Статья

Название статьи МЕТОДИЧЕСКИЕ ОСНОВЫ ПРОЕКТИРОВАНИЯ СИСТЕМ ПОДДЕРЖАНИЯ ДИНАМИЧЕСКОЙ УСТОЙЧИВОСТИ ДЛЯ РЕАБИЛИТАЦИИ ПАЦИЕНТОВ С НЕЙРОМОТОРНЫМИ ЗАБОЛЕВАНИЯМИ
Автор А.В. Бахшиев, Е.Ю. Смирнова, П.Е. Мусиенко
Рубрика РАЗДЕЛ VI. МЕДИЦИНСКАЯ РОБОТОТЕХНИКА
Месяц, год 10, 2015
Индекс УДК 004.942+004.896
DOI
Аннотация В настоящее время существенно увеличилось число пациентов с вертебро-спинальной патологией (травмы спинного мозга, инсульты, рассеянный склероз и др.). Полная или частичная утрата подвижности часто сопровождается утратой функции поддержания равновесия, что значительно затрудняет реабилитацию. Существуют технические реабилитационные системы, в частности на основе экзоскелетов. Такие системы осуществляют полную или частичную замену утраченной функции (например, хождения), а также используются для тренировки выполнения корректных движений. Однако они не позволяют проводить одновременную реабилитацию функции поддержания равновесия и подвижности, что значительно снижает качество лечения. В работе представлено описание алгоритмического обеспечения проекта по разработке экзобалансера: экзоскелета, одновременно обеспечивающего тренировку локомоторной функции и поддержания равновесия при реабилитации людей с ограниченной подвижностью вследствие нейромоторных заболеваний. Реализация такой системы позволит существенно повысить качество реабилитации. В работе рассмотрены этапы создания такой системы, ее состав и выполняемые ею реабилитационные задачи. Предложен вариант архитектуры системы управления экзобалансером на основе когнитивных моделей искусственных нейронных сетей. Основной идеей является создание нейронной сети, замкнутой на среду через эффекторы на базе заимствования информации о нейронных структурах с известной морфологией и функцией, и построение их моделей. Предложен вариант такой структуры, в котором можно выделить иерархические сети, отвечающие за обобщение сенсорной информации, запоминание и последующее воспроизведение моторных навыков, и сети, отвечающие за рефлекторную деятельность. Подробно рассмотрены уровни нейронной сети моторной памяти. В основу такой сети положена биоподобная модель нейрона с возможностью детального описания структуры дендритного и синаптического аппарата. Представлены результаты экспериментов на моделях по запоминанию и воспроизведению согласованного положения элементами исполнительной системы экзобалансера.

Скачать в PDF

Ключевые слова Экзобалансер; экзоскелет; нейронные сети; управление движением; ограниченная подвижность; поддержание устойчивости; равновесие; нейрореабилитация.
Библиографический список 1. Thuret S., Moon L.D.F., Gage F.H. Therapeutic interventions after spinal cord injury // Nature Reviews Neuroscience. – 2006. – Vol. 7, No. 8. – P. 628-643.
2. Frey M. et al. A novel mechatronic body weight support system // IEEE Trans. Neural. Syst. Rehabil. Eng. – 2006. – Vol. 14. – P. 311-321.
3. Winter D.A., MacKinnon C.D., Ruder G.K. & Wieman C. An integrated EMG/biomechanical model of upper body balance and posture during human gait // Progress in brain research. – 1992. – Vol. 97. – P. 359-367.
4. Dominici N., Keller U., Vallery H., Friedli L., van den Brand R., Starkey M.L., Musienko P., Riener R., Courtine G. Versatile robotic interface to evaluate, enable and train locomotion and balance after neuromotor disorders // Nature medicine. – 2012. – Vol. 18, No. 7. – P. 1142-1147.
5. Дубровский В.И., Федорова В.Н. Биомеханика. – М.: Изд-во: ВЛАДОС-ПРЕСС, 2003. ISBN: 5-305-00101-3.
6. Preuschoft Н., Witte Н., Demes В. Biomechanical factors that influence overall body shape of large apes and humans // Topics in Primatology (ed.S. Matano, R. H. Tuttle, H. Ishida, and M. Goodman). – Vol. 3. – P. 259-289. – Tokyo: University of Tokyo Press, 1992.
7. Narvydas G., Simutis R. and Raudonis V. Autonomous mobile robot control using fuzzy logic and genetic algorithm // IEEE Conference Proceedings, IDAACS, 2007. – P. 460-464.
8. Сигеру О. Нейроуправление и его приложения: пер. с англ. Н.В. Бантина. – М.: ИПРЖР, 2000. – 272 c.
9. Werbos P.J. Neurocontrol and fuzzy logic: connections and design // Int. J. Approximate Reasoning. – Feb. 1992. – Vol. 6. – P. 185-220.
10. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. – Винница: УНИВЕРСУМ-Винница, 1999. – 320 с.
11. Hodgkin A.L., Huxley A.F. A quantitative description of membrane current and its application to conduction and excitation in nerve // J. Physiology. – 1952. – No. 117. – P. 500-544.
12. Романов С.П. Модель нейрона // Некоторые проблемы биологической кибернетики. – 1972. – C. 276-282.
13. Бахшиев А.В. Перспективы применения моделей биологических нейронных структур в системах управления движением // Информационно-измерительные и управляющие системы. – 2011. – № 9. – C. 71-80.
14. McKinstry J.L., Edelman G.M. и Krichmar J.L. A cerebllar model for predictive motor control tested in a brain-based device. – Vol. 103 # 9, PNAS, February 28, 2006. – P. 3387-3392.
15. Hugo de Garis, Chen Shuo, Ben Goertzel, Lian Ruiting. A world survey of artificial brain projects. Part I: Large-scale brain simulations // Neurocomputing. – 2010. – Vol. 74. – P. 3-29.
16. Goertzel B., Ruiting L., Arel I., Garis H.d. и Shuo C. A world survey of artificial brain pro-
jects, Part II: Biologically inspired cognitive architectures // Neurocomputing. – 2010.
– Vol. 74. – P. 30-49.
17. Романов С.П. Структурное обоснование функции нервной системы как автоматического регулятора // Нейрокомпьютеры: разработка, применение. – 2006. – № 7. – C. 54-63.
18. Романов С.П. Нейросистемы и современные вычислительные среды // Нейрокомпьютеры: разработка, применение. – 2007. – № 6. – C. 96-104.
19. Бахшиев А.В. Модель нейрона со структурной адаптацией дендритного аппарата для моделирования естественных нейронных сетей управления движением // Нейроинформатика, ее приложения и анализ данных: Материалы XVIII Всеросс. семинара, 27-29
сентября 2013 г. / Под ред. А.Н. Горбаня, Е.М. Миркеса; ИВМ СО РАН. Отв. за вып.
Г.М. Садовская. – Красноярск, 2013. – С. 36-43.
20. Бахшиев А.В., Гунделах Ф.В. Исследование биоподобной модели нейронной сети для управления движением робототехнических систем // Робототехника и искусственный интеллект: материалы VI Всероссийской научно-технической конференции с международным участием (г. Железногорск, 13 декабря 2014 г.) / Под науч. ред. В.А. Углева; Сиб. федер. ун-т. – Красноярск: Центр информации, ЦНИ «Монография», 2014. – С. 164-169.
21. Бахшиев А.В., Гунделах Ф.В. Исследование метода запоминания пространственных конфигураций робототехнической системы на нейронных сетях со структурной адаптацией // Робототехника и техническая кибернетика. – 2015. – № 3 (8). – С. 46-51.

Comments are closed.