手部精细运动功能的主动神经康复方法研究

For the stroke survivors and traumatic brain injuried patients with motor dysfunction, the slow and limited recovery of the hand’s fine motor function is ubiquitous in the clinical rehabilitation. However, most of the current forearm rehab-robots could only provide few simple motor, and lack of effective stimulation to the cognitive engagement of patients. In order to solve these problems, this project proposes an new active neurorehabilitation method that is drived with the voluntary movement intention of patient and has multiple fine movement patterns. The disabled patients who are suffering from mild and moderate motor dysfunction will be recruited as the subjects. The pattern recognition technique will be used to identify the subject’s motor intention based on the surface electromyography and the angle signals of finger flextion, which are recorded when the subject performing voluntary hand movements. A human-computer interaction interface will be then developed by means of the virtual-reality biofeedback technique. With the motor intent of subject and the human-computer interaction, the active neurorehabiitation will be realized. In order to further evaluate the neurorehabilitation performance of pre-intervention, during-intervention and post-intervention, some new quantified measure indexes will be proposed. The implementation of this project would provide a novel active neurorehabilitation approach that can accelerate and improve the recovery of forearm’s fine motor function, and it might help us to understand the rehabilitation. Meanwhile, it will also provide important theoretical and technical supports for the development of next generation high-performance rehab-robots.

在脑卒中和脑外伤后肢体运动功能障碍患者的临床康复中，普遍存在着手部精细运动功能恢复速度慢、恢复效果有限等问题。然而，目前多数的手部康复机器人仅能提供简单、有限的运动模式，且缺乏对患者参与康复训练主动性的有效刺激。为此，本项目提出一种基于患者自主动作意图、具有多种手部精细运动模式的主动神经康复方法。本项目拟以脑卒中和脑外伤后的轻度-中度运动功能障碍患者为研究对象，利用其自主运动时的表面肌电信息和手指弯曲度信息，通过模式识别技术检测其手部精细动作意图，并结合虚拟现实生物反馈技术实现以患者为中心的主动神经康复训练，进而通过量化的指标对主动神经康复“干预前、干预中、干预后”的康复情况和康复效果给予客观评价。本项目的实施有望提供一种新型的主动神经康复方法，加速运动功能障碍患者手部精细运动功能的康复进程，提高康复效果，了解运动功能康复机制，同时为下一代高性能康复机器人的研发提供理论基础和技术支持。

手部精细运动功能恢复速度慢、恢复效果有限是脑卒中和脑外伤患者临床康复中普遍存在的问题。物理康复训练是运动功能康复的重要手段之一。目前，多数的手部康复机器人仅能提供简单、有限的运动模式，且缺乏对患者参与康复训练主动性的有效刺激。为此，本项目以脑卒中和脑外伤后存在轻度-中度的运动功能障碍的患者为研究对象，就如何利用患者自主运动神经信息识别多种手部精细运动意图、实现手部精细运动功能的主动神经康复训练、康复评价方法开展了研究，探索主动神经康复方法及其神经康复机制。.主要在如下几个方面取得了新的进展：.1..基于自主运动神经信息的运动意图识别方法.提出了基于肌电、脑电、手指关节角度信号的多种运动意图识别方法。通过采用多种特征提取、特征降维以及模式分类算法，提出优化的动作意图识别方案；基于“肌肉协同”概念提出了新的运动意图识别方法；为复杂的手指精细动作识别提出了新方案；为肌张力高、肌肉协同模式异常的运动功能障碍患者提出了基于脑电运动意图识别的优化特征。.2..高鲁棒性的运动意图识别方案.针对有监督的肌电模式识别系统稳定性容易受到多种因素干扰的问题，本项目开展了一系列研究。分别针对肌电模式识别系统长期使用中高斯白噪声干扰、肌肉收缩力变化、手臂位置变化以及运动场景变化等因素，提出了高鲁棒性的运动意图识别方案。.3..虚拟现实康复训练平台功能完善.对虚拟现实康复训练平台在使用中所暴露出来的占用系统资源大、多线程逻辑时序冲突、运行不稳定等问题进行了优化，并根据使用需求进行了多处功能完善，以提升操作者使用体验。.4..主动神经康复的实现与康复评价方法研究.基于上述研究成果，在合作医院开展了手部运动功能主动神经康复的临床实验，并进行“功能性”肢体运动功能评价；从多部位肌肉协同、单块肌肉等角度进行了“生理性”运动功能评价方法的进一步探索。