, какая нижняя конечность является более
пораженной.
Таким образом, исследование показало, что можно изменить
показатели клинического исхода у пациентов с подострым и хроническим
течением инсульта после 12 сеансов БТС-тренинга. Биотехническая система
с нечетким управлением робототехническим устройством позволяет
осуществлять индивидуальную стратегию реабилитации постинсультных
больных (включая целенаправленную тренировку ходьбы).

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ
В диссертационной работе получены следующие основные результаты.
1. Проведен анализ методов и средств нейрореабилитации
постинсультных больных в биотехнических системах, который показал, что
повышение эффективности использования робототехнических устройств в
реабилитационныхпроцедурахтребуетадаптацииуправления
робототехническим устройством к функциональному состоянию пациента.
2. Разработан метод дешифрации электромиосигналов, позволяющий
адаптировать систему управления робототехнического реабилитационного
устройства к функциональному состоянию пациента.
3. Предложена структурно-функциональная модель биотехнической
системы, предназначенной для реабилитации пациентов с нарушениями
двигательных функций. Структурно-функциональная модель включает
пациента, экзоскелет, систему управления экзоскелетом и блок виртуальной
реальности. Модель включает биотехнические обратные связи, позволяющие
осуществлять интерактивное управление звеньями экзоскелета, и
биологические обратные связи, позволяющие связать программы
реабилитации и функциональные системы пациента.
4. Разработана структурно-функциональная модель управления
экзоскелетом в режиме «встать-сесть», предназначенная для биотехнической
системы реабилитации постинсультных больных, включающая три модуля
нечѐткого управления, первый из которых предназначен для реабилитации
пациентов, у которых сигналы ЦНС не походят на двигательные единицы
(БОС не используется), второй режим предполагает тренинг, посредством
виртуальной реальности, и третий режим предполагает работу экзоскелета в
качестве ассистента при наличии мышечной усталости.
5. Разработаны комплект алгоритмов и базы знаний нечетких
решающих правил для модулей нечеткого управления, предназначенных для
управления процессом реабилитации постинсультных больных, и
позволяющие адаптировать программу реабилитации к функциональному
состоянию пациента.
6. Разработаны методы и алгоритмы вычисления мышечной силы и
мышечной усталости по результатам анализа электромиосигналов,
позволяющие осуществлять адаптивное управления серводвигателями
робототехнического устройства биотехнической системы и поддерживать
моменты на соответствующих звеньях робототехнического устройства в
соответствии с мышечным тонусом пациента.
7. Проведена апробация предложенных методов, моделей и алгоритмов
для биотенической системы реабилитации постинсультных больных, которая
показала, что предложенные в диссертационной работе технические и
алгоритмические решения по адаптации процедуры реабилитации и
функционального состояния пациента позволяют повысить эффективность
реабилитации по критерию максимумов составляющей опорной реакции Rz,
как для подострых, так и для хронических постинсультных больных, до 20%
по отношению к контрольной группы пациентов, при реабилитации которых
не использовалось адаптивное управление робототехническим устройством.
Рекомендации. Результаты исследования могут быть использованы для
построения биотехнических систем с робототехническими устройствами при
реабилитации пациентов с разной степенью нарушения двигательных
функций.
Перспективыдальнейшейразработкитемы.Разработка
биотехнических систем реабилитации лиц с ограниченными возможностями
здоровья, позволяющих контролировать функциональное состояние
пациента и корректировать процедуру реабилитации в соответствии с его
динамикой.
СПИСОК НАУЧНЫХ РАБОТ,
ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

