2016 / 02

Следующая статья
DOI: 10.24075/brsmu.2016-02-04

ОРИГИНАЛЬНОЕ ИССЛЕДОВАНИЕ

Разработка нейроустройства с биологической обратной связью для восполнения утраченных двигательных функций

Е. А. Богданов1, В. А. Петров1, С. А. Ботман1, В. В. Сапунов1, В. А. Ступин2, Е. В. Силина3, Т. Г. Синельникова3, М. В. Патрушев1, Н. Н. Шушарина1
Информация об авторах

1 Химико-биологический институт,
Балтийский федеральный университет имени Иммануила Канта, Калининград

2 Кафедра госпитальной хирургии № 1, лечебный факультет,
Российский национальный исследовательский медицинский университет имени Н. И. Пирогова, Москва

3 Кафедра патологии человека, Институт профессионального образования,
Первый Московский государственный медицинский университет имени И. М. Сеченова, Москва

Для корреспонденции: Богданов Евгений Анатольевич
ул. А. Невского, д. 14, г. Калининград, 236041; moc.liamg@vonadgobue

Информация о статье

Финансирование: работа выполнена при поддержке Министерства образования и науки Российской Федерации (Соглашение о предоставлении субсидии от 27.10.2015 № RFMEFI57815X0140).

Благодарности: авторы благодарят Александра Романова из Центра реабилитации Управления делами Президента РФ (Москва), Рафаэля Оганова из Государственного научно-исследовательского центра профилактической медицины (Москва), Даниила Борчевкина, Алексей Белоусова, Владимира Савинова, Сергея Соколова и Алексея Медведева за плодотворное научное сотрудничество и вклад в работу

