康复外骨骼机器人主-从无约束辅助行走训练中生物反馈信息的量化表征方法研究

Although rehabilitation process helped by robotic-assisted has advantageous compared to the conventional manual-assisted rehabilitation for SCI (spinal cord injury), or stroke patients, lack of bio-feedback usually make patients move passively during walking training other than spend their muscle power. In order to identify “active” rehabilitation strategies, assessment of impaired walking is required to detect, monitor and quantify the bio-feedback information. Therefore, this project works on the detection of multi-signals on lower limbs to qualify various movement disorders. As EMG signal is directly linked to muscle activation and gait pattern, the activation sequence and amplitude of EMG signals on lower limbs will be collected and investigated. The alternations of muscle activation within the phases of the gait cycle will be highlighted to facilitate understanding of the underlying bio-feedback in time/spatial aspect and individual differences. The quantification of bio-feedback provided with valuable gait information at the end will link to the functional impact of external assistance that can be used to target and define therapeutic interventions both during therapy sessions as well as in conjunction with aids and devices assisting rehabilitation efforts through intelligent human-machine interaction. The rehabilitation walking training with help of “assist-as-needed” exoskeleton robot will encourage patient to move their legs and regain correct muscle pattern by repeating the correct gait pattern as much as possible. Then the activation will gradually call back the walking ability from poor functional gait which has significant theoretical meanings and potential implementations in engineering.

康复外骨骼机器人可用于脊椎受损或中风病患等的康复训练，相较于人工辅助具有显著优势，但由于患者机能信息反馈手段的缺乏，辅助康复训练易使患者过分依靠设备驱动力，从而丧失自身持久有效的“主动”施力训练。本项目通过采集遍及双腿关键位置的表面肌电信号（EMG），实时表征多种典型行走方案下肌肉群组机能的活跃程度，分析人体行走步态信息和肌肉的激发序列与强度，探索步态周期在空间和时间变化下生物反馈机能的改变规律，实现人体关键信号反馈的有效提取和表征，以及个体信息差异的标称方法，最终实现用于人机互动接口的辅助力预估和控制，从而达到自然而无约束地更正人机协作模式，渐进有效地矫正步态，并调动神经可塑性达到最佳状态的目的，为康复机器人的主-从智能控制策略及其在康复训练中的临床应用奠定基础，具有非常重要的理论意义和工程应用价值。

本项目旨在针对下肢瘫痪患者康复训练过程中，缺乏生物反馈从而过度依赖康复机器人外骨骼辅助力，而减少自身肌肉群组主动施力，仅仅被动跟从训练的问题，通过实时表征肌肉群组机能活跃程度，作为人机神经感知接口的反馈与控制信道，从而达到自然而无约束地更正人机协作模式，渐进有效地矫正步态，并调动神经可塑性达到最佳状态的目的，为康复机器人的主-从智能控制策略及其在康复训练中的临床应用奠定基础，具有非常重要的理论意义和工程应用价值。.所完成的主要研究内容及成果为：.1.设计一套下肢肌电采集的实验可行方案，以下肢主要七条肌肉为采集对象，设计了控制不同步幅的行走实验方案，实现EMG信号多样本数据的采集、分析和量化。.2.研制完成了一套微小信号肌电采集设备，以贴片电极为采集终端，同时研制一套足底力采集设备配合肌电设备，标称化步态周期不同阶段，实现从肌电和足底力中感知、重建、处理并获取人体步态和肌肉触发序列场信息的目的。.3.研制了康复外骨骼人机控制的智能接口，配合可移动的动态减重悬吊和外骨骼机械腿，应用肌力测评等级，探讨EMG信号转换成康复训练中主动施力的衡量标准的可行性。.研究过程中，本项目突破了生物反馈量化表征的个体差别，根据差异性分析，小腿前侧肌对正常和病患步态区分度最高，进而提出了针对小腿前侧肌的多种信号处理方法作为诊断甄别病患步态的重要标准和依据。.项目组结合肌电、足底力等多种生物信心信号反馈及其应用研究，在国内外重要学术期刊和学术会议上共发表论文16篇，其中《IEEE Access》、《Journal of Sports Engineering and Technology》、《Advances in Mechanical Engineering》、《Applied Optics》等SCI检索学术期刊论文11篇;国际学术会议论文5篇（EI收录5篇，邀请报告2次），申请国家发明专利8项，获授权发明专利1项；培养博士和硕士研究生7名；。项目组通过积极参与相关领域的主流国际会议、邀请国外专家访问以及受邀到国内相关院校作专题报告等方式，与国内外同行开展了深入的学术交流与合作。