Биотехническая система нейрофизиологической реабилитации с робототехническим устройством, управляемым посредством дешифрации электромиосигналов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Трифонов Андрей Андреевич

• Трифонов Андрей Андреевич
• кандидат наук
• 2021

Оглавление диссертации кандидат наук Трифонов Андрей Андреевич

Введение

1 Принципы построения и тенденции развития биотехнических систем с робототехническими устройствами для реабилитации постинсультных и посттравматических больных

1.1 Робототехнические устройства для нейрореабилитации

1.1.1 Роботизированная нейрореабилитация верхней конечности

1.1.2 Роботизированная нейрореабилитация нижних конечностей

1.2 Современные тенденции роботизированной нейрореабилитации

1.3 Мультимодальная оценка восстановления

1.4 Цели и задачи исследования

2 Методы декодирования электрофизиологических сигналов двигательных единиц в системах управления экзоскелетами с виртуальной реальностью

2.1 Основные подходы к реабилитации постинсультных больных

2.2 Метод дешифрации электромиосигналов и устройство для его реализации

2.3 Пример осуществления технического решения в биотехнической системе реабилитации с управлением вертикализацией на основе дешифрации электромиосигнала

2.4 Выводы второго раздела

3 Разработка методов и моделей для биотехнических систем реабилитационного типа для восстановления двигательных функций

3.1 Обобщённая схема реабилитации для восстановления двигательных функций

3.3 Методы и средства определения мышечной силы и мышечной усталости и устройства для их реализации

3.4 Выводы третьего раздела

4 Эксперименты по определению эффективности биотехнической системы реабилитации с модулем нечеткого управления

4.1 Математические модели планирования процедур реабилитации с использованием биологической обратной связи

4.2 Методическое, техническое и медицинское обеспечение реабилитационных процедур посредством биотехнической системы с модулем нечеткого управления

4.2.1 Аппаратное и программное обеспечение биотехнической системы

4.2.2 Методика прогнозирования эффективности реабилитационных процедур

4.2.3 Формирование экспериментальных и контрольных групп для оценки эффективности реабилитации посредством биотехнической системы с модулем нечеткого управления

4.3 Оценка эффективности реабилитации посредством биотехнической системы с модулем нечеткого управления

4.3.1 Результаты реабилитации для подострых пациентов

4.3.2 Результаты тренинга для хронических пациентов

4.4 Выводы четвертого раздела

Заключение

135

Введение диссертации (часть автореферата) на тему «Биотехническая система нейрофизиологической реабилитации с робототехническим устройством, управляемым посредством дешифрации электромиосигналов»

Введение

Актуальность работы. Моторная и сенсорная потеря или дисфункция, вызванные травмами головного мозга или неврологическими расстройствами, серьезно влияют на качество жизни и могут привести к неспособности выполнять простые повседневные дела. Эти нарушения также могут влиять на нижнюю конечность, нарушая, с разной степенью тяжести, сенсомоторные стратегии, используемые мозгом во время походки и контроля равновесия. При этом реабилитационные процедуры только примерно у 70% больных дают восстановление двигательных функций, достаточное для самостоятельного обеспечения их повседневных жизненных потребностей, остальные больные требуют постоянного ухода.

Одним из высокотехнологичных способов реабилитации нарушений двигательных функций является вертикализация, то есть переход из положения «сидя» в положение «стоя», с помощью экзоскелета. Клиническое применение вертикализации доказало высокую эффективность в проведении реабилитационной терапии при самых различных неврологических нарушениях.

При реабилитации целесообразен комбинированный режим управления экзоскелетом, при котором последний выступает в качестве ассистента (помощника). В этом случае необходима информация о состоянии пациента, которая бы позволила определить размер необходимой ему помощи при выполнении тестовых движений. Эта информация позволит управлять серводвигателями экзоскелета по командам, получаемым по результатам декодирования потенциалов двигательных единиц (ДЕ) - электромиографических сигналов (ЭМС). Таким образом, адаптация реабилитирующего экзоскелета к функциональному состоянию пациента посредством анализа и декодирования поверхностных ЭМС является актуальной и важной для практики задачей.

Степень разработанности темы исследования. В последние десятилетия были разработаны инновационные роботизированные технологии, призванные

эффективно помогать врачам в процессе нейрореабилитации. Тем не менее, большинство исследований в этой области было сосредоточено больше на разработке устройств, тогда как меньше усилий было направлено на максимизацию их эффективности для ускорения выздоровления.

Для повышения эффективности реабилитационных процедур используются дешифраторы сигналов центральной нервной системы (ЦНС), наиболее доступными из которых являются поверхностные ЭМС. Распознавание типа движения по ЭМС позволяет построить адаптивную системы управления экзоскелетом. Для стимуляции ЭМС создается стимулирующая виртуальная реальность (УЯ), которая возбуждает моторные нейроны, которые, в свою очередь, стимулируют потенциалы ДЕ мышц, адаптируемых к данной УЯ. Для этого создают базу данных тестовых движений (клиповых движений) и соответствующих им сигналов потенциалов ДЕ.

По данным исследований, для классификации ЭМС применяются различные способы кодирования: спектральные коэффициенты, коэффициенты авторегрессии, вейвлет-коэффициенты. Однако, учитывая временные ограничения на дешифрацию команды, предпочтения отдают способам кодирования ЭМС во временной области на основе анализа амплитуд сигналов. В качестве признаков используют следующие величины во временной области, измеренные как функции времени: интегральная ЭМГ; среднее арифметическое; среднее значение модуля; конечные разности; сумма элементарных площадей; дисперсия; среднеквадратичное отклонение; длина сигнала; максимальное значение ЭМГ-сигнала.

Основным требованием к медицинским экзоскелетам со стороны медицинского персонала является возможность их адаптации к конкретному пациенту. Однако на сегодняшний день нет эффективных алгоритмов, обеспечивающих адаптивное управление экзоскелетом в процессе вертикализации, поэтому вопросы адаптации системы управления экзоскелетом к пациенту требуют дальнейших исследований.

Таким образом, научно-технической задачей исследования является разработка биотехнической системы с робототехническим устройством с биотехническими и биологическими обратными связями для реабилитации постинсультных больных.

Цель работы. Повышение качества нейрофизиологической реабилитации постинсультных больных путем разработки биотехнической системы с робототехническим устройством с биотехническими и биологическими обратными связями.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Выполнить анализ методов и средств нейрореабилитации постинсультных и посттравматических больных для биотехнических систем реабилитации с робототехническими устройствами.

2. Разработать метод дешифрации электромиосигналов, позволяющий адаптировать систему управления робототехнического реабилитационного устройства к функциональному состоянию пациента.

3. Разработать структурную схему биотехнической реабилитации в режиме «встать-сесть» с модулем нечеткого управления процессом реабилитации.

4. Разработать комплект алгоритмов для модулей нечеткого управления, предназначенных для управления процессом реабилитации постинсультных больных и позволяющих адаптировать программу реабилитации к функциональному состоянию пациента.

