触覚共有制御により、筋電プロテーゼ使用時の神経効率が向上

Nov 02, 2023

Scientific Reports volume 13、記事番号: 484 (2023) この記事を引用

1163 アクセス

4 オルトメトリック

メトリクスの詳細

臨床用筋電プロテーゼには、日常生活活動を効率的かつ正確に完了するために必要な感覚フィードバックや十分な器用さが欠けています。関連する環境信号の触覚フィードバックをユーザーに提供すること、またはプロテーゼに自律制御権限を与えることは、プロテーゼの実用性を向上させることが個別に示されています。しかし、共有制御パラダイムでこれら 2 つのアプローチを組み合わせた効果を調査した研究はほとんどなく、神経効率 (タスクのパフォーマンスと脳から直接測定される精神的努力との関係) の観点からそのようなアプローチを評価した研究はありません。この研究では、脆弱な物体を掴んで持ち上げるタスクにおける、切断されていない参加者 30 人の神経効率を分析しました。ここでは、握力の振動触覚フィードバックと把握の自律制御を特徴とする筋電義足を、振動触覚フィードバックありおよびなしの標準的な筋電義手と比較しました。精神的努力の尺度として、実験中に機能的近赤外分光法を使用して前頭前野の活動の変化を捕捉しました。触覚共有制御を備えたプロテーゼは、標準的なプロテーゼと比較して、作業パフォーマンスと精神的努力の両方を向上させることが期待されました。結果は、触覚共有制御システムのみがユーザーの高い神経効率を達成できること、および適切な握力で物をつかむためには振動触覚フィードバックが重要であることを示しました。これらの結果は、触覚共有制御システムが触覚フィードバックと自律コントローラーの利点を相乗的に組み合わせ、筋電プロテーゼ技術におけるこのようなハイブリッドの進歩を知らせる準備が整っていることを示しています。

意志による物体の操作中、生体の四肢からの触覚（固有受容、運動感覚、触覚）は、把握の修正を行い、物体と環境の内部フィードフォワードモデルを更新するために使用されます1。このモデルの改良により、その後の操作の速度と器用さが向上し、最初は未知の物体や壊れやすい物体とのやり取りが、経験を積むにつれてよりスムーズかつ効率的になります 2,3。感覚情報は、壊れやすい物体を扱うためにグリップ力を調整する場合に特に重要です。グリップ力は慣性と重力に対抗するのに十分な大きさである必要がありますが、物体を押しつぶすほど大きくてはなりません4。一般的な上肢義足では感覚フィードバックが提供されないため、この触覚情報による知識は失われています。

過去数十年にわたり、研究者たちは上肢義足の触覚フィードバックを復元しようと試みてきました（Stephens-Fripp らによる 2018 年のレビューを参照）。特に、プロテーゼ装着者にグリップ力、グリップ開口部、物体の滑りなどの手がかりを提供するために、皮膚への機械触覚刺激を利用することに多大な努力が払われてきました6、7、8。これまでの研究では、筋電プロテーゼを使用した識別力と器用な作業パフォーマンスの向上における触覚フィードバックの利点が実証されています9、10、11、12。特に、振動触覚フィードバックは、そのコンパクトなサイズと低消費電力により、依然としてシンプルでありながら効果的なプロテーゼの触覚フィードバック方法です13、14、15、16、17、18。

上肢義足、特に握力調整に対する触覚フィードバックの利点が実証されているにもかかわらず、標準的な筋電ハンドであっても一貫して制御することは依然として課題です。最も単純な筋電スキームである直接制御では、作動筋と拮抗筋のペアからの電気活動の量を使用して、単一自由度のプロテーゼ端末装置を制御します。ユーザーによる触覚フィードバックの解釈とその後の筋電コマンドとの間に固有の遅延があるため、意志的な運動が非常に遅くなる可能性があり 20、また認知能力も要求される 21,22 可能性があります。

ユーザーの認知的負担を軽減しながら同時にタスクの成功率を向上させるために、研究者は低レベルの自律知能を義肢に直接埋め込むことに焦点を当ててきました。これらの自律システムは、物体の滑りや過剰な把握力などの把握エラーに反応して防止できます23、24、25、26、27。直接制御筋電オットーボックセンサーハンドスピード 28 プロテーゼの場合と同様、同様の技術がすでに商業的に導入されています。イベントトリガー型の自律システム以外にも、義手と物体との間の接触面積を最大化するなど、把握性能の最適化を試みるコントローラーもあります29。同様に、ユーザーの介入なしに、望ましい掴みやすいグリップの可能性の高いシーケンスを予測するコントローラーが提案されています 30、31、32。

これらの自律制御戦略は人間の制御をさまざまな程度で補完しますが、意志による（つまり手動の）プロテーゼ操作中にユーザーに重要な感覚フィードバックを提供することはできません。この感覚フィードバックを使用してユーザーの操作戦略を更新し、それによって意志制御を改善することができます。次に、自律型コントローラーは人間の成功した意志制御戦略を学習し、その後の操作でそれを再現することで、タスクのパフォーマンスを向上させ、認知努力を軽減することができます。

触覚による人間による制御と自律制御の間を調停する制御アプローチは、触覚共有制御と表現できます。たとえば、触覚共有制御技術は自動車アプリケーションに組み込まれており、自律システムからの触覚フィードバックがナビゲーション中にドライバーをガイドします33、34、35、36、37。私たちの以前の研究では、上肢義足用の触覚共有制御アプローチを開発し、直接視覚を使用せずに器用にリーチしてピックアンドプレイスするタスクにおけるそのタスクパフォーマンスの有用性を調査しました。この原稿では、触覚共有制御が器用な作業における神経効率をどの程度改善するかを調査することで、この先行研究を構築します。ここでの神経効率は、タスクのパフォーマンスと、そのレベルのパフォーマンスを達成するために必要な精神的努力との関係として定義されます39。我々は以前、プロテーゼの意志的（つまり手動）制御中に提供される触覚フィードバックが、触覚フィードバックなしの意志的制御よりも物体剛性識別タスクにおける神経効率の向上につながることを示しました22。この研究における精神的努力は、非侵襲的な光学的脳イメージング技術である機能的近赤外分光法（fNIRS）を使用して評価されました40。

本研究では、同じ神経生理学的測定を利用して、正確な力制御が必要となる、脆い物体を器用につかんで持ち上げるタスクにおける、タスクパフォーマンスと認知負荷に対する触覚共有制御の影響を総合的に評価する。特に、標準的な筋電プロテーゼ、握力の振動触覚フィードバックを備えた筋電プロテーゼ、または触覚共有制御、つまり振動触覚フィードバックを備えた筋電プロテーゼを使用して、つかんで持ち上げるタスクを実行する参加者の神経効率を調査します。模倣学習パラダイムを通じて統合された握力の制御と握力の低レベル自律制御。我々は、触覚共有制御により、標準的な義足と比較して最高の神経効率（最高の作業パフォーマンスと最低の認知負荷）が得られ、次に握力の振動触覚フィードバックを特徴とする義足が続くと仮説を立てています。

33 人の非切断者参加者 (女性 9 人、年齢 24.6 ± 3.2 歳、左利き 2 人) が、ジョンズホプキンス医学研究所 IRB (プロトコル #00147458) によって承認されたこの実験研究に参加しました。すべての参加者からインフォームドコンセントが得られ、すべての方法は関連するガイドラインおよび規制に従って実行されました。参加者は 3 つのグループのうちの 1 つに擬似ランダムに割り当てられ、各グループは性別のバランスがとられていました。最初のグループの参加者は、標準的な筋電プロテーゼを使用して、掴んで持ち上げるタスクを完了しました (標準グループ)。 2 番目のグループの参加者は、握力の振動触覚フィードバックを備えた筋電プロテーゼを使用して、同じ掴んで持ち上げるタスクを完了しました (振動触覚グループ)。 3 番目のグループの参加者は、触覚共有制御を備えた筋電プロテーゼを使用して、掴んで持ち上げるタスクを完了しました (触覚共有制御グループ)。図 1 は、触覚共有制御グループの実験セットアップをデモンストレーションしている実験者の 1 人を示しています。

実験で使用されるデバイスには、模擬義足、振動触覚アクチュエーター、fNIRS イメージングデバイス、および計測対象物が含まれます。 fNIRS データストリームを除くすべての入出力信号は、MATLAB/Simulink 2017a の Quanser QPIDe DAQ および QUARC リアルタイムソフトウェアを通じて制御されました。

