Machine Translated by Google
INVESTIGACION ORIGINAL
Editado por:
pan yongping,
Universidad Nacional de Singapur,
Singapur
Revisado por:
Nikunj Arunkumar Bhagat,
Universidad de Houston, Estados Unidos
Francesca Cordella,
Campus Bio-Medico University, Italia
Francesco Scotto di Luzio,
Campus Bio-Medico University, Italia, en
colaboración con el revisor FC
*Correspondencia:
min-li
min.li@mail.xjtu.edu.cn
Recibido: 30 noviembre 2018
Aceptado: 15 de mayo de 2019
Publicado: 29 mayo 2019
Citación:
Li M, He B, Liang Z, Zhao CG,
Chen J, Zhuo Y, Xu G, Xie J y
Althoefer K (2019) Un
Mano controlada por la atención
Exoesqueleto para la Rehabilitación de
Extensión y flexión de los dedos mediante un
mecanismo combinado rígido-blando.
Parte delantera. neurorobot. 13:34.
doi: 10.3389/fnbot.2019.00034
Fronteras en Neurorrobótica | www.frontiersin.org
publicado: 29 de mayo de
2019 doi: 10.3389/fnbot.2019.00034
Una mano controlada por la atención
Exoesqueleto para la Rehabilitación de
Extensión y flexión de los dedos usando un
Mecanismo Combinado Rígido-Blando
min-li 1,2*, BoHe1 , Ziting Liang1 , Chen-Guang Zhao3 , Jiazhou Chen1 , Yueyan Zhuo1 ,
Guanghua Xu1,2, jun Xie1,2 y Kaspar Althoefer 4
1Escuela de Ingeniería Mecánica, Universidad Xi'an Jiaotong, Xi'an, China, 2Laboratorio estatal clave para sistemas de fabricación
Ingeniería, Universidad Xi'an Jiaotong, Xi'an, China, 3 Departamento de Rehabilitación, Hospital Xijing, Cuarto Médico Militar
Universidad, Xi'an, China, 4Facultad de Ciencias e Ingeniería, Universidad Queen Mary de Londres, Londres, Reino Unido
Los exoesqueletos de rehabilitación de manos necesitan mejorar características clave como la
simplicidad, la compacidad, la actuación bidireccional, el bajo costo, la portabilidad, la interacción
robótica humana segura y el control intuitivo. Este artículo presenta un exoesqueleto de mano
controlado por el cerebro basado en un mecanismo de múltiples segmentos accionado por un
resorte de acero. El entrenamiento de rehabilitación activa se realiza utilizando un umbral del valor
de atención medido por un sensor de electroencefalografía (EEG) como un interruptor controlado
por el cerebro para el exoesqueleto de la mano. Presentamos una implementación prototipo de
este mecanismo multisegmento combinado rígido-blando con entrenamiento activo y proporcionamos
una evaluación preliminar. Los resultados experimentales mostraron que el mecanismo propuesto
podría generar suficiente rango de movimiento con una sola entrada mediante la distribución de un
movimiento lineal accionado en los movimientos de rotación de las articulaciones de los dedos
durante la flexión/extensión de los dedos. El valor promedio de atención en el experimento de
concentración con guía visual fue significativamente mayor que en el experimento sin guía visual.
La viabilidad del control basado en la atención con guía visual se demostró con una tasa de éxito
general de activación del exoesqueleto del 95,54 % (14 sujetos humanos). En el experimento de
activación del exoesqueleto con el umbral general, funcionó tan bien como con los umbrales
personalizados; por lo tanto, se puede establecer un umbral general del valor de atención para un
determinado grupo de usuarios en la activación del exoesqueleto de la mano.
Palabras clave: exoesqueleto de la mano, rehabilitación de la mano, rehabilitación controlada por el cerebro, robot combinado rígido-blando, EEG
INTRODUCCIÓN
La función de la mano es esencial para nuestra vida diaria (Heo et al., 2012). De hecho, solo la pérdida parcial de la
capacidad de mover los dedos puede inhibir las actividades de la vida diaria (AVD) e incluso reducir nuestra calidad de
vida (Takahashi et al., 2008). La investigación sobre el entrenamiento robótico de la muñeca y la mano ha demostrado
que las mejoras en la función a nivel de los dedos o la muñeca pueden generalizarse en todo el brazo (Lambercy et al.,
2011). Se cree que la debilidad de los músculos de los dedos es la causa principal de la pérdida de la función de la
mano después de los golpes, especialmente para la extensión de los dedos (Cruz et al., 2005; Kamper et al., 2006). La
rehabilitación de la mano requiere ejercicios de tareas repetitivas, donde una tarea se divide en varios movimientos y pacientes.
1 Mayo 2019 | Volumen 13 | Artículo 34
Machine Translated by Google
Li et al.
se les pide que practiquen esos movimientos para mejorar la fuerza de la
mano, el rango de movimiento y la precisión del movimiento (Takahashi et al.,
2008; Ueki et al., 2012). Los altos costos de los tratamientos tradicionales a
menudo impiden que los pacientes dediquen suficiente tiempo a la rehabilitación
necesaria (Maciejasz et al., 2014). En los últimos años, las tecnologías
robóticas se han aplicado en la rehabilitación del movimiento para brindar
asistencia en el entrenamiento y evaluaciones cuantitativas de la recuperación.
Los estudios muestran que los movimientos repetitivos intensos con asistencia
robótica pueden mejorar significativamente las funciones motoras de la mano
de los pacientes (Takahashi et al., 2008; Ueki et al., 2008; Kutner et al., 2010;
Carmeli et al., 2011; Wolf et al. ., 2006).
Los pacientes deben participar activamente en el entrenamiento para
lograr mejores resultados de rehabilitación (Teo y Chew, 2014; Li et al., 2018).
La rehabilitación motora ha implementado métodos de interfaz cerebro-
computadora (BCI) como uno de los medios para detectar la intención de
movimiento humano y hacer que los pacientes participen activamente en el
proceso de entrenamiento motor (Teo y Chew, 2014; Li et al., 2018). BCI
basados en imágenes motoras (Jiang et al., 2015; Pichiorri et al., 2015; Kraus
et al., 2016; Vourvopoulos y Bermúdez I Badia, 2016), BCI basados en
potenciales corticales relacionados con el movimiento (Xu et al., 2014) ;
Bhagat et al., 2016), y BCI basados en potenciales evocados visuales de
movimiento en estado estacionario (Zhang et al., 2015) se han utilizado para
controlar robots de rehabilitación. Sin embargo, el alto costo y la complejidad
de la preparación al utilizar estos métodos significa que la mayoría de los
dispositivos BCI actuales son más
adecuado para fines de investigación que las prácticas clínicas. Esto es
atribuible al hecho de que la facilidad de uso y el costo del dispositivo son
dos factores principales a considerar durante la selección de detección de
intención de movimiento humano basada en BCI para uso práctico (van
Dokkum et al., 2015; Li et al., 2018). Por lo tanto, los BCI no invasivos y fáciles
de instalar que son convenientes para usar con una precisión aceptable deben
introducirse en el control del robot de rehabilitación manual.
Debido a la versatilidad y complejidad de las manos humanas, el desarrollo
de robots de exoesqueleto de mano para ayudar a la rehabilitación en los
movimientos de la mano es un desafío (Heo et al., 2012; Arata et al., 2013).
En los últimos años, los dispositivos de exoesqueleto de mano han llamado
mucho la atención de la investigación, y los resultados de la investigación
actual parecen prometedores (Heo et al., 2012). Los dispositivos de
exoesqueleto de mano utilizan principalmente mecanismos de conexión,
alambre o accionamiento hidráulico/neumático (Polygerinos et al., 2015a). El
diseño mecánico rígido de los mecanismos basados en enlaces proporciona
robustez y confiabilidad en la transmisión de potencia y se ha aplicado
ampliamente en exoesqueletos de mano (Tong et al., 2010; Ito et al., 2011;
Arata et al., 2013; Cui et al. ., 2015; Polygerinos et al., 2015a).
Sin embargo, el problema de seguridad de la desalineación entre las
articulaciones de los dedos humanos y las articulaciones del exoesqueleto
puede ocurrir durante los movimientos de rehabilitación (Heo et al., 2012; Cui et al.,de
Los enfoques de compensación utilizados en los estudios actuales complican
el mecanismo (Nakagawara et al., 2005; Fang et al., 2009; Ho et al., 2011).
Se proponen exoesqueletos blandos de mano neumáticos e hidráulicos, que
están hechos de materiales flexibles, para ayudar a abrir o cerrar la mano
(Ang y Yeow, 2017; Polygerinos et al., 2015a; Yap et al., 2015b). Sin embargo,
