Towards a brain computer interface driven exoskeleton for upper extremity rehabilitation
Notice bibliographique
Résumé
Stroke impairs individuals to perform activities of daily living. Intense rehabilitation programs offer hope for recovery, but are labor intensive and costly. Robotic rehabilitation technology plays a key role to solve such a problem. Current robotic systems along with brain computer interface (BCI) allow patients to participate in rehabilitation exercises, which require their own mental inputs. Studies have shown such active rehabilitation exercise can induce neuroplasticity and help towards recovery. However, even though BCI-driven robotic systems do exist, they are large complex systems and expensive to set up. These drawbacks limit a wide distribution of these technologies. Currently, the BCI robotic systems only used in large hospitals or research settings, not community level facilities. To facilitate the accessibility of stroke patients to such technologies, we propose a novel BCI-driven exoskeleton rehabilitation system. The exoskeleton has four degrees of freedom (DOF) for assisting the movement of the upper extremities. It is integrated with an affordable and wireless EEG headset for enabling the patients to control the movement of the exoskeleton with their brain activity. The developed exoskeleton is portable and easy to set up. A sequential control scheme is proposed to allow the user to control one movement at a time. An experiment was designed to assess if a healthy individual was able to control the movement of the exoskeleton correctly under a predefined sequence. One volunteer participated in the exploratory study and the volunteer was able to correctly control the exoskeleton in each step.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».