2020 / 04

Следующая статья
DOI: 10.24075/vrgmu.2020.047

ОРИГИНАЛЬНОЕ ИССЛЕДОВАНИЕ

Реабилитация больных с детским церебральным параличом с помощью экзоскелета кисти, управляемого интерфейсом «мозг–компьютер»

П. Д. Бобров1,2, Е. В. Бирюкова1,2, Б. А. Поляев1, О. А. Лайшева1,3, Е. Л. Усачёва3, А. В. Соколова3, Д. И. Михайлова3, К. Н. Дементьева3, И. Р. Федотова2
Информация об авторах

1 Российский национальный исследовательский медицинский университет имени Н. И. Пирогова, Москва, Россия

2 Институт высшей нервной деятельности и нейрофизиологии, Москва, Россия

3 Детская клиническая больница Российского национального исследовательского медицинского университета имени Н. И. Пирогова, Москва, Россия

Для корреспонденции: Павел Дмитриевич Бобров
ул. Островитянова, д. 1, г. Москва, 117997; ur.xednay@vorbob-p

Информация о статье

Финансирование: работа выполнена при финансовой поддержке государства в лице Минобрнауки России, уникальный идентификатор соглашения: RFMEFI60519X0184.

Вклад авторов: П. Д. Бобров — обработка и анализ ЭЭГ, оценка точности работы ИМК, написание статьи; Е. В. Бирюкова — статистическая обработка клинических шкал, написание статьи; Б. А. Поляев, О. А. Лайшева, Е. Л. Усачева — дизайн клинического исследования; Е. Л. Усачева — организация клинического исследования; О. А. Лайшева, А. В. Соколова, Д. И. Михайлова, К. Н. Дементьева — разработка методики работы с детьми, сбор клинических данных; Д. И. Михайлова, К. Н. Дементьева — нейропсихологическое обследование, тренинг; И. Р. Федотова — анализ литературы. Все авторы принимали участие в интерпретации результатов и обсуждении текста статьи.