a pesar de que la asistencia bidireccional, es decir, la flexión y extensión de
los dedos, es esencial para la rehabilitación de la mano (Iqbal et al., 2014), un
gran grupo de dispositivos de exoesqueleto de mano suave actuales
Fronteras en Neurorrobótica | www.frontiersin.org
Exoesqueleto de mano controlado por la atención
solo proporcione asistencia para la flexión de los dedos (Connelly et al., 2010;
Polygerinos et al., 2013, 2015a; Yap et al., 2015a,b). Los mecanismos
accionados por cables también pueden ser complejos para transmitir
movimientos bidireccionales, ya que los cables solo pueden transmitir fuerzas
en una dirección (In et al., 2015; Borboni et al., 2016). Para transmitir
movimientos bidireccionales, se propuso un exoesqueleto de mano accionado
por tendón, donde el tendón funciona como un tendón durante el movimiento
de extensión y como una viga flexible comprimida constreñida en guías
rectilíneas montadas en las secciones distales del guante durante la flexión
(Borboni et al., 2016).
Arata et al. (2013) intentaron evitar la extensión del cable y otros problemas
asociados al proponer un exoesqueleto de mano con un mecanismo de resorte
deslizante de tres capas. Los dispositivos de exoesqueleto para rehabilitación
de manos aún buscan lograr características clave como baja complejidad,
compacidad, actuación bidireccional, bajo costo, portabilidad, interacción
segura entre humanos y robots y control intuitivo.
En este artículo, describimos el diseño y la caracterización de un
mecanismo multisegmento novedoso impulsado por una capa de un resorte
de acero que puede ayudar tanto a la extensión como a la flexión del dedo.
Gracias a las características inherentes de este mecanismo multisegmento, la
desalineación de las articulaciones entre el dispositivo y el dedo humano ya
no es un problema, lo que mejora la simplicidad y la flexibilidad del dispositivo.
Además, su cumplimiento hace que el exoesqueleto de la mano sea seguro
para la interacción humano-robótica.
Este mecanismo puede generar suficiente rango de movimiento con una sola
entrada mediante la distribución de un movimiento lineal accionado a los
movimientos de rotación de las articulaciones de los dedos. El entrenamiento
de rehabilitación activa se realiza mediante el uso de un umbral del valor de
atención medido por un sensor de electroencefalografía (EEG) comercializado
como un interruptor controlado por el cerebro para el exoesqueleto de la mano.
Las características de este exoesqueleto de mano incluyen la participación
activa de los pacientes, baja complejidad, compacidad, actuación bidireccional,
bajo costo, portabilidad e interacción segura entre humanos y robots. Las
principales contribuciones de este artículo incluyen: (1) creación de prototipos
y evaluación de un exoesqueleto de mano con un mecanismo multisegmento
combinado rígido-blando impulsado por una capa de un resorte de acero con
una capacidad de fuerza de salida suficiente; (2) usar el control BCI basado
en la atención para aumentar la participación de los pacientes en la
rehabilitación de manos asistida por exoesqueleto; y (3) determinar el umbral
del valor de atención para nuestro control de robot de rehabilitación manual
basado en la atención.
DISEÑO EXOESQUELETO
Requisitos de diseño Los usuarios
objetivo son sobrevivientes de accidentes cerebrovasculares durante el período
2015).
parálisis flácida que necesitan un entrenamiento de movimiento pasivo
continuo de sus manos. También deberían poder centrar su atención en el
entrenamiento de rehabilitación del movimiento durante al menos un breve período de tiempo.
A los efectos de la rehabilitación de la mano, un exoesqueleto debe tener una
interferencia ADL mínima y tener la capacidad de generar fuerzas adecuadas
para realizar la flexión y extensión de la mano con un rango de movimiento
similar o ligeramente inferior al rango de movimiento de un dedo natural.
Para lograr una interferencia ADL mínima, el dispositivo debe limitarse a
la parte posterior del dedo y el ancho de la
2 Mayo 2019 | Volumen 13 | Artículo 34
Machine Translated by Google
Li et al.
dispositivo no debe exceder el ancho del dedo. Aquí, las restricciones
de ancho y alto del exoesqueleto en la parte posterior del dedo son
de 20 mm. El bajo peso de los sistemas de rehabilitación es un
requisito clave para permitir el uso práctico por parte de una amplia
población con accidentes cerebrovasculares (Nycz et al., 2016). Por
lo tanto, el peso objetivo del exoesqueleto debe ser lo más ligero
posible para que el paciente se sienta más cómodo al usarlo. El peso
típico de los exoesqueletos de otras manos está en el rango de 0,7 kg
a 5 kg (CyberGlove Systems Inc., 2016; Delph et al., 2013; Polygerinos
et al., 2015a; Rehab Robotics Company Ltd., 2019). En este artículo,
el peso objetivo del exoesqueleto es inferior a 0,5 kg.
Hay 15 articulaciones en la mano humana. La articulación del pulgar
consta de una articulación interfalángica (IPJ), una articulación
metacarpofalángica (MPJ) y una articulación carpometacarpiana (CMJ).
Cada uno de los otros cuatro dedos tiene tres articulaciones que
incluyen una articulación metacarpofalángica (MCPJ), una articulación
interfalángica proximal (PIPJ) y una articulación interfalángica distal
(DIPJ). El exoesqueleto de la mano debe tener tres grados de libertad
de flexión (DOF) para ejercitar las tres articulaciones del dedo. Para
algunas aplicaciones de rehabilitación, no es necesario que cada uno
de los MCPJ, PIPJ y DIPJ del dedo humano tenga un movimiento
independiente siempre que se cubra todo el rango de movimiento del
dedo. El agarre del trípode requiere que el MPJ y el IPJ del pulgar se
, 48ÿ , para
doblen alrededor de 51° y 27° ; MCPJ, PIPJ y DIPJ del dedo índice
54ÿ , y
doblar alrededor de 46ÿ y 12ÿ ; y que el dedo medio se doble, alrededor
de 46ÿ 12ÿ (In et al., 2015). Para la velocidad de ejecución de los
ejercicios de rehabilitación, los fisioterapeutas sugieren una velocidad inferiordealas
20articulaciones.
s para un
FIGURA 1 | Diseño del exoesqueleto de la mano: (A) Dibujo CAD del acuador del dedo índice; (B) movimiento de flexión generado por el mecanismo multisegmento propuesto con una capa de
resorte; (C) espesores de segmento (unidad: mm); y (D) descripción general del prototipo de exoesqueleto de mano.
Fronteras en Neurorrobótica | www.frontiersin.org
Exoesqueleto de mano controlado por la atención
ciclo de flexión/extensión de la articulación de un dedo (Borboni et al.,
2016). Debe enfatizarse que siempre se debe evitar con cuidado la
hiperextensión de todas estas articulaciones.
La fuerza ejercida sobre el dedo debe poder permitir un entrenamiento
de movimiento pasivo continuo. Además, la fuerza de salida debería
ayudar al paciente a generar las fuerzas de agarre necesarias para
manipular objetos en las AVD. Las fuerzas de pellizco requeridas para
completar las tareas funcionales suelen ser inferiores a 20 N (Smaby et al., 2004).
Polygerinos et al. (2015b) estimaron que cada dedo del robot debe
ejercer una fuerza en la punta distal de aproximadamente 7,3 N para
lograr un agarre palmar, es decir, cuatro dedos contra la palma de la
mano, para levantar objetos de menos de 1,5 kg. Los dispositivos
existentes pueden proporcionar una fuerza de salida de transmisión
máxima entre 7 N y 35 N (Kokubun et al., 2013; In et al., 2015;
Polygerinos et al., 2015b; Borboni et al., 2016; Nycz et al., 2016). ).
El diseño debe permitir cierta personalización del tamaño de la
mano y la adaptabilidad a diferentes estados del paciente y diferentes
etapas de rehabilitación.
Mecanismo combinado rígido-blando
Basado en nuestros requisitos de diseño establecidos, se
diseñó y construyó un exoesqueleto de mano (ver Figura 1).
En nuestro diseño, cada dedo estaba accionado por un actuador para la
extensión y flexión de los dedos, lo que resultó en un dispositivo muy compacto.
Se propuso un mecanismo de múltiples segmentos con una capa de resorte.
Tiene una adaptabilidad respetable, evitando así problemas de desalineación
Un modelo tridimensional de un actuador de un solo dedo.
3 Mayo 2019 | Volumen 13 | Artículo 34
Machine Translated by Google