5. Разработать методы и алгоритмы вычисления мышечной силы и мышечной усталости по результатам анализа электромиосигналов.

6. Провести экспериментальные исследования по оценки эффективности биотехнической системы реабилитации с робототехническим устройством с нечетким модулем управления на постинсультных больных.

Научная новизна. В работе получены следующие результаты, характеризующиеся научной новизной:

1. Метод дешифрации электромиосигналов, заключающийся в считывании поверхностного электромиосигнала; его пошаговой сегментации на пересекающиеся или на не пересекающиеся окна; формирования для каждого сегмента, полученного на предыдущем шаге, набора дескрипторов, передаче набора дескрипторов каждого сегмента по каналу передачи данных на классификатор, осуществляющий управление контроллером серводвигателей, который выполнен в виде обучаемой нейронной сети; отличающийся тем, что формирование вектора информативных признаков для нейронной сети осуществляют посредством многоуровневого компаратора, число уровней которого определяется размерностью вектора дескрипторов, а компоненты вектора дескрипторов определяются путем усреднения выходов компараторов в скользящем окне, а в классификаторе используется вторая нейронная сеть, предназначенная для обобщения данных, получаемых при классификации вектора дескрипторов текущего окна, число входов которой определяется числом окон электромиосигнала, используемых классификатором при принятии решения о включении/выключении соответствующего серводвигателя, позволяющий адаптировать процесс управления процедурой реабилитации под функциональное состояние пациента.

2. Биотехническая система с робототехническим устройством реабилитации в режиме «встать-сесть», управление которым основано на анализе и классификации электромиосигналов, отличающаяся наличием трёх модулей нечёткого управления, позволяющая поддерживать три режима реабилитации и выбирать и переключать их в зависимости от функционального состояния пациента, тем самым подбирая оптимальный режим реабилитации для текущего функционального состояния пациента.

3. Метод оценки мышечной усталости, заключающийся в получении двух электромиосигналов пациента с мышц-синергистов, принимающих участие в реабилитационной процедуре, получении двух паттернов мышечной синергии и последующей их классификации для формирования управляющих команд серводвигателей экзоскелета, отличающийся тем, что паттерны мышечной

синергии формируются посредством образования в каждом канале электромиосигнала частотного и амплитудного подканалов и определения показателя корреляции сигналов в частотных подканалах всех каналов электромиосигналов и показателя корреляции сигналов в амплитудных подканалах всех каналов электромиосигналов, и классификацией полученных паттернов синергии посредством блока нечеткого логического вывода, по результатам которой принимается решение о включении соответствующих серводвигателей экзоскелета с целью оказания помощи пациенту при выполнении реабилитационной процедуры.

Теоретическая и практическая значимость работы состоит в том, что изложенные методы и алгоритмы построения и функционирования биотехнической реабилитационной системы с робототехническим устройством, управление которым осуществляется посредством модуля нечеткого управления с биотехническими и биологическими обратными связями, что позволило адаптировать процедуру реабилитации к функциональному состоянию пациента. Разработанные методы и алгоритмы составили основу биотехнической системы реабилитации постинсультных больных. Применение предложенных в диссертации методов и алгоритмов управления реабилитацией позволит использовать интерфейсы мозг-компьютер в программах нейрореабилитации и социальной реабилитации лиц с ограниченными возможностями здоровья.

Работа выполнена при поддержке РФФИ научный проект № 19-38-90112, регистрационный номер НИОКТР АААА-А19-119110190061-6 (2020-2021гг.) и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».

Результаты диссертационной работы внедрены в учебном процессе Юго -Западного государственного университета при подготовке магистров по направлению подготовки 12.04.04 - Биотехнические системы и технологии, и прошли испытание в отделении медицинской реабилитации клинического научно-медицинского центра «Авиценна», г. Курск.

Методы и средства исследований. Для решения поставленных задач использовались теория биотехнических систем медицинского назначения, математический аппарат цифровой обработки сигналов, статистический анализ, теория нейронных сетей, теория нечеткого управления, методы экспертного оценивания и принятия решений. При разработке модулей классификации электромиосигналов и нечетких модулей управления экзоскелетом в качестве инструментария использовался MATLAB 2018b с графическим интерфейсом пользователя для Neural Network Toolbox и со встроенным пакетом Fuzzy Logic Toolbox.

Положения, выносимые на защиту. 1. Метод дешифрации электромиосигналов, построенный на основе трансформации одномерного вектора электромиосигнала в множество векторов дескрипторов, классификации этих векторов и последующей агрегацией решений классификаторов, позволяет адаптировать процесс управления процедурой реабилитации под функциональное состояние пациента и тем самым повысить эффективность реабилитации посредством робототехнического устройства. 2. Биотехническая система с робототехническим устройством реабилитации, управление которым осуществляется посредством модуля нечёткого управления, поддерживающего три режима реабилитации и выбирающего их в зависимости от функционального состояния пациента, позволяет повысить эффективность реабилитации по критерию максимумов составляющей опорной реакции Rz, как для подострых, так и для хронических постинсультных больных, до 20% по отношению к контрольной группы пациентов, при реабилитации которых не использовалось адаптивное управление робототехническим устройством. 3. Метод оценки мышечной усталости, заключающийся в получении двух паттернов мышечной синергии и последующей их классификации для формирования управляющих команд серводвигателей экзоскелета, позволяет принимать управленческие решения о включении соответствующих серводвигателей экзоскелета с целью оказания помощи пациенту при выполнении реабилитационной процедуры.

Степень достоверности и апробация работы. Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость концепциям теории цифровой обработки и классификации электрофизиологических сигналов, а так же аналогичным результатам, полученным другими исследователями. Методы и алгоритмы классификации электромиосигналов построены на теории цифровой обработки сигналов и согласуются с ранее опубликованными экспериментальными данными по теме диссертации.

Основные теоретические положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 14 международных и всероссийских конференциях: Горизонты биофармацевтики (Курск - 2019); Энергосбережение и эффективность в технических системах (Тамбов - 2019); «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века» (Пермь -2019, 2020); «Физика и радиоэлектроника в медицине и экологии» (Владимир - Суздаль - 2020); "Zavalishin's Readings" ER(ZR) (Уфа - 2020); «Цифровая трансформация в энергетике» (Тамбов - 2020); «Нейроинформатика, её приложения и анализ данных» (Красноярск - 2020); 14th International Conference on Application of Information and Communication Technologies (Ташкент - 2020); «Лазерно-информационные технологии в медицине, биологии, геоэкологии и транспорте» (Новороссийск - 2020); «Биотехнические, медицинские и экологические системы, измерительные устройства и робототехнические комплексы (Биомедсистемы)» (Рязань - 2020); «Медико-экологические информационные технологии» (Курск -2020); «Интеллектуальные информационные системы» (Воронеж - 2021), «Радиоэлектроника. Проблемы и перспективы развития» (Тамбов -2021), на научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск -2018, 2019, 2020, 2021).