Статья получена: 31.03.2016 Статья принята к печати: 07.04.2016 Опубликовано online: 05.01.2017
|
  1. Singh RM, Chatterji S, Kumar A. Trends and challenges in EMG based control scheme of exoskeleton robots — a review. Int J Sci Eng Res. 2012; 3 (9): 933–40.
  2. Artemiadis P. EMG-based robot control interfaces: past, present and future. Adv Robot Autom. 2012, 1 (2): e107.
  3. Li G. Electromyography pattern-recognition-based control of powered multifunctional upper-limb prostheses. In: Mizrahi J, editor. Advances in applied electromyography. InTech; 2011. 224 p.
  4. Kim Y, Doh NL, Youm Y, Chung WK. Robust discrimination method of the electrooculogram signals for human-computer interaction controlling mobile robot. Intell Autom Soft Comp. 2007; 13 (3): 319–36.
  5. Oonishi Y, Oh S, Hori Y. New control method for power-assisted wheelchair based on upper extremity movement using surface myoelectric signal. 2008 10th IEEE International Workshop on Advanced Motion Control. 2008; 498–503.
  6. Gu Y, Dremstrup K, Farina D. Single-trial discrimination of type and speed of wrist movements from EEG recordings. Clin Neurophysiol. 2009 Aug; 120 (8): 1596–600.
  7. Shenoy P, Miller KJ, Crawford B, Rao RP. Online electromyographic control of a robotic prosthesis. IEEE Trans Biom Eng. 2008 Mar; 55 (3): 1128–35.
  8. Kiguchi K, Hayashi Y. An EMG-based control for an upper-limb power-assist exoskeleton robot. IEEE Trans Syst Man Cybern B Cybern. 2012 Aug; 42 (4): 1064–71.
  9. Rosen J, Brand M, Fuchs MB, Arcan М. A myosignal-based powered exoskeleton system. IEEE Trans Syst Man Cybern A Syst Hum. 2001; 31 (3): 210–22.
  10. Collinger JL, Wodlinger B, Downey JE, Wang W, Tyler-Kabara EC, Weber DJ, et al. High-performance neuroprosthetic control by an individual with tetraplegia. Lancet. 2013 Feb 16; 381 (9866): 557–64.
  11. Nunez PL, Srinivasan R. Electric fields of the brain: the neurophysics of EEG. Oxford, UK: Oxford university press; 2006. 611 р.
  12. Arai M, Nishinaka Y, Miki N. Long-term electroencephalogram measurement using polymer-based dry microneedle electrode. In: 2015 Transducers – 2015 18th International Conference on Solid-State Sensors, Actuators and Microsystems (TRANSDUCERS); 2015 June 21–25; Anchorage, AK. IEEE; 2015. p. 81–4.
  13. Agashe H, Contreras-Vidal JL. Reconstructing hand kinematics during reach to grasp movements from electroencephalographic signals. Conf Proc IEEE Eng Med Biol Soc. 2011; 2011: 5444–7. DOI: 10.1109/IEMBS.2011.6091389.
  14. Mohamed AK, Marwala T, John LR. Single-trial EEG discrimination between wrist and finger movement imagery and execution in a sensorimotor BCI. Conf Proc IEEE Eng Med Biol Soc. 2011; 2011: 6289–93.
  15. Yang J, Singh H, Hines EL, Schlaghecken F, Iliescu DD, Leesonc MS, Stocks NG. Channel selection and classification of electroencephalogram signals: an artificial neural network and genetic algorithm-based approach. Artif Intell Med. 2012; 55 (2):117–26.
  16. Feldman Y, Ishai PB, Raicu V. Electrode polarization. Dielectric relaxation in biological systems: physical principles, methods, and applications. 2015 Jul 23: 140.
  17. Allison BZ, Leeb R, Brunner C, Müller-Putz GR, Bauernfeind G, Kelly JW, Neuper C. Toward smarter BCIs: extending BCIs through hybridization and intelligent control. J Neural Eng. 2012 Feb; 9 (1): 013001.
  18. Pfurtscheller G, Allison BZ, Brunner С, Bauernfeind G, Solis-Escalante T, Scherer R, et al. The hybrid BCI. Front Neurosci. 2010 Apr 21; 4: 30.
  19. Leeb R, Sagha H, Chavarriaga R, Mill J. Multimodal fusion of muscle and brain signals for a hybrid-BCI. Conf Proc IEEE Eng Med Biol Soc. 2010; 2010: 4343–6.
  20. Xie P, Chen X, Ma P, Li X, Su P. Identification Method of Human Movement Intention based on the Fusion Feature of EEG and EMG. In: Proceedings of the World Congress on Engineering 2013, vol. 2; 2013 Jul 3–5; London, UK. IAENG; 2013.
  21. Kiguchi K, Hayashi Y. A study of EMG and EEG during perception-assist with an upper-limb power-assist robot. In: 2012 IEEE International Conference on Robotics and Automation (ICRA); 2012 May 14–18; Saint Paul, MN. IEEE; 2012. p. 2711–6.
  22. Gopura RARC, Kiguchi K, Li Y. SUEFUL-7: A 7DOF upper-limb exoskeleton robot with muscle-model-oriented EMG-based control. In: 2009 IEEE/RSJ International Conference on Intelligent Robots and Systems; 2009 Oct 11–19; St. Louis, USA. IEEE; 2009. p. 1126–31.
  23. Witkowski M, Cortese M, Cempini M, Mellinger J, Vitiello N, Soekadar SR. Enhancing brain-machine interface (BMI) control of a hand exoskeleton using electrooculography (EOG). J Neuroeng Rehabil. 2014 Dec 16; 11: 165.
  24. Румянцева С. А., Ступин В. А., Оганов Р. Г., Силина Е. В., Петров В. А., Касымов В. А. и др. Пути развития систем длительного контроля артериального давления. Кардиоваскулярная терапия и профилактика. 2015; (14) 1: 78–82.
  25. Stupin VА, Silina EV, Oganov RG, Bogdanov YA, Shusharina NN. Development of an invasive device for long-term remote monitoring of cardiovascular system parameters, including blood pressure, in patients with comorbid conditions. Biosciences Biotechnology Research Asia, Аug 2015. Vol. 12(2), р. 1255-1263.
  26. Silina E.V., Stupin V.A., Kolesnikova E.A., Rumyantseva S.A., Oganov R.G. New devices for invasive blood pressure detection and the prototype for a long-term invasive distance control of cardiovascular system. Biology and medicine. 2014; 6 (3): BM-045-14, 5 p.
  27. Pfurtscheller G, Leeb R, Slater M. Cardiac responses induced during thought-based control of a virtual environment. Int J Psychophysiol. 2006 Oct; 62 (1): 134–40.
  28. Pfurtscheller G, Ortner R, Bauernfeind G, Linortner P, Neuper C. Does conscious intention to perform a motor act depend on slow cardiovascular rhythms? Neurosci Lett. 2010 Jan 1; 468 (1): 46–50.
  29. Shahid S, Prasad G, Sinha RK. On fusion of heart and brain signals for hybrid BCI. In 2011 5th International IEEE/EMBS Conference Neural Engineering (NER); 2011 Apr 27 – May 11; Cancun, Mexico. IEEE; 2011. р. 48–52.
  30. Judy JW. Neural interfaces for upper-limb prosthesis control: opportunities to improve long-term reliability. IEEE Pulse. 2012 Mar; 3 (2): 57–60.
  31. Yanagisawa T, Hirata M, Saitoh Y, Goto T, Kishima H, Fukuma R, et al. Real-time control of a prosthetic hand using human electrocorticography signals: technical note. J Neurosurg. 2011 Jun; 114 (6): 1715–22.