Актуальность работы. Моторная и сенсорная потеря или дисфункция,
вызванные травмами головного мозга или неврологическими расстройствами,
серьезно влияют на качество жизни и могут привести к неспособности выполнять
простые повседневные дела. Эти нарушения также могут влиять на нижнюю
конечность, нарушая, с разной степенью тяжести, сенсомоторные стратегии,
используемые мозгом во время походки и контроля равновесия. При этом
реабилитационные процедуры только примерно у 70% больных дают
восстановление двигательных функций, достаточное для самостоятельного
обеспечения их повседневных жизненных потребностей, остальные больные
требуют постоянного ухода.
Одним из высокотехнологичных способов реабилитации нарушений
двигательных функций является вертикализация, то есть переход из положения
«сидя» в положение «стоя», с помощью экзоскелета. Клиническое применение
вертикализации доказало высокую эффективность в проведении
реабилитационной терапии при самых различных неврологических нарушениях.
При реабилитации целесообразен комбинированный режим управления
экзоскелетом, при котором последний выступает в качестве ассистента
(помощника). В этом случае необходима информация о состоянии пациента,
которая бы позволила определить размер необходимой ему помощи при
выполнении тестовых движений. Эта информация позволит управлять
серводвигателями экзоскелета по командам, получаемым по результатам
декодирования потенциалов двигательных единиц (ДЕ) – электромиографических
сигналов (ЭМС). Таким образом, адаптация реабилитирующего экзоскелета к
функциональному состоянию пациента посредством анализа и декодирования
поверхностных ЭМС является актуальной и важной для практики задачей.
Степень разработанности темы исследования. В последние десятилетия
были разработаны инновационные роботизированные технологии, призванные
эффективно помогать врачам в процессе нейрореабилитации. Тем не менее,
большинство исследований в этой области было сосредоточено больше на
разработке устройств, тогда как меньше усилий было направлено на
максимизацию их эффективности для ускорения выздоровления.
Для повышения эффективности реабилитационных процедур используются
дешифраторы сигналов центральной нервной системы (ЦНС), наиболее
доступными из которых являются поверхностные ЭМС. Распознавание типа
движения по ЭМС позволяет построить адаптивную системы управления
экзоскелетом. Для стимуляции ЭМС создается стимулирующая виртуальная
реальность (VR), которая возбуждает моторные нейроны, которые, в свою
очередь, стимулируют потенциалы ДЕ мышц, адаптируемых к данной VR. Для
этого создают базу данных тестовых движений (клиповых движений) и
соответствующих им сигналов потенциалов ДЕ.
По данным исследований, для классификации ЭМС применяются
различные способы кодирования: спектральные коэффициенты, коэффициенты
авторегрессии, вейвлет-коэффициенты. Однако, учитывая временные
ограничения на дешифрацию команды, предпочтения отдают способам
кодирования ЭМС во временной области на основе анализа амплитуд сигналов. В
качестве признаков используют следующие величины во временной области,
измеренные как функции времени: интегральная ЭМГ; среднее арифметическое;
среднее значение модуля; конечные разности; сумма элементарных площадей;
дисперсия; среднеквадратичное отклонение; длина сигнала; максимальное
значение ЭМГ-сигнала.
Основным требованием к медицинским экзоскелетам со стороны
медицинского персонала является возможность их адаптации к конкретному
пациенту. Однако на сегодняшний день нет эффективных алгоритмов,
обеспечивающих адаптивное управление экзоскелетом в процессе
вертикализации, поэтому вопросы адаптации системы управления экзоскелетом к
пациенту требуют дальнейших исследований.
Таким образом, научно-технической задачей исследования является
разработка биотехнической системы с робототехническим устройством с
биотехническими и биологическими обратными связями для реабилитации
постинсультных больных.

