Neuroprostheses control interfaces based on body motion in persons with spinal cord injury

Abstract

A lesão medular (LM) é uma condição médica que frequentemente leva a deficiências motoras severas. Pessoas com LM podem ter paraplegia ou tetraplegia, e perder suas habilidades de realizar tarefas básicas como locomoção, alimentação e higiene. Ela afeta centenas de milhares de pessoas apenas no Brasil e muito poucos se recuperam totalmente. Tratamentos tradicionais como fisioterapia normalmente têm resultados limitados. Uma pessoa com LM pode não conseguir controlar seus membros superiores e inferiores, mas normalmente as estruturas locais, como músculos e neurônios motores, são preservados. Portanto estimulação elétrica funcional (EEF) pode ser usada para induzir contração nesses músculos e gerar movimento em membros paralisados. Neste trabalho eu desenvolvi uma plataforma de técnicas para interfaces de usuário que explora capacidades motoras residuais que usuários com LM podem ainda ter para controlar neuropróteses. Para obter informações de movimento, uso unidades de medida inercial (UMI). Eu desenvolvi e avaliei algoritmos para detecção e classificação de movimentos de usuários com paraplegia e tetraplegia. O objetivo é que os usuários possam usar seus próprios movimentos residuais, dependendo do seu nível de lesão, para ativar diferentes comandos de dispositivos assistivos. Eu usei as técnicas desenvolvidas em três cenários de aplicações com pessoas com LM. Primeiro eu executei um experimento em que três participantes com paraplegia ativaram um dispositivo ativado por EEF para auxílio em transferências sentado-pivô (TSP). Eu analisei dados cinemáticos dos troncos para investigar a viabilidade de usar essa informação para ativar a EEF nos seus membros inferiores durante a TSP. Depois eu desenvolvi uma interface com a qual nove participantes com tetraplegia usaram movimentos de ombro para controlar uma mão robótica simulando um dispositivo de auxílio de preensão manual. Eu usei dados de acelerômetros e giroscópios e uma análise de componente principal para classificá-los. Então eu mapeei esses movimentos em três comandos na mão robótica. Em seguida eu desenvolvi uma interface que usa dados cinemáticos de membros superiores para ativar uma neuroprótese acionada por EEF em membros inferiores de pessoas com paraplegia durante remo assistido por EEF. Eu usei uma máquina de estados finitos e análise discriminante linear para classificar todos os movimentos de membro superior do usuário em três comandos de fases diferentes no remo. Eu avaliei esse sistema com um participante e um remo ergômetro adaptado para remadores com LM. No experimento de transferência, cada participante moveu seu tronco de uma forma similar em todas as repetições, com desvios padrão de ângulos menores que 5°, o que significa que eu posso usar essa técnica para automatizar a ativação da EEF. Os participantes que utilizaram a interface de simulação de preensão manual conseguiram controlar a mão robótica com sucesso, corretamente executando 91% dos comandos solicitados. Por fim, o participante do protocolo de remo foi capaz de remar com a interface desenvolvida utilizando apenas os movimentos de membros superiores. O sistema ativou a neuroprótese em seus membros inferiores em sincronia com os seus membros superiores. Esses resultados mostram que pessoas com LM conseguem usar seus movimentos residuais para controlar dispositivos assistivos nas condições observadas.