Li et al. Exoesqueleto de mano controlado por la atención

se muestra en la Figura 1A. Este actuador de dedo contenía un motor señales cerebrales, filtra el ruido y el movimiento muscular, y se convierte
lineal, una correa de acero y un mecanismo de múltiples segmentos. Como en energía digital. Los sensores EEG están integrados en una diadema.
se muestra en la Figura 1B, la capa de resorte se dobló y se deslizó Hay tres electrodos secos en este dispositivo que incluyen un canal de
debido a la entrada de movimiento lineal proporcionada por el actuador señal EEG, un REF (punto de referencia) y un GND (punto de tierra). Los
lineal. La estructura entonces se convirtió en un sector circular. Cuando la valores de potencia de la banda EEG para delta, theta, alfa, beta y gamma
estructura estaba unida a un dedo, soportaba el movimiento de flexión/ se registraron con una frecuencia de muestreo de 512 Hz en el rango de
extensión del dedo. Se sujetaron cinco accionadores de dedos a un guante frecuencia entre 3 Hz y 100 Hz.
de tela mediante tiras de velcro y cinco motores lineales se sujetaron a una Este dispositivo monitorea el contacto entre los electrodos y la piel. Si este
parte rígida que se fijó al antebrazo mediante una tira de velcro. Cada dispositivo no puede recopilar EEG o recibe señales deficientes, emitirá
correa de acero estaba unida a un motor mediante una pequeña pieza rígida impresa
una advertencia
en 3D. para notificar al usuario que ajuste el sensor.
Cabe señalar que la estructura actual no es aplicable a la aducción/
abducción del pulgar. Las neuronas espejo, que vinculan la visión y el movimiento, pueden
Basándonos en el diseño del mecanismo, desarrollamos un prototipo activarse cuando un individuo actúa, practica mentalmente una acción u
de exoesqueleto de mano para la mano izquierda. Los actuadores del observa la misma acción realizada por otro ser humano, acciones robóticas
exoesqueleto de los dedos se pueden reemplazar fácilmente ya que están o personajes virtuales (Oztop et al., 2013). Además, las imágenes motoras
sujetos a un guante con correas de velcro. Los segmentos del mecanismo se pueden mejorar en función de la guía visual, lo que promueve la
multisegmento se fabricaron con material VisiJet Crystal utilizando una recuperación motora (Li et al., 2015; Pichiorri et al., 2015; Liang et al.,
máquina de creación rápida de prototipos (3D Systems MJP3600). Para 2016). Por lo tanto, se muestra una demostración de movimiento en la
unir el actuador lineal, la parte rígida se hizo de PLA utilizando una pantalla que proporciona estimulación visual a las neuronas espejo. Se
máquina de creación rápida de prototipos (D3020, Shenzhen Sundystar diseñó una interfaz gráfica de usuario (GUI) en MATLAB para mostrar la
Technology Co. Ltd, China). El peso del prototipo es de 401 g, incluido el guía visual. El usuario debe mirar la demostración en la pantalla e imaginar
guante, el mecanismo multisegmento y los motores, muy por debajo del el movimiento. La intensidad del "enfoque" o "atención" mental del usuario
peso objetivo (0,5 kg). Las características de los motores lineales se se usó como el interruptor controlado por el cerebro para el exoesqueleto
enumeran en la Tabla 1. El espesor y la longitud de la tira de acero son de de la mano. El valor de atención se adquirió utilizando el algoritmo Attention
0,3 mm y 80 mm, respectivamente. Dado que el actuador se dobla más en Meter integrado patentado (NeuroSky, 2018) en un módulo ThinkGear AM
las articulaciones que en los segmentos de los dedos, los segmentos del (TGAM) (NeuroSky, Inc., San Jose, CA, EE. UU.) en este dispositivo
mecanismo multisegmento por encima de las articulaciones están Brainlink Lite. En los últimos años, hubo algunos informes sobre el uso del
diseñados para ser más delgados que los segmentos por encima de la módulo TGAM y el algoritmo Attention Meter en estudios de BCI (Iordache,
falángica distal, la falángica proximal y la falángica metacarpiana. Los 2017; Cui et al., 2018). Lamentablemente, no fue posible averiguar la
segmentos del mecanismo multisegmento por encima de las juntas son de función de cálculo del valor de atención específico, ya que se considera un
12 mm × 10 mm × 5 mm. Thumb IPJ y MPJ tienen tres y cuatro segmentos, secreto comercial. Pero podríamos suponer que el valor de atención debe
respectivamente. Hay 3, 3 y 4 segmentos para DIPJ, PIPJ y MCPJ de los calcularse a partir de los valores de potencia de banda de EEG registrados.
dedos índice, medio y anular. El dispositivo BrainLink transmitió datos a un programa MATLAB en una
Los números son 2, 2 y 4 para DIPJ, PIPJ y MCPJ para el dedo meñique. computadora a través de una conexión Bluetooth. Se definió un umbral de
Los espesores de otros segmentos (unidad: mm) se muestran en la Figura valor de atención para
1C. La Figura 1D muestra la descripción general del prototipo de
exoesqueleto de mano.
encienda el exoesqueleto de la mano. Una vez que el usuario llega al
umbral del valor de atención, el exoesqueleto de la mano se activará para
INTERRUPTOR CONTROLADO POR EL CEREBRO PARA EL
realizar el mismo movimiento que se muestra en la pantalla, estimulando
EXOESQUELETO DE LA MANO
la percepción del movimiento y la propiocepción. El valor de atención en
tiempo real también se muestra en la pantalla mediante una barra. Se
La Figura 2 muestra un diagrama esquemático del interruptor controlado
utilizó un Arduino MEGA 2560 (Arduino, Ivrea, Italia) como controlador del
por el cerebro para el exoesqueleto de la mano. Aquí, se utilizó un
exoesqueleto de la mano.
dispositivo Brainlink Lite comercializado (Macrotellect Ltd., Shenzhen,
También se utilizó la conexión Bluetooth entre el Arduino y la computadora.
China) con sensores EEG (NeuroSky, Inc., San Jose, CA, EE. UU.) en el
El Arduino MEGA 2560 controló los motores lineales utilizando el modo de
interruptor controlado por el cerebro para el exoesqueleto de la mano. Este dispositivo
interfaz de 0–5V de los motores lineales. El voltaje de entrada de 0-5 V al
es fácil de usar y no necesita aplicar el gel conductor.
motor tenía una relación lineal con su carrera de 50 mm.
Contiene un circuito electrónico especialmente diseñado que percibe el

CUADRO 1 | Características del motor lineal. CONFIGURACIÓN EXPERIMENTAL Y PROTOCOLOS

Fabricante Tecnologías Firgelli. Ca
Modelo L12-50-210-12-I Se realizaron experimentos para evaluar el exoesqueleto de mano
Peso 40g combinado rígido-blando propuesto y el interruptor basado en el valor de
Carrera 50mm
atención para el exoesqueleto de mano. Sujetos humanos participaron en
Precisión de posición repetida 0,2 mm
5 mm/s
estos experimentos. Los experimentos se llevaron a cabo de acuerdo con
Máx. velocidad máx. fuerza lateral
30 norte
las recomendaciones de la Declaración de Helsinki.

Fronteras en Neurorrobótica | www.frontiersin.org 4 Mayo 2019 | Volumen 13 | Artículo 34

Machine Translated by Google

Li et al. Exoesqueleto de mano controlado por la atención

FIGURA 2 | Interruptor controlado por el cerebro para el exoesqueleto de la mano.