Публикации. Основные положения и результаты диссертационной работы опубликованы в 19 научных работах, включающих 3 статьи в ведущих рецензируемых научных журналах и изданиях.

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения и списка использованных источников, включающего 39 отечественных и 64 зарубежных наименований. Работа изложена на 150 страницах машинописного текста, содержит 44 рисунка и 8 таблиц.

1 Принципы построения и тенденции развития биотехнических систем с робототехническими устройствами для реабилитации постинсультных и

посттравматических больных

1.1 Робототехнические устройства для нейрореабилитации

Робототехнические устройства для нейрореабилитации можно разделить на две основные категории, основанные на различных типах физического взаимодействия человека и робота: манипуляторы и экзоскелеты.

Системы на основе манипуляторов - это робототехнические устройства, снабженные особым интерфейсом, который механически ограничивает дистальную часть конечности человека (например, запястье человека). Эти системы не контролируют всю кинематическую цепочку, и человеческая конечность может полностью адаптироваться либо к внешним возмущениям, либо к движениям, производимым манипулятором. Таким образом, в устройстве этого типа можно напрямую управлять только дистальным сегментом тела, который прикреплен к рабочему элементу; дополнительную информацию о силах и/или положениях остальных частей конечности человека можно получить косвенно.

Экзоскелеты, напротив, точно воспроизводят кинематику человеческой конечности и поддерживают ее движение за счёт управления положением и ориентацией каждого сустава. Устройства спроектированы с конкретной целью соединения и выравнивания механических соединений с человеческими. Например, в контексте робототехники верхних конечностей устройства связаны с конечностью либо на уровне руки, либо на уровне предплечья. Кроме того, диапазон движения (ROM) и количество задействованных соединений выбираются соответствующим образом для оптимизации управления. Следовательно, при использовании экзоскелета движения пациента

контролируются в большей степени, но за счет более высокой сложности управления степенями свободы (DOF).

1.1.1 Роботизированная нейрореабилитация верхней конечности

Для реабилитации нарушений двигательных функций (ДФ) верхней конечности разработаны различные робототехнические системы. Для их использования в реабилитирующих биотехнических системах (РБТС) предложены протоколы, ориентированные на выполнение повторяющихся движений для улучшения ROM, мышечной силы, координации движений и для содействия двигательному обучению.

В зависимости от типа и тяжести двигательной дисфункции и связанных с ней нарушений один тип устройства может быть более эффективным, чем другой. В частности, если остаточные сенсомоторные функции пациента чрезвычайно низки, экзоскелеты могут быть более подходящими для приложения усилий к каждому суставу. Более того, манипуляторы могут быть более эффективными для доставки сложных паттернов сил (например, на основе стратегий помощи по мере необходимости), способных использовать избыточность человеческого тела, тем самым ускоряя сенсомоторное восстановление [40].

Один из первых роботов с манипуляторов, разработанный для реабилитации верхних конечностей, MIT Manus [70], принадлежит лабораториям Массачусетского технологического института (MIT) и был разработан для плечевых и локтевых суставов. Другими интересными примерами являются ARM (вспомогательная реабилитация и измерения) Guide [89] (робот с противовесом, который не нагружает руку и механически поддерживает движение), GENTLE/s (роботизированная помощь в нейро- и двигательной реабилитации) [48], итальянский NeReBot (робот для нейрореабилитации) [48] и ACT3D (робот для тренировки координации рук), специально используемый для количественного

измерения аномального сцепления крутящего момента сустава при хроническом инсульте [52]. Кроме того, Mirror Image Motion Enabler [74] и Bi-Manu-Track [64] являются двумя примерами робототехнических устройств для верхних конечностей, разработанных для реализации протоколов бимануального обучения.

Что касается использования экзоскелетов в нейрореабилитации верхней конечности, были предложены интересные попытки: SUEFUL [75], ARMin III [61], CADEN (управляемый через кабель экзоскелет для нейрореабилитации) [79] и RUPERT (роботизированная верхняя конечность) [83].

Разрабатываемые в настоящее время экзоскелеты различаются по механической конструкции. В частности, в большинстве из них для верхних конечностей не обеспечиваются движения для всех степеней свободы, поскольку они оснащены только двигателями для движений плеча (L-Exos [88], Pneu-Wrex [56]) и локтевых суставах, в то время как дополнительное срабатывание для запястья недоступно. Напротив, прототип UL-EXO7 [79] и коммерческий экзоскелет ARMEO Power, разработанный на основе ARMinIII [61], также оказывают воздействие на запястье и предплечье.

Дизайн экзоскелета для руки намного сложнее. Тем не менее, отметим в качестве примеров, такие как Manovo Power (в конечном итоге интегрированная в ARMEO Power (Hocoma, Швейцария)) и экзоскелет IntelliArm. Эти устройства приводятся в действие для тренировки открывания и закрывания рук в досягаемости и захватных движений или пассивного растяжения пальцев.

Еще одна классификация экзоскелетов и манипуляторов связана с их системой, обеспечивающей двигательные функции. Доступные возможности включают привод от двигателя, привод от пневматической мускулатуры и немоторизованный привод (например, гидравлический или пружинный).

К первой категории, то есть приводимые в действие электродвигателем, относятся экзоскелеты L-Exos, UL-Exo7, GENTLE / G, REHAROB и Armeo Power (Hocoma, Швейцария)), а также системы конечных эффекторов, InMotion ARM, In Motion WRIST (Bionik), MIT-MANUS и Braccio di Ferro. Напротив, экзоскелеты

Pneu-Wrex и BONES основаны на пневматических двигателях. Наконец, T-Wrex и его коммерческая версия, ARMEO Spring (Hocoma, Швейцария), обеспечивают только гравитационную поддержку всей руки без роботизированного срабатывания [68, 82, 102].

Экзоскелеты верхних конечностей для реабилитации были разработаны совсем недавно по сравнению с манипуляторами. Это происходит по разным причинам [47]:

- сложное взаимодействие между механической структурой экзоскелетов и различными суставами человеческого тела;

- сложные схемы контроля, которые должны быть приняты для решения проблемы управляемости задним ходом и прозрачности;

- необходимость способствовать сенсомоторному восстановлению пациента, не пассивно двигая суставами, а используя вспомогательные методы тренировки, способные реагировать на любое патологическое движение [65].

