Le contrôle partagé haptique améliore l'efficacité neurale lors de l'utilisation de la prothèse myoélectrique

Nov 02, 2023

Rapports scientifiques volume 13, Numéro d'article : 484 (2023) Citer cet article

1163 accès

4 Altmétrique

Détails des métriques

Les prothèses myoélectriques cliniques n'ont pas la rétroaction sensorielle et la dextérité suffisante nécessaires pour accomplir les activités de la vie quotidienne de manière efficace et précise. Fournir un retour haptique des signaux environnementaux pertinents à l'utilisateur ou imprégner la prothèse d'une autorité de contrôle autonome a été démontré séparément pour améliorer l'utilité de la prothèse. Peu d'études, cependant, ont étudié l'effet de la combinaison de ces deux approches dans un paradigme de contrôle partagé, et aucune n'a évalué une telle approche du point de vue de l'efficacité neuronale (la relation entre l'exécution des tâches et l'effort mental mesuré directement à partir du cerveau). Dans ce travail, nous avons analysé l'efficacité neuronale de 30 participants non amputés dans une tâche de saisie et de levage d'un objet fragile. Ici, une prothèse myoélectrique avec rétroaction vibrotactile de la force de préhension et contrôle autonome de la préhension a été comparée à une prothèse myoélectrique standard avec et sans rétroaction vibrotactile. En tant que mesure de l'effort mental, nous avons capturé les changements d'activité du cortex préfrontal à l'aide de la spectroscopie fonctionnelle dans le proche infrarouge au cours de l'expérience. On s'attendait à ce que la prothèse à contrôle partagé haptique améliore à la fois la performance des tâches et l'effort mental par rapport à la prothèse standard. Les résultats ont montré que seul le système de contrôle partagé haptique permettait aux utilisateurs d'atteindre une efficacité neuronale élevée et que la rétroaction vibrotactile était importante pour saisir avec la force de préhension appropriée. Ces résultats indiquent que le système de contrôle partagé haptique combine de manière synergique les avantages de la rétroaction haptique et des contrôleurs autonomes, et est bien placé pour informer ces avancées hybrides dans la technologie des prothèses myoélectriques.

Lors de la manipulation volontaire d'un objet, les sensations haptiques (proprioceptives, kinesthésiques et tactiles) du membre biologique sont utilisées pour effectuer des corrections de préhension et mettre à jour les modèles internes d'anticipation de l'objet et de l'environnement1. Ce raffinement du modèle permet d'améliorer la vitesse et la dextérité des manipulations ultérieures, de sorte qu'une interaction initialement hésitante avec un objet inconnu ou fragile devient plus fluide et plus efficace avec plus d'expérience2,3. Les informations sensorielles sont particulièrement importantes pour régler les forces de préhension pour manipuler des objets fragiles ou cassants; la force de préhension doit être suffisamment grande pour contrecarrer l'inertie et la gravité, mais pas assez grande pour écraser l'objet4. Cette connaissance haptique est perdue dans les prothèses typiques des membres supérieurs, car elles ne fournissent pas de rétroaction sensorielle.

Depuis plusieurs décennies, les chercheurs tentent de restaurer le retour haptique dans les prothèses du membre supérieur (voir revue 2018 par Stephens-Fripp et al.5). En particulier, des efforts importants ont été déployés sur l'utilisation de stimulations mécanotactiles sur la peau pour fournir aux porteurs de prothèses des indices tels que la force de préhension, l'ouverture de préhension et le glissement d'objet6,7,8. Des recherches antérieures ont démontré les avantages de la rétroaction haptique dans l'amélioration des performances de tâches discriminatives et adroites avec une prothèse myoélectrique9,10,11,12. Notamment, la rétroaction vibrotactile reste une méthode simple, mais efficace, de rétroaction haptique dans les prothèses en raison de sa taille compacte et de sa faible consommation d'énergie13,14,15,16,17,18.

Malgré les avantages démontrés de la rétroaction haptique pour les prothèses des membres supérieurs, en particulier pour la modulation de la force de préhension10,11,19, le contrôle constant des mains myoélectriques standard reste un défi. Dans le schéma myoélectrique le plus simple, le contrôle direct, la quantité d'activité électrique d'une paire musculaire agoniste-antagoniste est utilisée pour contrôler un dispositif terminal de prothèse à un seul degré de liberté. Le délai inhérent entre l'interprétation par l'utilisateur de la rétroaction haptique et la commande myoélectrique ultérieure pourrait rendre le mouvement volontaire trop lent20, ainsi que cognitivement exigeant21,22.

Pour réduire la charge cognitive de l'utilisateur tout en améliorant simultanément la réussite des tâches, les chercheurs se sont concentrés sur l'intégration d'une intelligence autonome de bas niveau directement sur la prothèse. Ces systèmes autonomes peuvent réagir et prévenir les erreurs de préhension telles que le glissement d'un objet ou une force de préhension excessive23,24,25,26,27. Des techniques similaires bénéficient déjà d'une mise en œuvre commerciale, comme c'est le cas avec la prothèse myoélectrique à contrôle direct Ottobock SensorHand Speed28. Au-delà des systèmes autonomes déclenchés par événement, il existe également des contrôleurs qui tentent d'optimiser les performances de préhension, comme la maximisation de la zone de contact entre la main prothétique et l'objet29. De même, des contrôleurs qui prédisent la séquence probable des prises de préhension souhaitées sans intervention de l'utilisateur ont été proposés30,31,32.

Bien que ces stratégies de contrôle autonomes complètent le contrôle humain à des degrés divers, elles ne parviennent pas à fournir une rétroaction sensorielle critique à l'utilisateur pendant l'opération de prothèse volontaire (c'est-à-dire manuelle). Cette rétroaction sensorielle pourrait être utilisée pour mettre à jour la stratégie de manipulation de l'utilisateur et ainsi améliorer le contrôle volitionnel. À son tour, le contrôleur autonome pourrait apprendre les stratégies de contrôle volontaire réussies de l'homme et les reproduire dans les manipulations ultérieures, améliorant ainsi la performance des tâches et réduisant l'effort cognitif.

Les approches de contrôle qui arbitrent entre le contrôle humain guidé haptique et le contrôle autonome peuvent être décrites comme un contrôle partagé haptique. Les techniques de contrôle partagé haptique, par exemple, ont été intégrées dans les applications automobiles, où le retour haptique du système autonome guide le conducteur pendant la navigation33,34,35,36,37. Dans nos travaux antérieurs, nous avons développé une approche de contrôle partagé haptique pour une prothèse de membre supérieur et étudié son utilité dans l'exécution d'une tâche dans une tâche adroite d'atteinte pour choisir et placer sans vision directe38. Dans ce manuscrit, nous nous appuyons sur cette étude antérieure en étudiant dans quelle mesure le contrôle partagé haptique améliore l'efficacité neuronale dans une tâche adroite. L'efficacité neuronale est ici définie comme la relation entre l'exécution d'une tâche et l'effort mental requis pour atteindre ce niveau de performance39. Nous avons précédemment montré que la rétroaction haptique fournie lors du contrôle volontaire (c'est-à-dire manuel) d'une prothèse conduit à une efficacité neuronale améliorée dans une tâche de discrimination de la rigidité de l'objet par rapport au contrôle volontaire sans rétroaction haptique22. L'effort mental dans cette étude a été évalué à l'aide de la spectroscopie fonctionnelle dans le proche infrarouge (fNIRS), une technique d'imagerie cérébrale optique non invasive40.

Dans la présente étude, nous utilisons les mêmes mesures neurophysiologiques pour fournir une évaluation holistique de l'impact du contrôle partagé haptique sur la performance des tâches et la charge cognitive dans une tâche adroite de préhension et de levage avec un objet fragile, nécessitant ainsi un contrôle précis de la force. En particulier, nous étudions l'efficacité neuronale des participants lorsqu'ils effectuent la tâche de préhension et de levage avec une prothèse myoélectrique standard, une prothèse myoélectrique avec rétroaction vibrotactile de la force de préhension ou une prothèse myoélectrique avec contrôle partagé haptique, c'est-à-dire une rétroaction vibrotactile de la force de préhension et un contrôle autonome de bas niveau de la force de préhension intégrés via un paradigme d'imitation-apprentissage. Nous émettons l'hypothèse que le contrôle partagé haptique se traduira par l'efficacité neurale la plus élevée (meilleure performance de tâche et charge cognitive la plus faible) par rapport à la prothèse standard, suivie de la prothèse avec rétroaction vibrotactile de la force de préhension.