El estudio fue aprobado por la Junta de Revisión Institucional de la Universidad
Xi'an Jiaotong. Todos los sujetos firmaron el consentimiento informado por
escrito antes del inicio de los experimentos.
Caracterización del exoesqueleto de la mano Para
las evaluaciones preliminares del prototipo desarrollado,
caracterizamos la salida de movimiento de los dedos y la salida de fuerza. Para el primer tipo, las fuerzas interactivas entre el exoesqueleto y las
Prueba de control de
movimiento Esta sección describe el experimento de evaluación del
rango de movimiento bajo la actuación del exoesqueleto de la mano.
Se realizaron dos sesiones de movimientos de la mano, incluida
una sesión de movimiento de la mano activa (impulsada por los
músculos de la mano del sujeto) y una sesión de movimiento de la
mano pasiva (impulsada por el exoesqueleto). Se comparó el rango
de movimiento de las articulaciones de los dedos en estas dos
sesiones. Un sujeto humano sano (varón, 24 años, diestro) usó el
exoesqueleto de la mano y participó en este experimento. Veintiún
marcadores hemisféricos retrorreflectantes, cada uno de 9 mm de
diámetro, se colocaron en las articulaciones de los dedos de un
sujeto sano. Se realizó una sesión activa de cierre de manos (desde
la posición abierta donde el dedo y la palma estaban estirados hasta
la posición flexionada) y de apertura (desde la posición flexionada
hasta la posición abierta) para obtener el ángulo articular máximo
que el sujeto normalmente puede realizar activamente. . Luego se
Medición de la fuerza de salida
Para caracterizar la salida de fuerza del prototipo de exoesqueleto
de mano, se realizaron dos tipos de experimentos de medición de
la fuerza de salida. Medimos la cantidad de fuerza recibida
por las yemas de los dedos durante el accionamiento del exoesqueleto, y la
máxima fuerza de tracción al agarrar un objeto.
yemas de los dedos humanos se registraron durante un proceso de cierre y
apertura de la mano. Se utilizó un sistema Finger TPS (Pressure Profile
Systems, Los Ángeles, CA, EE. UU.) para medir la fuerza de salida del
exoesqueleto del dedo en la punta del dedo. Las características técnicas del
sensor de fuerza de la yema del dedo se enumeran en la Tabla 2. La
configuración experimental se muestra en la Figura 3A. El mismo sujeto
humano que en la prueba de control de movimiento usó un sensor TPS de
dedo para cada dedo dentro del guante del exoesqueleto de la mano. El
elemento sensor de fuerza se colocó entre la punta del dedo y el exoesqueleto.
La mano del sujeto fue impulsada pasivamente por el exoesqueleto para
realizar un movimiento de cierre y apertura de la mano. El sistema TPS registró
las fuerzas de la punta de los dedos durante todo el proceso.
Para el segundo tipo, la tensión proporcionada por el exoesqueleto del
dedo en un movimiento de agarre se midió con una celda de carga de calibre
extensométrico (Modelo THL-1, Bengbu, China). Este sensor tiene un rango
de 500 N (error del sensor: 0,02 % de la escala completa). La plataforma
experimental se muestra en la Figura 3B. Un cilindro fabricado mediante

realizó una sesión pasiva, donde se realizaron acciones con la impresión 3D se conectó a un soporte de tornillo de guía de bolas mediante la
celda de carga de galgas extensométricas. El soporte del tornillo guía de bolas
ayuda de actuadores. En esta sesión pasiva, se instruyó al sujeto
aseguró que el cilindro se moviera hacia arriba y hacia abajo con suavidad y precisión.
para que relajara el dedo y el exoesqueleto realizó un movimiento de cierre y apertura de la mano.
Durante el proceso, el movimiento de los dedos se registró mediante un
sistema de captura de movimiento VICON, un sistema de captura de
CUADRO 2 | Características del sensor de fuerza en la yema del dedo.
movimiento 3D con 10 cámaras T40 MX que pueden recodificar a una
Espesor del sensor 2–3 mm
frecuencia de 500 FPS (OML Co., Reino Unido). Los valores de los ángulos de
Rango de medición 22,73 kg
las articulaciones durante el movimiento se calcularon a partir de los datos de Resolución 0,045 kg
posición capturados de los marcadores. 40 Hz
Frecuencia de muestreo

Fronteras en Neurorrobótica | www.frontiersin.org 5 Mayo 2019 | Volumen 13 | Artículo 34

Machine Translated by Google
Li et al.
FIGURA 3 | Configuración experimental de medición de fuerza de salida: (A) las fuerzas interactivas entre el exoesqueleto y las yemas de los dedos humanos durante la actuación del
exoesqueleto; y (B) tensión proporcionada por el exoesqueleto del dedo en un movimiento de agarre.
Se fijaron cuatro actuadores en la parte inferior del tornillo guía de bolas.
Durante la prueba, los actuadores se doblaron al máximo y se mantuvieron las
posturas. Al mismo tiempo, el tornillo guía de bolas tiraba lentamente del cilindro
y lo movía hacia arriba. Los datos de fuerza comenzaron a recopilarse cuando
el dedo entró en contacto con el cilindro; luego se registró la salida del sensor
cada 3 mm de desplazamiento del cilindro. El experimento se repitió tres veces.
Desempeño del interruptor controlado por el cerebro para el
exoesqueleto de la mano Se realizaron experimentos para evaluar
el desempeño del interruptor basado en el valor de la atención para el
exoesqueleto de la mano en sujetos humanos. Catorce participantes, incluidos
10 hombres y cuatro mujeres, con una edad promedio de 23,8 (SD = 0,89)
participaron en el experimento. Todos los experimentos se realizaron en una
habitación tranquila. Se pidió a los participantes que se sentaran frente a una
computadora portátil y usaran el dispositivo Brainlink.
El Umbral del Valor de Atención El
propósito de esta parte fue determinar el umbral del valor de atención.
El experimento midió los valores de atención del sujeto durante el
estado de reposo, durante la práctica de concentración con guía
visual, sin guía visual y con distracciones. Durante el experimento del
estado de reposo, los participantes estaban inactivos y sin imaginar
ningún movimiento. Este proceso tuvo una duración de 50 s. En el
experimento de práctica de concentración con guía visual, se pidió a
los participantes que miraran un videoclip de un movimiento de agarre
de la mano y se concentraran en la acción durante al menos 50 s. El
video de agarre se reprodujo una y otra vez durante toda la duración
de 50 s. Durante el experimento de distracción, se les pidió que
escucharan el sonido de la colisión simulada o el ruido de la fábrica
mientras miraban tres videoclips. Al mismo tiempo, se les pidió que
respondieran preguntas aleatorias. Durante la práctica de concentración
sin guía visual, se pidió a los sujetos que miraran la pantalla en blanco
e imaginaran la acción de agarrar. No se proporcionó guía de video
en este momento. En el
Fronteras en Neurorrobótica | www.frontiersin.org
Exoesqueleto de mano controlado por la atención
comienzo de cada prueba, el inicio de la prueba fue indicado al participante por
un mensaje de voz. Este experimento se repitió tres veces para cada participante
y se registraron los valores de atención. Antes del experimento, se explicó el
proceso a cada participante y tuvieron una prueba para familiarizarse con el
proceso del experimento sin registrar sus datos. Entre cada ensayo, hubo un
descanso de al menos 1 min.
Control basado en la atención del exoesqueleto de la mano
El propósito de esta parte fue evaluar el método de control del exoesqueleto
basado en la atención propuesto midiendo el tiempo de respuesta y la tasa de
éxito de la activación del exoesqueleto de rehabilitación.
en base al umbral medido en el apartado anterior. Dado que el umbral del valor
de atención medido cuando los participantes se enfocaban en el video era más
alto que sin guía visual, aquí se aplicó la guía visual. Se pidió a los participantes
que miraran la demostración de movimiento de agarre manual en la pantalla e
imaginaran el mismo movimiento. Si se alcanzara el umbral, el exoesqueleto de
la mano se activaría para realizar el mismo movimiento. Cada participante repitió
este proceso veinte veces, respectivamente. Se registró el tiempo de respuesta
para cada prueba.
Algunos sujetos necesitan un breve período de tiempo para aclarar sus
pensamientos y concentrarse en el movimiento de la mano. Por otro lado, es
difícil para los sujetos humanos mantener un alto nivel de valor de atención
durante mucho tiempo. Por lo tanto, establecemos un límite de tiempo de 30 s para cada ensayo
Cuando el tiempo excedía los 30 s, la prueba se marcaba como fallida.
RESULTADOS EXPERIMENTALES
Caracterización del exoesqueleto de la mano
Prueba de control de
movimiento La figura 4A muestra la definición de los ángulos de articulación. El
rango de movimiento de una sola articulación se comparó con el ángulo articular
máximo en la sesión activa y los resultados se muestran en las Figuras 4, 5, así
como en la Tabla 3. Aunque el exoesqueleto de dedo propuesto logró ángulos
de flexión articular más pequeños, el el movimiento guiado del prototipo se
correspondía bien
6 Mayo 2019 | Volumen 13 | Artículo 34
Machine Translated by Google
Li et al. Exoesqueleto de mano controlado por la atención

FIGURA 4 | Definiciones de ángulos articulares, que se muestran en (A) y cambios de ángulos articulares durante la apertura y el cierre pasivos y activos de la mano: (B) pulgar, (C) dedo
índice, (D) dedo medio, (E) dedo anular y (F) ) dedo meñique.