Низкоуровневая реализация этих вспомогательных методов обучения более сложна в экзоскелетах, чем в манипуляторах. В частности, с целью использования экзоскелетов для улучшения координации между суставами у неврологической популяции было разработано несколько инновационных схем управления. Начиная с общих схем управления, реализованных в манипуляторах и экзоскелетах, существует управление с обратной связью с компонентами с прямой связью. Эта схема позволяет исправлять ошибки работы пациентов и компенсирует вес, инерцию и трение механизмов устройства. Чтобы получить сигнал ошибки контура обратной связи, необходима способность воспринимать некоторые кинематические переменные (координвты, скорости) или силы взаимодействия, а затем сравнивать их с заранее определенной опорной траекторией. Вместо этого компоненты с прогнозированием могут быть вычислены с помощью модели робота или могут быть изучены с помощью итерационных методов. Эта стратегия управления чаще всего реализуется в экзоскелетах с использованием информации о местоположении для замыкания

контура. Вспомогательные стратегии также реализуются с использованием структуры контроля взаимодействия. В частности, большинство манипуляторов используют схемы управления импедансом, в то время как экзоскелеты используют схемы управления проводимостью. В первом случае контроллеры используют обратную связь по положению, чтобы регулировать механическое сопротивление робота (нелинейное обобщение механической жесткости). Во втором случае все наоборот: контроллеры используют обратную связь по усилию, чтобы регулировать положение конкретных суставов (на основе модели системы). Экзоскелеты обычно реализуют схемы контроля допуска из-за обычного отсутствия обратной управляемости их механизмов [57].

В последние годы были разработаны более сложные схемы для экзоскелетов верхних конечностей: контроллеры скользящего режима или контроллеры, запускаемые при обнаружении намерения пациента, вычисленном с помощью электрофизиологических измерений (например, поверхностной электромиографии (пЭМГ) и электроэнцефалографии (ЭЭГ)). Все вышеперечисленные методы основаны на сравнении сигнала ошибки с опорной траекторией. С помощью устройств с манипулятором эту траекторию можно легко вычислить или спроектировать, в то время как с помощью экзоскелетов необходимо решить множество проблем. Как уже было сказано, экзоскелеты потенциально могут использоваться для восстановления координации между суставами пациента путем правильной настройки различных траекторий суставов роботов; однако связь между восстановлением и траекториями экзоскелета до сих пор неясна. Разработка соответствующих эталонных траекторий для каждого сустава - настоящая проблема. Недавно были предложены некоторые методы: (1) воспроизведение ранее записанных траекторий, выполненных здоровыми людьми; и (2) использование ранее записанных патологических непроизвольных вращающих моментов в суставах, транслируемых в области кинематики суставов.

1.1.2 Роботизированная нейрореабилитация нижних конечностей

Как и у верхних конечностей, робототехнические устройства для нейрореабилитации нижних конечностей также могут различаться с точки зрения механической конструкции (то есть манипуляторы и экзоскелеты), механизма осуществления движения, режима обучения, количества степеней свободы и архитектуры управления.

Манипуляторы (таблица 1.1) сгруппированы в «основанные на подножке», такие как Gait Trainer GTI [62], HapticWalker [94] и G-EO Systems (EO, от латинского: я хожу) [63].

Таблица 1.1 - Основные характеристики наиболее распространенных

манипуляторов для реабилитации нижних конечностей

Название манипулятор а Классификаци я Приводы Приведенные в движение DOFs Методика обучения Тип заболевания

1 2 3 4 5 6

Gait Trainer [62] На основе подножки Электрически й и механический (тросы для управления перемещением центра масс (Цм) в вертикальной и горизонтально й плоскости) Подвижные подножки, обеспечивающие движение стоп в сагиттальной плоскости (ходьба по ровной поверхности); ЦМ вертикальное направление; ЦМ горизонтальное направление Пассивный; Активный Инсульт, рассеянный склероз, болезнь Паркинсона, церебральн ый паралич

HapticWalker [94] На основе подножки Электрически й Свободно программируемы е подножки, позволяющие двигаться ногами в трехмерном пространстве. Пассивный; Активный

1 2 3 4 5 6

G-EO На основе Электрический Свободно Активный Инсульт

Systems подножки программируемые ассистивный

[63] подножки для

ходьбы и лазания

Hunova на базе Электрический Тыльное / Пассивный; Пожилые;

[91] платформ подошвенное Активный; связанные с

сгибание Активный работой

голеностопного ассистивный травмы

сустава; Инверсия Активный

/ выворот резистивный

голеностопного

сустава;

Вращение таза в

сагиттальной

плоскости;

Вращение таза во

фронтальной

плоскости

Rutgers на базе Пневматический Три перевода на Пассивный; Инсульт,

Список литературы диссертационного исследования кандидат наук Трифонов Андрей Андреевич, 2021 год

Список литературы

1. Бернштейн, Н.А. О построении движений / Н.А. Бернштейн. - М.: Медицина, 1947. - 253 с.

2. Будко Р.Ю., Старченко И.Б. Создание классификатора мимических движений на основе анализа электромиограммы // Труды СПИИРАН. 2016. Вып. 46. С. 76-89.

3. Джафарова, О.А. Прогноз эффективности метода биологической обратной связи на основе математического моделирования / О.А. Джафарова, Л.А. Новожилова // Автометрия. - 1993. - №2. - С. 15-21.

4. Кассим, К,Д.А. Компьютерные технологии обработки и анализа биомедицинских сигналов и данных: учеб. пособие/К.Д.А Кассим, С.А. Филист, А.Ф. Рыбочкин; Юго-Зап. Гос. Ун-т. - Курск, 2016. - 290 с.

5. Киселев, А.В. Нейросетевые модули с виртуальными потоками для классификации и прогнозирования функционального состояния сложных систем/Киселев А.В., Петрова Т.В., Дегтярев С.В., Рыбочкин А.Ф., Филист С.А., Шаталова О.В., Мишустин В.Н.//Известия Юго-Западного государственного университета. 2018. № 4 (79). С. 123-134.

6. Котов С.В., Турбина Л.Г., Бобров П.Д., Фролов А.А., Павлова О.Г., Курганская М.Е., Бирюкова Е.В. Применение комплекса «интерфейс "мозг-компьютер" и экзоскелет» и техники воображения движения для реабилитации после инсульта // Альманах клинической медицины. - 2015. -№ 39. - С. 15-21.

7. Котов, С.В. Реабилитация больных, перенесших инсульт, с помощью биоинженерного комплекса «интерфейс мозг - компьютер + экзоскелет» / С.В. Котов, Л.Г. Турбина, П.Д. Бобров, А.А. Фролов, О.Г. Павлова, М.Е. Курганская, Е.В. Бирюкова // Журнал неврологии и психиатрии им. С. С. Корсакова. - 2014. -№12. - С. 66-72

8. Кудрявцев, П.С. Развитие методологии бустинга для классификации флюорограмм грудной клетки / П.С. Кудрявцев, А.А. Кузьмин, С.А. Филист// Биомедицинская радиоэлектроника. - 2016. - №9. - С. 10-14.

9. Леонтьев, А.Н. Восстановление движения / А.Н. Леонтьев, А.В. Запорожец. - М.: Советская наука, 1945. - 231 с.

10. Мокиенко, О.А . Интерфейс мозг-компьютер: первый опыт клинического применения в России / О.А. Мокиенко, Р.Х. Люкманов, Л.А. Черникова, Н.А. Супонева, М.А. Пирадов, А.А. Фролов // Физиология человека. - 2016. - №42(1). -С. 31-39.

