FES运动康复训练的自适应控制方法研究

Functional rehabilitation for stroke patients is still a significant challenge to rehabilitation engineering and medicine. Functional electrical stimulation (FES) is a proven technology that is effective for stroke rehabilitation. Yet how FES can be best applied to improve hemiplegic movements of stroke patients remains an issue of further basic research and clinical evaluation. Among the key issues are how to promote the voluntary participation of patients during rehabilitation training; how FES stimulation patterns and parameters can be optimized to fit the individual case of motor dysfunction; and how FES stimulation can be adapted to changes of motor function in time in assisting voluntary efforts in the rehabilitation training, so that the effects of FES rehabilitation can be individualized with respect to specific patient and optimized through the training process. In this project, we propose a hybrid structure of intelligent control strategy with a feedforward learning neural network and an adaptive feedback neural network controller. The neural networks are driven by the EMG patterns of normal movement and pathological movement, respectively. Thus, the patients are given the opportunity to participate voluntarily in the process of rehabilitation. The feedforward neural network will learn a generic pattern of stimulation for normal movement, and the feedback controller will adapt to any variations to the generic pattern due to patient difference and changes in time. In addition, the design of a task-oriented training (TOT) will promote the interest of patients to participate with a feeling of accomplishment of a daily activity of living (DAL), further improving the effect of FES rehabilitation. It is promising that this intelligent control strategy could make a step forward towards personalized intelligent rehabilitation of movements for stroke patients.

脑卒中偏瘫患者的运动功能康复是康复工程面临的重要问题之一。功能性电刺激（FES）是临床上有效的康复技术。但如何使FES在临床康复中发挥更好的康复训练效果，仍是一个有待于深入研究和探讨的问题。其科学问题之一是如何在FES康复中促进患者的主动参与，如何实现FES电刺激模式和参数的个性化，和刺激参数随康复过程中运动功能的恢复而调整，通过智能控制使FES辅助作用达到最优的康复效果。本研究中，我们提出了具有前向神经网络学习控制与自适应神经网络反馈控制相结合的复合智能控制策略。神经网络控制分别由正常的肌电信号和患者肌电信号驱动，从而提供患者主动参与康复训练的机会。前向神经网络学习正常运动的通用刺激模式，而反馈神经网络可以适应由不同患者差异、和随时间变化引起的刺激参数变化。同时采用任务训练的康复方法，能激发患者完成任务后的成就感，增强康复训练的效果。结果将对运动康复训练的智能化和个性化起到推动作用。

本项目以肌群协同控制（Muscle Synergy）为理论依据，构建仿生自适应多通道FES控制策略。通过上肢运动模型仿真研究和任务导向型临床实验相结合的方式，探索基于肌群协同效应的FES自适应仿生控制方法在卒中患者运动康复训练中的有效性。项目结题时，已经发展出一套既可以对卒中患者功能障碍进行量化评定的客观标准，又据此建立了一套可对异常肌肉进行精准靶向电刺激干预的康复辅助治疗的临床方案。这些成果，提高了FES技术在卒中患者运动功能康复训练中的临床应用价值，将对神经康复技术和康复医学的发展起到有力的推动作用。.项目达到了预期的目标，取得了如下的主要成果。1.完成了多通道FES系统的软硬件系统改进与临床转化，临床上证实了FES系统的安全性和可靠性。并制定了一套有效的安全参数范围确定和电极定位的方法。系统设计具有扩展成穿戴设备的潜力。2. 提出了基于协同肌群理论的FES控制创新策略，对FES协同肌群控制方法的可行性进行模型仿真研究。结果表明，协同肌群控制方法可以实现如正常运动的轨迹，并能通过调节“比例因子”实现不同幅度的运动控制。在3名卒中患者上，验证了协同肌群FES控制方法的可行性和有效性。3.对11名卒中患者和8名正常人对照组的研究结果显示，患者肌群发放的模式偏离正常发放模式的程度，与其功能的损失程度成正比。因此，协同肌群发放的异常模式可以用于评估运动功能的缺失程度，并据此制定个性化的康复训练方案。4.基于任务导向的康复训练新方法，建立了一套全新的临床实验方案并改善了临床实验方法。卒中患者克服身体功能障碍的方法，往往表现为用异常的运动模式来代偿缺失的运动功能。新方案是在FES的协同刺激下，使肌群获得正常的发放模式完成运动控制的任务，达到纠正卒中患者异常运动控制模式的目的。该临床实验方案已获得瑞金医院伦理委员会批准。我们在7卒中患者进行了干预和对照组的加载康复训练研究，初步结果表明，任务导向的FES辅助康复训练能显著的提高FES组的功能恢复。