al movimiento activo del dedo humano. Dado que los ángulos de la articulación Diseño'', cada dedo del robot debe ejercer una fuerza en la punta distal
de los dedos logrados son mayores que los requisitos de ángulo de la de aproximadamente 7,3 N para lograr un agarre palmar, que son cuatro
articulación de los dedos para el agarre del trípode que se muestran en la dedos contra la palma de la mano, para levantar objetos que pesen
Sección II (MPJ e IPJ del pulgar se doblan alrededor de 51° y 27° ; MCPJ, menos de 1,5 kg. Consideramos que la fuerza de salida del exoesqueleto
48ÿ , alrededor
PIPJ y DIPJ del dedo índice se ,doblan se dobla alrededor
de 46° y 12ÿ
de 46ÿ
; y el
y 12ÿ
dedo, medio de dedo propuesto es aceptable para brindar asistencia en las AVD.
respectivamente), consideramos
, 54ÿ , prototipo
que el propuesto
rango de movimiento
asistencia es
desuficiente
AVD y laderehabilitación
para
nuestro
la
de los dedos.
Rendimiento del cerebro controlado
Interruptor para el exoesqueleto de la mano
El umbral del valor de atención Se
Medición de la fuerza de salida calculó un valor de atención promedio para cada ensayo a partir
Como se muestra en la Figura 6A, durante el proceso de cierre y de un período de datos de 30 s cuando el valor de atención
apertura de la mano, la fuerza interactiva máxima entre el exoesqueleto alcanzó un estado estable. El tamaño de la muestra fue de 42 (14
y las yemas de los dedos humanos fue de 17,98 N, 16,52 N, 16,56 N, sujetos × 3 repeticiones). Como se muestra en la Figura 7, el
17,71 N y 18,70 N, respectivamente, para el pulgar. , índice, medio, valor medio de atención de esos sujetos fue 26,3 (DE = 10,7),
anular y meñique. Los resultados del experimento de la fuerza de 40,2 (DE = 10,70), 76,4 (DE = 8,74) y 81,1 (DE = 9,38),
tracción se muestran en la Figura 6B. Cuatro dedos pueden proporcionar respectivamente, para el experimento de distracción. , reposo,
hasta 30,87 ± 0,97 N de fuerza de tracción. Como se describe en la Secciónconcentración
''Exoesqueleto sin guía visual y concentración con guía visual. Se realizó una pr

Fronteras en Neurorrobótica | www.frontiersin.org 7 Mayo 2019 | Volumen 13 | Artículo 34

Machine Translated by Google

Li et al. Exoesqueleto de mano controlado por la atención

FIGURA 5 | Trayectorias de las yemas de los dedos, articulación interfalángica distal (DIPJ) y articulación interfalángica proximal (PIPJ): (A) pulgar, (B) dedo índice, (C) dedo medio,
(D) dedo anular y (E) dedo meñique.

CUADRO 3 | Rango de movimiento.

Dedo MCP (MP por pulgar) PIP (IP para el pulgar) ADEREZO

Activo (ÿ ) Pulgar 6.72–64.21 1.14–94.17

Índice 3,10–61,81 2,15–92,35 1.93–50.16
Medio 2,95–61,86 1,13–91,24 0,68–50,27

Anillo 2,23–60,23 1,47–92,16 1.22–51.58

meñique 2,16–62,33 1,82–92,88 1.44–49.31

Pasivo (ÿ ) Pulgar 0,04–46,64 0.02–82.17

Índice 3,40–47,91 1,55–74,46 1.23–30.13
Medio 3,01–51,97 3.15–74.35 1.29–36.11

Anillo 2,23–48,27 4.16–72.09 1.22–27.37

meñique 3,94–43,31 0,11–62,98 0,05–29,36

Porcentaje (%) Pulgar 72,64 % 87,26 %

Índice 77,39 % 80,53% 60,10%
Medio 83,86 % 82,45% 72,06%

Anillo 80,09 % 78,28% 53,28%

meñique 69,56 % 67,73% 59,48%

FIGURA 6 | Resultados experimentales de medición de fuerza de salida: (A) las fuerzas interactivas entre el exoesqueleto y las yemas de los dedos humanos durante el exoesqueleto
actuación; y (B) tensión proporcionada por el exoesqueleto del dedo en un movimiento de agarre.

Fronteras en Neurorrobótica | www.frontiersin.org 8 Mayo 2019 | Volumen 13 | Artículo 34

Machine Translated by Google
Li et al.
FIGURA 7 | Los valores de atención promedio en el experimento de umbral de
atención.
Se utiliza para comprobar la normalidad de la muestra. Los resultados de
la prueba mostraron que los valores de atención de esas partes del
experimento tenían distribuciones normales (reposo: W = 0,988, p = 0,925,
enfoque: W = 0,981, p = 0,7, perturbación: W = 0,951, p = 0,067, enfoque
con visión orientación: W = 0,963, p = 0,192). Se utilizó una prueba de
Levene para probar la homogeneidad de la varianza. Los resultados de la
prueba mostraron que sus varianzas eran iguales (p = 0,734 > 0,05). Por lo
tanto, se utilizó una prueba de análisis de varianza (ANOVA) unidireccional
para probar si había diferencias significativas entre esos grupos y entre
diferentes sujetos humanos. El resultado del análisis mostró que había
diferencias significativas entre esos grupos (p = 1,71 × 10ÿ67 < 0,05).
Luego se aplicó una prueba t de Student con corrección de Bonferroni para
comparaciones por pares usando R Project for Statistical Computing. El
experimento de distracción tuvo un valor de atención significativamente
menor que las otras tres partes del experimento (en comparación con el
reposo: p = 9,31 × 10ÿ8 , en comparación con
FIGURA 8 | (A) Los umbrales utilizados en el experimento de control del exoesqueleto de la mano basado en la atención y (B) el tiempo necesario para que los participantes alcancen el umbral
de atención para activar el exoesqueleto de rehabilitación de la mano.
Fronteras en Neurorrobótica | www.frontiersin.org
Exoesqueleto de mano controlado por la atención
concentración con guía visual: p < 2,2 × 10ÿ16, en comparación con la
concentración: p < 2,2 × 10ÿ16). También hubo una diferencia significativa
entre el valor de atención promedio del experimento de concentración con
guía visual y el del experimento de concentración sin guía visual (p = 4.96
× 10ÿ3 ). El valor de atención promedio del descanso tuvo un valor de
atención significativamente menor que el del experimento de concentración
con y sin guía visual (p < 2.2 × 10ÿ16).
Control basado en la atención del exoesqueleto de la mano Hubo 14
sujetos y 20 ensayos para cada sujeto. Los umbrales de atención utilizados
en el experimento se muestran en la Figura 8A. El rendimiento de la
activación del exoesqueleto de la mano de cada sujeto humano se muestra
en la Tabla 4. La Figura 9 muestra un conjunto de señales de EEG y
valores de atención extraídos del dispositivo Brainlink. Ilustra el proceso de
cambio del valor de atención del estado de reposo al estado de enfoque.
T1 fue el momento en que el sujeto escuchó la indicación de voz para
enfocar. T2 fue el momento en que el valor de atención alcanzó el umbral.
Tenga en cuenta que la frecuencia de muestreo de las señales EEG del
módulo ThinkGear AM en el dispositivo Brainlink Lite fue de 512 Hz
(NeuroSky, 2019). Sin embargo, los valores de atención se calcularon a
una velocidad que podía generar un punto de datos por segundo en el
módulo ThinkGear AM y solo se podía extraer un punto de datos por
segundo de los valores de potencia de la banda EEG correspondientes del
software del dispositivo Brainlink Lite.
Estos valores de potencia de banda de EEG adquiridos no tenían unidades
y solo eran significativos en comparación entre sí y consigo mismos, para
considerar la cantidad relativa y las fluctuaciones temporales. Se realizó
una verificación de errores contra el marco y se descartó cualquier marco
con errores. En nuestros experimentos se observaron incidentes de pérdida
de datos a través del enlace Bluetooth. Durante 1 minuto, se pueden recibir
entre 55 y 58 puntos de datos. Por lo tanto, los datos que se muestran en
la Figura 9 tienen un intervalo de tiempo de aproximadamente 1 s entre
cada dos puntos de datos. Dado que nuestra aplicación de activación de
exoesqueleto de mano basada en el umbral no tenía un requisito alto en la precisión
9 Mayo 2019 | Volumen 13 | Artículo 34
Machine Translated by Google

Li et al. Exoesqueleto de mano controlado por la atención

CUADRO 4 | Tasas de éxito de activación del exoesqueleto de la mano de cada ser humano
tema (%).