Цель работы. Повышение качества нейрофизиологической реабилитации
постинсультных больных путем разработки биотехнической системы с
робототехническим устройством с биотехническими и биологическими
обратными связями.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Выполнить анализ методов и средств нейрореабилитации
постинсультных и посттравматических больных для биотехнических систем
реабилитации с робототехническими устройствами.
2. Разработать метод дешифрации электромиосигналов, позволяющий
адаптировать систему управления робототехнического реабилитационного
устройства к функциональному состоянию пациента.
3. Разработать структурную схему биотехнической реабилитации в режиме
«встать-сесть» с модулем нечеткого управления процессом реабилитации.
4. Разработать комплект алгоритмов для модулей нечеткого управления,
предназначенных для управления процессом реабилитации постинсультных
больных и позволяющих адаптировать программу реабилитации к
функциональному состоянию пациента.
5. Разработать методы и алгоритмы вычисления мышечной силы и
мышечной усталости по результатам анализа электромиосигналов.
6. Провести экспериментальные исследования по оценки эффективности
биотехнической системы реабилитации с робототехническим устройством с
нечетким модулем управления на постинсультных больных.
Научная новизна. В работе получены следующие результаты,
характеризующиеся научной новизной:
1. Метод дешифрации электромиосигналов, заключающийся в считывании
поверхностного электромиосигнала; его пошаговой сегментации на
пересекающиеся или на не пересекающиеся окна; формирования для каждого
сегмента, полученного на предыдущем шаге, набора дескрипторов, передаче
набора дескрипторов каждого сегмента по каналу передачи данных на
классификатор, осуществляющий управление контроллером серводвигателей,
который выполнен в виде обучаемой нейронной сети; отличающийся тем, что
формирование вектора информативных признаков для нейронной сети
осуществляют посредством многоуровневого компаратора, число уровней
которого определяется размерностью вектора дескрипторов, а компоненты
вектора дескрипторов определяются путем усреднения выходов компараторов в
скользящем окне, а в классификаторе используется вторая нейронная сеть,
предназначенная для обобщения данных, получаемых при классификации вектора
дескрипторов текущего окна, число входов которой определяется числом окон
электромиосигнала, используемых классификатором при принятии решения о
включении/выключении соответствующего серводвигателя, позволяющий
адаптировать процесс управления процедурой реабилитации под функциональное
состояние пациента.
2. Биотехническая система с робототехническим устройством реабилитации
в режиме «встать-сесть», управление которым основано на анализе и
классификации электромиосигналов, отличающаяся наличием трёх модулей
нечёткого управления, позволяющая поддерживать три режима реабилитации и
выбирать и переключать их в зависимости от функционального состояния
пациента, тем самым подбирая оптимальный режим реабилитации для текущего
функционального состояния пациента.
3. Метод оценки мышечной усталости, заключающийся в получении двух
электромиосигналов пациента с мышц-синергистов, принимающих участие в
реабилитационной процедуре, получении двух паттернов мышечной синергии и
последующей их классификации для формирования управляющих команд
серводвигателей экзоскелета, отличающийся тем, что паттерны мышечной
синергии формируются посредством образования в каждом канале
электромиосигнала частотного и амплитудного подканалов и определения
показателя корреляции сигналов в частотных подканалах всех каналов
электромиосигналов и показателя корреляции сигналов в амплитудных
подканалах всех каналов электромиосигналов, и классификацией полученных
паттернов синергии посредством блока нечеткого логического вывода, по
результатам которой принимается решение о включении соответствующих
серводвигателей экзоскелета с целью оказания помощи пациенту при выполнении
реабилитационной процедуры.
Теоретическая и практическая значимость работы состоит в том, что
изложенные методы и алгоритмы построения и функционирования
биотехнической реабилитационной системы с робототехническим устройством,
управление которым осуществляется посредством модуля нечеткого управления с
биотехническими и биологическими обратными связями, что позволило
адаптировать процедуру реабилитации к функциональному состоянию пациента.
Разработанные методы и алгоритмы составили основу биотехнической системы
реабилитации постинсультных больных. Применение предложенных в
диссертации методов и алгоритмов управления реабилитацией позволит
использовать интерфейсы мозг-компьютер в программах нейрореабилитации и
социальной реабилитации лиц с ограниченными возможностями здоровья.
Работа выполнена при поддержке РФФИ научный проект № 19-38-90112,
регистрационный номер НИОКТР АААА-А19-119110190061-6 (2020-2021гг.) и в
соответствии с научным направлением Юго-Западного государственного
университета «Разработка медико-экологических информационных технологий».
Результаты диссертационной работы внедрены в учебном процессе Юго-
Западного государственного университета при подготовке магистров по
направлению подготовки 12.04.04 – Биотехнические системы и технологии, и
прошли испытание в отделении медицинской реабилитации клинического
научно-медицинского центра «Авиценна», г. Курск.
Методы и средства исследований. Для решения поставленных задач
использовались теория биотехнических систем медицинского назначения,
математический аппарат цифровой обработки сигналов, статистический анализ,
теория нейронных сетей, теория нечеткого управления, методы экспертного
оценивания и принятия решений. При разработке модулей классификации
электромиосигналов и нечетких модулей управления экзоскелетом в качестве
инструментария использовался MATLAB 2018b с графическим интерфейсом
пользователя для Neural Network Toolbox и со встроенным пакетом Fuzzy Logic
Toolbox.
Положения, выносимые на защиту. 1. Метод дешифрации
электромиосигналов, построенный на основе трансформации одномерного
вектора электромиосигнала в множество векторов дескрипторов, классификации
этих векторов и последующей агрегацией решений классификаторов, позволяет
адаптировать процесс управления процедурой реабилитации под функциональное
состояние пациента и тем самым повысить эффективность реабилитации
посредством робототехнического устройства. 2. Биотехническая система с
робототехническим устройством реабилитации, управление которым
осуществляется посредством модуля нечёткого управления, поддерживающего
три режима реабилитации и выбирающего их в зависимости от функционального
состояния пациента, позволяет повысить эффективность реабилитации по
критерию максимумов составляющей опорной реакции Rz, как для подострых, так
и для хронических постинсультных больных, до 20% по отношению к
контрольной группы пациентов, при реабилитации которых не использовалось
адаптивное управление робототехническим устройством. 3. Метод оценки
мышечной усталости, заключающийся в получении двух паттернов мышечной
синергии и последующей их классификации для формирования управляющих
команд серводвигателей экзоскелета, позволяет принимать управленческие
решения о включении соответствующих серводвигателей экзоскелета с целью
оказания помощи пациенту при выполнении реабилитационной процедуры.
Степень достоверности и апробация работы. Результаты исследования
показали их воспроизводимость в различных условиях, непротиворечивость
концепциям теории цифровой обработки и классификации
электрофизиологических сигналов, а так же аналогичным результатам,
полученным другими исследователями. Методы и алгоритмы классификации
электромиосигналов построены на теории цифровой обработки сигналов и
согласуются с ранее опубликованными экспериментальными данными по теме
диссертации.
Основные теоретические положения и научные результаты
диссертационной работы докладывались, обсуждались и получили
положительную оценку на 14 международных и всероссийских конференциях:
Горизонты биофармацевтики (Курск – 2019); Энергосбережение и эффективность
в технических системах (Тамбов – 2019); «Искусственный интеллект в решении
актуальных социальных и экономических проблем XXI века» (Пермь –2019,
2020); «Физика и радиоэлектроника в медицине и экологии» (Владимир – Суздаль
– 2020); “Zavalishin’s Readings” ER(ZR) (Уфа – 2020); «Цифровая трансформация в
энергетике» (Тамбов – 2020); «Нейроинформатика, её приложения и анализ
данных» (Красноярск – 2020); 14th International Conference on Application of
Information and Communication Technologies (Ташкент – 2020); «Лазерно-
информационные технологии в медицине, биологии, геоэкологии и транспорте»
(Новороссийск – 2020); «Биотехнические, медицинские и экологические системы,
измерительные устройства и робототехнические комплексы (Биомедсистемы)»
(Рязань – 2020); «Медико-экологические информационные технологии» (Курск –
2020); «Интеллектуальные информационные системы» (Воронеж – 2021),
«Радиоэлектроника. Проблемы и перспективы развития» (Тамбов -2021), на
научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ
(Курск –2018, 2019, 2020, 2021).
Публикации. Основные положения и результаты диссертационной работы
опубликованы в 19 научных работах, включающих 3 статьи в ведущих
рецензируемых научных журналах и изданиях.
Структура и объем работы. Диссертация состоит из введения, четырех
разделов, заключения и списка использованных источников, включающего 39
отечественных и 64 зарубежных наименований. Работа изложена на 150
страницах машинописного текста, содержит 44 рисунка и 8 таблиц.