33 participants non amputés (9 femmes, 24,6 ans ± 3,2 ans, 2 gauchers) ont participé à cette étude expérimentale approuvée par le Johns Hopkins Medical Institute IRB (protocole #00147458). Le consentement éclairé a été obtenu de tous les participants et toutes les méthodes ont été réalisées conformément aux directives et réglementations en vigueur. Les participants ont été assignés de manière pseudo-aléatoire à l'un des trois groupes, et chaque groupe a été équilibré pour le sexe. Les participants du premier groupe ont effectué une tâche de préhension et de levage à l'aide d'une prothèse myoélectrique standard (groupe standard). Les participants du deuxième groupe ont effectué la même tâche de préhension et de levage à l'aide d'une prothèse myoélectrique avec rétroaction vibrotactile de la force de préhension (groupe Vibrotactile). Les participants du troisième groupe ont effectué la tâche de préhension et de levage à l'aide d'une prothèse myoélectrique dotée d'un contrôle partagé haptique (groupe de contrôle partagé haptique). La figure 1 montre l'un des expérimentateurs démontrant la configuration expérimentale du groupe de contrôle partagé haptique.

Les dispositifs utilisés dans l'expérience comprennent une fausse prothèse, un actionneur vibrotactile, un dispositif d'imagerie fNIRS et un objet instrumenté. À l'exception du flux de données fNIRS, tous les signaux d'entrée et de sortie ont été contrôlés via un logiciel temps réel Quanser QPIDe DAQ et QUARC dans MATLAB/Simulink 2017a.

L'utilisateur saisit l'objet fragile instrumenté avec une prothèse myoélectrique dotée d'un contrôle haptique partagé. Un casque fNIRS sur le front recueille des mesures neurophysiologiques de la charge cognitive.

La prothèse se compose d'une emboîture thermoplastique sur mesure qui peut être portée par des participants non amputés et d'un dispositif terminal de type crochet à fermeture volontaire (ouverture maximale de 83 mm). Un câble Bowden relie le dispositif terminal à un actionneur linéaire motorisé personnalisé pour contrôler l'ouverture et la fermeture du dispositif. Cette même prothèse et actionneur ont été utilisés et décrits plus en détail dans Thomas et al.9,22. Un système de contrepoids a été fixé au dispositif terminal pour simuler les conditions de charge généralement rencontrées par les amputés transradiaux ; il compense 500 g de la masse de 800 g de la prothèse.

L'actionneur linéaire motorisé est entraîné en mode de contrôle de vitesse proportionnel en boucle ouverte par des signaux d'électromyographie de surface (sEMG) provenant des groupes de muscles fléchisseurs et extenseurs du poignet. Les signaux sEMG ont été acquis à l'aide d'un système Delsys Bagnoli Desktop à 16 canaux.

Inspiré de recherches antérieures41,42, un dispositif instrumenté qui simule un objet fragile (\(77 \times 74 \times 139\,\text {mm}\)) a été conçu pour la tâche de saisie et de levage. Cet objet, représenté sur la figure 2, consiste en une paroi pliable pour signifier la rupture de l'objet. L'objet comprend un accéléromètre pour mesurer les mouvements de l'objet, un aimant et un capteur à effet Hall pour détecter les ruptures, une cellule de charge de 10 kg pour mesurer la force de préhension et un conteneur de poids pour personnaliser la masse de l'objet. Pour la présente étude, la masse de l'objet est restée constante à 310 g. Un tissu conducteur a été placé sur la base de l'objet et la surface de la plate-forme de test pour détecter le soulèvement de l'objet.

L'objet instrumenté simule des ruptures à l'aide d'une paroi articulée et pliable et est capable de mesurer la force de préhension et les mouvements de l'objet avec une cellule de charge et un accéléromètre.

La spectroscopie proche infrarouge fonctionnelle (fNIRS) utilise la lumière proche infrarouge pour mesurer les changements d'oxygénation corticale afin de capturer l'activité neuronale. Les changements de concentration d'oxygénation régionale (hémoglobine désoxygénée et oxygénée et leur somme hémoglobine totale, Hb totale) sont des corrélats de l'activation cérébrale par la consommation d'oxygène des neurones43,44,45,46,47. Ainsi, les changements de concentration d'hémoglobine sont fortement liés à l'oxygénation et au métabolisme des tissus. Fortuitement, les spectres d'absorption de l'oxy- et de la désoxy-Hb restent significativement différents l'un de l'autre, ce qui permet la séparation spectroscopique de ces composés en utilisant seulement quelques longueurs d'onde d'échantillon. Il a été démontré que le fNIRS produit des résultats similaires à d'autres méthodes d'imagerie cérébrale, telles que l'imagerie par résonance magnétique fonctionnelle (fMRI)48,49 et a été démontré dans de nombreuses études antérieures50,51,52,53,54. De plus, il a une meilleure résolution spatiale que l'électroencéphalographie et est également moins sensible aux artefacts de mouvement et à l'activité musculaire qui peuvent interférer avec les signaux de charge de travail mental55. De plus, nous avons déjà utilisé le fNIRS pour évaluer avec succès l'effet d'une prothèse myoélectrique comportant une rétroaction vibrotactile sur la charge cognitive dans une tâche de discrimination de la rigidité22. Un imageur fNIRS à quatre optodes (modèle 1100W ; fNIR Devices, LLC, États-Unis) a été utilisé pour mesurer l'activité hémodynamique de quatre régions du cortex préfrontal à une fréquence d'échantillonnage de 4 Hz. Les signaux ont été acquis et post-traités dans COBI Studio (v1.5.0.51) et fnirSoft (v4.11)56. Ensuite, un filtre à réponse impulsionnelle finie (FIR) passe-bas et à phase linéaire d'ordre 40 conçu à l'aide d'une fenêtre de Hamming et d'une fréquence de coupure de 0,1 Hz est appliqué pour atténuer le bruit à haute fréquence et les oscillations physiologiques telles que la fréquence cardiaque et la fréquence respiratoire. Ensuite, le Beer Lambert modifié est appliqué aux données filtrées pour obtenir les concentrations relatives d'hémoglobine, qui sont liées à l'effort mental via le couplage neurovasculaire40,57.

La procédure d'étalonnage sEMG utilise une contraction volontaire maximale pour normaliser les signaux sEMG entre les tensions minimale et maximale du moteur de la prothèse. L'amplitude de l'activité de flexion du poignet est proportionnelle à la vitesse de fermeture de la prothèse. De même, l'amplitude de l'activité d'extension du poignet est proportionnelle à la vitesse d'ouverture de la prothèse. L'équation de contrôle et plus de détails peuvent être trouvés dans notre étude précédente38; la seule différence ici est la plage de tensions utilisées pour piloter la prothèse actuelle (1,5 à 7 V ici au lieu de 0,55 à 1,5 V dans nos travaux antérieurs).

La rétroaction vibrotactile de la force de préhension a été fournie à l'aide d'un tactor C-2 (Engineering Acoustics) piloté par un amplificateur Syntacts (v3.1)58. Le tactor était attaché à la partie supérieure du bras du participant. La fréquence de rétroaction vibrotactile a été fixée à 250 Hz. La tension de rétroaction vibrotactile \(\nu\) était proportionnelle à la tension L de la cellule de pesée de l'objet instrumenté. Au fur et à mesure que la force sur la cellule de charge augmentait, l'amplitude de la vibration augmentait comme indiqué dans

L'état de repos de la cellule de pesée est d'environ 4,5 V. Au fur et à mesure qu'une force est appliquée à la cellule de pesée, cette valeur diminue. 4,3 V a été choisi comme seuil de détection de contact sur la cellule de pesée.

Le schéma de contrôle partagé haptique bascule entre le contrôle manuel de l'utilisateur (avec rétroaction vibrotactile) de la prothèse et un système de contrôle autonome qui tente d'imiter la force de préhension souhaitée par l'utilisateur. Lorsqu'il est activé puis déclenché par l'utilisateur, le contrôleur autonome ferme indépendamment le dispositif terminal de prothèse jusqu'à ce que la force de préhension prédéfinie de l'utilisateur soit atteinte.

