Loading…
Thumbnail Image

Adaptive hand neuroprosthesis using inertial sensors for real-time motion tracking

Salchow-Hömmen, Christina

People suffering from upper limb impairments after a stroke or spinal cord injury are not only restricted in their independence but also in their inclusion in professional and social life. The increasing number of patients and the resulting rise in timely and monetary rehabilitation expenses lead to strong demands for new, effective therapies. Neuroprostheses based on functional electrical stimulation (FES) have been found to influence motor recovery positively. Electrical pulses are applied to peripheral nerves in the forearm and hand to generate functional hand motions. However, noninvasive hand neuroprostheses (HNPs) for rehabilitation face several challenges in clinical practice. The limited selectivity of transcutaneous FES yields difficulties in achieving fine hand movements by stimulating the muscle-rich forearm. Intersubject variability in neuroanatomy and tolerance of the FES make an individual adjustment of spatial and temporal stimulation parameters obligatory. Furthermore, strategies are required for a quick and easy adaptation of stimulation parameters in real-time, as the neuromuscular system is subject to time-variant changes. In this thesis, new concepts and methods are presented on the road to a novel, adaptive HNP based on automation, closed-loop control, and user-centered design. The HNP features a new, modular hand sensor system for accurate real-time motion tracking of FES-induced movements. In contrast to glove-based approaches, the proposed solution maintains the sense of touch. Algorithms for measuring segment orientations, wrist and finger joint angles, and fingertip positions from up to 17 micro inertial sensors were developed for application in patients with severe motor impairment of the hand. The methods avoid extensive calibration movements performed by the patients and work robustly in magnetically disturbed environments, i.e., indoors. The sensor system was evaluated with four healthy subjects in different validation settings before it was applied in clinical studies. Selective and individual stimulation of hand motion was assured by utilizing electrode arrays for the HNP together with user-centered identification strategies. An effective search for suitable virtual electrodes, formed by multiple, active array elements, is essential for clinical acceptance and practicability of HNPs. Semi-automatic and automatic methods for identifying stimulation positions and intensities were developed, realizing different levels of user integration. The semi-automatic approach allows caregivers to continuously modify virtual electrodes via a touchscreen while the stimulation intensities are automatically controlled to achieve desired wrist extension. Both identification methods were evaluated in five stroke survivors and yield suitable stimulation setups for hand opening and closing in patients who could tolerate the FES, with the semi-automatic approach being 25% faster than the automatic. A static parameter setup throughout a therapy session does not account for changes in the muscular response. For example, the rotation of the forearm during reach-and-grasp tasks leads to a change in FES response due to the relative transition between the skin and underlying neuromuscular tissues. An automatic real-time adaptation strategy of virtual electrodes and stimulation intensity in electrode arrays was investigated for a secure grasp during forearm movements. The novel method facilitates dynamic repositioning of electrodes and optional closed-loop control of the stimulation intensity. The hand sensor system was used to estimate grasping strength when using elastic objects. Experiments in four able-bodied volunteers revealed that the automatic electrode adaptation generates a strong, stable grasp force regardless of the rotational state of the forearm, in contrast to static electrodes. In summary, the presented concepts and methods in this thesis contribute to a higher degree of automation and adaptation of HNPs, which in the long run will enhance the use of FES-based technology in rehabilitation and, thereby, promote the motor recovery of patients.
