MétaCan
Menu
Retour à la cohorte
Enregistrement W2922242284 · doi:10.5194/ms-10-107-2019

Design of a robot-assisted exoskeleton for passive wrist and forearm rehabilitation

2019· article· en· W2922242284 sur OpenAlexaff
M. Erkan Kütük, L. Canan Dülger

Notice bibliographique

RevueMechanical sciences · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesGaziantep Üniversitesi
Mots-clésExoskeletonKinematicsWristEngineeringForearmSimulationRobotProcess (computing)Robot end effectorComputer scienceArtificial intelligenceMedicinePhysicsAnatomy

Résumé

récupéré en direct d'OpenAlex

Abstract. This paper presents a new exoskeleton design for wrist and forearm rehabilitation. The contribution of this study is to offer a methodology which shows how to adapt a serial manipulator that reduces the number of actuators used on exoskeleton design for the rehabilitation. The system offered is a combination of end-effector- and exoskeleton-based devices. The passive exoskeleton is attached to the end effector of the manipulator, which provides motion for the purpose of rehabilitation process. The Denso VP 6-Axis Articulated Robot is used to control motion of the exoskeleton during the rehabilitation process. The exoskeleton is designed to be used for both wrist and forearm motions. The desired moving capabilities of the exoskeleton are flexion–extension (FE) and adduction–abduction (AA) motions for the wrist and pronation–supination (PS) motion for the forearm. The anatomical structure of a human limb is taken as a constraint during the design. The joints on the exoskeleton can be locked or unlocked manually in order to restrict or enable the movements. The parts of the exoskeleton include mechanical stoppers to prevent the excessive motion. One passive degree of freedom (DOF) is added in order to prevent misalignment problems between the axes of FE and AA motions. Kinematic feedback of the experiments is performed by using a wireless motion tracker assembled on the exoskeleton. The results proved that motion transmission from robot to exoskeleton is satisfactorily achieved. Instead of different exoskeletons in which each axis is driven and controlled separately, one serial robot with adaptable passive exoskeletons is adequate to facilitate rehabilitation exercises.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,309
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMechanical sciencesMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207