В диссертационной работе получены следующие основные результаты.
1. Проведен анализ методов и средств нейрореабилитации постинсультных
больных в биотехнических системах, который показал, что повышение
эффективности использования робототехнических устройств в реабилитационных
процедурах требует адаптации управления робототехническим устройством к
функциональному состоянию пациента.
2. Разработан метод дешифрации электромиосигналов, позволяющий
адаптировать систему управления робототехнического реабилитационного
устройства к функциональному состоянию пациента.
3. Предложена структурно-функциональная модель биотехнической
системы, предназначенной для реабилитации пациентов с нарушениями
двигательных функций. Структурно-функциональная модель включает пациента,
экзоскелет, систему управления экзоскелетом и блок виртуальной реальности.
Модель включает биотехнические обратные связи, позволяющие осуществлять
интерактивное управление звеньями экзоскелета, и биологические обратные
связи, позволяющие связать программы реабилитации и функциональные
системы пациента.
4. Разработана структурно-функциональная модель управления
экзоскелетом в режиме «встать-сесть», предназначенная для биотехнической
системы реабилитации постинсультных больных, включающая три модуля
нечёткого управления, первый из которых предназначен для реабилитации
пациентов, у которых сигналы ЦНС не походят на двигательные единицы (БОС
не используется), второй режим предполагает тренинг, посредством виртуальной
реальности, и третий режим предполагает работу экзоскелета в качестве
ассистента при наличии мышечной усталости.
5. Разработаны комплект алгоритмов и базы знаний нечетких решающих
правил для модулей нечеткого управления, предназначенных для управления
процессом реабилитации постинсультных больных, и позволяющие адаптировать
программу реабилитации к функциональному состоянию пациента.
6. Разработаны методы и алгоритмы вычисления мышечной силы и
мышечной усталости по результатам анализа электромиосигналов, позволяющие
осуществлять адаптивное управления серводвигателями робототехнического
устройства биотехнической системы и поддерживать моменты на
соответствующих звеньях робототехнического устройства в соответствии с
мышечным тонусом пациента.
7. Проведена апробация предложенных методов, моделей и алгоритмов для
биотенической системы реабилитации постинсультных больных, которая
показала, что предложенные в диссертационной работе технические и
алгоритмические решения по адаптации процедуры реабилитации и
функционального состояния пациента позволяют повысить эффективность
реабилитации по критерию максимумов составляющей опорной реакции Rz, как
для подострых, так и для хронических постинсультных больных, до 20% по
отношению к контрольной группы пациентов, при реабилитации которых не
использовалось адаптивное управление робототехническим устройством.
Рекомендации. Результаты исследования могут быть использованы для
построения биотехнических систем с робототехническими устройствами при
реабилитации пациентов с разной степенью нарушения двигательных функций.
Перспективы дальнейшей разработки темы. Разработка биотехнических
систем реабилитации лиц с ограниченными возможностями здоровья,
позволяющих контролировать функциональное состояние пациента и
корректировать процедуру реабилитации в соответствии с его динамикой.
Список сокращений и условных обозначений