11. Патент RU 2523349. Способ реабилитации больных, перенесших инсульт/ Черникова Л.А., Мокиенко О.А., Рощин В.Ю., Бобров П.Д., Фролов А.А.

12. Патент US 20150370333 A1, 24.12.2015.

13. Патент РФ RU 2 635 632 C1. Способ и система управления интеллектуальной бионической конечностью/Н.М. Иванюк, В.Р. Каримов, Р.Ю. Будко, П.В. Гронский, С.М. Клейман. Опубликовано 14.11.2017. Бюл. № 32.

14. Пятин В.Ф., Колсанов А.В., Сергеева М.С. и др. Информационные возможности использования мю- и бета-ритмов ЭЭГ доминантного полушария в конструировании нейрокомпьютерного интерфейса // Фундаментальные исследования. - 2015. - № 2-5. - С. 975-978.

15. Рыбочкин А.Ф., Савельев С.В., Плесканос Л.В. Анализ фотоплетизмограммы с использованием кодовых сообщений//Биомедицинская радиоэлектроника №2 2010. С.43-48.

16. Сотников П.И. Выбор оптимальных частотных диапазонов сигнала электроэнцефалограммы в интерфейсе мозг-компьютер // Наука и Образование. МГТУ им. Н.Э. Баумана. Электрон. журн. - 2015. - № 06. - С. 217234.

17. Сотников П.И. Обзор методов обработки сигнала электроэнцефалограммы в интерфейсах мозг-компьютер // Инженерный вестник. МГТУ им. Н.Э. Баумана. Электронный научно -технический журнал. - 2014. - № 10. - С. 621-632.

18. Станкевич Л.А., Сонькин К.М., Шемякина Н.В. и др. Классификация ЭЭГ-паттернов воображаемых движений пальцами одной руки, выполняемых в заданном ритме // Физиология человека. - 2016. - Т. 42. - № 1. С. 40-52.

19. Трифонов, А.А. Биотехническая система реабилитационного типа для восстановления двигательной активности / А.А. Трифонов // Медико-экологические информационные технологии - 2020: сборник научных статей по материалам XXIII Международной научно-технической конференции: в 2 ч. (2022 мая 2020 года). - Курск: Юго-запад. гос. ун-т., 2020. - С. 91-96.

20. Трифонов, А.А. Биотехническая система с виртуальной реальностью в реабилитационных комплексах с искусственными обратными связями / А.А. Трифонов, Е.В. Петрунина, С.А. Филист, А.А. Кузьмин, В.В. Жилин // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2019. -Т. 9. - №4(33). - С. 49-66.

21. Трифонов, А.А. Биотехническая система управления экзоскелетом / А.А. Трифонов // Цифровая трансформация в энергетике: материалы Всероссийской научной конференции (17-18 декабря 2019 г.). - Тамбов: Тамбовский гос. техн. ун-т, 2019. - С. 387-390.

22. Трифонов, А.А. Виртуальная реальность в реабилитационных комплексах с искусственными обратными связями / А.А. Трифонов, С.А. Филист, А.А. Кузьмин, М.Б. Мяснянкин // Интеллектуальные информационные системы: труды Международной научо- практической конференции (02-04 декабря 2020 г.). - Воронеж, 2021. - С. 98-102.

23. Трифонов, А.А. Двухуровневая нейросетевая модель дешифратора электромиосигнала в системе управления вертикализацией экзоскелета/ А.А. Трифонов, С.А. Филист, А.А. Кузьмин, В.В. Жилин, Е.В. Петрунина//Прикаспийский журнал: управление и высокие технологии, № 4 (52), 2020. - С.99-111.

24. Трифонов, А.А. Нейросетевая модель для управления вертикализацией экзоскелета в комбинированном режиме / А.А. Трифонов, А.А. Кузьмин, С.А.

Филист, Е.В. Петрунина // Нейроинформатика, её приложения и анализ данных: материалы XXVIII Всероссийского семинара (25-27 сентября 2020 г.). -Красноярск, 2020. - С. 111-116.

25. Трифонов, А.А. Нейросетевые модели формирования команд управления в биотехнической системе реабилитационного типа / А.А. Трифонов, М.Б. Мяснянкин, С.А. Филист // труды XXVIII Международной конференции «Лазерно-информационные технологии в медицине, биологии, геоэкологии и на транспорте - 2020» (07-12 сентября 2020 г.). - Новороссийск. - С. 184-188.

26. Трифонов, А.А. Реабилитационная биотехническая система с электромиографическим контуром управления / А.А. Трифонов, А.А. Кузьмин, М.Б. Мяснянкин, С.А. Филист // Физика и радиоэлектроника в медицине и экологии - ФРЭМЭ'2020: труды XIV Международной научной конференции с научной молодежной школой им. И.Н. Спиридонова (01-03 июля 2020 г.). -Владимир-Суздаль, 2020. - С. 128-133.

27. Трифонов, А.А. Современные биотехнические системы и методы двигательной реабилитации / А.А. Трифонов // Горизонты биофармацевтики: сборник научных трудов по материалам V Международной научно-практической молодежной конференции (28 июня 2019 г.). - Курск: Курск. гос. мед. ун-т., 2019. - С. 108-111.

28. Трифонов, А.А. Средства оценки мышечной нагрузки и мышечного утомления для управления экзоскелетом в комбинированном режиме / А.А. Трифонов, А.А. Кузьмин, Е.В. Петрунина, С. Кадырова // Лазеры. Измерения. Информация. - 2021. - Т.1. - №1(1). - С. 55-66.

29. Филист, С.А. Гибридная нейронная сеть с макрослоями для медицинских приложений/ С.А. Филист, О.В. Шаталова, М.А. Ефремов //Нейрокомпьютеры. Разработка и применение, 2014. - №6. - С. 35-39.

30. Филист, С.А. Использование гибридных нейросетевых моделей для многоагентных систем классификации в гетерогенном пространстве информативных признаков / С.А. Филист, А.Г. Курочкин, В.В. Жилин, С.Е. Суржикова //Прикаспийский журнал: управление и высокие технологии. Научно-

технический журнал. - 2015. № 3 (31).-C.85-95.

31. Филист, С.А. Кодовые образы сигналов электроэнцефалограммы для управления робототехническими устройствами посредством интерфейса мозг-компьютер/ С.А. Филист, Е.В. Петрунина, А.А. Трифонов, А.В. Серебровский//Моделирование, оптимизация и информационные технологии. Научный журнал, Том 7, № 1. 2019. - С. 67-79. http://moit.vivt.ru/. doi: 10.26102/2310-6018/2019.24.1.025.

32. Филист, С.А. Метод классификации сложных объектов на основе анализа структурных функций медленных волн / С.А. Филист, И.И. Волков, С.Г. Емельянов // Биомедицинская радиоэлектроника. №4. 2012. С.6-11.