sujeto humano Usando un general Uso personalizado

límite umbrales

95 100
12 100 100
3 95 95
4 95 95
5 95 95
6 90 100
7 90 90
8 100 100
9 100 100
10 100 100
11 100 70
12 90 85
13 100 100
14 100 95

intervalos de tiempo de los puntos de datos de valor de atención, pérdida de datos del
Los valores de atención se ignoraron para nuestro control de exoesqueleto de mano.
El exoesqueleto de la mano tuvo una tasa de éxito general del 94,64 %
durante el experimento con umbrales personalizados. Usando un
umbral general, el exoesqueleto de la mano tuvo un éxito general
tasa del 96,43%. En general, la tasa de éxito de actuación fue del 95,54%.
El resultado de la prueba ANOVA mostró que no hubo
diferencia entre el rendimiento de activación del exoesqueleto de la mano
usando un umbral generalizado y usando umbrales personalizados
en cuanto a la tasa de éxito de la actuación (p = 0,48 > 0,05). Nota
que tanto la tasa de éxito de actuación usando el umbral general
y los umbrales personalizados no se distribuyeron normalmente
(Prueba de Shapiro-Wilk: umbral general: p < 0,001 < 0,05,
umbral personalizado: p = 0,002 < 0,05) y sus varianzas fueron
no igual (prueba de Leyene: p = 0,045 < 0,05).
Como se muestra en la Figura 8B, el tiempo promedio antes de la actuación
fue de 8,06 s (DE = 6,15) y 8,08 s (DE = 6,21) para
control de rehabilitación de la mano con un valor de atención general
umbral y con umbrales de valor de atención personalizados,
respectivamente. Se utilizó la prueba de Shapiro-Wilk para comprobar si
el tiempo de activación se distribuyó normalmente. los resultados de la prueba
mostró que el tiempo antes de la actuación de cada experimento
parte no tenía una distribución normal (mano exoesqueleto
controlado con un umbral de valor de atención general: W = 0.798,
p < 2,2 × 10ÿ16, exoesqueleto manual controlado con personalización

umbrales de valor de atención: W = 0,8377, p = 5,639 × 10ÿ16).

Por lo tanto, se aplicó una prueba U de Mann-Whitney para comparar la
diferencia de tiempo entre las dos partes del experimento. El tiempo
diferencia entre las dos partes del experimento no fue significativa
(W = 34734, p = 0,5607).

DISCUSIÓN
En comparación con el diseño de exoesqueleto de mano en Arata et al.
(2013), que tiene un mecanismo de resorte deslizante de tres capas, nuestro
mecanismo propuesto tiene menos resortes deslizantes y tiene una mayor
capacidad de fuerza de salida (30,87 ± 0,97 N fuerza de tracción para cuatro dedos
vs. 3 N por dedo). Comparado con el exoesqueleto de mano propuesto
en Borboni et al. (2016), nuestro diseño propuesto no tiene un
FIGURA 9 | Un conjunto de datos muestra señales de electroencefalografía (EEG)
y valores de atención extraídos del dispositivo Brainlink durante el
experimento del control basado en la atención del exoesqueleto de la mano: (A) el
señal de EEG sin procesar; (B) el valor de atención utilizado para controlar el exoesqueleto; desde
(C–J) son valores de potencia de banda EEG para delta, theta, alfa bajo, alfa alto, bajo
beta, beta alto, gamma bajo, gamma alto, respectivamente. T1 fue el momento
cuando el sujeto escuchó la indicación de voz para enfocar. T2 fue el momento en que
el valor de atención alcanzó el umbral.

Fronteras en Neurorrobótica | www.frontiersin.org 10 Mayo 2019 | Volumen 13 | Artículo 34

