Evaluación en un paciente con ictus en fase crónica de un sistema autoadaptativo de neurorehabilitación robótica

Ricardo Morales; Francisco J. Badesa; Nicolás García Aracil; Joan Aranda; Alicia Casals

doi:10.1016/j.riai.2014.11.007

Autores/as

Ricardo Morales Universidad Miguel Hernández de Elche
Francisco J. Badesa Universidad Miguel Hernández de Elche
Nicolás García Aracil Universidad Miguel Hernández de Elche
Joan Aranda Institute for Bioengineering of Catalonia and Universitat Politècnica de Catalunya. BarcelonaTech
Alicia Casals Institute for Bioengineering of Catalonia and Universitat Politècnica de Catalunya. BarcelonaTech

DOI:

https://doi.org/10.1016/j.riai.2014.11.007

Palabras clave:

Estado fisiológico, interfaces multimodales, robótica de rehabilitación, control

Resumen

Este art́ıculo presenta un nuevo sistema de rehabilitación capaz de adaptarse al estado psicofisiológico del paciente durante tareas de rehabilitación robótica. Con este tipo de terapia se puede maximizar la motivación y participación del paciente durante la actividad de rehabilitación. En este trabajo se extienden los resultados del estudio presentado en (Badesa et al., 2014b), realizado con sujetos sanos, a su utilización con pacientes que hayan sufrido un accidente cerebrovascular. En una primera parte del art́ıculo se presentan los distintos componentes del sistema adaptativo, y se realiza una comparativa de distintas técnicas de aprendizaje automático para clasificar el estado psicofisiológico del paciente entre tres estados posibles: estresado, nivel de excitación media y relajado. Finalmente, se muestran los resultados del sistema autoadaptativo con un paciente con ictus en fase crónica, que modifica el comportamiento del robot de rehabilitación y de la tarea virtual en función de las medidas de las señales fisiológicas.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Aisen, M. L., Krebs, H. I., Hogan, N., McDowell, F., Volpe, B. T., 1997. The effect of robot-assisted therapy and rehabilitative training on motor recovery following stroke. Archives of Neurology 54 (4), 443–446.

Badesa, F. J., Enero 2014. Interfaz multimodal y control biocooperativo para sistemas de neuro-rehabilitación asistida por robots. Tesis Doctoral.

Badesa, F. J., Llinares, A., Morales, R., Garc´ıa-Aracil, N., Sabater, J. M., Perez- ´ Vidal, C., 2014a. Pneumatic planar rehabilitation robot for post-stroke patients. Journal of Biomedical Engineering: Applications, Basis and Communications 26 (02), 1450025.

Badesa, F. J., Morales, R., Aracil, N. G., Sabater, J. M., Pérez-Vidal, C., Fernández, E., 2012. Multimodal interfaces to improve therapeutic outcomes in robot-assisted rehabilitation. IEEE Transactions on Systems, Man, and Cybernetics, Part C 6 (42), 1152–1158.

Badesa, F. J., Morales, R., Garcia-Aracil, N., Sabater, J., Casals, A., Zollo, L., 2014b. Auto-adaptive robot-aided therapy using machine learning techniques. Computer Methods and Programs in Biomedicine 116 (2), 123 – 130.

Bradley, M. M., Lang, P. J., 1994. Measuring emotion: The self-assessment manikin and the semantic differential.

Byrne, E., Parasuraman, R., 1996. Effects of robotic therapy on motor impairment and recovery in chronic stroke. Biological Psychology 42, 249–268.

Castellanos-Pinedo, F., Cid-Gala, M., Duque, P., Ramírez-Moreno, J., Zurdo Hernández, J., 2012. Daño cerebral sobrevenido: propuesta de definición, criterios diagnósticos y clasificación. Rev Neurol (54), 357–366.

Fasoli, S. E., Krebs, H. I., Stein, J., Frontera, W. R., Hogan, N., 2003. Effects of robotic therapy on motor impairment and recovery in chronic stroke. Tech. Rep. 4, Department of Mechanical Engineering, Massachusetts Institute of Technology, Cambridge, MA 02139, USA.

Koenig, A., Novak, D., Omlin, X., Pulfer, M., Perreault, E., Zimmerli, L., Mihelj, M., Riener, R., 2011. Real-time closed-loop control of cognitive load in neurological patients during robot-assisted gait training. IEEE Transactions on Neural Systems and Rehabilitation Engineering 19, 453–464.

Krebs, H., Palazzolo, J., Dipietro, L., Ferraro, M., Krol, J., Rannekleiv, K., Volpe, B., Hogan, N., 2003. Rehabilitation robotics: performance-based progressive robot- assisted therapy. Autonomous Robots (15), 7–20.

Krebs, H. I., Hogan, N., Aisen, M. L., Volpe, B. T., 1998. Robot-aided neurorehabilitation. IEEE Trans Rehabil Eng 6 (1), 75–87.

M. Bayón, J. M., 2010. Rehabilitación del ictus mediante realidad virtual. Rehabilitación 44 (3), 256–260.

Miller, E., Murray, L., Richards, L., Zorowitz, R., Bakas, T., Clark, P., Billinger, S., 2010. Comprehensive overview of nursing and interdisciplinary rehabilitation care of the stroke patient: A scientific statement from the american heart association. Stroke 10 (41), 2402–2448.

Nakayama, H., Jørgensen, H., Raaschou, H., Olsen, T., 1994. Recovery of upper extremity function in stroke patients: the copenhagen stroke study. Archives of Physical Medicine and Rehabilitation 4 (75), 394–398.

Novak, D., Mihelj, M., Munih, M., 2012. A survey of methods for data fusion and system adaptation using autonomic nervous system responses in physiological computing. Interacting with Computers 24 (3), 154–172.

Novak, D., Ziherl, J., Olensek, A., Milavec, M., Podobnik, J., Mihelj, M., Munih, M., 2010. Psychophysiological responses to robotic rehabilitation tasks in stroke. IEEE Transactions on Neural Systems and Rehabilitation Engineering 18, 351–361.

Quezada, M., 2011. El daño cerebral adquirido (dca) en España: ˜ principales resultados a partir de la encuesta edad-2008. Boletín del Observatorio Estatal de la Discapacidad (3), 39–59.

Volpe, B. T., Krebs, H. I., Hogan, N., Edelsteinn, L., Diels, C. M., Aisen, M. L., 1999. Robot training enhanced motor outcome in patients with stroke maintained over 3 years. Tech. Rep. 8, Cornell University Medical College, Department of Neurology and Neuroscience, Burke Medical Research Institute,

White Plains, NY 10605, USA.