Myoelektrische Handprothesen

Präsentation zum Thema: "Myoelektrische Handprothesen"—  Präsentation transkript:

1 Myoelektrische Handprothesen
Referent: Mariella Dreißig Seminar: Computergestütztes Messen SS15 Dozenten: Prof. Dr. Georgeta Salvan Dr. Thomas Franke

2 Inhalt: 1) Arten von Prothesen 2) Anforderungen an Handprothesen 3) Prinzip der Myoelektrik Grundlegendes Prinzip Klassifizierung 4) Funktionsweise Signalverarbeitung Parameterauswertung Interpretation der Daten Steuerung und Ausführung Sensorisches Feedback 5) Training 6) Beispiel: Fluidhand 7) Probleme in der Entwicklung

3 Arten von Prothesen Arten von Prothesen Endoprothese (= Implantat)
Exoprothese (= offenes Implantat) Endo-Exo-Prothese Beispiel: Handprothese i.d.R. Einsatz bei Unterarmamputation (auch bei Teilhandamputationen) Motivation? - Aristoteles sagte im 4. Jh. V. Chr.: „Der Vernünftigste kann auch wohl mit den meisten Werkzeugen umgehen, und die Hand bedeutet nicht nur ein Werkzeug, sondern viele, sie ist gleichsam das Werkzeug aller Werkzeuge.“ ( [ ]) - Deutschland: ca registrierte Patienten mit amputierter Hand/Arm (weltweit ca. 1 Mio)

4 Anforderungen an eine Handprothese
Menschliche Hand: - Freiheitsgrade: 27 dof (degrees of freedom) Kraft: 500N Volumen: 50cm2 Gewicht: 400g 17000 Sensoren: Propriozeption und Exterzeption 6 Griffarten: Zylindergriff, Spitzgriff, Koffergriff, Pinzettengriff, Kugelgriff, Lateralgriff

5 Anforderungen an eine Handprothese
Bionische Hand: Ästhetik Funktionalität = Wiederherstellen der Motorik intuitive Steuerung technische Erfordernisse sensorisches Feedback Usability -> Akzeptanz

6 Prinzip der Myoelektrik
Unterscheidung in: Kosmetische Prothese Funktionelle Prothese > State of the Art: myoelektrische Handprothese Prinzip der Myoelektrik myoelektrisch (griechisch mỹs (Genitiv: myós) bedeutet Muskel): von Prothesen mit einer Batterie betrieben und durch die Kontraktion eines Muskels in Bewegung gesetzt ( [ ])

7 Prinzip der Myoelektrik
Grundlegendes Funktionsprinzip - Aktionspotenzial aktiviert Muskelfasern Anzahl aktivierter Muskelfasern ~ Muskelkraft Erzeugung einer messbaren Potenzialdifferenz -> Muskelkraft ~ EMG-Signal Oberflächen-EMG erfassen Summenpotenziale ganzer Muskeln d27f581e77ea668f460dfe44a9a31e84_720x600.jpg

8 Prinzip der Myoelektrik
Klassifizierung

9 Funktionsweise Funktionsweise 3 Ebenen der Signalverarbeitung:
Preprocessing (Inputsignal wird aufbereitet und ausgewertet) Intent Interpretation (Planung der auszuführenden Bewegung) Output (Ausführung/Steuerung der Bewegung)

10 Funktionsweise Signalverarbeitung - Kleines Signal: V- bis mV-Bereich
- A/D-Wandler (12 Bit Tiefe) - Verstärker (Verstärkung um den Faktor 100) - Filter (Hoch-, Tiefpass)

11 Funktionsweise Parameterauswertung Interne Parameter
- Mean Absolute Value Myo-Pulse: gewichteter Mittelwert der Zeit, die das Signal über einer Schwelle ist Root-Mean Square Zero-Crossing Willison Amplitude: Änderung der Amplitude bezüglich eines Schwellwerts > Parameter im Zeitbereich sind meist besser geeignet als die im Frequenzbereich Externe Parameter - Potentiometer Drucksensoren Beschleunigungssensoren meist Verwendung einer Kombination der oben genannten Parameter

12 Funktionsweise Interpretation der Daten
Ziel: Erkennen der Handlungsabsicht = Zuordnung der extrahierten Input-Muster zu Motorfunktionen Proportionaler Mutex (mutual exclusion und Schätzfunktion) Simultane Proportionale Steuerung (Künstliches Neuronales Netz) > Zusammenhang von Trainingsmethode

13 Funktionsweise Steuerung und Ausführung Wahl der Zustände der Aktoren
Proportionale Steuerung von Geschwindigkeit, Kraft und Position on-off Steuerung einzelner Parameter meist Kombination verschiedener Zustände z.B. Geschwindigkeit schnell vs. Langsam und Kraft proportional -> Sequentielle (statt kontinuierlicher) Ansteuerung

14 Funktionsweise Sensorisches Feedback
Targeted Muscle Reinnervation (TMR) und Target Sensory Reinnervation (TSR) Efferente und Affarente Komponente Nerven aus Zielmuskel entfernt intakte Nervenenden aus amputiertem Arm implantiert > Steuerung der Prothese und sensorisches Feedback

15 Funktionsweise Künstliche Haut
Polymer mit hoher sensorischer Auflösung Sensoren für Temperatur, Druck, Feuchtigkeit bis zu 20% dehnbar auf Körpertemperatur aufgeheizt > Problem: Interface mit menschlichem Nervensystem sensorisches Feedback = höhere Funktionalität und Akzeptanz