33. Филист, С.А. Модель формирования функциональных систем с учетом менеджмента адаптационного потенциала/ Филист С.А., Шуткин А.Н., Шкатова Е.С., Дегтярев С.В., Савинов Д.Ю.// Биотехносфера 1(55) 2018. С.32-37

34. Филист, С.А. Нейросетевые модели для мета-анализа медико-экологических данных / С.А. Филист, А.Г. Курочкин, В.В. Протасова, А.Н. Шуткин //Нейрокомпьютеры: разработка, применение. - 2015. № 6.-C.42-48.

35. Филист, С.А. Предикторы синхронности системных ритмов живых систем для классификаторов их функциональных состояний/ Филист С.А., Петрова Т.В. Дегтярев С.В. Шаталова О.В.//Системный анализ и управление в биомедицинских системах. - 2018. - Т. 17, №3. - С. 693 - 700.

36. Филист, С.А. Структурно-функциональная модель мета-анализа медико-экологических данных /Филист С.А., Шуткин А.Н., Уварова В.В.//Вопросы радиоэлектроники. Серия «Общетехническая» (ОТ), 2015. Выпуск 7. - С.102-110.

37. Фролов, А.А. Изменения гемодинамической активности мозга при воображении движений в результате тренировки испытуемых на управление интерфейсом мозг-компьютер / А.А. Фролов, Д. Гусек, А.В. Сильченко, Я. Тинтера, Я. Рыдло // Физиология человека. - 2016. - №42(1). - С. 5-18.

38. Фролов, А.А. Предварительные результаты контролируемого исследования эффективности технологии ИМК-эк-зоскелет при постинсультном

парезе руки / А.А. Фролов, О.А. Мокиенко, Р. Люкманов, Л.А. Черникова, С.В. Котов и др. // Вестник РГМУ. - 2016. - №2. - С. 17-25.

39. Черникова, Л.А. Восстановительная неврология: Инновационные технологии в нейрореабилитации / Л.А. Черникова. - М.: ООО Издательство «Медицинское информационное агентство», 2016. - 344 с.

40. Ang, K.K. Brain-computer interface-based robotic end efector system for wrist and hand rehabilitation: results of a three-armed randomized controlled trial for chronic stroke / K.K. Ang, C. Guan, K.S. Phua, C. Wang et al. // Frontiers in neuroengineering. - 2014. - No.7. - Pp. 30.

41. Bach-Y-Rita, P. Theoretical and practical considerations in the restoration of function after stroke / P. Bach-Y-Rita // Top Stroke Rehabilitation. -2001. - No. 8(3). -Pp. 1-15.

42. Banala, S.K. Active Leg Exoskeleton (ALEX) for Gait Rehabilitation of Motor-Impaired Patients / S.K. Banala, J.P. Scholz // In Proceedings of the 2007 IEEE 10th International Conference on Rehabilitation Robotics (13-15 June 2007). -Noordwijk, The Netherlands, 2007. - Pp. 401-407.

43. Biasiucci, A. Brain-actuated functional electrical stimulation elicits lasting arm motor recovery after stroke / A. Biasiucci, R. Leeb, I. Iturrate, S. Perdikis, A. Al-Khodairy, T. Corbet, A. Schnider, T. Schmidlin, H. Zhang, M. Bassolino // Nat. Commun. - 2018. - No.9. - Pp. 2421.

44. Bohannon, R.W. Interrater Reliability of a Modified Ashworth Scale of Muscle Spasticity / R.W. Bohannon, M.B. Smith // Phys. Ther. - 1987. - No.67. - Pp. 206-207.

45. Buch, E. Think to move: a neu-romagnetic brain-computer interface (BCI) system for chronic stroke / E. Buch, C. Weber, L. Cohen et al. // Stroke. - 2008. - No.39. - Pp.910-917.

46. Casadio, M. Braccio di Ferro: A new haptic workstation for neuromotor rehabilitation / M. Casadio, V. Sanguineti, P.G. Morasso, V. Arrichiello // Technol. Health Care. - 2006. - No. 14. - Pp. 123-142.

47. Colomer, C. Efficacy of Armeo®Spring during the chronic phase of stroke. Study in mild to moderate cases of hemiparesis / C. Colomer, A. Baldovi, S. Torrome, M. Navarro, B. Moliner, J. Ferri, E. Noe // Neurologia. - 2013. - No.28. - Pp. 261-267.

48. Coote, S. The effect of the GENTLE/s robot-mediated therapy system on arm function after stroke / S. Coote, B. Murphy, W. Harwin, E. Stokes // Clin. Rehabil. -2008. - No. 22. - Pp. 395-405.

49. De Santis, D. Robot-assisted training of the kinesthetic sense: Enhancing proprioception after stroke / D. De Santis, J. Zenzeri, M. Casadio, L. Masia, A. Riva, P. Morasso, V. Squeri // Front. Hum. Neurosci. - 2015. - No. 8. - Pp. 1037.

50. DeMatteo, C. The reliability and validity of the Quality of Upper Extremity Skills Test / C. DeMatteo, M. Law, D. Russell, N. Pollock, P. Rosenbaum, S. Walter // Phys. Occup. Ther. Pediatr. - 1993. - No. 13. - Pp.1-18.

51. Duncan, P.W. Reliability of the Fugl-Meyer Assessment of Sensorimotor Recovery Following Cerebrovascular Accident / P.W. Duncan, M. Propst, S.G. Nelson // Phys. Ther. - 1983. - No.63. - Pp. 1606-1610.

52. Ellis, M.D. Impairment-based 3-D robotic intervention improves upper extremity work area in chronic stroke: Targeting abnormal joint torque coupling with progressive shoulder abduction loading / M.D. Ellis, T.M. Sukal-Moulton, J.P. Dewald // IEEE Trans. Robot. - 2009. - No. 25. - Pp. 549-555.

53. Farris, R.J. A preliminary assessment of legged mobility provided by a lower limb exoskeleton for persons with paraplegia / R.J. Farris, H.A. Quintero, S.A. Murray, K.H. Ha, C. Hartigan, M. Goldfarb // IEEE Trans. Neural Syst. Rehabil. Eng. - 2013. -No.22. - pp. 482-490.

54. Fazekas, G. The future role of robots in neuro-rehabilitation / G. Fazekas, I. Tavaszi // Expert Rev. Neurother. - 2019. - No.19. - Pp. 471-473.

55. Freivogel, S. Gait training with the newly developed 'LokoHelp'-system is feasible for non-ambulatory patients after stroke, spinal cord and brain injury / S. Freivogel, J. Mehrholz, T. Husak-Sotomayor, D. Schmalohr // A feasibility study. Brain Inj. - 2008. - No.22. - Pp. 625-632.

56. Frisoli, A. A new force-feedback arm exoskeleton for haptic interaction in virtual environments / A. Frisoli, F. Rocchi, S. Marcheschi, A. Dettori, F. Salsedo, M. Bergamasco // In Proceedings of the 1st Joint Eurohaptics Conference and Symposium on Haptic Interfaces for Virtual Environment and Teleoperator Systems World Haptics Conference (18-20 March 2005). - Pisa, Italy, 2005. - Pp. 195-201.