ユーザーは、触覚共有制御を備えた筋電プロテーゼを使用して、壊れやすい器具を装着した物体をつかみます。額に装着した fNIRS ヘッドセットは、認知負荷の神経生理学的測定値を収集します。

このプロテーゼは、切断されていない参加者が装着できるカスタムの熱可塑性ソケットと、自発的に閉じるフック型の端末装置 (最大口径 83 mm) で構成されています。ボーデンケーブルは端末デバイスをカスタムの電動リニアアクチュエータに接続し、デバイスの開閉を制御します。これと同じプロテーゼとアクチュエータが使用されており、Thomas et al.9,22 でより詳細に説明されています。橈骨を横断する切断者が通常経験する荷重条件をシミュレートするために、カウンターウェイトシステムが端末装置に取り付けられました。プロテーゼの質量 800 g のうち 500 g を相殺します。

電動リニアアクチュエータは、手首の屈筋群と伸筋群からの表面筋電図信号 (sEMG) によって比例開ループ速度制御モードで駆動されます。 sEMG 信号は、16 チャンネル Delsys Bagnoli デスクトップシステムを使用して取得されました。

以前の研究 41,42 に触発されて、脆い物体 (\(77 \times 74 \times 139\,\text {mm}\)) をシミュレートする計装デバイスが、つかんで持ち上げるタスク用に設計されました。図 2 に示されているこのオブジェクトは、オブジェクトの破損を示す折りたたみ可能な壁で構成されています。このオブジェクトには、オブジェクトの動きを測定するための加速度計、破損を検出するための磁石とホール効果センサー、グリップ力を測定するための 10 kg のロードセル、およびオブジェクトの質量をカスタマイズするためのウェイトコンテナが備えられています。今回の研究では、物体の質量は 310 g で一定のままでした。物体の持ち上げを検出するために、導電性布地を物体の底面と試験プラットフォームの表面に配置しました。

計測されたオブジェクトは、ヒンジ付きの折りたたみ可能な壁を使用して破壊をシミュレートし、ロードセルと加速度計を使用してグリップ力とオブジェクトの動きを測定できます。

機能的近赤外分光法 (fNIRS) は、近赤外光を利用して皮質の酸素化変化を測定し、神経活動を捕捉します。局所的な酸素化濃度の変化（脱酸素化ヘモグロビンと酸素化ヘモグロビン、およびそれらの合計の総ヘモグロビン、総Hb）は、ニューロンの酸素消費による脳活性化と相関しています43、44、45、46、47。したがって、ヘモグロビン濃度の変化は組織の酸素化と代謝に強く関係しています。偶然にも、オキシ-Hb とデオキシ-Hb の吸収スペクトルは互いに大きく異なるため、わずかなサンプル波長を使用するだけでこれらの化合物の分光分離が可能になります。 fNIRS は、機能的磁気共鳴画像法 (fMRI) などの他の脳イメージング法と同様の結果をもたらすことが示されており 48,49、多数の先行研究でも実証されています 50,51,52,53,54。さらに、脳波検査よりも空間分解能が優れており、精神的作業負荷信号を妨げる可能性のある運動アーチファクトや筋肉活動の影響も受けにくい55。さらに、我々は以前に fNIRS を使用して、剛性弁別タスクにおける認知負荷に対する振動触覚フィードバックを備えた筋電プロテーゼの効果を評価することに成功しました。 4 オプトード fNIRS イメージャー (モデル 1100W; fNIR Devices, LLC, USA) を使用して、前頭前皮質の 4 つの領域からの血行力学的活動を 4 Hz のサンプリングレートで測定しました。信号は COBI Studio (v1.5.0.51) および fnirSoft (v4.11) で取得および後処理されました56。次に、ハミングウィンドウと 0.1 Hz のカットオフ周波数を使用して設計された 40 次のローパスおよび線形位相の有限インパルス応答 (FIR) フィルターが適用され、高周波ノイズと心拍数や呼吸数などの生理学的振動が減衰されます。次に、修正された Beer Lambert がフィルタリングされたデータに適用され、神経血管結合を介した精神的努力に関連するヘモグロビンの相対濃度が得られます 40,57。

sEMG キャリブレーション手順では、最大随意収縮を利用して、プロテーゼモーターの最小電圧と最大電圧の間で sEMG 信号を正規化します。手首の屈曲活動の振幅は、プロテーゼが閉じる速度に比例します。同様に、手首の伸展活動の振幅はプロテーゼの開く速度に比例します。制御方程式と詳細については、以前の研究で見つけることができます38。ここでの唯一の違いは、現在のプロテーゼを駆動するために使用される電圧の範囲です（以前の研究では 0.55 ～ 1.5 V でしたが、ここでは 1.5 ～ 7 V）。

握力の振動触覚フィードバックは、Syntacts アンプ (v3.1) によって駆動される C-2 タクター (Engineering Acoustics) を使用して提供されました。タクターは参加者の上腕に縛り付けられた。振動触覚フィードバック周波数は 250 Hz に設定されました。振動触覚フィードバック電圧 \(\nu\) は、計測された物体からのロードセル電圧 L に比例しました。ロードセルにかかる力が増加すると、図に示すように振動の振幅が増加します。

ロードセルの静止状態は約 4.5 V です。ロードセルに力が加わると、この値は減少します。ロードセルの接触を検出するためのしきい値として 4.3 V が選択されました。

触覚共有制御スキームは、プロテーゼのユーザーの手動制御 (振動触覚フィードバックによる) とユーザーの所望の握力を模倣しようとする自律制御システムの間で切り替わります。有効化され、その後ユーザーによってトリガーされると、自律コントローラーは、ユーザーが事前に設定した握力に達するまで、プロテーゼ端末装置を独立して閉じます。

コントローラーを有効にするには、ユーザーはまず手動でプロテーゼを (sEMG 経由で) 作動させ、物体を壊したり落としたりすることなく、少なくとも 1 秒間物体を持ち上げる必要があります。このような現象は、ロードセル信号の導関数の鋭いピークを評価することによって特定されます。ここで、\({\frac{dL}{dt}} > 2.5 {\frac{\text{V}}{{\text{s}}) }}\) はスリップイベントを示し、\({\frac{dL}{dt}} > 5 {\frac{\text{V}}{{\text{s}}}}\) はオブジェクトの破損を示します。この手動操作中、参加者は「振動触覚フィードバック」セクションで説明されているように、握力の振動触覚フィードバックを受け取ります。持ち上げが成功した 1 秒間に加えられた平均握力は、共有コントローラーの望ましい握力として保存されます。この値が保存されると、振動触覚フィードバックがオフになり、プロテーゼの青色 LED がオンになり、自律制御への移行がユーザーに通知されます。

プロテーゼ端末デバイスの自律的な閉鎖を有効にするには、参加者は手首屈曲閾値 \(f_L\) 以上の手首屈曲 sEMG 信号 \(S_f\) を生成する必要があります (活動を維持する必要はありません)。自律的な把握が開始されたときの端末デバイスへの閉じるコマンド (\(h_c\)) は、3 つの個別の段階 (\(h^1_c\)、\(h^2_c\)、\(h^3_c\)) で発生しました。まず、図に示すように、最初の減衰シグナルが急速終了を開始しました。

閉速度がヒューリスティックに決定されたしきい値を下回ると、次のように物体との接触が検出されるまで閉コマンドが継続的に増加しました。

ここで、\(\frac{da}{dt}\) はプロテーゼの開口部 (つまり、速度) の微分値、\(a_L\) は下限速度閾値、\(a_U\) は上限閾値を指します。

リニアアクチュエータのモーター上のエンコーダによって測定された、脆性物体のロードセル値 L が閾値 \(L_t\) を下回り、プロテーゼ A の口径が閾値 \(A_t\) を下回ったときに接触が発生しました。接触後、比例積分コントローラは、図に示すように、ロードセル信号がユーザーの事前定義された握力 \(L_{\text {d}}\) の 5% 以内になるまで端末デバイスを閉じます。

ユーザーが自律制御を誤って起動した場合、ユーザーは手首の伸筋を作動させて「開く」コマンドを送信し、自律閉鎖をキャンセルできます。これによってコントローラーは無効になりません。単に自律的な終了プロセスを停止するだけです。持ち上げの試行中に物体が破損したり落下した場合、自律型コントローラーは完全に無効になり、オペレーターは手動モード (触覚フィードバック付き) でプロテーゼを制御する必要があります。ユーザーがプロテーゼの青色 LED ボタンを押して、コントローラーを手動で無効にすることもできます。コントローラーが無効になると、ユーザーは短いパルス振動を受け取り、LED がオフになります。したがって、把握エラーが検出されない限り、またはユーザーがコントローラーを手動でオーバーライドしない限り、ユーザーは自律モードに留まり続けます。さらに、ユーザーが手動モードで物体を持ち上げることに成功した後は、自律コントローラーが常に有効になります。触覚共有コントローラーを使用する参加者の信号トレースを図 3 に示します。

