Development of an upper limb tele-rehabilitation home robotic device for post-stroke patients
- Autores: Axier Ugartemendia Etxarri
- Directores de la Tesis: Iñaki Díaz Garmendia (dir. tes.), Jorge Juan Gil Nobajas (codir. tes.)
- Lectura: En la Universidad de Navarra ( España ) en 2021
- Idioma: inglés
- Tribunal Calificador de la Tesis: Manuel Ferre Pérez (presid.), Josune Hernantes Apezetxea (secret.), Javier Martín Amézaga (voc.), Nicolás Manuel García Aracil (voc.), Angel Rubio Díaz-Cordovés (voc.)
- Programa de doctorado: Programa de Doctorado en Ingeniería Aplicada por la Universidad de Navarra
- Materias:
- Enlaces
- Tesis en acceso abierto en: Dadun
- Resumen
- español
El accidente cerebrovascular es actualmente la segunda causa de muerte más frecuente después de la enfermedad de las arterias coronarias y está aumentando a un ritmo alarmante. La hemiparesis es el resultado más común de un accidente cerebrovascular que conduce a una deficiencia de movimiento. Afortunadamente, la rehabilitación puede ayudar a los pacientes a aprender nuevas formas de usar y mover sus brazos y piernas débiles. También es posible con la terapia inmediata que las personas que sufren de hemiparesis eventualmente recuperen el movimiento. Aunque existen varios enfoques, el movimiento repetitivo extenso para tareas específicas, es uno de los métodos más seguros y efectivos para recuperar la movilidad perdida de las extremidades afectadas. Esta terapia requiere un cuidado médico incesante y una rehabilitación intensiva que a menudo requiere una interacción manual uno a uno con el fisioterapeuta.
La rehabilitación robótica para terapias posteriores a un accidente cerebrovascular es un nuevo dominio emergente de la robótica con historias de éxito y estudios clínicos comprobados. Nuevos dispositivos robóticos y aplicaciones de software están llegando al mercado con la intención de ayudar a los especialistas a realizar terapias físicas e incluso permitir que los pacientes hagan ejercicio en casa. Los robots de rehabilitación están diseñados para ayudar a los pacientes a realizar movimientos repetitivos durante mucho tiempo, independientemente de sus habilidades y fatiga en comparación con la terapia manual.
Debido a estos hechos, en esta tesis se presenta un nuevo dispositivo de tele-rehabilitación robótica domiciliaria. La solución propuesta es un dispositivo mecatrónico capaz de rehabilitar a los pacientes en sus hogares mientras interactúan con juegos de computadora conectados al robot. El sistema propuesto también permite monitorear el desempeño del usuario para un diseño de terapia óptimo.
La segunda parte de esta tesis propone una novedosa técnica de compensación de gravedad activa basada en el aprendizaje automático que puede mejorar en gran medida el rendimiento de los sistemas mecatrónicos utilizados para la rehabilitación y muchos otros dominios de aplicaciones robóticas. Los algoritmos tradicionales para obtener la compensación activa de la gravedad generalmente requieren las ecuaciones de equilibrio estático del sistema. Sin embargo, para configuraciones mecatrónicas complejas, resolver estas ecuaciones no es sencillo. El uso de métodos de aprendizaje automático puede lograr la compensación de la gravedad sin la necesidad de resolver las ecuaciones de equilibrio. La nueva técnica propuesta se valida en el dispositivo de tele-rehabilitación desarrollado.
La tercera parte de esta tesis se centra en mejorar la seguridad de este tipo de dispositivos hápticos mediante la evaluación adicional de la estabilidad del renderizado háptico. Las implicaciones teóricas y experimentales de renderizar rigidez, amortiguación e inercia virtuales se evalúan a fondo.
- English
Stroke is currently the second most frequent cause of death after coronary artery disease and its prevalence is increasing at an alarming rate. Hemiparesis is the most common outcome of stroke leading to movement deficiency. Fortunately, rehabilitation can help hemiparetic patients to learn new ways of using and moving their weak arms and legs. It is also possible with immediate therapy that people who suffer from hemiparesis may eventually regain movement. Although there are several approaches, extensive task-specific repetitive movement is one of the safest and most effective methods to regain lost mobility of the affected limbs. This therapy requires incessant medical care and intensive rehabilitation often requiring one-on-one manual interaction with the physical therapist. Robotic rehabilitation for post-stroke therapies is an emerging new domain of application for robotics with proven success stories and clinical studies. New robotic devices and software applications are hitting the market intending to assist specialists carrying out physical therapies and even allowing patients exercising at home. Rehabilitation robots are designed to assist patients performing repetitive movements for a long time irrespective of skills and fatigue compared to manual therapy. A successful robotic device for rehabilitation demands high workspace and force feedback capabilities similar to a human physiotherapist. Currently, there are several devices in the market that give a robotic solution to these repetitive movements, and have been installed in many hospitals around the world. However, features mentioned are usually achieved at the expense of other important requirements such as transparency and backdrivability, degrading the overall human-machine interaction experience. Mechanically, this implies developing robots with high workspace and force feedback features. Such systems have in turn the drawback of being bulky and heavy degrading final interaction experience with the patient. Due to these facts, a new home robotic tele-rehabilitation device is presented in this thesis. The proposed solution is a mechatronic device capable of rehabilitating patients at their homes while they interact with personal computer games connected to the robot. The proposed system also allows monitoring the user performance for optimal therapy design. The second part of this thesis proposes a novel active gravity compensation technique based on machine learning that can highly improve the performance of mechatronic systems used for rehabilitation and many other domains of robotic applications. Traditional algorithms to obtain active gravity compensation usually require the static equilibrium equations of the system. However, for complex mechatronic configurations, solving these equations is not straightforward. The use of machine learning methods can achieve gravity compensation without the need to solve the equilibrium equations. The proposed novel technique is validated in the developed tele-rehabilitation device. The third part of this thesis focuses on improving the safety of this type of haptic devices through further evaluating the stability of haptic rendering. The theoretical and experimental implications of rendering virtual stiffness, damping and inertia is thoroughly evaluated.
- español