57. Frolov, A.A. Use of robotic devices in post-stroke rehabilitation / A.A. Frolov, E.V. Biryukova, P.D. Bobrov, I.B. Kozlovskaya // Neuroscience and behavioral physiology. - 2018. - Vol. 48. - No. 9. - Pp. 1053-1066.

58. Gerardin E., Sirigu A., Leherici S. et al. Partially overlapping neural networks for real and imagined hand movements. Cerebral Cortex. 2000. V. 10. P. 1093.

59. Gilman, S. Joint position sense and vibration sense: Anatomical organisation and assessment / S. Gilman // J. Neurol. Neurosurg. Psychiatry. - 2002. - No. 73. - Pp. 473-477.

60. Girone, M. A Stewart platform-based system for ankle telerehabilitation / M. Girone, G. Burdea, M. Bouzit, V. Popescu, J.E. Deutsch // Auton. Robot. - 2001. -No.10. - Pp. 203-212.

61. Gopura, R.A.R.C. SUEFUL-7: A 7DOF upper-limb exoskeleton robot with muscle-model-oriented EMG-based control / R.A.R.C. Gopura, K. Kiguchi, Y. Li // In Proceedings of the 2009 IEEE/RSJ International Conference on Intelligent Robots and Systems (10-15 October 2009). - St. Louis, MO, USA, 2009. Pp. 1126-1131.

62. Hesse, S. A mechanized gait trainer for restoration of gait / S. Hesse, D. Uhlenbrock // Rehabil. Res. Dev. - 2000. - No.37. - Pp. 701-708.

63. Hesse, S. Innovative gait robot for the repetitive practice of floor walking and stair climbing up and down in stroke patients / S. Hesse, A. Waldner, C. Tomelleri // J. NeuroEng. Rehabil. - 2010. - No.7. - Pp. 30.

64. Hesse, S. Robot-assisted arm trainer for the passive and active practice of bilateral forearm and wrist movements in hemiparetic subjects / S. Hesse, G. Schulte-Tigges, M. Konrad, A. Bardeleben, C. Werner // Arch. Phys. Med. Rehabil. - 2003. -No. 84. - Pp. 915-920.

65. Jarrasse, N.A. Robotic exoskeletons: A perspective for the rehabilitation of arm coordination in stroke patients / N.A. Jarrasse, T. Proietti, V. Crocher, J. Robertson, A. Sahbani, G. Morel, A. Roby-Brami // Front. Hum. Neurosci. - 2014. - No.8. - Pp. 947.

66. Jezernik, S. Robotic orthosis lokomat: A rehabilitation and research tool / S. Jezernik, G. Colombo, T. Keller, H. Frueh, M. Morari // Neuromodul. Technol. Neural Interface. - 2003. - No.6. - Pp. 108-115.

67. Kawamoto, H. Voluntary motion support control of Robot Suit HAL triggered by bioelectrical signal for hemiplegia / H. Kawamoto, S. Taal, H. Niniss, T. Hayashi, K. Kamibayashi, K. Eguchi, Y. Sankai // In Proceedings of the 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology (31 August-4 September 2010). - Buenos Aires, Argentina, 2010. - Pp. 462-466.

68. Kim, H. Kinematic data analysis for post-stroke patients following bilateral versus unilateral rehabilitation with an upper limb wearable robotic system / H. Kim, L.M. Miller, I. Fedulow, M. Simkins, G.M. Abrams, N. Byl, J. Rosen // IEEE Trans. Neural Syst. Rehabil. Eng. - 2012. - No. 21. - Pp. 153-164.

69. Kolakowsky-Hayner, S.A. Safety and feasibility of using the EksoTM bionic exoskeleton to aid ambulation after spinal cord injury / S.A. Kolakowsky-Hayner, J. Crew, S. Moran, A. Shah // J. Spine. - 2013. - Pp.4.

70. Krebs, H.I. Rehabilitation robotics: Pilot trial of a spatial extension for MIT-Manus / H.I. Krebs, M. Ferraro, S.P. Buerger, M.J. Newbery, A. Makiyama, M. Sandmann, D. Lynch, B.T. Volpe, N. Hogan // J. NeuroEng. Rehabil. - 2004. - No. 1. -Pp. 5.

71. Lephart, S.M. Proprioception following anterior cruciate ligament reconstruction / S.M. Lephart, F.H. Fu, P.A. Borsa, C.D. Harner // J. Sport Rehabil. -1992. - No.1. - Pp. 188-196.

72. Lephart, S.M. Proprioception of the shoulder joint in healthy, unstable, and surgically repaired shoulders / S.M. Lephart, J.J. Warner, P.A. Borsa, F.H. Fu // J. Shoulder Elb. Surg. - 1994. - No.3. - Pp. 371-380.

73. Lincoln, N. Reliability and revision of the Nottingham Sensory Assessment for stroke patients / N. Lincoln, J. Jackson, S. Adams. - 1998. - No.84. - Pp. 358-365.

74. Lum, P.S. MIME robotic device for upper-limb neurorehabilitation in subacute stroke subjects: A follow-up study / P.S. Lum, C.G. Burgar, M. Van der Loos, P.C. Shor // J. Rehabil. Res. Dev. - 2006. - No. 43. - Pp. 631.

75. Marini, F. Online Modulation of Assistance in Robot Aided Wrist Rehabilitation A Pilot Study on a Subject Affected by Dystonia / F. Marini, L. Cappello, V. Squeri, P. Morasso, P. Moretti, A. Riva, L. Doglio, L. Masia // In Proceedings of the 2014 IEEE Haptics Symposium (HAPTICS) (23-26 February 2014). - Houston, TX, USA, 2014. - Pp. 153-158.

76. Mathiowetz, V. Adult norms for the Box and Block Test of manual dexterity / V. Mathiowetz, G. Volland, N. Kashman, K. Weber // Am. J. Occup. Ther. - 1985. -No.39. - Pp. 386-391.

77. Molteni, F. Wearable robotic exoskeleton for overground gait training in sub-acute and chronic hemiparetic stroke patients: preliminary results / F. Molteni et al. // European journal of physical and rehabilitation medicine. - 2017. - T. 53. - №. 5. - C. 676-684.

78. Mong, Y. 5-repetition sit-to-stand test in subjects with chronic stroke: Reliability and validity / Y. Mong, T.W. Teo, S.S. Ng // Arch. Phys. Med. Rehabil. -2010. - No.91. - Pp. 407-413.

79. Nef, T. ARMin III-arm therapy exoskeleton with an ergonomic shoulder actuation / T. Nef, M. Guidali, R. Riener // Appl. Bionics Biomech. - 2009. - No. 6. -Pp. 127-142.

80. Nudo, R.J. Use-dependent alterations of movement representations in primary motor cortex of adult squirrel monkeys / R.J. Nudo, G.W. Milliken, W.M. Jenkins, M.M. Merzenich // J. Neurosci -1996. - No. 16(2). - Pp. 785-807.