触覚共有制御条件の参加者が脆い物体を 2 回掴んで持ち上げたときの最初の試行からの信号の例。緑色の破線は物体が持ち上げられたときを示し、茶色の点線は物体が置かれたときを示します。ピンクの破線は、自律コントローラーがいつ有効になったかを示します。表示されるトレースは、sEMG 屈曲活動 \(S_f\)、閉鎖コマンド \(u_c\)、プロテーゼの閉鎖パーセント、ロードセル信号 L、および C-2 触覚振動信号 \(\nu\) です。トレースは、2 回の成功した掴み上げを示しています。最初の試みは振動触覚フィードバックを使用して手動で行われ、2 番目の試みは自律制御を使用して完了しました。自律制御の 3 つの段階を識別できることに注意してください (1 つ目は減衰コマンド \(h^1_c\)、2 つ目は \(h^2_c\) で上昇コマンド、3 つ目は \(h^ 3_c\)、比例積分コントローラーコマンド)。

実験を開始する前に、各参加者は人口統計に関するアンケートに回答しました。次に、実験者は sEMG 電極を参加者の右手首の屈筋群に配置し、もう 1 つを右手首の伸筋群に配置しました。参加者は、手首の屈筋群と伸筋群の最大随意収縮（MVC）を使用して、sEMG 信号を校正しました。次に実験者は、解剖学的ランドマークを使用して fNIRS イメージングヘッドセットを参加者の額に置きました。センサーパッドは垂直および水平の対称軸に合わせて配置されました。左右の半球センサーパッドの中央マーカーを各半球の参加者の瞳孔に合わせるように注意が払われました。ヘッドセットとセンサーパッドの端を覆うためにダーク色の布製バンドが使用され、周囲の光を遮断しました。ヘッドセットのセンサーを妨げる髪の毛がないことを確認し、快適な装着感を確認した後、実験者は前頭前皮質の活動のベースライン測定を行いました56。

参加者は実験テーブルの前に座りながら、GUI を使用して、59 年に報告されたテストをモデルにした、sEMG 信号制御のトレーニングと評価を組み合わせたトレーニングを完了しました。参加者は、一度に 5 秒間、sEMG 活動の 3 つの異なるレベルに達して維持するように求められました。各レベルはユーザーの MVC の 12.5%、25%、および 37.5% でした。これらの値は、MVC の 0% と 50% の間の等距離点であり、プロテーゼの最大速度にマッピングされます。したがって、これらの MVC パーセンテージは、妥当な範囲の速度を表します。参加者はまず、手首屈筋活動の練習セッションを 1 回完了し、3 つのレベルがそれぞれ 1 回ずつ提示されました。練習が完了すると、参加者は 3 つのレベルのそれぞれが 3 回提示されるテストセッションを完了しました。手首の屈筋の練習とテストのセッションを完了した後、参加者は手首の伸筋の同じ練習とテストの手順を繰り返しました。

sEMG トレーニングと評価を完了した後、参加者は立って掴んで持ち上げるタスクのトレーニングを開始するように求められました。参加者が振動触覚または触覚共有制御グループに属している場合、C-2 触覚器は右上腕に配置されました。同様に、参加者が触覚共有コントロールグループに属している場合、青色 LED ボタンがプロテーゼ上に配置されました。次に、実験者は参加者に、筋肉の活動を利用してプロテーゼを閉じたり開いたりする方法を指導しました。参加者は、快適に感じるまでプロテーゼの開閉を練習することができました。次に、実験者は、この課題の目標は、壊れやすい器具を備えた物体を壊したり落としたりすることなく、3 秒間つかんで持ち上げることであると説明しました。

すべての参加者は、一貫した配置を確保するために、折りたたみ可能な壁の小さな突起の真下にプロテーゼを配置するように指示されました。標準グループの参加者には、3 秒間オブジェクトを持ち上げることに成功するまで、複数回の試みが許可されました。その後、実際の実験に移る前に、さらに 3 回の練習が行われました。

振動触覚グループの参加者には、最初にフィードバックの概要が与えられ、さらにフィードバックを使用して物体を持ち上げるための適切な握力を見つけるように指示されました。その後、3 秒間正常に物体を持ち上げることができるまで、複数回の試みが許可されました。その後、実際の実験に移る前に、さらに 3 回の練習が行われました。

ハプティック共有コントロールグループの参加者は、最初に共有コントローラーの概要を説明され、手動モードと自律モードを切り替える方法について説明されました。その後、手動モードで 3 秒間物体を持ち上げることに成功するまで、複数回の試行が許可されました。次に、自律制御を起動して物体を持ち上げるように依頼されました (「触覚共有コントローラー」セクションを参照)。次に実験者は、自律コントローラを自動的に無効にする 2 つのシナリオ、(1) オブジェクトの破損、および (2) オブジェクトのスリップを実証しました。参加者は、自律型コントローラーを再度有効にするために、各デモンストレーションの後に手動モードで物体を掴んで持ち上げる必要がありました。最後に、実験者は青色 LED ボタンを使用して自律コントローラーを手動でオーバーライドする方法をデモンストレーションしました。その後、参加者は実際の実験に移る前に、さらに 2 回練習を試みることができました。触覚共有制御グループの参加者は、手動モードで実験を開始しました。

すべてのトレーニングが完了した後、参加者は、物体を壊したり落としたりすることなく、その分以内にできるだけ多く物体を掴んで持ち上げるという、1 分間の 7 回の試行を完了しました。参加者はタスクの全体像を把握できました。参加者は物体を空中に 3 秒間保持する必要がありました。試行間に 30 秒の休憩を設けました。

7 つの実験をすべて終了した後、参加者は実験の主観的な経験に関するアンケートに回答しました。質問は NASA-TLX アンケート 60 に基づいており、スライディングスケールの質問と短い回答の質問が混在していました。

次の指標を使用して、タスクのパフォーマンスと神経パフォーマンスの両方の観点から 3 つの条件を分析しました。

リフトの成功とは、物体を持ち上げて空中に少なくとも 3 秒間保持することと定義されました。この作業には持ち上げ高さの要件はありませんでした。各掴み試行のステータス (持ち上げが成功したかどうか) が記録されました。さらに、試行ごとに成功したリフトの合計数も計算されました。

計装対象物に対する安全なつかみマージンは、3 ～ 4 V の範囲のロードセル値として定義されました。各つかみ試行ごとに、最小の力の値を表す 100 個の最小のロードセル値 (物体のつかみ中に測定され、最大の力の値を表します) が使用されます。図を参照してください。 3) を平均し、安全な掴み間隔と比較しました。

ヘモグロビンの総濃度 (HbT) は、認知負荷を測定するための代用として使用されました。平均値は、前頭前皮質の 4 つの領域 (左外側、左内側、右内側、および右外側) から 7 つのトライアルのそれぞれについて抽出されました。

これらの認知負荷の測定値は、リフトの総数と組み合わされて、39 で説明されているように神経効率を計算しました。把握エラーなしで少なくとも 3 秒間持続したリフト成功回数の Z スコア \(z(\text {Lift})\) と総ヘモグロビン濃度 \(z(\text {HbT})\) は次のように計算されました。ニューラル効率メトリックを次のように導出します。

ここで、Z スコアの計算に使用される平均と標準偏差は、すべての条件にわたるすべての参加者の平均と標準偏差を指します。この指標は、一定レベルのパフォーマンスを達成するために必要な精神的努力を表します。神経効率が高いほど、パフォーマンスが向上し、認知負荷が低くなります。

実験後のアンケートは、スライド式 (0 ～ 100) 質問と短い回答形式の質問を組み合わせたものでした。スライディングスケールの質問では、参加者にタスクの身体的要求、精神的要求、およびペースを評価するよう求めました。さらに、タスクを完了するために知覚された能力、フラストレーションのレベル、タスクを完了するために視覚、聴覚、および触覚ベースの合図をどの程度使用したかを評価するよう求めました。最後に、調査では、タスクを達成するために採用した戦略を説明し、経験についてその他のコメントを提供するよう求められました。

