脑卒中上肢康复智能化评估和虚拟现实训练研究进展

脑卒中是全球致残的主要原因,约85%脑卒中患者初次发病就出现上肢功能障碍,只有5%~20%的患者在脑卒中后6个月能够完全康复。因此,患者在日常生活中通常会遇到困难,改善脑卒中患者上肢的功能性使用至关重要。脑卒中患者运动功能的精准评估与训练非常重要。为了全面反映上肢功能的各个方面,将运动评估与临床评估量表相结合是非常重要的。无标记感应技术用于评估脑卒中患者的上肢具有代表性的运动能力,如运动范围、协调性、抓握力或精细的手指灵活性。基于机器学习算法的无标记感应技术上肢运动功能自动评估集中在Fugl-Meyer上肢功能(FMA-UE)、Brunnstrom及Wolf运动功能(WMFT)等量表的研究上,并且具有较高的评分准确性和时间效率。此外,为神经康复设计的虚拟现实技术(VR)训练能够有效促进脑卒中上肢功能的恢复,与之相关的神经康复原则包括任务导向实践、明确反馈、增加难度、隐性反馈、变量练习和促进使用患侧肢体的机制。VR训练的效果是利用技术的优势结合神经康复原理促进运动学习和功能恢复的结果。VR康复系统可分为现成的商用视频游戏系统和定制虚拟环境系统;触控式和无触控式的界面;近端运动(肩部和肘部)、远端运动(腕和手)和混合运动系统。目前国内外已经研发出各种脑卒中上肢功能的VR康复系统,但是存在不足之处:(1)缺乏以患者为中心的任务导向的个性化训练计划;(2)较少将手跟手臂作为一个整体研究对象;(3)功能障碍和临床疗效的评估较为主观;(4)康复评估与治疗没有紧密结合。而且,脑卒中上肢运动功能智能化评估集中在FMA-UE、Brunnstrom及WMFT等量表的研究上,临床上应用广泛的偏瘫上肢功能七级评估(FTHUE)量表还未进行研究。FTHUE评估量表和基于FTHUE量表制定的一整套康复方案在临床上应用广泛。将FTHUE康复方案和VR训练结合可以更有效地促进患者运动功能恢复。未来的研究可以根据FTHUE量表的客观评估结果选择对应的FTHUE康复方案,可以实现个性化训练方案的制定,有效实施康复训练的原则。此外,使用精度高的无标记感应技术(Microsoft Azure Kinect和Leap Motion Controller设备)研发的系统价格低廉、方便携带,适合社区或家庭场景使用。本文综述了目前脑卒中上肢VR训练设备和智能化评估系统的研究进展,目前设备存在的局限性,并提出根据FTHUE量表实现脑卒中患者上肢运动功能智能化评估和治疗紧密联系,同时融合上肢和手的评估和治疗的设计理念,旨在为智能化上肢康复的设备研发提供借鉴思路。

基于偏传递的卒中患者皮层肌肉功能连接分析

运动功能障碍是脑卒中后的主要症状,一般认为是由控制运动功能的神经网络的损伤引起的。为了探讨卒中患者的神经肌肉控制机制,本研究以皮层肌肉功能连接(FCMC)为工具,采集13例卒中患者和13例健康对照者前伸动作时的脑电信号(EEG)及肱三头肌、前三角肌前束、中束、后束、肱二头肌、胸大肌、斜方肌的肌电信号(EMG)。通过脑源定位得到大脑皮层源信号,再聚类确定动作对应的活跃脑区,使用偏传递熵求取皮层肌肉功能连接。卒中患者ICsF与AD、ICsB与BIC、ICsC与PD、PM、UT在上行通道的功能连接与健康对照组相比显著增强(例如健康对照组为0.033±0.031,卒中患者为0.092±0.083,P<0.05);卒中患者BIC与ICsA、ICsB、ICsCTRI、UT与ICsC在下行通道的功能连接与健康对照组相比显著增强(例如健康对照组为0.113±0.092,卒中患者为0.198±0.105,P<0.05);卒中患者存在同侧的皮层肌肉功能连接。实验结果表明,该研究从新的角度探索脑卒中后皮层肌肉功能连接效应,证明了卒中患者存在同侧的皮层肌肉功能连接,进一步有效促进对卒中后神经肌肉耦合机制的理解。

无标记感应技术在脑卒中平衡功能和步态评估应用中的研究进展

脑卒中患者的运动功能评估可以为康复干预提供有效指导,确定运动功能损伤水平对于康复决策十分重要。在临床实践中,临床量表被广泛应用于运动功能评估,其评估结果依赖于对量表评分的物理治疗师,主观成分较高。与临床量表不同,无标记运动分析技术更为客观。基于低成本无标记摄像机的视频跟踪系统的开发将使临床治疗师不再需要专用和昂贵的运动分析实验室就能够进行现场数据采集,并且可以节约评估时间。基于机器学习算法的用于对运动质量进行分类的机器学习模型将提高评估过程的速度和可靠性,并对运动质量进行分类。本文系统地回顾了无标记感应技术结合机器学习算法在脑卒中平衡和步态功能评估中的应用研究进展,对于便携式、低成本的智能康复评估系统的建立和应用具有重要意义。