Afin d'activer le contrôleur, l'utilisateur doit d'abord actionner manuellement la prothèse (via sEMG) et soulever l'objet pendant au moins une seconde sans casser ni faire tomber l'objet. Ces occurrences sont identifiées en évaluant les pics nets dans la dérivée du signal de la cellule de charge, où \({\frac{dL}{dt}} > 2,5 {\frac{\text{V}}{{\text{s}}}}\) indique un événement de glissement, et \({\frac{dL}{dt}} > 5 {\frac{\text{V}}{{\text{s}}}}\) indique une rupture d'objet. Au cours de cette opération manuelle, le participant reçoit un retour vibrotactile de la force de préhension tel que décrit dans la section "Retour vibrotactile". La force de préhension moyenne appliquée pendant la seconde de levage réussi est stockée en tant que force de préhension souhaitée pour le contrôleur partagé. Une fois cette valeur mémorisée, le retour vibrotactile s'éteint et la LED bleue de la prothèse s'allume, informant l'utilisateur du passage en contrôle autonome.

Pour activer la fermeture autonome du dispositif terminal de prothèse, les participants doivent générer un signal sEMG de flexion du poignet \(S_f\) supérieur ou égal au seuil de flexion du poignet, \(f_L\) (sans avoir besoin de maintenir l'activité). La commande de fermeture du terminal lors de l'initiation de la préhension autonome (\(h_c\)) s'est déroulée en trois étapes distinctes (\(h^1_c\), \(h^2_c\), \(h^3_c\)). Tout d'abord, un signal initial en décroissance a initié une fermeture rapide comme indiqué dans

Une fois que la vitesse de fermeture a ralenti en dessous d'un seuil déterminé de manière heuristique, la commande de fermeture a été accélérée en continu jusqu'à ce que le contact avec l'objet soit détecté comme dans

où \(\frac{da}{dt}\) est la dérivée de l'ouverture de la prothèse (c'est-à-dire la vitesse), \(a_L\) fait référence au seuil de vitesse inférieur et \(a_U\) est le seuil supérieur.

Le contact s'est produit lorsque la valeur de la cellule de charge L sur l'objet fragile a diminué en dessous d'un seuil \(L_t\) et l'ouverture de la prothèse A a diminué en dessous d'un seuil \(A_t\), mesuré par un encodeur sur le moteur de l'actionneur linéaire. Après le contact, un contrôleur proportionnel et intégral ferme le terminal jusqu'à ce que le signal de la cellule de charge soit à moins de 5 % de la force de préhension prédéfinie de l'utilisateur \(L_{\text {d}}\) comme indiqué dans

Si la commande autonome est accidentellement déclenchée par l'utilisateur, celui-ci peut activer ses extenseurs de poignet pour envoyer une commande « d'ouverture », qui annule la fermeture autonome. Cela ne désactive pas le contrôleur ; il arrête simplement le processus de fermeture autonome. Si l'objet se brise ou tombe lors de la tentative de levage, le contrôleur autonome est totalement désactivé, ce qui oblige l'opérateur à contrôler ensuite la prothèse en mode manuel (avec retour haptique). Le contrôleur peut également être désactivé manuellement par l'utilisateur en appuyant sur le bouton LED bleu de la prothèse. Lorsque le contrôleur est désactivé, l'utilisateur reçoit une courte vibration pulsée et la LED s'éteint. Ainsi, l'utilisateur continuera à rester en mode autonome tant qu'aucune erreur de saisie n'est détectée, ou si l'utilisateur ne remplace pas manuellement le contrôleur. De plus, le contrôleur autonome est toujours activé après que l'utilisateur a réussi à soulever l'objet en mode manuel. Les traces de signal pour un participant utilisant le contrôleur partagé haptique peuvent être vues sur la Fig. 3.

Exemple de signaux du premier essai d'un participant dans la condition de contrôle partagé haptique alors qu'il saisissait et soulevait l'objet fragile deux fois. Les lignes pointillées vertes indiquent quand l'objet a été soulevé, et les lignes pointillées brunes indiquent quand l'objet a été déposé. Les lignes pointillées roses indiquent quand le contrôleur autonome a été activé. Les traces affichées sont l'activité de flexion sEMG \(S_f\), la commande de fermeture \(u_c\), le pourcentage de fermeture de la prothèse, le signal de la cellule de charge L et le signal de vibration du tactor C-2 \(\nu\). Les traces représentent deux prises et levages réussis, où la première tentative a été effectuée manuellement avec une rétroaction vibrotactile, tandis que la deuxième tentative a été effectuée à l'aide de la commande autonome. Notez qu'il est possible d'identifier les trois étapes du contrôle autonome (la première est \(h^1_c\), la commande de décroissance, la deuxième est \(h^2_c\), la commande de montée en puissance, et la troisième est \(h^3_c\), la commande de contrôleur intégral proportionnel).

Avant de commencer l'expérience, chaque participant a rempli un questionnaire démographique. Ensuite, un expérimentateur a placé une électrode sEMG sur le groupe de muscles fléchisseurs du poignet droit du participant et une autre sur son groupe de muscles extenseurs du poignet droit. Les participants ont calibré leurs signaux sEMG en utilisant la contraction volontaire maximale (MVC) de leurs groupes de muscles fléchisseurs et extenseurs du poignet. Les expérimentateurs ont ensuite placé le casque d'imagerie fNIRS sur le front du participant à l'aide de repères anatomiques. Les coussinets du capteur étaient alignés avec les axes de symétrie verticaux et horizontaux. On a pris soin d'aligner les marqueurs centraux sur les coussinets des capteurs des hémisphères gauche et droit avec les pupilles du participant sur chaque hémisphère. Une bande de tissu sombre a été utilisée pour couvrir les bords du casque et du capteur afin de bloquer toute lumière ambiante. Après s'être assuré qu'aucun cheveu n'obstruait les capteurs du casque et avoir confirmé un ajustement confortable, les expérimentateurs ont pris des mesures de base de l'activité du cortex préfrontal56.

Assis devant la table expérimentale, les participants ont utilisé une interface graphique pour effectuer une formation et une évaluation combinées de leur contrôle du signal sEMG, sur le modèle du test rapporté dans59. Les participants ont été invités à atteindre et à maintenir trois niveaux différents d'activité sEMG pendant cinq secondes à la fois ; chacun des niveaux était de 12,5 %, 25 % et 37,5 % du MVC de l'utilisateur. Ces valeurs sont des points équidistants entre 0% et 50% de MVC, qui est mappé à la vitesse maximale de la prothèse ; ces pourcentages MVC représentent donc une plage de vitesses raisonnable. Le participant a d'abord effectué une séance d'entraînement pour l'activité des fléchisseurs du poignet, où chacun des trois niveaux a été présenté une fois. Une fois la pratique terminée, le participant a effectué une session de test, au cours de laquelle chacun des trois niveaux a été présenté trois fois. Après avoir terminé les séances d'entraînement et de test pour le fléchisseur du poignet, les participants ont répété la même procédure d'entraînement et de test pour l'extenseur du poignet.

Après avoir terminé la formation et l'évaluation sEMG, les participants ont été invités à se lever pour commencer la formation à la tâche de saisie et de levage. Si le participant faisait partie du groupe Vibrotactile ou Haptic Shared Control, le tactor C-2 était placé sur son bras supérieur droit. De même, si le participant était dans le groupe Haptic Shared Control, le bouton LED bleu était placé sur la prothèse. L'expérimentateur a ensuite expliqué au participant comment fermer et ouvrir la prothèse en utilisant son activité musculaire. Les participants ont pu pratiquer la fermeture et l'ouverture de la prothèse jusqu'à ce qu'ils se sentent à l'aise. Ensuite, l'expérimentateur a expliqué que le but de la tâche était de saisir et de soulever l'objet fragile instrumenté pendant trois secondes sans le casser ni le faire tomber.

Tous les participants ont été invités à positionner la prothèse juste sous une petite saillie sur la paroi pliable pour assurer un placement cohérent. Les participants du groupe standard ont eu droit à plusieurs tentatives jusqu'à ce qu'ils réussissent à soulever l'objet pendant trois secondes. Ils ont ensuite eu trois autres tentatives d'entraînement avant de passer à l'expérience proprement dite.

Les participants du groupe Vibrotactile ont d'abord reçu un aperçu de la rétroaction et ont ensuite été chargés d'utiliser la rétroaction pour trouver la force de préhension appropriée pour soulever l'objet. Ils ont ensuite été autorisés à plusieurs tentatives jusqu'à ce qu'ils parviennent à soulever l'objet pendant trois secondes. Ensuite, ils ont eu trois autres tentatives d'entraînement avant de passer à l'expérience proprement dite.