統計分析は RStudio (v4.1.0) で実行されました。ロジスティック混合モデルと線形混合モデルを組み合わせて、タスクと神経のパフォーマンスを評価しました。変量効果には、被験者のランダムな切片と試験のランダムな傾きが含まれます。事後テストはボンフェローニ補正を使用して実行されました。モデルの残差がプロットされ、分散の均一性と正規性がチェックされました。 0.05のp値を有意性の閾値として使用した。

ロジスティック二項混合モデルを使用して、各つかみ試行について安全なつかみマージン内にある確率を評価しました。固定効果には試行番号とモードが含まれており、モードはフィードバックなし (筋電プロテーゼの手動操作)、フィードバック (握力の振動触覚フィードバックによるプロテーゼの手動操作)、または自律 (自律コントローラーがプロテーゼを操作する) のいずれかになります。フィードバック把握試行には、振動触覚グループの参加者からのすべての把握試行と、プロテーゼを手動で操作していた (自律コントローラーが解除された) 触覚共有制御グループの参加者からの把握試行が含まれます。

別のロジスティック二項混合モデルを使用して、物体を持ち上げる確率を評価しました。個々の線形混合モデルを使用して、リフトの数、4 つの脳領域のそれぞれのヘモグロビンの総濃度、および 4 つの脳領域のそれぞれの神経効率を評価しました。すべてのモデルの固定効果は、参加者グループと試行回数でした。この分析では、振動触覚グループは触覚共有制御グループとは別のものであり、プロテーゼを手動で操作する触覚共有制御グループの参加者による試験は含まれていません。

研究への参加に同意した参加者 33 名のうち 3 名はデータ分析から除外されました。これら 3 件のうち 1 件は、システムの技術的な問題により実験を完了できませんでした。別の参加者はキャリブレーションステップ中に満足のいく sEMG 信号を生成できず、3 人目の参加者は実験中の制御が不十分でした。この参加者は、他の参加者と比較して、屈曲および伸展の sEMG 評価中の二乗平均平方根誤差が高いことから明らかなように、sEMG 評価中のコントロールも不良でした。以下の結果は、残り 30 人の参加者 (各グループ 10 人) に関するものです。

データに対して報告された結果は、線形混合モデルとロジスティック混合モデルの統計解析からの固定効果 \(\beta\) と標準誤差 SE の推定値を示します。標準グループでは 531 件、振動触覚グループでは 522 件、触覚共有コントロールグループでは 433 件の観察がありました。簡潔にするために、右側前頭前野皮質から生じる認知負荷についてのみ説明します。この領域は活動に最も顕著な変化を示したためです。他の脳領域からの認知負荷の結果は、この原稿に関連する補足資料に記載されています。

各掴み試行における安全な握力マージン内で物体を掴む確率。ここで、個々のデータポイントは各試行 (各モードのすべての参加者) の平均を表し、実線はモデルの予測を示します。注: フィードバックなしモードは手動プロテーゼ操作を指し、フィードバックモードは振動触覚フィードバックを伴う手動プロテーゼ操作を指し、自律モードは自律プロテーゼ操作を指します。 * は \(p<0.05\)、** は \(p<0.01\)、*** は \(p<0.001\) を示します。

二項混合モデルを使用して、特定の掴み試行が物体を壊さずに持ち上げるのに適切である確率を評価しました。ここでは、ノーフィードバック、フィードバック、および自律モードを比較します。フィードバックなしモードには、標準グループのすべての参加者が含まれます。フィードバックモードには、手動モードの触覚共有コントロールの参加者だけでなく、振動触覚グループの参加者も含まれます。自律モードには、自律コントローラーを使用して掴んで持ち上げるタスクを完了する触覚共有コントロールの参加者が含まれます。フィードバックなしモードでは 531 件、フィードバックモードでは 632 件、自律モードでは 323 件の観測がありました。安全な把握マージン内に入る確率は、標準モードの 50% からの有意なプラスの差に近づきました (\(\beta =0.96, SE=0.51, p=0.06\))。ただし、振動モード (\(\beta =1.07, SE=0.53, p=0.045\)) と自律モード (\(\beta =2.61, SE=0.57, p<0.001\)) の両方でオッズが大幅に向上しました。標準モードに比べて安全なつかみ代の範囲内にあります。さらに、自律モードは、安全な把握マージンを確保する点で、振動触覚モードよりも大幅に優れていました (\(\beta =1.55, SE=0.33, p<0.001\))。課題の経験 (つまり試行回数) は、安全域内で把握する能力に影響を与えませんでした (\(\beta =-0.07, SE=0.06, p=0.22\))。これらの結果を視覚化した図については、図 4 を参照してください。これらの統計結果に加えて、物体の持ち上げ、破損、落下、およびその他の把握エラーの数が表 1 にグループごとに報告されています。ここで、その他の把握エラーには、成功しなかった、または落下または落下に至らなかった持ち上げの試行が含まれる可能性があります。休憩（例：参加者は物体を持ち上げ、3 秒マークの前にそれを置きました）。

二項混合モデルを使用して、特定の掴みの試みがリフトに成功する確率を評価しました。こことその後のすべての結果では、標準、振動触覚、および触覚共有コントロールグループを比較します。標準グループで物体を持ち上げる確率は 50% 未満でした (\(\beta =-0.96, SE=0.35, p=0.006\))。振動触覚グループは標準グループより優れていませんでした (\(\beta =0.30, SE=0.37, p=0.42\))。ただし、触覚共有制御グループは、標準グループ (\(\beta =1.08, SE=0.36, p=0.003\)) や振動触覚グループ (\(\beta =0.78, SE=0.37、p=0.037\))。さらに、タスクの経験 (つまり試行回数) により、すべてのグループのパフォーマンスが大幅に向上しました (\(\beta =0.09, SE=0.04, p=0.025\))。各グループの結果を視覚化した図については、図 5 を参照してください。

試行全体で各グループのオブジェクトを持ち上げる確率。個々のデータポイントは各試行 (各グループのすべての参加者) の平均を表し、実線はモデルの予測を示します。 * は \(p<0.05\)、** は \(p<0.01\)、*** は \(p<0.001\) を示します。

トライアルにわたる各グループの平均リフト数。個々のデータポイントは各トライアル (各グループのすべての参加者) の平均を表し、実線はモデルの予測を示します。 * は \(p<0.05\)、** は \(p<0.01\)、*** は \(p<0.001\) を示します。

線形混合モデルを使用して、トライアルごとの 3 秒間のリフトの平均回数を評価しました。標準グループの平均リフト数はゼロより有意に高かった (\(\beta =1.82, SE=0.42, p<0.001\))。振動触覚グループは、標準グループ (\(\beta =0.50, SE=0.51, p=0.34\)) や触覚共有コントロールグループ (\(\beta =-0.62, SE=0.51, p=0.22) と違いはありませんでした。 \))。ただし、触覚共有コントロールグループでは、標準グループと比較してリフト数が大幅に向上しました (\(\beta =0.96、SE=0.35、p=0.006\))。さらに、タスクの経験により、すべてのグループのパフォーマンスが大幅に向上しました (\(\beta =0.19, SE=0.04, p<0.001\))。各グループのこれらの結果を視覚化した図については、図 6 を参照してください。

各試験の平均総ヘモグロビン濃度。個々のデータポイントは各試験 (各グループのすべての参加者) の平均を表し、実線はモデルの予測を示します。 * は \(p<0.05\)、** は \(p<0.01\)、*** は \(p<0.001\) を示します。

平均総ヘモグロビン濃度の変化は、被った認知負荷の量を表します。集中力の増加は、認知負荷が高いことを示します。線形混合モデルを使用してヘモグロビン濃度を評価しました。右外側前頭前皮質の平均総ヘモグロビン濃度は、標準グループのゼロより有意に高かった (\(\beta =0.71, SE=0.29, p=0.019\))。振動触覚グループは標準グループと有意な差はありませんでした (\(\beta =-0.10, SE=0.37, p=0.77\))。同様に、触覚共有コントロールグループは標準グループと有意な差はありませんでした (\(\beta =-0.65, SE=0.37, p=0.086\))。このタスクの経験により、認知負荷が大幅に改善されるのに近かった（総ヘモグロビン濃度の低下: \(\beta =-0.05, SE=0.03, p=0.068\)）。各グループのこれらの結果を視覚化した図については、図 7 を参照してください。