81. Ono, T. Brain-computer interface with somatosensory feedback improves functional recovery from severe hemiplegia due to chronic stroke / T. Ono, K. Shindo, K. Kawashima et al. // Frontiers in neuroengineering. - 2014. - No.7. - Pp. 19.

82. Park, H.-S. An exoskeleton for diagnosis and treatment of patients with neurological impairments / H.-S. Park, Y. Ren, L.-Q. Zhang // In Proceedings of the

2008 2nd IEEE RAS & EMBS International Conference on Biomedical Robotics and Biomechatronics (19-22 October 2008). - Scottsdale, AZ, USA, 2008. - Pp. 109-114.

83. Perry, J.C. Upper-limb powered exoskeleton design / J.C. Perry, J. Rosen, S. Burns // IEEE/ASME Trans. Mechatron. - 2007. - No. 12. - Pp. 408-417.

84. Podsiadlo, D. The timed "Up & Go": A test of basic functional mobility for frail elderly persons / D. Podsiadlo, S. Richardson // J. Am. Geriatr. Soc. - 1991. -No.39. - Pp. 142-148.

85. Ramos-Murguialday, A. Brain-machine interface in chronic stroke rehabilitation: a controlled study / A. Ramos-Murguialday, D. Broetz, M. Rea et al. // Annals of neurology. - 2013. - No.74(1). - Pp. 100-108.

86. Ramos-Murguialday, A.A novel implantable hybrid brain-machine-interface (BMI) for motor rehabilitation in stroke patients / A.A. Ramos-Murguialday, P. Khanna, A. Sarasola-sanz, N. Irastorza-Landa, J. Klein, J.H. Jung et al. // In Proceedings of the 2019 9th International IEEE/EMBS Conference on Neural Engineering (NER) (20-23 March 2019). - San Francisco, CA, USA, 2019.

87. Randall, M. Reliability of the Melbourne Assessment of Unilateral Upper Limb Function / M. Randallzx, J.B. Carlin, P. Chondros, D. Reddihough // Dev. Med. Child Neurol. - 2001. - No.43. - Pp. 761-767.

88. Rehmat, N. Upper limb rehabilitation using robotic exoskeleton systems: A systematic review / N. Rehmat, J. Zuo, W. Meng, Q. Liu, S.Q. Xie, H. Liang // Int. J. Intell. Robot. Appl. - 2018. - No.2. - Pp. 283-295.

89. Reinkensmeyer, D.J. Understanding and treating arm movement impairment after chronic brain injury: Progress with the ARM guide / D.J. Reinkensmeyer, L.E. Kahn, M. Averbuch, A. McKenna-Cole, B.D. Schmit, W.Z. Rymer // J. Rehabil. Res. Dev. - 2000. - No. 37. - Pp. 653-662.

90. Rosati, G. Design, implementation and clinical tests of a wire-based robot for neurorehabilitation / G. Rosati, P. Gallina, S. Masiero // IEEE Trans. Neural Syst. Rehabil. Eng. - 2007. - No. 15. - Pp. 560-569.

91. Saglia, J.A. A high-performance redundantly actuated parallel mechanism for ankle rehabilitation / J.A. Saglia, N.G. Tsagarakis, J.S. Dai, D.G. Caldwell // Int. J. Robot. Res. 2009. - No.28. - Pp.1216-1227.

92. Saglia, J.A. Design, Development and Clinical Results of a Novel Total-Body Rehabilitation Robot: Hunova / J.A. Saglia, A. De Luca, V. Squeri, L. Ciaccia, C. Sanfilippo, S. Ungaro, L. De Michieli // In Proceedings of the 2019 IEEE 16th International Conference on Rehabilitation Robotics (ICORR) (24-28 June 2019). -Toronto, ON, Canada, 2019. - Pp. 417-422.

93. Schmidt, H. Gait rehabilitation machines based on programmable footplates / H. Schmidt, C. Werner, R. Bernhardt, S. Hesse, J. Krüger // J. NeuroEng. Rehabil. -2007. - No.4. - Pp. 2.

94. Schmidt, H. HapticWalker—A novel haptic foot device / H. Schmidt, S. Hesse, R. Bernhardt, J. Krüger // ACM Trans. Appl. Percept. - 2005. - No.2. - Pp. 166180.

95. Semprini, M. Technological approaches for neurorehabilitation: From robotic devices to brain stimulation and beyond / M. Semprini, M. Laffranchi, V. Sanguineti, L. Avanzino, R. De Icco, L. De Michieli, M. Chiappalone // Front. Neurol. - 2018. - No.9. - Pp. 212.

96. Shapkova, E.Y. Dynamics of independence and locomotor capabilities caused by powered exoskeleton-induced walk training in patients with severe chronic spinal cord injury / E.Y. Shapkova et al. //Хирургия позвоночника. - 2020. - Т. 17. - №. 4. -С. 54-67.

97. Taub, E. New treatments in neuroreha-bilitation founded on basic research / E. Taub, G. Uswatte, T. Elbert // Nat. Rev. Neurosci. - 2002. -No. 3(3). - Pp. 228-236.

98. Trifonov, A. Human-Machine Interface of Rehabilitation Exoskeletons with Redundant Electromyographic Channels /A. Trifonov, S. Filist , S. Degtyarev, V. Serebrovsky , and O. Shatalova//Proceedings of 15th International Conference on Electromechanics and Robotics "Zavalishin's Readings" ER(ZR) 2020, Ufa, Russia, 15-18 April 2020. - Р. 237-247.

99. Veneman, J.F. Design and evaluation of the LOPES exoskeleton robot for interactive gait rehabilitation / J.F. Veneman, R. Kruidhof, E.E. Hekman, R. Ekkelenkamp, E.H. Van Asseldonk, H. Van Der Kooij // IEEE Trans. Neural Syst. Rehabil. Eng. - 2007. - No.15. - Pp. 379-386.

100. Watson, M.J. Refining the ten-metre walking test for use with neurologically impaired people / M.J. Watson // Physiotherapy. - 2002. - No. 88. - Pp. 386-397.

101. Winward, C.E. The Rivermead Assessment of Somatosensory Performance (RASP): Standardization and reliability data / C.E. Winward, P.W. Halligan, D.T. Wade // Clin. Rehabil. - 2002. - No.16. - Pp. 523-533.

102. Wolbrecht, E.T. Control of a pneumatic orthosis for upper extremity stroke rehabilitation / E.T. Wolbrecht, J. Leavitt, D.J. Reinkensmeyer, J.E. Bobrow // In Proceedings of the 2006 International Conference of the IEEE Engineering in Medicine and Biology Society (30 August-3 September 2006). - New York, NY, USA, 2006. - Pp. 2687-2693.

103. Zeilig, G. Safety and tolerance of the ReWalk™ exoskeleton suit for ambulation by people with complete spinal cord injury: A pilot study / G. Zeilig, H. Weingarden, M. Zwecker, I. Dudkiewicz, A. Bloch, A. Esquenazi // J. Spinal Cord Med. - 2012. - No.35. - Pp. 96-101.