Machine Translated by Google
Li et al.
carro portátil adicional que lleva un compresor de aire, sistemas neumáticos o
electrónicos. Por lo tanto, todo el dispositivo es mucho más pequeño.
Para optimizar la fuerza de contacto y la trayectoria, es necesario realizar
más investigaciones sobre el diseño óptimo de los elementos a través del
modelado cinemático. Además, el actuador también debe ajustarse de acuerdo
con diferentes ejercicios de terapia, como agarre fuerte, agarre de gancho,
agarre de clip y agarre esférico, entre otros.
Dado que el actuador está unido a un guante con tiras de velcro, el actuador se
puede cambiar fácilmente.
De acuerdo con las tasas de éxito en el experimento del control basado en
la atención del exoesqueleto de la mano, el umbral general funcionó tan bien
como los umbrales personalizados.
Además, no hubo diferencia significativa con respecto al tiempo utilizado antes
de la actuación del robot en el experimento de evaluación del sistema. Por lo
tanto, un umbral general del valor de atención para un determinado grupo de
usuarios puede ser una buena opción en la activación del exoesqueleto de la
mano. En este experimento, solo participó un grupo de personas jóvenes y
sanas. En estudios futuros, se debe incluir un mayor número de participantes
con diferentes características, como aquellos que tienen antecedentes médicos
relacionados con accidentes cerebrovasculares.
Vincular la intención de ejecutar un movimiento con la retroalimentación
sensoriomotora tiene el potencial de promover la rehabilitación de los pacientes
con accidente cerebrovascular. En este artículo, propusimos usar el valor de
atención como un comando de entrada para el control del exoesqueleto de la
mano. Este método es más práctico para su uso clínico que otros métodos BCI
complejos y costosos.
CONCLUSIÓN
En este artículo, presentamos el diseño de un exoesqueleto de mano controlado
por el cerebro para la asistencia y rehabilitación combinadas de la extensión y
flexión de los dedos utilizando un mecanismo de múltiples segmentos.
Su cumplimiento hace que el exoesqueleto de la mano sea seguro para la
interacción robótica humana. El dispositivo se caracterizó en cuanto a su
salida de fuerza y rango de movimiento. Los resultados revelaron que el
dispositivo podía lograr el agarre manual con una fuerza y un rango de
movimiento aceptables. El entrenamiento de rehabilitación activa se realiza
utilizando un umbral del valor de atención medido por un sensor EEG como un
interruptor controlado por el cerebro para el exoesqueleto de la mano. En el
experimento utilizado para determinar el umbral del valor de atención, el
REFERENCIAS
Ang, BWK y Yeow, CH (2017). "Guante imprímelo tú mismo (PIY): un exoesqueleto de
asistencia y rehabilitación de mano robótica suave totalmente impreso en 3D para pacientes
con accidente cerebrovascular", en Actas de la Conferencia internacional IEEE sobre robots
y sistemas inteligentes (Vancouver, Canadá: IEEE), 1219 –1223.
Arata, J., Ohmoto, K., Gassert, R., Lambercy, O., Fujimoto, H. y Wada, I. (2013).
"Un nuevo dispositivo de exoesqueleto de mano para la rehabilitación mediante un
mecanismo de resorte deslizante de tres capas", en Actas de la Conferencia internacional
IEEE sobre robótica y automatización de 2013 (Karlsruhe, Alemania: IEEE), 3902–3907.
Bhagat, NA, Venkatakrishnan, A., Abibullaev, B., Artz, EJ, Yozbatiran, N., Blank, AA, et al.
(2016). Diseño y optimización de una interfaz cerebro-máquina (BMI) basada en EEG para
un exoesqueleto de miembros superiores para supervivientes de accidentes cerebrovasculares.
Parte delantera. Neurosci. 10:122. doi: 10.3389/fnins.2016.00122
Borboni, A., Mor, M. y Faglia, R. (2016). Gloreha: rehabilitación robótica manual:
diseño, modelo mecánico y experimentos. J. Dyn. sist. medida Control
138:111003. doi: 10.1115/1.4033831
Fronteras en Neurorrobótica | www.frontiersin.org
Exoesqueleto de mano controlado por la atención
el valor de atención promedio medido cuando los participantes se enfocaban en
la demostración de movimiento en video era mayor que cuando se enfocaban
sin la guía visual. Se realizó un experimento para evaluar el rendimiento del
interruptor basado en el valor de atención para el exoesqueleto de la mano con
guía visual. La tasa de activación general fue tan alta como 95,54%. De acuerdo
con las tasas de éxito en el experimento del control basado en la atención del
exoesqueleto de la mano, es evidente que el umbral general funcionó tan bien
como los umbrales personalizados. Además, el tiempo utilizado antes de la
activación del robot en el experimento de evaluación del sistema mostró que no
hubo una diferencia significativa. Por lo tanto, un umbral general del valor de
atención para un determinado grupo de usuarios puede ser una opción adecuada
en la activación del exoesqueleto de la mano.
Para estudios futuros, el mecanismo de múltiples segmentos se optimizará
aún más para lograr diferentes perfiles de flexión con rigidez variable
implementados en diferentes localidades. Por lo tanto, el dispositivo sería
altamente personalizable para diferentes ejercicios de terapia. Además, se
requieren experimentos adicionales con pacientes con accidente cerebrovascular
para demostrar aún más la viabilidad clínica del método propuesto.
CONTRIBUCIONES DE AUTOR
ML, JC y BH: diseñaron el exoesqueleto de la mano. ML y ZL: diseñaron el
sistema BCI. ML, BH, C-GZ, ZL e YZ: analizaron los datos. ML: escribió el
artículo. ML, GX, JX y KA: materiales y herramientas de análisis aportados. KA:
corrección de lenguaje.
FONDOS
Este trabajo fue apoyado por la Fundación Nacional de Ciencias Naturales de
China (aprobación n.º 51505363), los Fondos de Investigación Fundamental
para las Universidades Centrales (xzy012019012), la Fundación de Ciencias
Postdoctorales de China (2019M653586) y la Fundación de Ciencias Naturales
de la provincia china de Shaanxi (2019JQ-332).
EXPRESIONES DE GRATITUD
Agradecemos a los participantes de los experimentos.
Carmeli, E., Peleg, S., Bartur, G., Elbo, E. y Vatine, JJ (2011). HandTutor mejoró la rehabilitación
de la mano después de un accidente cerebrovascular: un estudio piloto. fisioterapeuta Res.
En t. 16, 191–200. doi: 10.1002/pri.485 Connelly, L., Jia, Y., Toro, ML, Stoykov, ME,
Kenyon, RV y Kamper, DG
(2010). Un guante neumático y un entorno de realidad virtual inmersivo para el entrenamiento de
rehabilitación de manos después de un accidente cerebrovascular. Trans. IEEE. Sistema neural.
rehabilitación Ing. 18, 551–559. doi: 10.1109/tnsre.2010.2047588
Cruz, EG, Waldinger, HC y Kamper, DG (2005). Espacios de trabajo cinéticos y
cinemáticos del dedo índice después del trazo. Cerebro 128, 1112–1121.
doi: 10.1093/cerebro/awh432
Cui, X., Li, Z., Liu, Y., Yu, F. y Sun, H. (2018). Diseño inteligente de ama de llaves de
automóviles basado en ondas cerebrales. Conf. Mate. ciencia Ing. 397:012128. doi:
10.1088/1757-899X /397/1/012128
Cui, L., Phan, A. y Allison, G. (2015). "Diseño y fabricación de un exoesqueleto de mano
articulado sin ensamblaje imprimible tridimensional para rehabilitación", en Actas de la
Conferencia Internacional de la Sociedad de Ingeniería en Medicina y Biología del IEEE
(Milán, Italia: IEEE), 4627–4630.
11 Mayo 2019 | Volumen 13 | Artículo 34
Machine Translated by Google
Li et al.
CyberGlove Systems Inc. (2016). Cybergrasp. Disponible en línea en: http://www.cyberglovesystems.com/
cybergrasp. Consultado el 16 de diciembre de 2016.
Delph, MA, Fischer, SA, Gauthier, PW, Luna, CHM, Clancy, EA y Fischer, GS (2013). "Un guante
blando de exomusculatura robótica con detección sEMG integrada para la rehabilitación de manos",
en Actas de la 13.ª Conferencia internacional sobre robótica de rehabilitación (ICORR) de IEEE de
2013 (Seattle, WA, EE. UU.: IEEE), 1–7. Disponible en línea en: http://dx.doi.org/10.1109/
ICORR.2013.6650426 Fang, H., Xie, Z. y Liu, H. (2009). "Una mano maestra de exoesqueleto para
controlar la mano DLR/HIT", en Actas de la Conferencia internacional IEEE/RSJ de 2009 sobre
sistemas y robots inteligentes, IROS 2009 (St. Louis, EE. UU.: IEEE), 3703–3708.
Heo, P., Gu, GM, Lee, S.-J., Rhee, K. y Kim, J. (2012). Tecnologías actuales de exoesqueleto de mano
para rehabilitación e ingeniería de asistencia.
En t. J. Precis. Ing. Fabricación 13, 807–824. doi: 10.1007/s12541-012 -0107-2
Ho, NSK, Tong, KY, Hu, XL, Fung, KL, Wei, XJ, Rong, W., et al. (2011).
Un dispositivo de entrenamiento robótico de mano de exoesqueleto impulsado por EMG en sujetos con accidente cerebrovascular
crónico: sistema de entrenamiento de tareas para la rehabilitación del accidente cerebrovascular. Internacional IEEE Conf. rehabilitación
Robot. 2011:5975340. doi: 10.1109/icorr.2011.5975340
En, H., Kang, BK, Sin, M. y Cho, K. (2015). Exo-Glove: un robot portátil suave para la mano que utiliza
un sistema de enrutamiento de tendón suave. Robot IEEE. automático Magaz. 22,
97–105. doi: 10.1109/MRA.2014.2362863
Iordache, B. (2017). Interfaz cerebro-computadora: el dispositivo interactivo móvil mindwave para
monitorear ondas cerebrales beatrice iordache. Centavo. Este. EUR. Biblioteca en línea
J. 1–1, 43–52.
Iqbal, J., Khan, H., Tsagarakis, NG y Caldwell, DG (2014). Un novedoso sistema robótico de
exoesqueleto para la rehabilitación de manos: desde la conceptualización hasta la creación de
prototipos. Biocibernético. biomedicina Ing. 34, 79–89. doi: 10.1016/j.bbe.
2014.01.003
Ito, S., Kawasaki, H., Ishigure, Y., Natsume, M., Mouri, T. y Nishimoto, Y.
(2011). Un diseño de equipo de asistencia de movimiento fino para manos discapacitadas en
un sistema de rehabilitación robótica. Instituto J. Franklin 348, 79–89. doi: 10.1016/j.jfranklin.2009.