各試行の神経効率。個々のデータポイントは各試行 (各グループのすべての参加者) の平均を表し、実線はモデルの予測を示します。 * は \(p<0.05\)、** は \(p<0.01\)、*** は \(p<0.001\) を示します。

神経効率は、精神的な努力とパフォーマンスの関係を示します。正の神経効率は、すべての条件における神経効率の総平均よりも高い値を示し、負の神経効率は、総平均よりも低い値を示します。線形混合モデルを使用して神経効率を評価しました。標準グループの神経効率はゼロより有意に低かった (\(\beta =-0.90, SE=0.30, p=0.005\))。振動触覚グループは、標準グループ (\(\beta =0.33, SE=0.37, p=0.38\)) または触覚共有対照グループ (\(\beta =-0.58, SE=0.37, p= 0.12\))。ただし、触覚共有コントロールグループの神経効率は、標準グループよりも有意に高かった (\(\beta =0.91, SE=0.37, p=0.021\))。さらに、タスクの経験により全体的な神経効率が向上しました (\(\beta =0.12, SE=0.03, p<0.001\))。各グループのこれらの結果を視覚化した図については、図 8 を参照してください。

線形回帰モデルを使用して調査結果を分析しました。標準グループの参加者は、すべての調査質問に対して 0 とは大きく異なる評価を提供しました (完全な結果については表 2 を参照)。調査の回答がグループごとに大きく異なったのは、次のいくつかのケースのみでした。振動触覚グループの参加者は、視覚的手がかりの使用が標準グループよりも大幅に少ないと評価し、ボンフェローニ補正を用いた事後テストでも触覚共有対照グループよりも少なかったと評価しました (\(\beta =-25.6, SE~) =~8.21、p=0.002\))。ボンフェローニ補正を用いた事後テストでは、触覚共有対照群の参加者は、体性感覚手がかりの使用が振動触覚群の参加者よりも有意に低いと評価しました (\(\beta ~=~-29.2\)、SE = 12.45、 p = 0.02)。

触覚共有制御アプローチは、いくつかの人間とロボットの対話アプリケーションで利用され、成功を収めています 34,37。しかし、上肢義足におけるその有効性に関する研究は不足しています。さらに、触覚共有制御アプローチが人間のオペレーターの認知負荷と神経効率にどのような影響を与えるかは十分に理解されていません。このギャップに対処するために、私たちは筋電プロテーゼ用の触覚共有制御アプローチを開発し、タスクパフォーマンスと神経生理学的認知負荷メトリクスの両方でそれを総合的に評価しました。この評価を通じて、一定のパフォーマンスレベルに達するために必要な精神的努力のレベルを理解することができました。この制御スキームを、標準的な筋電プロテーゼと、脆い物体をつかんで持ち上げる作業における握力の振動触覚フィードバックを備えたプロテーゼと比較しました。触覚共有制御スキームは、プロテーゼの把持の触覚誘導制御と把持の完全な自律制御の間で調停を行いました61。ここで、自律制御は、人間のオペレータが望む把握戦略を模倣学習パラダイムで再現しました。

主な結果は、触覚共有制御グループの参加者は、標準グループの参加者と比較して、より高い神経効率、つまり同様の精神的努力でより高いタスクパフォーマンスを示したことを示しています。さらに、振動触覚フィードバックは一般に、グリップ力を適切に調整するのに役立ち、これは先行文献 10、11、19 と一致しています。この利点と、自律把握コントローラーによってもたらされる機敏性の向上により、標準制御方式と振動触覚制御方式の両方と比較して、触覚共有制御方式による持ち上げ能力と握力調整が大幅に向上しました。

器用な作業のパフォーマンスと精神的労力の軽減における触覚フィードバックの利点が報告されているにもかかわらず、振動触覚フィードバックだけでは、この研究では標準対照と比較して持ち上げ能力と神経効率を大幅に改善することはできませんでした。これらの結果は、脆い物体の掴みと持ち上げに対する触覚フィードバックの影響に関する以前の研究の結果と一致しています41,42。これはおそらく、フィードバックではタスクのマイルストーンとタスクのエラーが発生した後にのみユーザーに通知できるという事実によるものと考えられます。人間の感覚運動制御では、フィードフォワード制御は、運動動作をガイドする予測を行うことによってフィードバック戦略を補完する役割を果たします64。

したがって、私たちの難しい器用な作業には、フィードバック制御戦略だけでは不十分であり、壊れやすい物体を掴んで持ち上げるのに必要な適切な握力をフィードフォワードで理解することで補う必要がありました。トレーニングが完了すると、自律型コントローラーは筋電フィードフォワード制御の負担をユーザーから解放し、その結果、パフォーマンスと精神的努力の両方が顕著に向上します。この触覚共有制御コンセプトは、タスク要件に関する人間のオペレータの知識の強みを活用し、その後、この経験を自律コントローラの調整に利用します。この実験での脆性物体の使用は、より適切な把握力、持ち上げの成功、および神経効率の向上の点で、触覚共有制御のみが標準的なプロテーゼより優れていたことを考えると、プロテーゼにおける高度な制御スキームの必要性を浮き彫りにしました。この発見は、半自律車両や遠隔操作など、他のヒューマン・マシン・インタラクション・パラダイムにおける触覚共有制御の既述の利点と一致しています35,36。

この研究における触覚共有制御スキームの性質により、触覚共有制御グループの参加者は、実験セッション中に振動触覚グループの参加者に比べて振動フィードバックの経験がはるかに少なかった。実際、触覚共有制御グループの参加者は、振動触覚グループの参加者よりも体性感覚の合図の使用が著しく少ないと報告しました。したがって、振動触覚フィードバックのトレーニングを追加することで、人間と機械の間の境界がよりシームレスになる可能性があります。他の研究では、触覚フィードバックを使用した長期間のトレーニングによりパフォーマンスが大幅に向上することが示されています 15,19。

ここで、振動触覚アクチュエータからの聴覚的合図が一部の参加者によって利用された可能性が高いことは注目に値します。 2 人の参加者は、タクターの音は触覚自体と同じかそれ以上に顕著であると明確に述べました。これまでの研究では、振動触覚フィードバックからの触覚と聴覚の合図を組み合わせると、触覚合図のみの場合と比較して反応時間が短縮されることが示されています65。さらに、冗長なマルチモダリティフィードバックを組み合わせると、単峰性フィードバックと比較して反応時間が改善されることも示されています66。このタイプの付随的なフィードバックは、振動タクターから発せられる聴覚と触覚の合図に限定されません。義足のモーターの動きによって生成される音も、条件を超えて数人の参加者によって使用されました。付随的なフィードバックは器用な作業を支援することが実証されていますが 67、迅速かつ正確な握力を必要とする作業で最高のパフォーマンスを達成するには十分ではありません。

我々は触覚共有制御スキームの成功を実証しましたが、本研究にはいくつかの限界があります。切断されていない参加者のみが評価され、タスクは日用品ではなく工業品を使用して実施されました。折りたたみ可能な壁がヒンジ機構であるとすると、物体を破壊するのに必要な力は、壁に対するプロテーゼの配置に応じて変化する可能性があります（たとえば、壁の上部と比較してヒンジジョイントに近いほど、より大きな力が必要になります）。これは、壁の視覚的なマーカーの下にプロテーゼを配置するように参加者に指示することで部分的に説明されました。それにもかかわらず、一貫性のない配置により、自律型コントローラーによって不適切な力が加えられる可能性は依然としてあります。さらに、fNIRS (図 7) と調査の両方で測定したように、この配置を達成するために必要な多大な視覚的集中により、グループ全体で同様の精神的努力レベルが得られた可能性があります。調査結果で精神的努力に差が見られなかったことは、サンプルサイズが小さい主観的評価は精神的努力の変化にそれほど敏感ではない可能性があるという考えによって説明されるかもしれません。今回の研究には、触覚フィードバックのない共有制御を伴う条件は含まれていませんでした。このようなシステムはテストできますが、視覚や聴覚に過度の負担をかけずに、ユーザーがどの動作モードにあるかをユーザーに伝える方法については、慎重に考慮する必要があります。私たちの以前の研究 38 に基づいて、触覚共有制御アプローチは、触覚フィードバックを使用しない共有制御アプローチよりも神経効率の向上につながると期待されます。