Menschen mit Lähmungserscheinungen in den oberen Extremitäten nach einem Schlaganfall oder einer Rückenmarksverletzung sind sowohl in ihrer Unabhängigkeit als auch in ihrer beruflichen und sozialen Integration eingeschränkt. Wachsende Patientenzahlen und der damit verbundene Anstieg des zeitlichen und finanziellen Aufwands für die Rehabilitation führen zu einer starken Nachfrage nach neuen Therapien. Neuroprothesen basierend auf funktioneller Elektrostimulation (FES) können das Wiedererlangen motorischer Fähigkeiten positiv beeinflussen. Funktionelle Handbewegungen werden durch elektrische Anregung der peripheren Nerven im Unterarm erzeugt. Nicht-invasive Handneuroprothesen (HNPs) stehen jedoch in der Praxis vor diversen Herausforderungen. Die eingeschränkte Selektivität der transkutanen FES gestaltet die Erzeugung feinmotorischer Bewegungen durch Stimulation am muskelreichen Unterarm schwierig. Variabilität in Neuroanatomie und Toleranz gegenüber FES machen eine individuelle Anpassung der Stimulationsparameter erforderlich. Darüber hinaus sind Strategien zur schnellen, einfachen Adaption der FES in Echtzeit notwendig, da das neuromuskuläre System zeitvariablen Veränderungen unterworfen ist. In dieser Dissertation werden neue Konzepte und Methoden für eine neuartige, adaptive HNP vorgestellt basierend auf Automatisierung, Regelung und benutzerzentriertem Design. Die HNP verfügt über ein neues, modulares Handsensorsystem für die Erfassung FES-induzierter Bewegungen in Echtzeit. Im Gegensatz zu handschuhbasierten Ansätzen bewahrt die vorgeschlagene Sensorik den Tastsinn. Für die Anwendung bei Patienten mit schweren motorischen Beeinträchtigungen der Hand wurden Algorithmen zur Messung von Orientierungen, Hand- und Fingergelenkwinkeln sowie Positionen der Fingerspitzen durch bis zu 17 Inertialsensoren entwickelt. Die Verfahren vermeiden komplexe Kalibrierungsbewegungen, die von den Patienten ausgeführt werden müssen, und arbeiten robust in magnetisch gestörten Umgebungen, d. h. auch in Innenräumen. Das Sensorsystem wurde mit vier gesunden Probanden in unterschiedlichen Set-ups validiert, bevor es in den folgenden Studien zum Einsatz kam. Eine selektive und patienten-individuelle Stimulation von Handbewegungen wurde durch die Verwendung von Elektrodenarrays und benutzerfreundlichen Identifikationsstrategien in der neuen HNP erreicht. Eine effektive Suche nach geeigneten virtuellen Elektroden, die aus aktiven Array-Elementen bestehen, ist für die klinische Akzeptanz und Praktikabilität entscheidend. Es wurden halb- sowie voll-automatische Methoden zur Identifikation von Stimulationspositionen und -intensitäten entwickelt, um verschiedene Ebenen der Benutzerintegration zu realisieren. Der halb-automatische Ansatz ermöglicht es dem Anwender, virtuelle Elektroden über einen Touchscreen kontinuierlich zu modifizieren, während die Stimulationsintensitäten automatisch geregelt werden. Beide Identifikationsmethoden wurden in fünf Schlaganfallpatienten evaluiert und geeignete virtuelle Elektroden für Handöffnen und -schließen gefunden, sofern die Patienten die FES tolerierten. Der halb-automatische Ansatz war 25% schneller als der automatische. Bei Verwendung statischer Parametereinstellungen während einer Therapiesitzung werden Änderungen in der Muskelantwort nicht berücksichtigt. Beispielsweise beeinflusst die Drehung des Unterarms die FES-induzierte Handbewegung aufgrund der relativen Verschiebung zwischen Haut und darunter liegendem neuromuskulären Gewebe. In der Arbeit wird eine automatische Echtzeitadaption für virtuelle Elektroden und FES-Intensität in Elektrodenarrays vorgestellt, um einen sicheren Griff bei Unterarmbewegungen zu gewährleisten. Das neue Verfahren ermöglicht die dynamische Neupositionierung von aktiven Elektroden und optional die Regelung der Stimulationsintensität. Mit dem neuen Handsensorsystem wird die Greifkraft bei Verwendung elastischer Objekte abgeschätzt. Experimente mit vier gesunden Probanden ergaben, dass die automatische Adaption im Gegensatz zu statischen aktiven Elektroden eine stabile Greifkraft unabhängig vom Rotationszustand des Unterarms erzeugt. Zusammenfassend ermöglichen die vorgestellten Konzepte und Methoden einen höheren Grad an Automatisierung und Anpassung von HNPs, was langfristig den Einsatz dieser Technologie in der Rehabilitation und dadurch die motorische Genesung fördern kann.