БОС – Биологическая обратная связь;
БТС – Биотехническая система;
ДЕ – Двигательные единицы;
ДФ – Двигательная функция;
ДЦП – Детские церебральные параличи;
ИИБ – Инерциальный измерительный блок;
ИМ – Индекс моторики;
ИМК – Интерфейс мозг-компьютер;
ИМТ – Интерфейс мозг-машина;
ИП – Информативный признак;
МКФ – Международная классификация функционирования инвалидности и
здоровья Всемирной организации здравоохранения;
МНУ – Модуль нечёткого управления;
МРТ – Магнитно-резонансная томография;
МЭГ – Магнитоэнцефалография;
НБЗ – Нечёткая база знаний;
НС – Нейронная сеть;
ПИ – пропорционально интегрирующий регулятор;
пЭМГ – Поверхностная электромиография;
РБТС – Реабилитирующая биотехническая система;
РФП – Регулируемый физиологический параметр;
ТУТ – Тест управления туловищем;
ТХ – тестовая ходьба;
фМРТ – Функциональная магнитно-резонансная томография;
ФС – Функциональное состояние;
ФСВ – Функциональная связность;
ФЭС – Функциональная электростимуляция;
ЦМ – Центр масс;
ЦНС – Центральная нервная система;
ЧСС – Частота сердечных сокращений;
ШГХ – Шкала гандикапа ходьбы;
ШФХ – Шкала функциональной ходьбы;
ЭМГ – Электромиография;
ЭМС – Электромиосигнал;
ЭЭГ – Электроэнцефалография;
ЭЭС – Электроэнцефалосигналы;
BTB – Box and block test (Тест «Ящик и кубики»);
DOF – Degrees of freedom (Степени свободы);
ERD – Event-related desynchronization (Вызванная десинхронизация);
ERS – Event-related synchronization (Вызванная синхронизация);
FIS – Fuzzy Inference System (Система нечёткого логического вывода);
FMA – Fugl-Meyer Assessment (Оценка Фугля-Мейера);
GUI – Graphical user interface (Графический интерфейс пользователя);
HDEEG – High-density EEG (Электроэнцефалография высокой плотности);
HMI – Human-machine interface (Человеко-машинный интерфейс);
IIT – Italian Institute of Technology (Итальянский технологический институт);
JPM – Joint position matching (Согласование положения соединения);
MAS – Modified Ashworth scale (Модифицированная шкала Эшворта);
MAUULF – Melbourne Assessment of Unilateral Upper Limb Function
(Мельбурнская оценка односторонней функции верхних конечностей);
MAV – Mean absolute value (Среднее абсолютное значение);
MF – Medium frequency (Средняя частота);
MIT – Massachusetts Institute of Technology (Массачусетский
технологический институт);
MRC – Medical research council weakness scale (Шкала количественной
оценки мышечной силы)
MVC – Maximum voluntary contraction (Максимальное произвольное
сокращение);
RMS – Root mean square (Среднеквадратичное значение);
ROM – Range of motion (Диапазон движения);
SCI – Spinal cord injury (Повреждение спинного мозга);
TTDPM – Threshold to detection of passive motion read (Порог обнаружения
пассивного движения);
TUG – Timed up and go (Тест «встань и иди»);
VR – Virtual reality (Виртуальная реальность).