Les participants du groupe Haptic Shared Control ont d'abord reçu un aperçu du contrôleur partagé et ont été informés de la manière de basculer entre les modes manuel et autonome. Ils ont ensuite été autorisés à plusieurs tentatives jusqu'à ce qu'ils parviennent à soulever l'objet pendant trois secondes en mode manuel. Ensuite, il leur a été demandé de déclencher le contrôle autonome et de soulever l'objet (voir la section « Contrôleur partagé haptique »). L'expérimentateur a ensuite démontré les deux scénarios qui ont automatiquement désactivé le contrôleur autonome : (1) une rupture d'objet et (2) un glissement d'objet. Le participant devait ensuite saisir et soulever l'objet en mode manuel après chaque démonstration afin de réactiver la manette autonome. Enfin, l'expérimentateur a montré comment utiliser le bouton LED bleu pour remplacer manuellement le contrôleur autonome. Ensuite, le participant a eu droit à deux autres tentatives d'entraînement avant de passer à l'expérience proprement dite. Les participants du groupe Haptic Shared Control ont commencé l'expérience en mode manuel.

Une fois toute la formation terminée, les participants ont ensuite effectué sept essais d'une minute de la tâche de saisie et de levage, dans lesquels ils ont tenté de saisir et de soulever l'objet autant de fois que possible dans cette minute sans casser ou laisser tomber l'objet. Les participants avaient une vision complète de la tâche. Les participants devaient tenir l'objet en l'air pendant 3 s. Une pause de 30 s était prévue entre les essais.

Après avoir terminé les sept essais, les participants ont ensuite rempli un sondage concernant leur expérience subjective de l'expérience. Les questions étaient basées sur le questionnaire NASA-TLX60 et comprenaient un mélange de questions à échelle mobile et de questions à réponse courte.

Les métriques suivantes ont été utilisées pour analyser les trois conditions du point de vue à la fois de la performance des tâches et de la performance neuronale.

Un ascenseur réussi a été défini comme le fait de soulever et de maintenir l'objet en l'air pendant au moins trois secondes. Il n'y avait aucune exigence pour la hauteur de levage dans la tâche. Le statut de chaque tentative de préhension (soulèvement réussi ou non) a été enregistré. En outre, le nombre total de remontées réussies par essai a également été calculé.

Une marge de préhension sûre a été définie pour l'objet instrumenté comme une valeur de cellule de pesée dans la plage de 3 à 4 V. Pour chaque tentative de préhension, les 100 plus petites valeurs de cellule de pesée (mesurées pendant la préhension de l'objet, représentant les valeurs de force maximales - voir Fig. 3) ont été moyennées et comparées à l'intervalle de préhension de sécurité.

La concentration totale d'hémoglobine (HbT) a été utilisée comme proxy pour mesurer la charge cognitive. La valeur moyenne a été extraite pour chacun des sept essais de quatre régions du cortex préfrontal : latéral gauche, médial gauche, médial droit et latéral droit.

Ces mesures de charge cognitive ont été combinées avec le nombre total d'ascenseurs pour calculer l'efficacité neuronale comme décrit dans39. Les scores z du nombre de levages réussis d'une durée d'au moins 3 s sans aucune erreur de saisie \(z(\text {Lift})\) et la concentration totale d'hémoglobine \(z(\text {HbT})\) ont été calculés pour dériver la métrique d'efficacité neurale comme

Ici, la moyenne et l'écart type utilisés pour calculer le score z font référence à la moyenne et à l'écart type pour tous les participants dans toutes les conditions. Cette métrique décrit l'effort mental requis pour atteindre un certain niveau de performance. Une efficacité neuronale plus élevée est associée à des performances plus élevées et à une charge cognitive plus faible.

L'enquête post-expérience était un mélange de questions glissantes (0-100) et de questions à réponse courte. Les questions à échelle mobile demandaient aux participants d'évaluer la demande physique, la demande mentale et le rythme de la tâche. De plus, il leur a demandé d'évaluer leur capacité perçue à accomplir la tâche, leur niveau de frustration et la mesure dans laquelle ils utilisaient des indices visuels, auditifs et tactiles pour les aider à accomplir la tâche. Enfin, l'enquête les a incités à expliquer la stratégie qu'ils ont utilisée pour accomplir la tâche et à fournir tout autre commentaire sur leur expérience.

L'analyse statistique a été effectuée dans RStudio (v4.1.0). Un mélange de modèles mixtes logistiques et linéaires a été utilisé pour évaluer les performances des tâches et des neurones. Les effets aléatoires comprenaient une interception aléatoire pour le sujet et une pente aléatoire pour l'essai. Des tests post-hoc ont été réalisés avec une correction de Bonferroni. Les résidus du modèle ont été tracés et vérifiés pour l'homogénéité de la variance et de la normalité. Une valeur p de 0,05 a été utilisée comme seuil de signification.

Un modèle mixte logistique binomial a été utilisé pour évaluer la probabilité d'être dans la marge de préhension de sécurité pour chaque tentative de préhension. Les effets fixes comprenaient le numéro d'essai et le mode, où le mode pouvait être No Feedback (fonctionnement manuel de la prothèse myoélectrique), Feedback (fonctionnement manuel de la prothèse avec rétroaction vibrotactile de la force de préhension) ou Autonomous (un contrôleur autonome fait fonctionner la prothèse). Les tentatives de préhension par rétroaction incluent toutes les tentatives de préhension des participants du groupe Vibrotactile et les tentatives de préhension des participants du groupe Haptic Shared Control qui actionnaient manuellement la prothèse (contrôleur autonome désengagé).

Un modèle mixte logistique binomial distinct a été utilisé pour évaluer la probabilité de soulever l'objet. Des modèles mixtes linéaires individuels ont été utilisés pour évaluer le nombre d'ascenseurs, la concentration totale d'hémoglobine pour chacune des quatre régions du cerveau et l'efficacité neuronale pour chacune des quatre régions du cerveau. Les effets fixes pour tous les modèles étaient le groupe de participants et le nombre d'essais. Pour cette analyse, le groupe Vibrotactile est séparé du groupe Haptic Shared Control et n'inclut pas les essais des participants du groupe Haptic Shared Control utilisant manuellement la prothèse.

Trois des 33 participants qui ont consenti à participer à l'étude ont été exclus de l'analyse des données. Sur ces trois, un n'a pas pu terminer l'expérience en raison de problèmes techniques avec le système. Un autre participant n'a pas été en mesure de produire des signaux sEMG satisfaisants pendant l'étape d'étalonnage, et un troisième participant a eu un mauvais contrôle pendant l'expérience. Ce participant a également montré un contrôle médiocre lors de l'évaluation sEMG, comme en témoigne son erreur quadratique moyenne élevée lors de l'évaluation sEMG de flexion et d'extension par rapport aux autres participants. Les résultats suivants concernent les 30 participants restants (10 dans chaque groupe).

Les résultats rapportés pour les données indiquent l'estimation des effets fixes \(\beta\) et l'erreur type SE à partir des analyses statistiques des modèles mixtes linéaires et logistiques. Il y avait 531 observations pour le groupe Standard, 522 pour le groupe Vibrotactile et 433 pour le groupe Haptic Shared Control. Par souci de concision, seuls les résultats de la charge cognitive du cortex préfrontal latéral droit seront discutés, car cette région a présenté les changements d'activité les plus significatifs. Les résultats de la charge cognitive des autres régions du cerveau peuvent être trouvés dans le matériel supplémentaire associé à ce manuscrit.

La probabilité de saisir l'objet dans une marge de force de préhension sûre pour chaque tentative de préhension, où les points de données individuels représentent la moyenne de chaque essai (pour tous les participants dans chaque mode), et les lignes pleines indiquent la prédiction du modèle. Remarque : le mode No Feedback fait référence au fonctionnement manuel de la prothèse, le mode Feedback fait référence au fonctionnement manuel de la prothèse avec retour vibrotactile et le mode Autonomous fait référence au fonctionnement autonome de la prothèse. * indique \(p<0,05\), ** indique \(p<0,01\) et *** indique \(p<0,001\).