16 Training Training Unterscheidung: System Training vs. User Training
Ziel: Prothese soll jedem Signalmuster das richtige Bewegungsmuster zuordnen Manuelle Anpassung Bilaterales Training Prothesengesteuertes Training > Datenset sollte so realistisch wie möglich sein (kontinuierliche Bewegungen)

17 Training User Training Ziel: so wenig Training wie möglich
Empfehlung: so viel Training wie möglich Training des Gehirns um richtige Muskeln zu aktivieren

18 Beispiel: Fluidhand Beispiel: Fluidhand
(2000 vom BioRobotLab im Karlsruher Institut für Technologie (KIT) entwickelt) - Steuerung erfolgt myoelektrisch (2 EMG Elektroden) - Neu: flexible Fluidaktoren Kammer aus dünner Plastikfolie - Befüllen mit Flüssigkeit = Expansion - Ablassen der Flüssigkeit = Kontraktion speziell angfertigte Zahnradpumpen und Ventile

19 Beispiel: Fluidhand 4 Griffarten und Finger einzeln beweglich (ca. 60% der Funktionen einer menschlichen Hand) 2 verschiedene Möglichkeiten der Auswertung Training erfolgt indem Patient Griffarten vollführt

20 Beispiel: Fluidhand Neu: Kraftrückkopplung
- Kraft ist wichtigstes sensorisches Feedback - Greifkraftermittlung -> Verarbeitung im Steuerungsmodul -> Vibrationsmotor

21 Probleme bei der Entwicklung
Enthusiasmus in akademischer Forschung vs. seltene Anwendung in der Praxis Lücke zwischen akademischer Forschung und kommerzieller Anwendung Woran könnte das liegen?

22 Probleme bei der Entwicklung
Hauptprobleme: sequentielle statt kontinuierliche/simultane Steuerung (Übergänge zwischen Griffarten fehlen) on-off statt proportionale Steuerung kaum sensorisches Feedback fehlende Algorithmen zur Datenfusion (Verwendung vieler Sensoren) oft unrealistische Testbedingungen (Alltagstauglichkeit) Trainingsmethoden anpassen (Co-Adaption)

23 Quellen Bundesverband für Menschen mit Arm- oder Beinamputation e.V. (2015). Die Endo-Exo-Prothese - wieder Boden unter den Füßen. Verfügbar unter: [ ] Hoffmann, K.-P., Dietl, H. (2009). Bionic hand prosthesis on basis of a myogen controlled intelligent implant. Verfügbar unter: [ ] ISEK (2015). Standards for Reporting EMG Data. Verfügbar unter: [ ] Otto Bock HealthCare (2015). Fasziniert. Mit Michelangelo®. Verfügbar unter: [ ] Plarre, P. (2011). Viele Leute denken noch, wir bauen Holzprothesen. Verfügbar unter: [ ] Schütze, B. (2015). Signalerfassung. Verfügbar unter: [ ] Schwitalla, H. (2015). Künstliche Hand aus Karlsruhe: Die beweglichste Handprothese der Welt!. Verfügbar unter: [ ] Talbot, D. (2014). Artificial Skin That Senses, and Stretches, Like the Real Thing. Verfügbar unter: [ ] University of Guelph (2015). EMG Signals. Verfügbar unter: [ ]  Vincent Systems GmbH (2015). Vincent Evolution 2. Verfügbar unter: [ ] Wikipedia (2015). Myoelektrik. Verfügbar unter: [ ] Wikipedia (2015). Prothese. Verfügbar unter: [ ] Wikipedia (2015). Elektromyografie. Verfügbar unter: [ ] Reischl, M. (2006). Ein Verfahren zum automatischen Entwurf von Mensch-Maschine-Schnittstellen am Beispiel myoelektrischer Handprothesen. Schreiftenreihe des Instituts für Angewandte Informatik / Automatisierungstechnik Universität Karlsruhe (TH), Band 13 Bretthauer, G., Schulz, S. Pylatiuk, C., Beck, S., Reischl, M. (2008). Eine neue adaptive Handprothese. Handchirurgie - Mikrochirurgie - Plastische Chirurgie, Vol. 40, pp doi: /s Fougner, A., Stavdahl, Ø., Kyberd, P. J., Losier, Y. G., Parker, P.A. (2012). Control of Upper Limb Prostheses: Terminology and Proportional Myoelectric Control - A Review. IEEE Transactions on Neural Systems and Rehabilitation Engineering, Vol. 20, Issue 5, pp doi: /TNSRE Gaiser, N., Pylatiul, C., Schulz, S., Kargov, A., Oberle, R., Werner, T. (2009). The FLUIDHAND III: A Multifunctional Prosthetic Hand. Journal of Prosthetics and Orthotics, Vol. 21, Issue 2, pp Hoffmann, K.-P., Dietl, H. (2010). Handprothesen: Nach dem Vorbild der Natur. Deutsches Ärzteblatt, Vol. 107, Issue 45, pp ISSN: Jiang, N., Dosen, S., Müller,K.-R., Farina, D. (2012). Myoelectric Control of Artificial Limbs - Is There a Need to Change Focus?. IEEE Signal Processing Magazine, Vol. 29, Issue 5, pp doi: /MSP Russold, M., Lewis, S., Abu-Saleh, L., Audí, M. J. C., Hahn, M., Schiestl, M., Ruff, R., Schroeder, D., Taghizadeh, B., Plümer, S., Hoffmann, K. P., Krautschneider, W., Gail, A., Meiners, T., Lanmüller, H., Aszmann, O., Dietl, H. (2014). Development of a fully implantable EMG measurement system: Status report on the MyoPlant project. Biomedical Engineering, Vol. 59, pp doi: 1515/bmt

24 Videos: 2000 Test: 2001 am Patient: Vincent Hand: