Contrôle neuromusculaire en temps réel des exosquelettes

Les chercheurs enregistreront l'activité musculaire chez les participants en bonne santé et chez les participants après un AVC provenant d'un maximum de huit muscles des membres inférieurs (soléaire, gastrocnémien, tibial antérieur, droit fémoral, vaste latéral et ischio-jambiers) au cours de tâches fonctionnelles (par exemple, mouvement d'une seule articulation, démarche). , accroupi, vélo). Ces mesures fourniront l'ensemble de données physiologiques sur le mouvement et la locomotion des membres inférieurs pour le décodeur neuronal. Ensuite, les chercheurs appliqueront des méthodes d’apprentissage profond en ligne pour la décomposition de l’activité de pointe de MU à partir de plus de huit muscles et développeront un décodeur neuronal en temps réel. Cela fournira une décomposition en temps réel de centaines d’UM actives simultanément au cours du comportement humain naturel des membres inférieurs. Les chercheurs valideront cette approche en comparant nos résultats avec une référence, la méthode de séparation aveugle des sources. Les algorithmes de séparation aveugle de sources peuvent séparer ou décomposer les signaux HD-EMG, un mélange convolutif de potentiels d'action MU, en instants auxquels les MU individuelles déchargent leurs potentiels d'action. Avec les données décomposées sur les pics de MU, les chercheurs développeront des méthodes pour traduire l'activité de pic de MU en commandes de position, de force et hybrides pour les exosquelettes qui deviendront un encodeur de commandes implémenté dans les exosquelettes de recherche actuellement existants qui peuvent anticiper l'intention humaine (position multi-articulaire et commandes de force) pour estimer le niveau d'assistance requis par la tâche (par exemple, ajouter un couple de genou pendant la phase d'appui).

Les chercheurs combineront le décodeur d’activité de pointe MU avec les méthodes de projection sous-spatiale dans une interface neuronale en temps réel entre les individus et un exosquelette des membres inférieurs de recherche actuellement existant pour l’augmentation de la locomotion. Cela deviendra une interface homme-machine intégrée à haute résolution qui pourra être utilisée pour le contrôle en temps réel des exosquelettes afin que les commandes soient délivrées à un rythme supérieur au délai électromécanique des muscles, c'est-à-dire le temps écoulé entre la commande neuronale et le muscle. génération de force de mouvement.

Pour l'expérience A, les enquêteurs recruteront des volontaires sains (n ​​= 20) et des participants après un accident vasculaire cérébral (n = 20) et effectueront des tâches de mouvement et locomotrices sur une seule articulation pour collecter des données d'activité musculaire via HD-EMG.

Pour l'expérience B, les enquêteurs présenteront la généralisation de notre approche en recrutant et en interfaçant des volontaires sains (n ​​= 20) et des participants après un AVC (n = 20) avec l'exosquelette d'assistance. Les sujets effectueront des tâches uniarticulaires et locomotrices pour calibrer le décodeur, puis répéteront des tâches uniarticulaires et locomotrices avec le décodeur fournissant une assistance en temps réel. Les participants après un AVC répéteront jusqu'à 10 séances pour évaluer la stabilité de la capacité du décodeur à extraire les unités motrices.