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?

Закажи новую работу, сделанную по твоим требованиям

Читать

Публикации автора в научных журналах

Современные биотехнические системы и методы двигательной реабилитации

В сборнике: Горизонты биофармацевтикисборник научных трудов по материалам V Международной научно-практической молодежной конференции. Курский государственныймедицинский университет. – Курск: КГМ, 2– С. 108

Метод дешифрации электроэнцефалограммы для управления робототехническими устройствами посредством интерфейса мозг-компьютер

А.А. Трифонов, О.Н. Гридасов, А.В. Серебровский//Энергосбережение и эффективность в технических системах: материалы VIМеждународной научно-технической конференции студентов, молодыхученых и специалистов. – Тамбов, 2– С.371

Биотехническая система реабилитационного типа для восстановления двигательной активности

А.А. Трифонов // Медико-экологические информационные технологии-2020: сборник научных статейпо материалам XIХ Международной научно-технической конференции –Курск: ЮЗГУ, 2– С. 87

Метод дешифрации электромиосигналов для биотехнической системы реабилитационного типа

А.А. Трифонов //Биотехнические, медицинские и экологические системы, измерительныеустройства и робототехнические комплексы (Биомедсистемы-2020): сборниктрудов XXXIII Всероссийской научно-технической конференции студентов,молодых ученых и специалистов. – Рязань, 2– С. 35

