Главная Каталог статей Медицинские науки Медицинское оборудование и приборы

Система постинсультной реабилитации на основе стационарных зрительных вызванных потенциалов

Авторы: Попова В.А., Гремицкий И.С.
Опубликовано в выпуске: #10(63)/2021
DOI: 10.18698/2541-8009-2021-10-741
Раздел: Медицинские науки \| Рубрика: Медицинское оборудование и приборы
Ключевые слова: инсульт, реабилитация, мелкая моторика верхних конечностей, интерфейс мозг — компьютер, биологическая обратная связь, электроэнцефалография, электромиография, стационарный зрительный вызванный потенциал
Опубликовано: 16.11.2021

Выполнен литературный обзор работ по вопросу изменения двигательной активности после инсульта при использовании высокотехнологичных методов аппаратной реабилитации. Проведен обзор реабилитационных устройств на основе поверхностной электромиографии с использованием биологической обратной связи. Рассмотрена классификация методов регистрации активности головного мозга, а также приведено сравнение преимуществ и недостатков каждого из интерфейсов на основе электроэнцефалографии для обоснования выбора наиболее рационального метода для решения поставленных задач. Предложена новая методика постинсультной реабилитации с применением биологической обратной связи на основе синхронной регистрации биоэлектрической активности мозга, а именно стационарного зрительного вызванного потенциала (SSVEP) и поверхностной электромиографии, которая обеспечивает активные тренировки при минимальном уровне сохранности нейромышечного аппарата.

Литература

[1] Бандаков М.П., Ковязина Г.В. Обоснование содержания методики физической реабилитации последствий инсульта в различные периоды заболевания. Вестник ВятГГУ, 2011, № 1-3, с. 90–94.

[2] Мокиенко О.А., Супонева Н.А., ред. Инсульт у взрослых: центральный парез верхней конечности. Клинические рекомендации. М., МЕДпресс-Информ, 2018.

[3] ГОСТ Р. 52600.5-2008. Протокол ведения больных. Инсульт. Национальный стандарт Российской Федерации. М., Стандартинформ, 2009.

[4] Мачинский П.А., Плотникова Н.А., Ульянкин В.Е. и др. Сравнительная характеристика показателей смертности и летальности от ишемического и геморрагического инсультов в России. Известия высших учебных заведений. Поволжский регион. Медицинские науки, 2019, т. 19, № 3, с. 101–117. DOI: https://doi.org/10.21685/2072-3032-2019-3-10

[5] Алферова В.В., Белкин А.А., Вознюк И.А. и др. Клинические рекомендации по ведению больных с ишемическим инсультом и транзиторными ишемическими атаками. М., МЕДпресс-Информ, 2017.

[6] Kwakkel G., Kollen B.J., Krebs H.I. Effects of robot-assisted therapy on upper limb recovery after stroke: a systematic review. Neurorehabil. Neural Repair, 2008, vol. 22, no. 2, pp. 111–121. DOI: https://doi.org/10.1177/1545968307305457

[7] Germanotta M., Cruciani A., Pecchioli C. et al. Reliability, validity and discriminant ability of the instrumental indices provided by a novel planar robotic device for upper limb rehabilitation. J. NeuroEngineering Rehabil., 2018, vol. 15, no 1. pp. 1–14. DOI: https://doi.org/10.1186/s12984-018-0385-8

[8] Mehrholz J., Pohl M., Platz T. et al. Electromechanical and robotassisted arm training for improving activities of daily living, arm function, and arm muscle strength after stroke. Cochrane Database Syst. Rev., 2018, no 9. DOI: https://doi.org/10.1002/14651858.CD006876.pub5

[9] Бондаренко Ф.В., Макарова М.Р., Турова Е.А. Восстановление сложных двигательных функций верхней конечности у больных после ишемического инсульта. Вопросы курортологии, физиотерапии и лечебной физической культуры, 2016, т. 93, № 1, c. 11–15. DOI: https://doi.org/10.17116/kurort2016111-15

[10] Cramer S.C., Riley J.D. Neuroplasticity and brain repair after stroke. Curr. Opin. Neurol., 2008, vol. 21, no. 1, pp. 76–82. DOI: https://doi.org/10.1097/WCO.0b013e3282f36cb6

[11] Клочков А.С., Черникова Л.А. Роботизированные и механотерапевтические устройства для восстановления функции руки после инсульта. РМЖ, 2014, т. 22, № 22, c. 1589–1592.