Статья получена: 31.07.2020 Статья принята к печати: 13.08.2020 Опубликовано online: 20.08.2020
|
  1. Himmelmann K, Hagberg G, Uvebrant PAP. The changing panorama of cerebral palsy in Sweden. X. Prevalence and origin in the birth-year period 1999–2002. Acta Paediatrica. 2010; 99 (9): 1337–43.
  2. Семенова К. А. Восстановительное лечение детей с перинатальным поражением нервной системы и детским церебральным параличом. М.: Изд-во «Закон и порядок», 2007; 616 с.
  3. Frolov AA, Husek D, Biryukova EV, Bobrov PD, Mokienko OA, Alexandrov AV. Principles of motor recovery in post-stroke patients using hand exoskeleton controlled by the brain-computer interface based on motor imagery. Neural Network World. 2017; 27 (1): 107–37.
  4. Pfurtscheller G, Lopes da Silva FH. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clinical Neurophysiology. 1999; 110 (11): 1842–57. Epub 1999/11/27. PubMed PMID: 10576479.
  5. Hétu S, Gregoire M, Saimpont A, Coll M-P, Eugene F, Michon P-E, et al. The neural network of motor imagery: an ALE meta-analysis. Neuroscience & Biobehavioral Reviews. 2013; 37 (5): 930–49.
  6. Monge-Pereira E, Ibañez-Pereda J, Alguacil-Diego I, Serrano J, Spottorno-Rubio M, Molina-Rueda F. Use of Electroencephalography Brain-Computer Interface Systems as a Rehabilitative Approach for Upper Limb Function After a Stroke: A Systematic Review. PM&R. 2017; 9 (9): 918–32.
  7. Ang KK, Chua KSG, Phua KS, Wang C, Chin ZY, Kuah CWK, et al. A randomized controlled trial of EEG-based motor imagery brain-computer interface robotic rehabilitation for stroke. Clinical EEG and neuroscience. 2015; 46 (4): 310–20.
  8. Frolov AA, Mokienko O, Lyukmanov R, Biryukova E, Kotov S, Turbina L, et al. Post-stroke rehabilitation training with a motor-imagery-based brain-computer interface (BCI)-controlled hand exoskeleton: a randomized controlled multicenter trial. Frontiers in neuroscience. 2017; 11: 400.
  9. Ono T, Shindo K, Kawashima K, Ota N, Ito M, Ota T, et al. Brain-computer interface with somatosensory feedback improves functional recovery from severe hemiplegia due to chronic stroke. Frontiers in neuroengineering. 2014; 7: 19.
  10. Ramos-Murguialday A, Broetz D, Rea M, Läer L, Yilmaz Ö, Brasil FL, et al. Brain–machine interface in chronic stroke rehabilitation: a controlled study. Annals of neurology. 2013; 74 (1): 100–8.
  11. Eyre JA. Corticospinal tract development and its plasticity after perinatal injury. Neuroscience & Biobehavioral Reviews. 2007; 31 (8): 1136–49.
  12. Thelen E. Developmental ‘movement disorders’ and problem solving. In: What are ‘normal movements’ in atypical populations? Behavioral and Brain Sciences. 1996; 19 (1): 55–106.
  13. Allred RP, Jones TA. Maladaptive effects of learning with the less-affected forelimb after focal cortical infarcts in rats. Experimental Neurology. 2008; 210 (1): 172–81.
  14. Duarte NAC, Grecco LAC, Zanon N, Galli M, Fregni F, Oliveira CS. Motor сortex plasticity in children with spastic cerebral palsy: a systematic review. Journal of Motor Behavior. 2016; 49 (4): 1–10.
  15. Spruijt S, van der Kamp J, Steenbergen B. The ability of 6– to 8– year-old children to use motor imagery in a goal-directed pointing task. Journal of Experimental Child Psychology. 2015; 139: 221–33.
  16. Lust JM, Wilson PH, Steenbergen B. Motor imagery difficulties in children with cerebral palsy: A specific or general deficit? Research in Developmental Disabilities. 2016; 57: 102–11.
  17. Cabral-Sequeira AS, Coelho DB, Teixeira L. Motor imagery training promotes motor learning in adolescents with cerebral palsy: comparison between left and right hemiparesis. Experimental Brain Research. 2016; 234 (6): 1515–24.
  18. Errante A, Bozzetti F, Sghedoni S, Bressi B, Costi S, Crisi G, et al. Explicit motor imagery for grasping actions in children with spastic unilateral cerebral palsy Frontiers in neurology. 2019; 10: 837.
  19. Бобров П. Д., Коршаков А. В., Рощин В. Ю., Фролов А. А. Байесовский подход к реализации интерфейса мозг– компьютер, основанного на представлении движений. Журнал высшей нервной деятельности. 2012; 62 (1): 89–99.
  20. Palmer JA, Kreutz-Delgado K, Makeig S. AMICA: An adaptive mixture of independent component analyzers with shared components. Swartz Center for Computatonal Neursoscience, University of California San Diego, Tech Rep. 2012.
  21. Delorme A, Palmer J, Onton J, Oostenveld R, Makeig S. Independent EEG sources are dipolar. PloS one. 2012; 7 (2): e30135.
  22. Frolov A, Bobrov P, Biryukova E, Isaev M, Kerechanin Y, Bobrov D, et al. Using Multiple Decomposition Methods and Cluster Analysis to Find and Categorize Typical Patterns of EEG Activity in Motor Imagery Brain–Computer Interface Experiments. Frontiers in Robotics and AI. 2020; 7 (88). DOI: 10.3389/frobt.2020.00088.
  23. Van Hoey G, Van de Walle R, Vanrumste B, D’Havse M, Lemahieu I, Boon P. Beamforming techniques applied in EEG source analysis. Proc ProRISC99. 1999; 10: 545–9.
  24. Crognier L, Skoura X, Vinter A, Papaxanthis C. Mental representation of arm motion dynamics in children and adolescents. PloS one. 2013; 8: e73042.
  25. Фролов А., Азиатская Г., Бобров П., Люкманов Р., Федотова И., Гусек Д., и др. Электрофизиологическая активность мозга при управлении интерфейсом мозг-компьютер, основанным на воображении движений. Физиология человека. 2017; 43 (5): 17–28.
  26. Klingels K, Demeyere I, Jaspers E, De Cock P, Molenaers G, Boyd R, et al. Upper limb impairments and their impact on activity measures in children with unilateral cerebral palsy. European Journal of Paediatric Neurology. 2012; 16 (5): 475–84.
  27. Gladstone DJ, Daniells CJ, Black SE. The Fugl-Meyer assessment of motor recovery after stroke: A critical review of its measurement properties. Neurorehabilitation and Neural Repair. 2002; 16 (232– 240).
  28. Sunderland A. Recovery of ipsilateral dexterity after strok. Stroke. 2000; 31 (2): 430–3.
  29. Alt Murphy MA, Häger CK. Kinematic analysis of the upper extremity after stroke — how far have we reached and what have we grasped? Physical Therapy Reviews. 2015; 20: 137–55.
  30. Mailleux L, Simon-Martinez C, Feys H, Jaspers E. Upper extremity movement pathology during functional tasks. In: Müller B, Wolf S, editors. Handbook of Human Motion. Cham: Springer International Publishing AG, 2018; p. 1167–1184.