Un modèle mixte binomial a été utilisé pour évaluer les chances qu'une tentative de préhension donnée soit suffisante pour soulever l'objet sans le casser. Ici, nous comparons les modes No Feedback, Feedback et Autonomous. Le mode Aucun retour inclut tous les participants du groupe Standard. Le mode Feedback inclut les participants du groupe Vibrotactile ainsi que les participants Haptic Shared Control qui étaient en mode manuel. Le mode autonome inclut les participants au contrôle partagé haptique utilisant le contrôleur autonome pour effectuer la tâche de préhension et de levage. Il y avait 531 observations pour le mode sans retour, 632 pour le mode retour et 323 pour le mode autonome. Les chances d'être dans une marge de préhension sûre approchaient une différence positive significative par rapport à 50 % en mode Standard (\(\beta =0,96, SE=0,51, p=0,06\)). Cependant, le mode Vibration (\(\beta =1,07, SE=0,53, p=0,045\)) et le mode Autonome (\(\beta =2,61, SE=0,57, p<0,001\)) ont considérablement amélioré les chances d'être dans une marge de préhension sûre par rapport au mode Standard. De plus, le mode autonome était significativement meilleur que le mode vibrotactile (\(\beta =1,55, SE=0,33, p<0,001\)) pour assurer une marge de préhension sûre. L'expérience avec la tâche (c'est-à-dire le nombre d'essais) n'a eu aucun effet sur la capacité à saisir dans la marge de sécurité (\(\beta =-0,07, SE=0,06, p=0,22\)). Voir Fig. 4 pour une visualisation de ces résultats. En plus de ces résultats statistiques, le nombre de remontées d'objets, de pauses, de chutes et d'autres erreurs de préhension sont signalés pour chaque groupe dans le tableau 1. Ici, d'autres erreurs de préhension pourraient inclure des tentatives de levage qui n'ont ni réussi ni abouti à une chute ou une pause (par exemple, le participant a soulevé l'objet puis l'a déposé avant la marque des 3 s).

Un modèle mixte binomial a été utilisé pour évaluer les chances qu'une tentative de préhension donnée aboutisse à un ascenseur réussi. Ici et dans tous les résultats ultérieurs, nous comparons les groupes de contrôle partagé standard, vibrotactile et haptique. Les chances de soulever l'objet dans le groupe Standard étaient significativement inférieures à 50 % (\(\beta = -0,96, SE=0,35, p=0,006\)). Le groupe Vibrotactile n'était pas meilleur que le groupe Standard (\(\beta =0,30, SE=0,37, p=0,42\)). Cependant, le groupe Haptic Shared Control a considérablement amélioré la probabilité de soulever l'objet par rapport au groupe Standard (\(\beta =1,08, SE=0,36, p=0,003\)) et au groupe Vibrotactile (\(\beta =0,78, SE=0,37, p=0,037\)). De plus, l'expérience avec la tâche (c'est-à-dire le nombre d'essais) a considérablement amélioré les performances dans tous les groupes (\(\beta =0,09, SE=0,04, p=0,025\)). Voir Fig. 5 pour une visualisation de ces résultats pour chaque groupe.

La probabilité de lever l'objet pour chaque groupe à travers les essais, où les points de données individuels représentent la moyenne de chaque essai (pour tous les participants de chaque groupe) et les lignes pleines indiquent la prédiction du modèle. * indique \(p<0,05\), ** indique \(p<0,01\) et *** indique \(p<0,001\).

Le nombre moyen d'ascenseurs pour chaque groupe à travers les essais, où les points de données individuels représentent la moyenne pour chaque essai (pour tous les participants de chaque groupe), et les lignes pleines indiquent la prédiction du modèle. * indique \(p<0,05\), ** indique \(p<0,01\) et *** indique \(p<0,001\).

Un modèle mixte linéaire a été utilisé pour évaluer le nombre moyen de levées de trois secondes par essai. Le nombre moyen de remontées mécaniques dans le groupe Standard était significativement supérieur à zéro (\(\beta =1,82, SE=0,42, p<0,001\)). Le groupe Vibrotactile n'était pas différent du groupe Standard (\(\beta =0,50, SE=0,51, p=0,34\)) ou du groupe Haptic Shared Control (\(\beta =-0,62, SE=0,51, p=0,22\)). Cependant, le groupe Haptic Shared Control a significativement amélioré le nombre d'ascenseurs par rapport au groupe Standard (\(\beta =0,96, SE=0,35, p=0,006\)). De plus, l'expérience avec la tâche a considérablement amélioré les performances dans tous les groupes (\(\beta =0,19, SE=0,04, p<0,001\)). Voir Fig. 6 pour une visualisation de ces résultats pour chaque groupe.

La concentration totale moyenne d'hémoglobine pour chaque essai, où les points de données individuels représentent la moyenne de chaque essai (pour tous les participants de chaque groupe), et les lignes pleines indiquent la prédiction du modèle. * indique \(p<0,05\), ** indique \(p<0,01\) et *** indique \(p<0,001\).

La variation de la concentration moyenne d'hémoglobine totale représente la quantité de charge cognitive encourue. Une concentration accrue indique une charge cognitive plus élevée. Un modèle mixte linéaire a été utilisé pour évaluer la concentration en hémoglobine. La concentration moyenne d'hémoglobine totale dans le cortex préfrontal latéral droit était significativement supérieure à zéro dans le groupe Standard (\(\beta =0,71, SE=0,29, p=0,019\)). Le groupe Vibrotactile n'était pas significativement différent du groupe Standard (\(\beta =-0,10, SE=0,37, p=0,77\)). De même, le groupe Haptic Shared Control n'était pas significativement différent du groupe Standard (\(\beta =-0,65, SE=0,37, p=0,086\)). L'expérience de la tâche était proche de l'amélioration significative de la charge cognitive (réduction de la concentration totale d'hémoglobine : \(\beta =-0,05, SE=0,03, p=0,068\)). Voir Fig. 7 pour une visualisation de ces résultats pour chaque groupe.

L'efficacité neuronale pour chaque essai, où les points de données individuels représentent la moyenne de chaque essai (pour tous les participants de chaque groupe), et les lignes pleines indiquent la prédiction du modèle. * indique \(p<0,05\), ** indique \(p<0,01\) et *** indique \(p<0,001\).

L'efficacité neuronale indique la relation entre l'effort mental et la performance. Une efficacité neuronale positive indique des valeurs supérieures à la moyenne générale de l'efficacité neuronale dans toutes les conditions, tandis qu'une efficacité neuronale négative indique des valeurs inférieures à la moyenne générale. Un modèle mixte linéaire a été utilisé pour évaluer l'efficacité neuronale. L'efficacité neuronale dans le groupe Standard était significativement inférieure à zéro (\(\beta =-0,90, SE=0,30, p=0,005\)). Le groupe Vibrotactile n'était pas significativement différent du groupe Standard (\(\beta =0,33, SE=0,37, p=0,38\)) ou du groupe Haptic Shared Control (\(\beta =-0,58, SE=0,37, p=0,12\)). Cependant, l'efficacité neuronale dans le groupe Haptic Shared Control était significativement plus élevée que dans le groupe Standard (\(\beta =0,91, SE=0,37, p=0,021\)). De plus, l'expérience avec la tâche a amélioré l'efficacité neuronale globale (\(\beta =0,12, SE=0,03, p<0,001\)). Voir Fig. 8 pour une visualisation de ces résultats pour chaque groupe.

Un modèle de régression linéaire a été utilisé pour analyser les résultats de l'enquête. Les participants du groupe standard ont fourni des notes pour toutes les questions de l'enquête qui étaient significativement différentes de 0 (voir le tableau 2 pour les résultats complets). Les réponses au sondage ne différaient significativement d'un groupe à l'autre que pour les quelques cas suivants. Les participants du groupe Vibrotactile ont évalué leur utilisation d'indices visuels comme significativement inférieure à celle du groupe Standard, et dans un test post-hoc avec une correction de Bonferroni, également inférieure à celle du groupe Haptic Shared Control (\(\beta =-25,6, SE~=~8,21, p=0,002\)). Dans un test post-hoc avec une correction de Bonferroni, les participants du groupe Haptic Shared Control ont évalué leur utilisation des signaux somatosensoriels comme significativement plus faible que ceux du groupe Vibrotactile (\(\beta ~=~-29,2\), SE = 12,45, p = 0,02).