[12] Воробьев А.А., Андрющенко Ф.А., Засыпкина О.А. и др. Терминология и классификация экзоскелетов. Вестник ВолгГМУ, 2015, № 3, с. 71–78.

[13] Van Dijk H., Jannink M.J.A., Hermens H.J. et al. Effect of augmented feedback on motor function of the affected upper extremity in rehabilitation patients: a systematic review of randomized controlled trials. J. Rehabil. Med., 2005, vol. 37, no. 4, pp. 202–211. DOI https://doi.org/10.1080/16501970510030165

[14] Туровский Я.А., Арефьев Я.В., Алексеев А.В. et al. Информационная система биологической обратной связи по электромиографическому каналу с использованием очков дополненной реальности. Вестник новых медицинских технологий, 2017, т. 24, № 2, c. 147–151. DOI: https://doi.org/10.12737/article_5947d3f44242c4.01994237

[15] De Nunzio A.M., Dosen S., Lemling S. et al. Tactile feedback is an effective instrument for the training of grasping with a prosthesis at low-and medium-force levels. Exp. Brain Res., 2017, vol. 235, no 8, pp. 2547–2559. DOI: https://doi.org/10.1007/s00221-017-4991-7

[16] Богданов О.В., Варман Б.Г., Алиев А.Т. Восстановление двигательных расстройств с помощью приемов функционального биоуправления. Журнал невропатологии и психиатрии, 1985, т. 85, № 3, c. 359–365.

[17] Кузьмичева О.А. Применение метода биологической обратной связи по электромиограмме для коррекции двигательных нарушений. Биологическая обратная связь, 1999, № 3, c. 6–11.

[18] Федотчев А.И., Парин С.Б., Полевая С.А. и др. Технологии «интерфейс мозг–компьютер» и нейробиоуправление: современное состояние, проблемы и возможности клинического применения (обзор). СТМ, 2017, т. 9, № 1, с. 175–184. DOI: https://doi.org/10.17691/stm2017.9.1.22

[19] Жадин М.Н. Биофизические механизмы формирования электроэнцефалограммы. М., Наука, 1984.

[20] Lew E., Chavarriaga R., Zhang H. et al. Self-paced movement intention detection from human brain signals: invasive and non-invasive EEG. 2012 Ann. Int. Conf. IEEE Eng. Med. Biol. Soc., 2012, pp. 3280–3283. DOI: https://doi.org/10.1109/EMBC.2012.6346665

[21] Денисова Е.Н., Махров С.С. Анализ современных методов регистрации сигналов мозговой активности посредством нейрокомпьютерного интерфейса. T-COMM: Телекоммуникации и транспорт, 2017, т. 11, № 12, c. 14–17.

[22] Bamdad M., Zarshenas H., Auais M.A. Application of BCI systems in neurorehabilitation: a scoping review. Disabil. Rehabil.: Assist. Technol., 2015, vol. 10, no 5, pp. 355–364. DOI: https://doi.org/10.3109/17483107.2014.961569

[23] Gandhi V. Brain-computer interfacing for assistive robotics: electroencephalograms, recurrent quantum neural networks, and user-centric graphical interfaces. Academic press, 2014.

[24] Lim J.H., Lee J.H., Hwang H.J. et al. Development of a hybrid mental spelling system combining SSVEP-based brain–computer interface and webcam-based eye tracking. Biomed. Signal Process. Control, 2015, vol. 21, pp. 99–104. DOI: https://doi.org/10.1016/j.bspc.2015.05.012

[25] Muller-Putz G.R., Pfurtscheller G. Control of an electrical prosthesis with an SSVEP-based BCI. IEEE Trans. Biomed. Eng., 2008, vol. 55, no 1, pp. 361–364. DOI: https://doi.org/10.1109/TBME.2007.897815

[26] Li Y., Pan J., Wang F. et al. A hybrid BCI system combining P300 and SSVEP and its application to wheelchair control. IEEE Trans. Biomed. Eng., 2013, vol. 60, no. 11, pp. 3156–3166. DOI: https://doi.org/10.1109/TBME.2013.2270283

[27] Diez P. Smart wheelchairs and brain-computer interfaces. Academic Press, 2018.

