保留运动神经元实现机器人第六指辅助抓握功能以治疗四肢瘫痪
2026-02-27 来源:本站 点击次数:101
脊髓损伤（SCI）导致的四肢瘫痪严重影响了患者的手部功能，尤其是对于运动完全性脊髓损伤患者，现有治疗方法极为有限。然而，即使是临床分类为“完全性”的损伤，患者仍可能保留部分未被破坏的脊髓运动神经元连接。这些残存的运动神经元仍然能够发放信号，尽管这些信号无法再驱动瘫痪的肌肉。本研究基于这一生理基础，提出一种创新的非侵入式神经机电接口，通过高密度表面肌电（HDsEMG）记录患者前臂肌肉中残存运动神经元的电活动，并将其解码为控制信号，驱动一个穿戴式超数机械第六指，从而恢复患者的基本抓握功能。该系统的核心优势在于：患者无需学习新的运动技能，而是直接使用损伤前控制手部张合的运动神经指令，实现直观、比例式的机械手指控制。
论文摘要
研究方法
实验结果
总结与展望
论文摘要
本研究开发了一种非侵入式神经机电接口系统，利用高密度表面肌电技术实时解码四肢瘫痪患者残存脊髓运动神经元的放电活动，并将其用于控制一个穿戴式超数机械第六指。三名慢性（损伤>8年）运动完全性C5-C6水平脊髓损伤患者参与了实验。系统通过放置在前臂伸肌和屈肌上的两个64通道电极网格（共128通道）采集HDsEMG信号，采用实时盲源分离算法分解出与手部张合意图相关的运动单元脉冲序列，并整合为单一的、平滑的比例控制信号。结果表明，所有参与者经过短暂训练后，能够直觉性地调节其运动单元放电，成功控制机械第六指完成多种日常抓握任务，如握持瓶子、拧开瓶盖、端杯喝水等。系统可用性量表（SUS）评分介于52.5至65之间，表明系统易于学习且集成度较好，但目前在延迟、便携性方面仍有改进空间。本研究证实了利用残存神经信号直接控制辅助机器人的可行性，为恢复瘫痪患者手部功能提供了一条无需学习新技能、符合生理直觉的新途径。
研究方法
本研究采用了一套完整的神经信号采集、解码与机械控制流程。信号采集：使用意大利OT Bioelettronica公司生产的Quattrocento多通道放大器（16位A/D转换），以2048 Hz采样频率记录HDsEMG信号。两个8x8电极网格（极间距10 mm）置于前臂，覆盖伸肌与屈肌群。信号通过OT BioLab Light软件以TCP/IP协议实时流式传输，刷新频率为32 Hz。神经接口：分为离线和在线分解两步。离线阶段，患者观看虚拟手张合视频并尝试跟随动作，同时记录20秒HDsEMG数据。采用结合快速独立成分分析（FastICA）与卷积球面化的盲源分离技术，分解出约15个运动单元及其脉冲序列，并计算运动单元集合力模型。在线阶段，直接应用离线得到的分离矩阵对实时信号进行分解，检测峰值并做模板匹配（相关系数≥0.6），最终生成归一化的控制信号。机电接口：控制信号通过UDP协议传输，由LabVIEW桥接至机械手指的微控制器（蓝牙连接）。机械第六指为腱驱动软硬混合结构，重154克，长151毫米，由单伺服电机驱动，指尖覆有硅胶以增加摩擦。为确保系统稳定，控制信号以约10.66 Hz的频率发送至机械指。
实验结果
三名参与者（P1、P2双上肢瘫痪但腕部可动，P3右臂活动严重受限）在佩戴机械第六指后，功能表现显著提升。在Frenchay手臂测试中，P1和P2能够单手完成握持圆柱体、拿玻璃杯、使用发梳等任务，而这些任务在不使用第六指时需双手完成。在取放任务中，所有参与者均可实现抓握瓶子、玻璃杯等动作。Box and Blocks测试中，P1使用第六指每分钟可转移5个木块（不使用时为14个），P3则仅在使用第六指时完成4个/分钟。在双手任务中，最费力的一项（打开喷雾罐）仅在使用第六指时由P1独立完成，P2在他人辅助下完成。系统可用性量表（SUS）得分分别为P1: 52.5，P2: 60，P3: 65。参与者反馈系统学习快速、控制直观，但也指出存在响应延迟、手指伸展速度较慢、设备有线不便等问题。性能差异主要与参与者上肢残余运动功能相关。
总结与展望
本研究首次将脊髓损伤患者残存的、曾控制手部张合的运动神经元活动，实时解码并用于控制超数机械第六指，成功恢复了部分日常抓握功能。系统的主要优势在于其生理直觉性——患者无需学习新技能，直接使用原有的运动指令。HDsEMG的高空间分辨率确保了即使单个运动单元信号也能实现可靠控制。然而，系统目前存在延迟、机械指伸展速度慢、非无线设计导致行动受限等不足。
未来工作将致力于开发更轻便、无线的穿戴版本，优化信号处理算法以降低延迟，并探索使用更少的双极电极实现稳定控制。此外，机械第六指不仅可作为辅助工具，也有潜力作为康复训练设备，通过视觉反馈帮助患者练习手臂与手指运动。这项研究为脊髓损伤患者的手功能重建提供了一种绕过肌肉与肌腱限制的新思路，具有重要的临床转化前景。
原文链接：
DOI: 10.1101/2025.02.07.25321673
研究团队介绍：
本研究由德国埃尔朗根-纽伦堡大学Alessandro Del Vecchio团队与意大利锡耶纳大学Domenico Prattichizzo团队主导，联合德国Rummelsberg医院临床专家共同完成。Daniela Souza de Oliveira、Dominik I. Braun与Maria Pozzi为共同第一作者。团队融合了神经科学、生物医学工程、机器人学及临床康复医学的多学科专长，利用高密度表面肌电与实时信号处理技术，成功实现了将脊髓损伤患者残存运动神经元信号解码并用于控制超数机械手指的创新突破。此项工作是双方长期在神经接口与辅助机器人领域合作的延续，前期已共同开发了直接脊髓-计算机接口。
产品介绍
联系我们
电话: 15920901903
官网：https//www.ruihongan.cn
相关文章
更多 >