Средства оценки мышечной нагрузки и мышечного утомления для управления экзоскелетом в комбинированном режиме

А.А. Трифонов, А.А. Кузьмин, Е.В. Петрунина, С. Кадырова //Лазеры. Измерения. Информация. – 2– Т.1, № – С. 55

Беспроводная система регистрации сигналов электромиограммы для биотехнических систем реабилитационного типа

А.А. Трифонов, А.А. Кузьмин, А.В. Павленко // Радиоэлектроника.Проблемы и перспективы развития: сборник трудов Шестой Всероссийскоймолодежной научной конференции, посвященной Дню Радио. – Тамбов:ТГТУ, 2– С. 356

Помогаем с подготовкой сопроводительных документов

Совместно разработаем индивидуальный план и выберем тему работы Подробнее

Помощь в подготовке к кандидатскому экзамену и допуске к нему Подробнее

Поможем в написании научных статей для публикации в журналах ВАК Подробнее

Структурируем работу и напишем автореферат Подробнее

Хочешь уникальную работу?

Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на... Читать все

Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на продолжение диссертационной работы... Всегда готов помочь! ;)

#Кандидатские #Магистерские

164 Выполненных работы

Практически всегда онлайн, доработки делаю бесплатно. Дипломные работы и Магистерские диссертации сопровождаю до защиты.

#Кандидатские #Магистерские

1077 Выполненных работ

Преподаватель ВУЗа, опыт выполнения студенческих работ на заказ (от рефератов до диссертаций): 20 лет. Образование высшее . Все заказы выполняются в заранее согласован... Читать все

Преподаватель ВУЗа, опыт выполнения студенческих работ на заказ (от рефератов до диссертаций): 20 лет. Образование высшее . Все заказы выполняются в заранее согласованные сроки и при необходимости дорабатываются по рекомендациям научного руководителя (преподавателя). Буду рада плодотворному и взаимовыгодному сотрудничеству!!! К каждой работе подхожу индивидуально! Всегда готова по любому вопросу договориться с заказчиком! Все работы проверяю на антиплагиат.ру по умолчанию, если в заказе не стоит иное и если это заранее не обговорено!!!

#Кандидатские #Магистерские

21 Выполненная работа

Журналист. Младший научный сотрудник в институте РАН. Репетитор по английскому языку (стаж 6 лет). Также знаю французский. Сейчас занимаюсь написанием диссертации по и... Читать все

Журналист. Младший научный сотрудник в институте РАН. Репетитор по английскому языку (стаж 6 лет). Также знаю французский. Сейчас занимаюсь написанием диссертации по истории. Увлекаюсь литературой и темой космоса.

#Кандидатские #Магистерские

11 Выполненных работ

Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соот... Читать все

Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соответствии с Вашими требованиями.

#Кандидатские #Магистерские

12 Выполненных работ

Серьезно отношусь к тренировке собственного интеллекта, поэтому постоянно учусь сама и с удовольствием пишу для других. За 15 лет работы выполнила более 600 дипломов и... Читать все

Серьезно отношусь к тренировке собственного интеллекта, поэтому постоянно учусь сама и с удовольствием пишу для других. За 15 лет работы выполнила более 600 дипломов и диссертаций, Есть любимые темы - они дешевле обойдутся, ибо в радость)

#Кандидатские #Магистерские

76 Выполненных работ

Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские ди... Читать все

Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские диссертации, курсовые работы средний балл - 4,5). Всегда на связи!

#Кандидатские #Магистерские

138 Выполненных работ

Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно исполь... Читать все

Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно использую в работе графический материал (графики рисунки, диаграммы) и таблицы.

#Кандидатские #Магистерские

362 Выполненных работы

Работаю в сфере метрологического обеспечения. Защищаю кандидатскую диссертацию. Основной профиль: Метрология, стандартизация и сертификация. Оптико-электронное прибост... Читать все

#Кандидатские #Магистерские

10 Выполненных работ