Des approches de contrôle partagé haptique ont été utilisées avec succès dans plusieurs applications d'interaction homme-robot34,37 ; pourtant, les recherches concernant son efficacité dans les prothèses des membres supérieurs ont fait défaut. De plus, on ne comprend pas bien comment une approche de contrôle partagé haptique affecte la charge cognitive de l'opérateur humain et son efficacité neuronale. Pour combler cette lacune, nous avons développé une approche de contrôle partagé haptique pour une prothèse myoélectrique et l'avons évaluée de manière holistique avec à la fois la performance des tâches et les mesures de la charge cognitive neurophysiologique. Grâce à cette évaluation, il a été possible de comprendre le niveau d'effort mental requis pour atteindre un certain niveau de performance. Nous avons comparé ce schéma de contrôle à la prothèse myoélectrique standard et à une prothèse avec rétroaction vibrotactile de la force de préhension dans une tâche de préhension et de levage avec un objet fragile. Le schéma de contrôle partagé haptique arbitrait entre contrôle haptique guidé de la préhension de la prothèse et contrôle autonome complet de la préhension61. Ici, le contrôle autonome a reproduit la stratégie de préhension souhaitée de l'opérateur humain dans un paradigme d'apprentissage par imitation.

Les principaux résultats indiquent que les participants du groupe Haptic Shared Control ont montré une plus grande efficacité neuronale - une performance de tâche plus élevée avec un effort mental similaire - par rapport à leurs homologues du groupe Standard. De plus, la rétroaction vibrotactile en général a joué un rôle déterminant dans le réglage approprié de la force de préhension, ce qui est conforme à la littérature antérieure10,11,19. Cet avantage, combiné à la dextérité améliorée offerte par le contrôleur de préhension autonome, a considérablement amélioré la capacité de levage et le réglage de la force de préhension avec le schéma de contrôle haptique partagé par rapport aux schémas de contrôle standard et vibrotactile.

Malgré les avantages rapportés de la rétroaction haptique dans l'exécution de tâches habiles et la réduction de l'effort mental22, 62, 63, la rétroaction vibrotactile seule n'a pas été en mesure d'améliorer de manière significative la capacité de levage et l'efficacité neurale par rapport au contrôle standard dans cette étude. Ces résultats concordent avec les conclusions d'enquêtes antérieures sur l'effet de la rétroaction haptique sur la saisie et le soulèvement d'un objet fragile41,42. Cela est probablement dû au fait que les commentaires ne peuvent informer les utilisateurs des jalons de tâche et des erreurs de tâche qu'après qu'ils se sont produits. Dans le contrôle sensorimoteur humain, le contrôle prédictif sert à compléter les stratégies de rétroaction en faisant des prédictions qui guident l'action motrice64.

Ainsi, pour notre tâche adroite difficile, les stratégies de contrôle par rétroaction seules étaient insuffisantes et devaient être complétées par une compréhension anticipée de la force de préhension appropriée nécessaire pour saisir et soulever l'objet fragile. Une fois formé, le contrôleur autonome décharge l'utilisateur de ce fardeau de contrôle prédictif myoélectrique, ce qui se traduit par une nette amélioration des performances et de l'effort mental. Ce concept de contrôle partagé haptique exploite les forces de la connaissance de l'opérateur humain des exigences de la tâche et utilise ensuite cette expérience pour régler le contrôleur autonome. L'utilisation de l'objet fragile dans cette expérience met en évidence la nécessité de schémas de contrôle avancés dans les prothèses, étant donné que seul le contrôle partagé haptique a surpassé la prothèse standard en termes de forces de préhension plus appropriées, de levages réussis et d'efficacité neurale améliorée. Cette découverte correspond aux avantages déclarés du contrôle partagé haptique dans d'autres paradigmes d'interaction homme-machine tels que les véhicules semi-autonomes et la téléopération35,36.

En raison de la nature du schéma de contrôle partagé haptique dans cette étude, les participants du groupe de contrôle partagé haptique avaient beaucoup moins d'expérience avec le retour de vibration par rapport aux participants du groupe Vibrotactile au cours de la session expérimentale. En effet, les participants du groupe Haptic Shared Control ont signalé une utilisation significativement moins importante des signaux somatosensoriels que ceux du groupe Vibrotactile. Ainsi, il est possible que la frontière entre l'homme et la machine devienne plus transparente avec une formation supplémentaire sur la rétroaction vibrotactile. D'autres études ont montré qu'un entraînement à plus long terme et prolongé avec retour haptique améliorait considérablement les performances15,19.

Il convient de noter ici que les signaux auditifs de l'actionneur vibrotactile ont probablement été utilisés par certains participants. Deux participants ont explicitement mentionné que le son du tactor était aussi ou même plus saillant que la sensation tactile elle-même. Des recherches antérieures ont montré que le temps de réaction diminue avec la combinaison des signaux tactiles et auditifs de la rétroaction vibrotactile par rapport aux signaux tactiles seuls65. De plus, il a également été démontré que la combinaison de rétroaction multimodale redondante améliore les temps de réaction par rapport à la rétroaction unimodale66. Ce type de rétroaction incidente ne se limite pas aux informations audio-tactiles émanant du vibrotacteur ; les sons générés par le mouvement du moteur de la prothèse ont également été utilisés par plusieurs participants dans toutes les conditions. Bien qu'il ait été démontré que la rétroaction incidente aide dans les tâches habiles67, elle n'est pas suffisante pour obtenir les meilleures performances dans une tâche nécessitant une force de préhension rapide et précise.

Bien que nous ayons démontré le succès du schéma de contrôle partagé haptique, la présente étude présente certaines limites. Seuls les participants non amputés ont été évalués et la tâche a été menée avec un objet manufacturé plutôt qu'avec des objets du quotidien. Étant donné que le mur pliable était un mécanisme à charnière, la force nécessaire pour casser l'objet pouvait varier en fonction du placement de la prothèse contre le mur (par exemple, plus de force est nécessaire plus près de l'articulation de la charnière par rapport au haut du mur). Cela a été partiellement pris en compte en demandant aux participants de placer la prothèse sous un marqueur visuel sur le mur. Néanmoins, il est toujours possible qu'un placement incohérent puisse entraîner l'application de forces inappropriées par le contrôleur autonome. De plus, la grande quantité de concentration visuelle requise pour atteindre ce placement peut avoir entraîné des niveaux d'effort mental similaires dans tous les groupes, tels que mesurés à la fois par le fNIRS (Fig. 7) et l'enquête. Le fait que les résultats de l'enquête n'aient montré aucune différence dans l'effort mental peut s'expliquer par la notion que les évaluations subjectives avec un échantillon de faible taille peuvent ne pas être aussi sensibles aux changements d'effort mental. La présente étude n'incluait pas de condition impliquant un contrôle partagé sans aucune rétroaction haptique. Bien qu'un tel système puisse être testé, une attention particulière doit être accordée à la méthode de communication à l'utilisateur du mode de fonctionnement dans lequel il se trouve sans surcharger ses sens visuels ou auditifs. Sur la base de nos travaux antérieurs38, nous nous attendrions à ce que l'approche de contrôle partagé haptique conduise à une meilleure efficacité neuronale par rapport à l'approche de contrôle partagé sans rétroaction haptique.

Les travaux futurs visant à réaliser cliniquement le concept de contrôle partagé haptique devraient impliquer la vérification de ces résultats actuels avec des participants amputés et avec un plus large éventail d'activités et de types d'objets, y compris des objets cassants et fragiles réels. De plus, l'utilité du système de contrôle partagé haptique doit être évaluée longitudinalement pour comprendre son impact sur l'efficacité neuronale et le contrôle myoélectrique direct. Il serait également utile d'évaluer l'étendue de l'apprentissage et de la fatigue lors de l'utilisation à long terme du contrôle partagé haptique par rapport aux conditions de rétroaction standard et vibrotactile. Une extension supplémentaire du système autonome comprend la capacité de reconnaître les types d'objets afin de faciliter la commutation entre différents objets et tâches. De plus, d'autres approches du contrôle partagé haptique qui impliquent un arbitrage plus transparent et adaptatif entre le contrôle volontaire et autonome peuvent être développées et testées. Enfin, parce que le contrôle autonome peut affecter le sens de l'agence d'un utilisateur, l'incarnation peut être affectée67,68. Les recherches futures avec le contrôle partagé haptique devraient envisager d'incorporer des évaluations de l'incarnation, telles que la dérive proprioceptive69 et les questionnaires d'incarnation70.

