Integrating an EMG signal classifier and a hand rehabilitation device : early signal recognition and real time performances

The goal of rehabilitative robotics is to take advantage of the developments in modern robotics in order to assist people affected by disabilities using physical training; this way the rehabilitative exercises could be performed autonomously by the patients, without the active involvement of the therapist, making high-intensity rehabilitative therapy an affordable reality for the masses. Moreover high-precision sensors integrated in rehabilitation devices would allow a quantitative evaluation of the progresses obtained, effectively comparing different training strategies. That would represent a huge scientific achievement in a field where evaluations up to this day are performed only by means of subjective observations. Important results were obtained in rehabilitative robotics proving his effectiveness; by the way results obtained in the field of the hand rehabilitation are however poorer, especially if compared to the ones achieved with other part of the body. This fact is due to the high complexity of the organ we are dealing with, that makes extremely complex the design of a device suited for its rehabilitation. In Politecnico di Milano an attempt to design a rehabilitative exoskeleton for the hand using inexpensive materials was made; however the result is a device that was unable to detect the forces generated by the patient making impossible an interactive behavior, which is crucial to obtain maximum benefits from the training. The main goal of this project is so to provide this device with the capability of an interactive behavior by the mean of the detection of the muscular activity, integrating it with a controller developed during a previous work about prosthesis control, which was able to detect and identify up to seven different movements analyzing the signal recorded using an external electromyograph. To achieve this goal, however, a substantial paradigm shift was needed: the previous controller wasn't developed for real-time applications, and was basing its classification analyzing signals generated only by a complete execution of each movement. This wasn't suitable for an interactive application, since this way the control variable is generated necessarily after the completion of the very same movement the device is supposed to assist. The first step was then to achieve a reliable early recognition of the movement: the classifier has been deeply tested to analyze how much classification accuracy varies considering only the initial subsegments the bursts. Experimental data suggest that is possible to obtain classification performances similar to the one obtained with full bursts anticipating the analysis on the initial phase of the movement where signal activity starts to build-up. This is a significant result since it means that we are able to obtain a reliable recognition even before the movement is complete. The second step was then to re-implement the whole system minimizing the time required for each step of the signal analysis. This was obtained through a complete rewriting of the original code, modifying his architecture to make it suitable for an interactive application and optimizing the algorithm considering the underlying architecture in order to maximize the overall performances of the analysis, maintaining at the same time the original recognition rate. Experimental results confirmed that the new system is able to recognize the performed movement with just a limited delay: the first control variable is generated only after 200ms, mainly due to the time needed to gather a minimum number of samples needed for a reliable classification, then producing further variables every 25ms, a delay given exclusively by the analysis time. The response time is below the commonly accepted delay of 300ms for interactive applications, while at the same time the classification robustness of the original algorithm has been maintained, since the logical subsiding architecture was not changed in its core. These results demonstrate that it is indeed possible to effectively use an EMG classifier to obtain a responsive and reliable controller through early analysis of the signal and that is possible to integrate it with a low-cost rehabilitative device, giving to the device itself the capability to assist the patient only after having detected his effort thus promoting his engagement, a fundamental feature to obtain an effective rehabilitation. To obtain a complete functional rehabilitative framework, however, more work is needed, mainly concerning the design and the realization of a functional device able to help the patient with the execution of movements that are performed during the most common daily activities.