02.009
Jiang, S., Chen, L., Wang, Z., Xu, J., Qi, C., Qi, H., et al. (2015). ''Aplicación del sistema BCI-FES en la
rehabilitación del accidente cerebrovascular'', en Actas de la Conferencia Internacional IEEE/EMBS
sobre Ingeniería Neural, NER (Montpellier, Francia: IEEE), 1112–1115.
Kamper, DG, Fischer, HC, Cruz, EG y Rymer, WZ (2006). La debilidad es el principal contribuyente al
deterioro de los dedos en el accidente cerebrovascular crónico. Arco. física
Medicina. rehabilitación 87, 1262–1269. doi: 10.1016/j.apmr.2006.05.013
Kokubun, A., Ban, Y., Narumi, T., Tanikawa, T. y Hirose, M. (2013). ''Interacción háptica visual con
interfaz táctil trasera móvil'', en ACM SIGGRAPH 2013 Posters on—SIGGRAPH '13 (Nueva York,
EE. UU.: ACM Press), pág. 38.
Kraus, D., Naros, G., Bauer, R., Khademi, F., Leão, MT, Ziemann, U., et al.
(2016). La estimulación de circuito cerrado magnético transcraneal dependiente del estado
cerebral controlada por la desincronización sensoriomotora induce un aumento robusto de la
excitabilidad corticoespinal. Estímulo cerebral. 9, 415–424. doi: 10.1016/j.brs.2016.
02.007
Kutner, NG, Zhang, R., Butler, AJ, Wolf, SL y Alberts, JL (2010). Cambio en la calidad de vida asociado
con la terapia asistida por robot para mejorar la función motora de la mano en pacientes con
accidente cerebrovascular subagudo: un ensayo clínico aleatorizado. física
El r. 90, 493–504. doi: 10.2522/ptj.20090160
Lambercy, O., Dovat, L., Yun, H., Wee, SK, Kuah, CWK, Chua, KSG, et al.
(2011). Efectos de un entrenamiento de agarre y pronación/supinación asistido por robot en el
accidente cerebrovascular crónico: un estudio piloto. J. Neuroeng. rehabilitación 8:63. doi: 10.1186/
1743-0003-8-63
Li, L., Wang, J., Xu, G., Li, M. y Xie, J. (2015). El estudio de las imágenes motoras orientadas a
objetos basadas en la supresión de EEG. PLoS Uno 10:e0144256. doi: 10.1371/
journal.pone.0144256 Li, M., Xu, G., Xie, J. y Chen, C. (2018). Una revisión: rehabilitación
motora después de un accidente cerebrovascular con control basado en la intención humana. proc.
Inst. mecánico Ing. H 232, 344–360. doi: 10.1177/0954411918755828
Liang, S., Choi, K.-S., Qin, J., Pang, W.-M., Wang, Q. y Heng, P.-A. (2016).
Mejorar la discriminación de las imágenes motoras de la mano a través de la guía visual basada
en la realidad virtual. computar Métodos Programas Biomed. 132, 63–74. doi: 10.1016/j.
cmpb.2016.04.023
Fronteras en Neurorrobótica | www.frontiersin.org
Exoesqueleto de mano controlado por la atención
Maciejasz, P., Eschweiler, J., Gerlach-Hahn, K., Jansen-Troy, A. y Leonhardt, S.
(2014). Una encuesta sobre dispositivos robóticos para la rehabilitación de miembros superiores. J. Neuroeng.
rehabilitación 11:3. doi: 10.1186/1743-0003-11-3
Nakagawara, S., Kajimoto, H., Kawakami, N., Tachi, S. y Kawabuchi, I. (2005).
"Una mano maestra de varios dedos de tipo encuentro que usa articulaciones tortuosas", en Actas
de la Conferencia Internacional IEEE sobre Robótica y Automatización (Barcelona, España: IEEE),
2667–2672.
NeuroSky. (2018). Algoritmo de atención. Disponible en línea en: http://neurosky.com/biosensors/eeg-
sensor/algorithms . Consultado el 10 de septiembre de 2018.
NeuroSky. (2019). Características de TGAM1. Disponible en línea en: http://neurosky. com/biosensors/
eeg-sensor/?tdsourcetag=s_pctim_aiomsg. Consultado el 7 de mayo de 2019.
Nycz, CJ, Butzer, T., Lambercy, O., Arata, J., Fischer, GS y Gassert, R.
(2016). Diseño y caracterización de un sistema de accionamiento remoto ligero y totalmente portátil
para su uso con un exoesqueleto de mano. proc. Robot IEEE. automático
Letón. 1, 976–983.
Oztop, E., Kawato, M. y Arbib, MA (2013). Neuronas espejo: funciones, mecanismos y modelos.
Neurosci. Letón. 540, 43–55. doi: 10.1016/j.neulet.2012. 10.005
Pichiorri, F., Morone, G., Petti, M., Toppi, J., Pisotta, I., Molinari, M., et al.
(2015). La interfaz cerebro-computadora impulsa la práctica de imágenes motoras durante la
recuperación del accidente cerebrovascular. Ana. Neurol. 77, 851–865. doi: 10.1002/ana.24390
Polygerinos, P., Lyne, S., Wang, Z., Nicolini, LF, Mosadegh, B., Whitesides, GM, et al. (2013). "Hacia
un guante neumático suave para la rehabilitación de la mano", en Actas de la Conferencia
Internacional IEEE sobre Sistemas y Robots Inteligentes (Tokio, Japón: IEEE), 1512–1517.
Polygerinos, P., Wang, Z., Galloway, KC, Wood, RJ y Walsh, CJ (2015a).
Guante robótico blando para asistencia combinada y rehabilitación domiciliaria. Robar.
Auton. sist. 73, 135–143. doi: 10.1016/j.robot.2014.08.014 Polygerinos,
P., Wang, Z., Galloway, KC, Wood, RJ y Walsh, CJ (2015b).
"Guante robótico suave para rehabilitación de manos y capacitación específica para tareas", en
Actas de la conferencia internacional IEEE sobre robótica y automatización ICRA (Washington, EE.
UU.: IEEE), 2913–2919.
Rehab-Robotics Company Ltd. (2019). Folleto Mano de Esperanza. Disponible en línea en: http://
www.rehab-robotics.com/hoh/RM-230-HOH3-0001-7%20HOH_ brochure_eng.pdf. Consultado el
25 de marzo de 2019.
Smaby, N., Johanson, ME, Baker, B., Kenney, DE, Murray, WM y Hentz, VR (2004). Identificación de
fuerzas de pellizco clave requeridas para completar tareas funcionales. J. rehabilitación. Res.
desarrollo 41, 215–224. doi: 10.1682/jrrd.2004. 02.0215
Takahashi, CD, Der-Yeghiaian, L., Le, V., Motiwala, RR y Cramer, SC
(2008). Terapia motora manual basada en robots después de un accidente cerebrovascular. Cerebro 131,
425–437. doi: 10.1093/cerebro/awm311
Teo, WP y Chew, E. (2014). ¿Es factible la interfaz cerebro-computadora de imágenes motoras en
la rehabilitación de accidentes cerebrovasculares? PM R 6, 723–728. doi: 10.1016/j.pmrj.2014.
01.006
Tong, KY, Ho, SK, Pang, PMK, Hu, XL, Tam, WK, Fung, KL, et al.
(2010). Un sistema robótico de entrenamiento de tareas de funciones manuales impulsadas por la intención. Conf.
proc. Ing. IEEE Medicina. Biol. Soc. 2010, 3406–3409. doi: 10.1109/iembs.2010.
5627930
Ueki, S., Kawasaki, H., Ito, S., Nishimoto, Y., Abe, M., Aoki, T., et al.
(2012). Desarrollo de un robot de asistencia manual con múltiples grados de libertad para
terapia de rehabilitación. Trans. IEEE/ASME. Mecatrónica 17, 136–146. doi: 10.1109/
tmech.2010.2090353
Ueki, S., Nishimoto, Y., Abe, M., Kawasaki, H., Ito, S., Ishigure, Y., et al.
(2008). Desarrollo del ejercicio de realidad virtual del robot de asistencia al movimiento de la mano para
la terapia de rehabilitación mediante el control del movimiento propio del paciente. Conf. proc. Ing. IEEE
Medicina. Biol. Soc. 2008, 4282–4285. doi: 10.1109/iembs.2008.4650156 van
Dokkum, LEH, Ward, T. y Laffont, I. (2015). Interfaces cerebro-computadora para la neurorrehabilitación:
su estado actual como estrategia de rehabilitación posterior al accidente cerebrovascular. Ana.
física rehabilitación Medicina. 58, 3–8. doi: 10.1016/j.rehab.2014. 09.016
Vourvopoulos, A. y Bermúdez I Badia, S. (2016). El cebado motor en la realidad virtual puede
aumentar la eficacia del entrenamiento de imágenes motoras en la interacción restaurativa entre
el cerebro y la computadora: un análisis dentro del sujeto. J. Neuroeng. rehabilitación 13:69.
doi: 10.1186/s12984-016-0173-2
Wolf, SL, Winstein, CJ, Miller, JP y Morris, D. (2006). Efecto de la terapia de movimiento inducido por
restricción en la función de las extremidades superiores de 3 a 9 meses
12 Mayo 2019 | Volumen 13 | Artículo 34
Machine Translated by Google
Li et al.
después del accidente cerebrovascular: el ensayo clínico aleatorizado EXCITE. JAMA 296, 2095–
2104. doi: 10.1001/jama.296.17.2095
Xu, R., Jiang, N., Mrachacz-Kersting, N., Lin, C., Asin Prieto, G., Moreno, JC, et al.
(2014). Una interfaz cerebro-computadora de bucle cerrado que activa una órtesis
activa de tobillo y pie para inducir la plasticidad neuronal cortical. Trans. IEEE.
biomedicina Ing. 61, 2092–2101. doi: 10.1109/tbme.2014.
2313867
Yap, HK, Goh, JCH y Yeow, RCH (2015a). "Diseño y caracterización de actuadores
blandos para aplicaciones de rehabilitación de manos", en Actas de la 6ª
Conferencia Europea de la Federación Internacional de Ingeniería Médica y
Biológica (Suiza: Springer International Publishing), 367–370.
Yap, HK, Lim, JH, Nasrallah, F., Goh, JCH y Yeow, RCH (2015b). "Un exoesqueleto
blando para aplicaciones de rehabilitación y asistencia manual utilizando actuadores
neumáticos con rigidez variable", en la Conferencia Internacional IEEE sobre
Robótica y Automatización (ICRA) (Seattle, WA: IEEE),
4967–4972.
Fronteras en Neurorrobótica | www.frontiersin.org
Exoesqueleto de mano controlado por la atención
Zhang, X., Xu, G., Xie, J., Li, M., Pei, W. y Zhang, J. (2015). "Un sistema de
entrenamiento de rehabilitación de miembros inferiores impulsado por EEG para la
coestimulación activa y pasiva", en la Conferencia Internacional de la Sociedad de
Ingeniería en Medicina y Biología del IEEE (Milán: IEEE), 4582–4585.
Declaración de conflicto de intereses: Los autores declaran que la investigación se
realizó en ausencia de relaciones comerciales o financieras que pudieran interpretarse
como un posible conflicto de intereses.
Copyright © 2019 Li, He, Liang, Zhao, Chen, Zhuo, Xu, Xie y Althoefer. Este es un
artículo de acceso abierto distribuido bajo los términos de Creative Commons Attribution
License (CC BY). Se permite el uso, distribución o reproducción en otros foros, siempre
que se acredite al autor o autores originales y a los propietarios de los derechos de
autor y se cite la publicación original en esta revista, de acuerdo con la práctica
académica aceptada. No se permite ningún uso, distribución o reproducción que no
cumpla con estos términos.
13 Mayo 2019 | Volumen 13 | Artículo 34