Les approches existantes de contrôle partagé au sein des systèmes prothétiques se sont concentrées sur le complément du contrôle manuel humain de la prothèse par des systèmes autonomes29,32. Ces systèmes n'intègrent pas de retour haptique et laissent ainsi l'utilisateur hors de la boucle. En revanche, la présente étude intègre la rétroaction haptique avec un contrôleur autonome dans un paradigme d'apprentissage par imitation, où le contrôle autonome reproduit la stratégie de préhension souhaitée de l'humain. Un tel système peut être étendu et généralisé davantage pour faciliter d'autres types d'interaction homme-robot, comme la chirurgie robotique et la coopération homme-robot.

En résumé, nos résultats démontrent que le fNIRS peut être utilisé pour évaluer la charge cognitive et l'efficacité neurale dans une tâche complexe et dynamique menée avec une prothèse myoélectrique, et qu'une stratégie de contrôle partagé haptique dans une prothèse myoélectrique assure une bonne performance de la tâche tout en entraînant une faible charge cognitive. Ceci est accompli par les composants individuels du système (rétroaction vibrotactile et contrôleur d'imitation-apprentissage), dont les avantages se combinent en synergie pour optimiser les performances. Ces résultats confirment le besoin de systèmes hybrides dans les prothèses bioniques pour maximiser les performances neurales et adroites.

Les ensembles de données générés pendant et/ou analysés pendant l'étude en cours sont disponibles auprès de l'auteur correspondant sur demande raisonnable.

Johansson, RS & Westling, G. Rôles des récepteurs cutanés glabres et de la mémoire sensorimotrice dans le contrôle automatique de la préhension de précision lors du levage d'objets plus rugueux ou plus glissants. Exp. Cerveau Res. 56, 550–564. https://doi.org/10.1007/BF00237997 (1984).

Article CAS Google Scholar

Gordon, AM, Westling, G., Cole, KJ & Johansson, RS Représentations de la mémoire sous-jacentes aux commandes motrices utilisées lors de la manipulation d'objets courants et nouveaux. J. Neurophysiol. 69, 25 (1993).

Article Google Scholar

Johansson, RS & Cole, KJ Coordination sensori-motrice lors des actions de préhension et de manipulation. Courant. Avis. Neurobiol. 2, 815–823. https://doi.org/10.1016/0959-4388(92)90139-C (1992).

Article CAS Google Scholar

Gorniak, SL, Zatsiorsky, VM & Latash, ML Manipulation d'un objet fragile. Exp. Cerveau Res. Exp. Hirnforschung Exp. Cerebrale 202, 413. https://doi.org/10.1007/S00221-009-2148-Z (2010).

Article Google Scholar

Stephens-Fripp, B., Alici, G. & Mutlu, R. Un examen des méthodes de rétroaction sensorielle non invasive pour les mains prothétiques transradiales. Accès IEEE 6, 6878–6899. https://doi.org/10.1109/ACCESS.2018.2791583 (2018).

Article Google Scholar

Witteveen, HJB, Droog, EA, Rietman, JS & Veltink, PH Commentaires des utilisateurs vibro- et électrotactiles sur l'ouverture de la main pour les prothèses d'avant-bras myoélectriques. IEEE Trans. Biomédical. Ing. 59, 2219-2226. https://doi.org/10.1109/TBME.2012.2200678 (2012).

Article CAS Google Scholar

Antfolk, C. et al. Redirection artificielle de la sensation des doigts prothétiques vers la carte de la main fantôme sur les amputés transradiaux : rétroaction sensorielle vibrotactile contre mécanotactile. IEEE Trans. Système neuronal. Réhabilit. Ing. 21, 112–120. https://doi.org/10.1109/TNSRE.2012.2217989 (2013).

Article Google Scholar

Damian, DD, Fischer, M., Hernandez Arieta, A. & Pfeifer, R. Le rôle des informations quantitatives sur le glissement et la force de préhension dans la stabilité de la préhension prothétique. Adv. Robot. 32, 12–24. https://doi.org/10.1080/01691864.2017.1396250 (2018).

Article Google Scholar

Thomas, N., Ung, G., McGarvey, C. & Brown, JD Comparaison de la rétroaction vibrotactile et du couple articulaire dans une prothèse myoélectrique du membre supérieur. J. Neuroeng. Réhabilit. 16, 70. https://doi.org/10.1186/s12984-019-0545-5 (2019).

Article Google Scholar

Kim, K. et al. La rétroaction haptique améliore le contrôle de la force de préhension des mains prothétiques contrôlées par sEMG chez les amputés de réinnervation ciblés. IEEE Trans. Système neuronal. Réhabilit. Ing. 20, 798–805. https://doi.org/10.1109/TNSRE.2012.2206080 (2012).

Article Google Scholar

Rosenbaum-Chou, T., Daly, W., Austin, R., Chaubey, P. & Boone, DA Développement et utilisation dans le monde réel d'un système de rétroaction haptique vibratoire pour les utilisateurs de prothèses des membres supérieurs. J.Prosth. Orthot. 28, 136–144. https://doi.org/10.1097/JPO.0000000000000107 (2016).

Article Google Scholar

Abd, MA, Ingicco, J., Hutchinson, DT, Tognoli, E. & Engeberg, ED Le retour haptique multicanal déverrouille la dextérité de la main prothétique. Sci. Rép. 12, 1–17. https://doi.org/10.1038/s41598-022-04953-1 (2022).

Article CAS Google Scholar

Raveh, E., Friedman, J. & Portnoy, S. Évaluation des effets de l'ajout d'une rétroaction vibrotactile aux utilisateurs de prothèses myoélectriques sur les performances et l'attention visuelle dans un article de paradigme à double tâche. Clin. Réhabilit. 32, 1308–1316. https://doi.org/10.1177/0269215518774104 (2018).

Article Google Scholar

Raveh, E., Portnoy, S. & Friedman, J. L'ajout d'un retour vibrotactile à une main contrôlée par myoélectricité améliore les performances lorsque le retour visuel en ligne est perturbé. Hum. Dév. Sci. 58, 32–40. https://doi.org/10.1016/J.HUMOV.2018.01.008 (2018).

Article Google Scholar

Stepp, CE, An, Q. & Matsuoka, Y. Un entraînement répété avec une rétroaction vibrotactile augmentative augmente les performances de manipulation d'objets. PLoS One 7, e32743. https://doi.org/10.1371/journal.pone.0032743 (2012).

Article ADS CAS Google Scholar

Bark, K., Wheeler, JW, Premakumar, S. & Cutkosky, MR Comparaison de l'étirement de la peau et de la stimulation vibrotactile pour la rétroaction des informations proprioceptives. Dans Symposium on Haptic Interfaces for Virtual Environment and Teleoperator Systems, 2008. Haptics 2008, 71–78. https://doi.org/10.1109/HAPTICS.2008.4479916 (IEEE, 2008).

Blank, A., Okamura, AM & Kuchenbecker, KJ Identification du rôle de la proprioception dans le contrôle des prothèses des membres supérieurs. ACM Trans. Appl. Percevoir. 7, 1–23. https://doi.org/10.1145/1773965.1773966 (2010).

Article Google Scholar

D'Alonzo, M. & Cipriani, C. La substitution sensorielle vibrotactile suscite le sentiment de propriété d'une main extraterrestre. PLoS One 7, e50756. https://doi.org/10.1371/journal.pone.0050756 (2012).

Article ADS CAS Google Scholar

Clemente, F., D'Alonzo, M., Controzzi, M., Edin, BB et Cipriani, C. La rétroaction non invasive et temporellement discrète du contact et de la libération de l'objet améliore le contrôle de la préhension des prothèses transradiales myoélectriques en boucle fermée. IEEE Trans. Système neuronal. Réhabilit. Ing. 24, 1314–1322. https://doi.org/10.1109/TNSRE.2015.2500586 (2016).

Article Google Scholar

Engeberg, ED & Meek, SG Contrôle adaptatif du mode de glissement du glissement de l'objet saisi pour les mains prothétiques. En 2011, Conférence internationale IEEE / RSJ sur les robots et systèmes intelligents, 4174–4179. https://doi.org/10.1109/IROS.2011.6094500 (IEEE, 2011).

Jimenez, MC & Fishel, JA Évaluation de la force, des vibrations et de la rétroaction tactile thermique dans les membres prothétiques. Dans Actes du symposium haptique de l'IEEE (HAPTICS), 437–441. https://doi.org/10.1109/HAPTICS.2014.6775495 (2014).