触覚共有制御の概念を臨床的に実現するための今後の研究には、切断患者の参加者や、現実の脆くて壊れやすい物体を含む、より広範囲の活動や種類の物体を使って、これらの現在の結果を検証することが含まれる必要があります。さらに、触覚共有制御システムの有用性は、神経効率と直接的な筋電制御への影響を理解するために長期的に評価される必要があります。標準および振動触覚フィードバック条件と比較して、触覚共有コントロールの長期使用中の学習と疲労の程度を評価することも価値があります。自律システムのさらなる拡張には、異なるオブジェクトやタスク間の切り替えを容易にするために、オブジェクトの種類を認識する機能が含まれています。さらに、意志制御と自律制御の間のよりシームレスで適応的な調停を含む、触覚共有制御への他のアプローチを開発およびテストすることができます。最後に、自律制御はユーザーの主体性の感覚に影響を与える可能性があるため、実施形態が影響を受ける可能性があります67,68。触覚共有制御を用いた将来の研究では、固有受容ドリフト 69 や実施形態アンケート 70 などの実施形態の評価を組み込むことを検討する必要があります。

義肢システム内の共有制御に対する既存のアプローチは、人間による義肢の手動制御を自律システムで補うことに焦点を当ててきました 29,32。これらのシステムには触覚フィードバックが組み込まれていないため、ユーザーは蚊帳の外に置かれます。対照的に、本研究では、触覚フィードバックを模倣学習パラダイムの自律コントローラと統合し、自律コントローラが人間の望ましい把握戦略を再現します。このようなシステムは、ロボット手術や人間とロボットの協力など、他の種類の人間とロボットの相互作用を促進するためにさらに拡張および一般化できます。

要約すると、我々の結果は、筋電プロテーゼを使用して実行される複雑で動的タスクにおける認知負荷と神経効率を評価するためにfNIRSを使用できること、および筋電プロテーゼにおける触覚共有制御戦略により、低い認知負荷を負担しながら良好なタスクパフォーマンスを保証することを示しています。。これは、システムの個々のコンポーネント (振動触覚フィードバックと模倣学習コントローラー) によって実現され、その利点が相乗的に組み合わされてパフォーマンスが最適化されます。これらの結果は、神経および器用なパフォーマンスを最大化するための生体人工装具におけるハイブリッドシステムの必要性を裏付けています。

現在の研究中に生成されたデータセット、および/または現在の研究中に分析されたデータセットは、合理的な要求に応じて責任著者から入手できます。

Johansson, RS & Westling, G. 粗い物体や滑りやすい物体を持ち上げる際の精密なグリップの自動制御における無毛皮膚受容体と感覚運動記憶の役割。経験値脳解像度 56、550–564。 https://doi.org/10.1007/BF00237997 (1984)。

記事 CAS Google Scholar

Gordon, AM、Westling, G.、Cole, KJ & Johansson, RS 共通および新規オブジェクトの操作中に使用される運動コマンドの基礎となる記憶表現。 J. Neurophysiol. 69、25 (1993)。

記事 Google Scholar

Johansson、RS & Cole、KJ 把握および操作動作中の感覚運動の調整。カー。意見。ニューロビオール。 2、815–823。 https://doi.org/10.1016/0959-4388(92)90139-C (1992)。

記事 CAS Google Scholar

Gorniak, SL、Zatsiorsky, VM & Latash, ML 壊れやすい物の操作。経験値脳解像度経験値ヒルンフォルシュング Exp. Cerebrale 202、413。https://doi.org/10.1007/S00221-009-2148-Z (2010)。

記事 Google Scholar

Stephens-Fripp, B.、Alici, G.、Mutlu, R. 経橈骨義手のための非侵襲的感覚フィードバック法のレビュー。 IEEE アクセス 6、6878 ～ 6899。 https://doi.org/10.1109/ACCESS.2018.2791583 (2018)。

記事 Google Scholar

Witteveen、HJB、Droog、EA、Rietman、JS & Veltink、PH 筋電前腕プロテーゼの手の開口部に関する振動および電気触覚によるユーザーのフィードバック。 IEEEトランス。バイオメッド。工学 59、2219–2226。 https://doi.org/10.1109/TBME.2012.2200678 (2012)。

記事 CAS Google Scholar

アントフォーク、C.ら。義指から橈骨切断患者の幻手マップへの感覚の人工的なリダイレクト: 振動触覚と機械触覚の感覚フィードバック。 IEEEトランス。神経系リハビリ。工学 21、112–120。 https://doi.org/10.1109/TNSRE.2012.2217989 (2013)。

記事 Google Scholar

Damian, DD、Fischer, M.、Hernandez Arieta, A. & Pfeifer, R. 義足の把握安定性における滑りとグリップ力に関する定量的情報の役割。上級ロボット。 32、12–24。 https://doi.org/10.1080/01691864.2017.1396250 (2018)。

記事 Google Scholar

Thomas, N.、Ung, G.、McGarvey, C. & Brown, JD 筋電上肢義足における振動触覚フィードバックと関節トルクフィードバックの比較。Ｊ．Ｎｅｕｒｏｅｎｇ．リハビリ。 16、70。https://doi.org/10.1186/s12984-019-0545-5 (2019)。

記事 Google Scholar

キム、Ｋら。触覚フィードバックは、ターゲットを絞った再神経支配切断患者のsEMG制御義手の握力制御を強化します。 IEEEトランス。神経系リハビリ。工学 20、798–805。 https://doi.org/10.1109/TNSRE.2012.2206080 (2012)。

記事 Google Scholar

Rosenbaum-Chou, T.、Daly, W.、Austin, R.、Chaubey, P. & Boone, DA 上肢義足ユーザー向けの振動触覚フィードバックシステムの開発と実際の使用。Ｊ．プロス。オルソット。 28、136–144。 https://doi.org/10.1097/JPO.0000000000000107 (2016)。

記事 Google Scholar

Abd, MA、Ingicco, J.、Hutchinson, DT、Tognoli, E. & Engeberg, ED マルチチャネル触覚フィードバックにより、義手の器用さが解放されます。科学。議員12、1-17。 https://doi.org/10.1038/s41598-022-04953-1 (2022)。

記事 CAS Google Scholar

Raveh, E.、Friedman, J. & Portnoy, S. 筋電プロテーゼ使用者に振動触覚フィードバックを追加した場合の、デュアルタスクパラダイムにおけるパフォーマンスと視覚的注意への影響の評価。クリン。リハビリ。 32、1308–1316。 https://doi.org/10.1177/0269215518774104 (2018)。

記事 Google Scholar

Raveh, E.、Portnoy, S.、Friedman, J. 筋電制御された手に振動触覚フィードバックを追加すると、オンラインの視覚フィードバックが妨げられた場合のパフォーマンスが向上します。ハム。移動。科学。 58、32–40。 https://doi.org/10.1016/J.HUMOV.2018.01.008 (2018)。

記事 Google Scholar

Stepp、CE、An、Q. & 松岡、Y. 強化された振動触覚フィードバックによるトレーニングを繰り返すと、オブジェクト操作のパフォーマンスが向上します。 PLoS One 7、e32743。 https://doi.org/10.1371/journal.pone.0032743 (2012)。

記事 ADS CAS Google Scholar

Bark, K.、Wheeler, JW、Premakumar, S. & Cutkosky, MR 固有受容情報のフィードバックのための皮膚のストレッチと振動触覚刺激の比較。仮想環境および遠隔操作システムのための触覚インターフェースに関するシンポジウム、2008 年。Haptics 2008、71–78。 https://doi.org/10.1109/HAPTICS.2008.4479916 (IEEE、2008)。

ブランク A.、オカムラ AM、クーヘンベッカー KJ 上肢義足制御における固有受容の役割の特定。 ACMトランス。応用知覚する。 7、1-23。 https://doi.org/10.1145/1773965.1773966 (2010)。

記事 Google Scholar

D'Alonzo, M. & Cipriani, C. 振動触覚感覚の代替は、エイリアンの手の所有者の感覚を引き出します。 PLoS One 7、e50756。 https://doi.org/10.1371/journal.pone.0050756 (2012)。

記事 ADS CAS Google Scholar

Clemente, F.、D'Alonzo, M.、Controzzi, M.、Edin, BB & Cipriani, C. 物体の接触と解放の非侵襲的で時間的に離散的なフィードバックにより、閉ループ筋電経橈骨プロテーゼの把握制御が向上します。 IEEEトランス。神経系リハビリ。工学 24、1314–1322。 https://doi.org/10.1109/TNSRE.2015.2500586 (2016)。

記事 Google Scholar

Engeberg、ED & Meek、SG 義手の掴んだ物体滑りの適応スライディングモード制御。 2011 年のインテリジェントロボットとシステムに関する IEEE/RSJ 国際会議、4174–4179。 https://doi.org/10.1109/IROS.2011.6094500 (IEEE、2011)。

