A Comprehensive Analysis of a Novel Real-time Adaptive Assist-as-needed Controller for Robot-assisted Rehabilitation for Stroke Patients
Notice bibliographique
Résumé
Abstract Background: Rehabilitation therapy plays an essential role in assisting stroke patients in regaining function. For this reason, many studies have been conducted to optimize rehabilitation interventions to improve effectiveness and efficiency. In this context, robotic devices for rehabilitation and assistance can be effective. Several studies have demonstrated that using a robot as a therapy tool can significantly reduce motor impairment. However, the slacking behavior, in which the patient lets the robot guide their movements even when they are capable of doing so by themselves, has been identified as a major barrier to reaching the full potential of robot-assist rehabilitation. This paper developed a novel electromyographical-based adaptive assist-as-needed (aAAN) controller aiming to avoid this slacking behavior. Methods: Five stroke patients were recruited to test the controller. Motor impairment status was documented with the Fugl-Meyer (FMA) assessment. In this experiment, horizontal arms tasks were conducted with the robot off and on to assess the subject’s performance in both scenarios. Velocity, time, and position were quantified as performance parameters during the training. Arm and shoulder EMG and electroencephalography (EEG) were used to assess the performance of the controller. Results: The cross-sectional results showed strong second-order relationships between Fugl-Meyer score and outcome measures, where performance metrics (path length and accuracy) were sensitive to change in participants with lower functional status. In comparison, speed and electrophysiological metrics (EMG and EEG) were more sensitive to change in participants with higher functional status. EEG signal amplitude increased when the robot suggested that the robot was inducing a challenge during the training tasks. Conclusion: The preliminary results were very promising; slacking was avoided for all participants during training with the aAAN controller.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».