[28] Мокиенко О.А., Черникова Л.А., Фролов А.А. Интерфейс мозг-компьютер как новая технология нейрореабилитации. Анналы клинической и экспериментальной неврологии, 2011, т. 5, № 3, c. 46–52.

[29] Regan D. Human brain electrophysiology. Evoked potentials and evoked magnetic fields in science and medicine. Elsevier, 1989.

[30] İşcan Z., Nikulin V.V. Steady state visual evoked potential (SSVEP) based brain-computer interface (BCI) performance under different perturbations. PLoS ONE, 2018, vol. 13, no. 1, art. e0191673. DOI: https://doi.org/10.1371/journal.pone.0191673

[31] Nawrocka A., Holewa K. Brain – Computer interface based on Steady – State Visual Evoked Potentials (SSVEP). Proc. 14th ICCC, 2013, pp. 251–254. DOI: https://doi.org/10.1109/CarpathianCC.2013.6560548

[32] Bieger J., Molina G.G., Zhu D. Effects of stimulation properties in steady-state visual evoked potential based brain-computer interfaces. Proc. 32nd Ann. Int. Conf. IEEE Eng. Med. Biol. Soc., 2010, pp. 3345–3348.

[33] Bakardjian H., Tanaka T., Cichocki A. Optimization of SSVEP brain responses with application to eight-command brain–computer interface. Neurosci. Lett., 2010, vol. 469, no. 1, pp. 34–38. DOI: https://doi.org/10.1016/j.neulet.2009.11.039

[34] Fisher R.S., Harding G., Erba G. et al. Photicand patterninduced seizures: a review for the Epilepsy Foundation of America Working Group. Epilepsia, 2005, vol. 46, no. 9, pp. 1426–1441. DOI: https://doi.org/10.1111/j.1528-1167.2005.31405.x

[35] Wang Y., Wand R., Gao X. et al. A practical VEP-based brain-computer interface. IEEE Trans. Neural Syst. Rehabil. Eng., 2006, vol. 14, no 2, pp. 234–240. DOI: https://doi.org/10.1109/TNSRE.2006.875576

[36] Sakurada T., Kawase T., Komatsu T. et al. Use of high-frequency visual stimuli above the critical flicker frequency in a SSVEP-based BMI. Clin. Neurophysiol., 2015, vol. 126, no. 10, pp. 1972–1978. DOI: https://doi.org/10.1016/j.clinph.2014.12.010

[37] Ehlers J., Lueth T., Graeser A. High frequency steady-state visual evoked potentials: an empirical study on re-test stability for brain-computer interface usage. Proc. 3rd Int. Conf. CHIRA, 2019, pp. 164–170. DOI: https://doi.org/10.5220/0008348401640170

[38] Zhu D., Bieger J., Garcia Molina G. et al. A survey of stimulation methods used in SSVEP-based BCIs. Comput. Intell. Neurosci., 2010. vol. 2010, art. 702357. DOI: https://doi.org/10.1155/2010/702357

[39] Cao T., Wan, F., Mak P.U. et al. Flashing color on the performance of SSVEP-based brain-computer interfaces. 2012 Ann. Int. Conf. IEEE Eng. Med. Biol. Soc., 2012, pp. 1819–1822. DOI: https://doi.org/10.1109/EMBC.2012.6346304

[40] Mouli S., Palaniappan R., Sillitoe I.P. et al. Quantification of SSVEP responses using multi-chromatic LED stimuli: analysis on colour, orientation and frequency. 7th CEEC, 2015, pp. 93–98. DOI: https://doi.org/10.1109/CEEC.2015.7332706

[41] Сафин Д.Р. Информационно-измерительная система управления биоэлектрическим протезом. Дисс. ... канд. тех. наук. Астрахань, ПГУ, 2011.