Jimenez、MC & Fishel、JA 義足の力、振動、熱触覚フィードバックの評価。 IEEE ハプティクスシンポジウム (HAPTICS) の議事録、437 ～ 441。 https://doi.org/10.1109/HAPTICS.2014.6775495 (2014)。

Thomas、N.、Ung、G.、Ayaz、H.、および Brown、JD 筋電プロテーゼの触覚フィードバックの神経生理学的評価。 IEEEトランス。人間マッハ。システム。 51、253–264。 https://doi.org/10.1109/THMS.2021.3066856 (2021)。

記事 Google Scholar

Salisbury, LL & Colman, AB 掴みの自動比例制御を備えた機械式ハンド。医学。バイオル。工学 5、505–511。 https://doi.org/10.1007/BF02479145 (1967)。

記事 CAS Google Scholar

Chappell, PH、Nightingale, JM、Kyberd, PJ、Barkhordar, M. 単一自由度の義手の制御。Ｊ．Ｂｉｏｍｅｄ．工学 9、273–277。 https://doi.org/10.1016/0141-5425(87)90013-6 (1987)。

記事 CAS Google Scholar

ナイチンゲール、JM 義手のマイクロプロセッサ制御。 J. マイクロコンピュータ。応用 8、167–173。 https://doi.org/10.1016/0745-7138(85)90015-6 (1985)。

記事 Google Scholar

Matulevich, B.、Loeb, GE & Fishel, JA 義手の制御における接触検出反射の有用性。インテリジェントロボットおよびシステムに関する IEEE 国際会議議事録 4741 ～ 4746。 https://doi.org/10.1109/IROS.2013.6697039 (2013)。

Osborn, L.、Kaliki, RR、Soares, AB & Thakor, NV 上肢義肢の閉ループ触覚フィードバック制御のための神経模倣イベントベースの検出。 IEEEトランス。ハプティクス 9、196–206。 https://doi.org/10.1109/TOH.2016.2564965 (2016)。

記事 Google Scholar

オットーボック。センサーハンドの速度。

Zhuang、KZら。器用な筋電プロテーゼの人間とロボットの比例制御の共有。ナット。マッハ。知性。 1、400–411。 https://doi.org/10.1038/s42256-019-0093-5 (2019)。

記事 Google Scholar

エドワーズ、AL 他。筋電プロテーゼ制御へのリアルタイム機械学習の適用: 適応スイッチングにおける一連のケース。補綴者。オルソット。内部。 40、573–581。 https://doi.org/10.1177/0309364615605373 (2016)。

記事 Google Scholar

Mouchoux、J. et al. 筋電義手の人工知覚と半自律制御により、パフォーマンスが向上し、労力が軽減されます。 IEEEトランス。ロボット。 37、1298–1312。 https://doi.org/10.1109/TRO.2020.3047013 (2021)。

記事 Google Scholar

Mouchoux, J.、Bravo-Cabrera, MA、Dosen, S.、Schilling, AF & Markovic, M. 半自律型義足の性能と使いやすさに対する共有制御方式の影響。フロント。ニューロロボット。 15、172。 https://doi.org/10.3389/FNBOT.2021.768619/BIBTEX (2021)。

記事 Google Scholar

Benloucif, A.、Nguyen, AT、Sentouh, C. & Popieul, JC 高速道路運転におけるドライバーと自動化の間の触覚共有制御のための共同軌道計画。 IEEEトランス。インド電子。 66、9846–9857。 https://doi.org/10.1109/TIE.2019.2893864 (2019)。

記事 Google Scholar

Luo, R. et al. 半自動運転のためのワークロード適応型触覚共有制御スキーム。事故アナル。前へ 152、105968。https://doi.org/10.1016/J.AAP.2020.105968 (2021)。

記事 Google Scholar

Lazcano, AM、Niu, T.、Carrera Akutain, X.、Cole, D. & Shyrokau, B. MPC ベースの触覚共有ステアリングシステム: 共生運転のためのドライバーモデリングアプローチ。 IEEE/ASME Trans. メカ。 26、1201–1211。 https://doi.org/10.1109/TMECH.2021.3063902 (2021)。

記事 Google Scholar

Zhang, D.、Tron, R. & Khurshid, RP 触覚フィードバックは、自律共有遠隔操作における人間とロボットの合意とユーザーの満足度を向上させます。議事録—ロボット工学とオートメーションに関する IEEE 国際会議 2021 年 5 月、3306 ～ 3312。 https://doi.org/10.1109/ICRA48506.2021.9560991 (2021)。

Selvaggio, M.、Cacace, J.、Pacchierotti, C.、Ruggiero, F. & Giordano, PR 掴みにくい物体を輸送するための共有制御遠隔操作アーキテクチャ。 IEEEトランス。ロボット。 38、569–583。 https://doi.org/10.1109/TRO.2021.3086773 (2022)。

記事 Google Scholar

Thomas, N.、Fazlollahi, F.、Kuchenbecker, KJ & Brown, JD 直接視覚を必要としない器用な作業における上肢義足の合成反射と触覚フィードバックの有用性。 IEEEトランス。神経系リハビリ。英語 https://doi.org/10.1109/TNSRE.2022.3217452 (2022)。

記事 Google Scholar

Curtin, A. & アヤズ, H. 神経人間工学における神経効率測定基準: 理論と応用。神経人間工学 Vol. 22 (Ayaz, H. & Dehais, F. 編) 133–140 (Academic Press、***、2019)。 https://doi.org/10.1016/B978-0-12-811926-6.00022-1。

Google Scholar の章

アヤズ、H.ら。オペレーターのトレーニングと精神的作業負荷の評価のための光学式脳モニタリング。ニューロイメージ 59、36–47。 https://doi.org/10.1016/J.NEUROIMAGE.2011.06.023 (2012)。

記事 Google Scholar

Meek, SG、Jacobsen, SC & Goulding, PP 拡張生理的触力: 比例力フィードバックシステムの設計と評価。 J.リハビリテーション。解像度開発者 26、53–62 (1989)。

CAS Google スカラー

ブラウン、JD et al. 参照触覚フィードバックを特徴とする低インピーダンス筋電プロテーゼを使用した握力調整の探求。Ｊ．Ｎｅｕｒｏｅｎｇ．リハビリ。 12、104。https://doi.org/10.1186/s12984-015-0098-1 (2015)。

記事 Google Scholar

小川 S.、リー TM、ケイ、AR およびタンク、DW 血液酸素化に依存するコントラストによる脳磁気共鳴イメージング。手順国立アカド。科学。 87、9868–9872。 https://doi.org/10.1073/PNAS.87.24.9868 (1990)。

記事 ADS CAS Google Scholar

Villringer, A.、Planck, J.、Hock, C.、Schleinkofer, L.、Dirnagl, U. 近赤外分光法 (NIRS): 成人の脳機能の活性化中の血行力学的変化を研究するための新しいツール。神経科学。レット。 154、101–104。 https://doi.org/10.1016/0304-3940(93)90181-J (1993)。

記事 CAS Google Scholar

Villringer, A. & Chance, B. 人間の脳機能の非侵襲的な光分光法とイメージング。トレンド神経科学。 20、435–442。 https://doi.org/10.1016/S0166-2236(97)01132-6 (1997)。

記事 CAS Google Scholar

Obrig、H.ら。近赤外分光法: 成人の脳の機能活性化研究に機能しますか? 内部。 J.精神生理学。 35、125–142。 https://doi.org/10.1016/S0167-8760(99)00048-3 (2000)。

記事 CAS Google Scholar

Heeger, DJ & Ress, D. fMRI はニューロン活動について何を教えてくれますか? ナット。神経科学牧師。 3、142–151。 https://doi.org/10.1038/NRN730 (2002)。

記事 CAS Google Scholar

Fishburn、FA、Norr、ME、Medvedev、AV & Vaidya、CJ 認知状態と負荷に対する fNIRS の感度。フロント。人間の神経科学。https://doi.org/10.3389/fnhum.2014.00076 (2014)。

記事 Google Scholar

Liu、Y.ら。機能的近赤外分光法による話者と聴者の神経結合の測定。科学。議員 7、43293。https://doi.org/10.1038/srep43293 (2017)。

記事 ADS Google Scholar

アヤズ、H.ら。神経人間工学研究のツールとしての機能的近赤外分光法による脳動態の継続的モニタリング：実証例と技術開発。フロント。ハム。神経科学。 7, 871。https://doi.org/10.3389/fnhum.2013.00871 (2013)。