Scopo principale della robotica riabilitativa è quello di sfruttare i recenti sviluppi nel campo della robotica moderna con il fine di offrire assistenza a quei pazienti affetti da disabilità fisiche che inficiano la corretta esecuzione da parte loro di esercizi fisioterapici; tramite questa assistenza l'esercizio riabilitativo può essere eseguito dal paziente in modo autonomo e senza intervento da parte del fisioterapista, rendendo la terapia riabilitativa intensiva accessibile a tutti, evitando gli alti costi imposti dalle tecniche al momento disponibili. Un altro importante aspetto riguarda invece la possibilità di ottenere una valutazione quantitativa dei progressi ottenuti dal paziente utilizzando i sensori con cui solitamente sono equipaggiati i dispositivi. Ciò permette un oggettivo confronto fra differenti strategie, rappresentando un importante passo in avanti dal punto di vista scientifico in un campo nel quale l'efficacia delle terapie è valutato solitamente tramite osservazioni prevalentemente soggettive. Nonostante siano stati raggiunti risultati importanti, che dimostrano l'efficacia della riabilitazione robotizzata, la riabilitazione rivolta alla mano rimane ancora un argomento relativamente inesplorato: questo deriva dalla complessità dell'organo in sé, elemento che rende estremamente difficile la progettazione di un dispositivo in grado di sostenere il paziente nell'esecuzione della vasta gamma di movimenti che la mano è in grado di eseguire. Presso il Politecnico di Milano si è cercato di sviluppare un prototipo di esoscheletro atto alla riabilitazione della mano utilizzando materiali di basso costo, il dispositivo realizzato è tuttavia incapace di rilevare forze dal paziente usando i pochi sensori di cui è equipaggiato; questo rende impossibile l'ottenimento di un comportamento interattivo da parte del dispositivo, fattore invece indispensabile per stimolare l'impegno da parte dell'utente, ottenendo così migliori risultati durante la terapia. L'obbiettivo principale di questo progetto è quello di fornire al suddetto dispositivo una maggiore capacità interattiva, sfruttando il segnale elettromiografico come controllo ed integrando il dispositivo di riabilitazione con un classificatore software sviluppato durante un precedente studio riguardante gli arti prostetici. Tale classificatore è in grado di riconoscere fino a sette differenti movimenti della mano analizzando il segnale grezzo acquisito da un elettromiografo, qualità che lo rendeva integrabile nel sistema in via di sviluppo. Per ottenere questo obbiettivo occorreva però un sostanziale cambio di approccio: il precedente controllore non era stato sviluppato per applicazioni interattive, e basava la propria robustezza nel riconoscimento sull'analisi di segnali completi, acquisiti cioè fino alla completa esecuzione del movimento. Questo particolare non è adatto alla realizzazione di un'applicazione interattiva, considerando che la variabile di controllo verrebbe necessariamente generata solo dopo l'effettivo completamento del movimento che il dispositivo dovrebbe invece assistere. Il primo obbiettivo è stato dunque quello di ottenere un riconoscimento affidabile già nella fase iniziale dell'esecuzione del movimento: il classificatore è stato dunque testato per valutare la capacità di riconoscimento utilizzando solamente i segmenti iniziali dei burst. I risultati sperimentali suggeriscono che già nella fase iniziale del movimento, fase in cui l'attività del segnale comincia ad incrementare, è possibile ottenere una percentuale di riconoscimento prossima a quella ottenuta usando burst completi. Il secondo passo è stato quello di re-implementare il sistema rendendo la sua architettura adatta ad applicazioni interattive, apportando diverse ottimizzazioni anche più a basso livello in modo tale da minimizzare i tempi d'esecuzione dell'analisi, tutto senza però modificare l'algoritmo precedentemente proposto, allo scopo di mantenerne intatta la capacità di riconoscimento. I risultati sperimentali raccolti confermano come il sistema sviluppato sia in grado di riconoscere il movimento realizzato con un ritardo inferiore al limite comunemente accettato di 300ms: la prima variabile di controllo è disponibile infatti dopo soli 200ms dall'inizio del movimento, intervallo temporale principalmente dovuto al tempo necessario per raccogliere un numero di campioni sufficienti per ottenere un'analisi significativa. Ulteriori variabili di controllo vengono poi generate ogni 25ms fino al completamento del movimento, rate dettato dunque esclusivamente dalle tempistiche d'analisi del software stesso. La capacità di riconoscimento è rimasta invece sostanzialmente invariata come atteso, dal momento che l'algoritmo generale non è stato modificato, ma solo ristrutturato. I risultati ottenuti sono dunque confortanti, e mostrano come sia possibile usare un classificatore di segnali elettromiografici per un controllo affidabile e dal ritardo limitato tramite anticipazione dell'analisi del segnale elettromiografico, e come sia possibile integrarlo con un dispositivo riabilitativo a basso costo in modo da guidare il movimento del paziente solo dopo aver rilevato il suo sforzo, promuovendone un impegno attivo, utile ad una riabilitazione efficace. Allo scopo però di ottenere un sistema funzionale e completo rivolto alla riabilitazione della mano sono tuttavia necessari ulteriori sviluppi, principalmente riguardanti la progettazione meccanica di un dispositivo più raffinato, realmente in grado di assistere il paziente nell'esecuzione almeno di quei movimenti che sono alla base delle più comuni attività quotidiane.