記事 Google Scholar

Perrey, S. fNIRS による人間の歩行の神経制御の検査の可能性。フロント。 Physiol.https://doi.org/10.3389/fphys.2014.00204 (2014)。

記事 Google Scholar

ミレルマン、A.ら。デュアルタスク中の歩行中の前頭脳活性化の増加: 健康な若年成人を対象とした fNIRS 研究。 J. NeuroEng. リハビリテーション。https://doi.org/10.1186/1743-0003-11-85 (2014)。

記事 Google Scholar

Gateau, T.、Ayaz, H. & Dehais, F. インシリコ vs 雲の上: 機能的近赤外分光法ベースのパッシブ BCI を使用した、航空機パイロットのオンザフライ精神状態推定。フロント。人間の神経科学。 12、187。https://doi.org/10.3389/fnhum.2018.00187 (2018)。

記事 Google Scholar

アヤズ、H.ら。人間の脳の研究のための光学イメージングと分光法: 現状レポート。ニューロフォトニクスhttps://doi.org/10.1117/1.NPH.9.S2.S24001 (2022)。

記事 Google Scholar

Biessmann, F.、Plis, S.、Menecke, FC、Eichel, T. & Muller, K.-R. マルチモーダル神経画像データの分析。 IEEE Rev. Biomed. 工学 4、26–58。 https://doi.org/10.1109/RBME.2011.2170675 (2011)。

記事 Google Scholar

アヤズ、H.ら。 MazeSuite と機能的近赤外分光法を使用して、空間ナビゲーションの学習を研究します。 J.Vis. 説明 https://doi.org/10.3791/3443 (2011)。

記事 Google Scholar

Kuschinsky, W. 脳内の機能、代謝、血流の結合。脳神経外科。黙示録14、163－168。 https://doi.org/10.1007/BF00310651 (1991)。

記事 CAS Google Scholar

Pezent, E.、Cambio, B. & Ormalley, MK Syntacts: オーディオ制御ハプティクス用のオープンソースソフトウェアおよびハードウェア。 IEEEトランス。ハプティクス 14、225–233。 https://doi.org/10.1109/TOH.2020.3002696 (2021)。

記事 Google Scholar

Prahm, C.、Kayali, F.、Sturma, A. & Aszmann, O. PlayBionic: 義肢運動リハビリテーションにおける患者の関与とパフォーマンスを促進するためのゲームベースの介入。 PM &R 10、1252–1260。 https://doi.org/10.1016/J.PMRJ.2018.09.027 (2018)。

記事 Google Scholar

Hart, SG & Staveland, LE NASA-TLX (タスク負荷インデックス) の開発: 実証的および理論的研究の結果。上級サイコル。 52、139–183。 https://doi.org/10.1016/S0166-4115(08)62386-9 (1988)。

記事 Google Scholar

Losey, DP、McDonald, CG、Battaglia, E. & O'Malley, MK 物理的な人間とロボットの相互作用のための共有制御の意図検出、調停、および通信の側面のレビュー。応用メカ。 Rev. 70、010804。https://doi.org/10.1115/1.4039145 (2018)。

記事 ADS Google Scholar

Zhou、M.、Jones、DB、Schwaitzberg、SD、Cao、CGL 外科技術習得における触覚フィードバックと認知負荷の役割。『ヒューマン・ファクター・アンド・エルゴノミクス協会議事録』、631–635 (2007)。

Cao, CG、Zhou, M.、Jones, DB & Schwaitzberg, SD 外科医は触覚を使って同時に考え、手術することができますか? J.胃腸検査。外科。 11、1564 ～ 1569 年。 https://doi.org/10.1007/S11605-007-0279-8/FIGURES/5 (2007)。

記事 Google Scholar

シュワルツ、AB 動き: 脳が世界とどのようにコミュニケーションするか。セル 164、1122 ～ 1135。 https://doi.org/10.1016/j.cell.2016.02.038 (2016)。

記事 CAS Google Scholar

バオ、T.ら。振動触覚ディスプレイの設計: 反応時間に対する年齢とさまざまな要因の重要性を定量化します。 PLoS One 14、e0219737。 https://doi.org/10.1371/JOURNAL.PONE.0219737 (2019)。

記事 CAS Google Scholar

Diederich, A. & Colonius, H. 二峰性および三峰性の多感覚の強化: 反応時間に対する刺激の開始と強度の影響。知覚する。精神物理学。 66、1388–1404。 https://doi.org/10.3758/BF03195006 (2004)。

記事 Google Scholar

Sensinger, JW & Dosen, S. 人間の運動制御の観点から見た上肢義足の感覚フィードバックのレビュー。フロント。神経科学。 14、345。https://doi.org/10.3389/fnins.2020.00345 (2020)。

記事 Google Scholar

Botvinick, M. & Cohen, J. ゴム製の手は、目で見るタッチを「感じます」。自然 391、756–756。 https://doi.org/10.1038/35784 (1998)。

記事 ADS CAS Google Scholar

Zbinden, J.、Lendaro, E. & Ortiz-Catalan, M. 補綴物の実施形態: 定義、尺度、および実験パラダイムに関する体系的なレビュー。 J. NeuroEng. リハビリ。 19、1-16。 https://doi.org/10.1186/S12984-022-01006-6 (2022)。

記事 Google Scholar

Bekrater-Bodmann、R. 下肢切断者における成功した身体とプロテーゼの相互作用の知覚相関: 心理測定的特徴付けとプロテーゼ実施スケールの開発。科学。代表者https://doi.org/10.1038/S41598-020-70828-Y (2020)。

記事 Google Scholar

リファレンスをダウンロードする

インストルメント化オブジェクトの設計と構築を行った Garrett Ung に感謝します。統計コンサルティングサービスを提供してくれた Leah Jager にも感謝します。また、大学院研究フェローシップを通じて筆頭著者に資金を提供してくれた国立科学財団にも感謝します。

ジョンズ・ホプキンス大学生物医工学部、ボルチモア、21218、米国

ネーハ・トーマス

ジョンズ・ホプキンス大学機械工学科、ボルチモア、21218、米国

アレクサンドラ・J・ミラー＆ジェレミー・D・ブラウン

ドレクセル大学、生物医工学部、科学と健康システム、ペンシルバニア州フィラデルフィア、19104、米国

ハサン・アヤズ

ドレクセル大学心理脳科学学部、ペンシルベニア州フィラデルフィア、19104、米国

ハサン・アヤズ

ドレクセルソリューション研究所、ドレクセル大学、ペンシルバニア州フィラデルフィア、19104、米国

ハサン・アヤズ

家族および地域保健学部、ペンシルベニア大学、ペンシルベニア州フィラデルフィア、19104、米国

ハサン・アヤズ

傷害研究予防センター、フィラデルフィア小児病院、ペンシルベニア州フィラデルフィア、19104、米国

ハサン・アヤズ

PubMed Google Scholar でこの著者を検索することもできます

NT は実験デザインを考案し、実験を実行するためのハードウェアとソフトウェアを統合しました。 NT と AM はユーザー調査を実施しました。 NTはデータを分析した。 HA は実験計画、fNIRS の使用および統計分析についてアドバイスし、JDB は一般的な実験と統計分析についてアドバイスしました。 NT が原稿草稿を書きました。著者全員が原稿を編集し、投稿を承認します。

ネーハ・トーマスへの通信。

fNIR Devices, LLC は、ドレクセル大学からライセンスを受けた IP とノウハウを備えた光学脳イメージング機器を製造しています。アヤズ博士は技術開発に携わっていたため、新興企業 fNIR Devices に少額の株式を提供しました。著者らは、潜在的な利益相反とみなされる可能性のある商業的または金銭的関係が存在しない状態で研究が実施されたことを宣言します。他のすべての著者には競合する利益はありません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

トーマス、N.、ミラー、AJ、アヤズ、H. 他触覚共有制御により、筋電プロテーゼ使用時の神経効率が向上します。 Sci Rep 13、484 (2023)。 https://doi.org/10.1038/s41598-022-26673-2

引用をダウンロード

受信日: 2022 年 5 月 27 日

受理日: 2022 年 12 月 19 日

公開日: 2023 年 1 月 10 日

DOI: https://doi.org/10.1038/s41598-022-26673-2

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

前: マイクロアプリケーション向けの表面力の調整に基づいた電気化学グリッパー次: 本物

お問い合わせを送信

送信