Thomas, N., Ung, G., Ayaz, H. & Brown, JD Évaluation neurophysiologique de la rétroaction haptique pour les prothèses myoélectriques. IEEE Trans. Mach humain. Syst. 51, 253–264. https://doi.org/10.1109/THMS.2021.3066856 (2021).

Article Google Scholar

Salisbury, LL & Colman, AB Une main mécanique avec contrôle proportionnel automatique de la préhension. Méd. Biol. Ing. 5, 505–511. https://doi.org/10.1007/BF02479145 (1967).

Article CAS Google Scholar

Chappell, PH, Nightingale, JM, Kyberd, PJ et Barkhordar, M. Contrôle d'une main artificielle à un seul degré de liberté. J. Biomed. Ing. 9, 273–277. https://doi.org/10.1016/0141-5425(87)90013-6 (1987).

Article CAS Google Scholar

Nightingale, JM Contrôle par microprocesseur d'un bras artificiel. J. Microcomput. Appl. 8, 167–173. https://doi.org/10.1016/0745-7138(85)90015-6 (1985).

Article Google Scholar

Matulevich, B., Loeb, GE & Fishel, JA Utilité des réflexes de détection de contact dans le contrôle de la main prothétique. Actes de la conférence internationale IEEE sur les robots et systèmes intelligents 4741–4746. https://doi.org/10.1109/IROS.2013.6697039 (2013).

Osborn, L., Kaliki, RR, Soares, AB & Thakor, NV Détection neuromimétique basée sur les événements pour le contrôle tactile en boucle fermée des prothèses du membre supérieur. IEEE Trans. Haptique 9, 196–206. https://doi.org/10.1109/TOH.2016.2564965 (2016).

Article Google Scholar

Ottobock. Capteur de vitesse manuelle.

Zhuang, KZ et al. Contrôle proportionnel humain-robot partagé d'une prothèse myoélectrique adroite. Nat. Mach. Renseignement. 1, 400–411. https://doi.org/10.1038/s42256-019-0093-5 (2019).

Article Google Scholar

Edwards, AL et al. Application de l'apprentissage automatique en temps réel au contrôle des prothèses myoélectriques : une série de cas en commutation adaptative. Prothèse. Orthot. Int. 40, 573-581. https://doi.org/10.1177/0309364615605373 (2016).

Article Google Scholar

Mouchoux, J. et al. La perception artificielle et le contrôle semi-autonome dans les prothèses de main myoélectriques augmentent les performances et diminuent l'effort. IEEE Trans. Robot. 37, 1298–1312. https://doi.org/10.1109/TRO.2020.3047013 (2021).

Article Google Scholar

Mouchoux, J., Bravo-Cabrera, MA, Dosen, S., Schilling, AF & Markovic, M. Impact des modalités de contrôle partagé sur les performances et l'utilisabilité des prothèses semi-autonomes. Devant. Neurorobot. 15, 172. https://doi.org/10.3389/FNBOT.2021.768619/BIBTEX (2021).

Article Google Scholar

Benloucif, A., Nguyen, AT, Sentouh, C. & Popieul, JC Planification de trajectoire coopérative pour le contrôle haptique partagé entre le conducteur et l'automatisation dans la conduite sur autoroute. IEEE Trans. Ind. Électron. 66, 9846–9857. https://doi.org/10.1109/TIE.2019.2893864 (2019).

Article Google Scholar

Luo, R. et al. Un schéma de contrôle partagé haptique adaptatif à la charge de travail pour la conduite semi-autonome. Accident Anal. Préc. 152, 105968. https://doi.org/10.1016/J.AAP.2020.105968 (2021).

Article Google Scholar

Lazcano, AM, Niu, T., Carrera Akutain, X., Cole, D. & Shyrokau, B. Système de direction haptique partagé basé sur MPC : Une approche de modélisation du conducteur pour la conduite symbiotique. IEEE/ASME Trans. Méca. 26, 1201–1211. https://doi.org/10.1109/TMECH.2021.3063902 (2021).

Article Google Scholar

Zhang, D., Tron, R. & Khurshid, RP La rétroaction haptique améliore l'accord homme-robot et la satisfaction de l'utilisateur dans la téléopération à autonomie partagée. Actes—Conférence internationale IEEE sur la robotique et l'automatisation 2021-mai, 3306–3312. https://doi.org/10.1109/ICRA48506.2021.9560991 (2021).

Selvaggio, M., Cacace, J., Pacchierotti, C., Ruggiero, F. & Giordano, PR Une architecture de téléopération à contrôle partagé pour le transport d'objets non préhensibles. IEEE Trans. Robot. 38, 569-583. https://doi.org/10.1109/TRO.2021.3086773 (2022).

Article Google Scholar

Thomas, N., Fazlollahi, F., Kuchenbecker, KJ & Brown, JD L'utilité des réflexes synthétiques et de la rétroaction haptique pour les prothèses des membres supérieurs dans une tâche adroite sans vision directe. IEEE Trans. Système neuronal. Réhabilit. Eng.https://doi.org/10.1109/TNSRE.2022.3217452 (2022).

Article Google Scholar

Curtin, A. & Ayaz, H. Métriques d'efficacité neurale en neuroergonomie : Théorie et applications. Dans Neuroergonomie Vol. 22 (eds Ayaz, H. & Dehais, F.) 133–140 (Academic Press, ***, 2019). https://doi.org/10.1016/B978-0-12-811926-6.00022-1.

Chapitre Google Scholar

Ayaz, H. et al. Surveillance optique du cerveau pour la formation des opérateurs et l'évaluation de la charge de travail mentale. Neuroimage 59, 36–47. https://doi.org/10.1016/J.NEUROIMAGE.2011.06.023 (2012).

Article Google Scholar

Meek, SG, Jacobsen, SC & Goulding, PP Taction physiologique étendue : conception et évaluation d'un système de retour de force proportionnel. J. Réhabil. Rés. Dév. 26, 53–62 (1989).

CAS Google Scholar

Brown, JD et al. Une exploration de la régulation de la force de préhension avec une prothèse myoélectrique à faible impédance dotée d'un retour haptique référé. J. Neuroeng. Réhabilit. 12, 104. https://doi.org/10.1186/s12984-015-0098-1 (2015).

Article Google Scholar

Ogawa, S., Lee, TM, Kay, AR & Tank, DW Imagerie par résonance magnétique cérébrale avec contraste dépendant de l'oxygénation du sang. Proc. Natl. Acad. Sci. 87, 9868–9872. https://doi.org/10.1073/PNAS.87.24.9868 (1990).

Article ADS CAS Google Scholar

Villringer, A., Planck, J., Hock, C., Schleinkofer, L. & Dirnagl, U. Spectroscopie proche infrarouge (NIRS) : un nouvel outil pour étudier les changements hémodynamiques lors de l'activation de la fonction cérébrale chez l'homme adulte. Neurosci. Lett. 154, 101–104. https://doi.org/10.1016/0304-3940(93)90181-J (1993).

Article CAS Google Scholar

Villringer, A. & Chance, B. Spectroscopie optique non invasive et imagerie de la fonction cérébrale humaine. Tendances Neurosci. 20, 435–442. https://doi.org/10.1016/S0166-2236(97)01132-6 (1997).

Article CAS Google Scholar

Obrig, H. et al. Spectroscopie proche infrarouge : fonctionne-t-elle dans les études d'activation fonctionnelle du cerveau adulte ?. Int. J. Psychophysiol. 35, 125–142. https://doi.org/10.1016/S0167-8760(99)00048-3 (2000).

Article CAS Google Scholar

Heeger, DJ & Ress, D. Que nous apprend l'IRMf sur l'activité neuronale ?. Nat. Rév. Neurosci. 3, 142–151. https://doi.org/10.1038/NRN730 (2002).

Article CAS Google Scholar

Fishburn, FA, Norr, ME, Medvedev, AV & Vaidya, CJ Sensibilité du fNIRS à l'état cognitif et à la charge. Devant. Human Neurosci.https://doi.org/10.3389/fnhum.2014.00076 (2014).

Article Google Scholar

Liu, Y. et al. Mesure du couplage neuronal locuteur-auditeur par spectroscopie fonctionnelle dans le proche infrarouge. Sci. Rep. 7, 43293. https://doi.org/10.1038/srep43293 (2017).

Annonces d'article Google Scholar

Ayaz, H. et al. Surveillance continue de la dynamique cérébrale avec la spectroscopie fonctionnelle proche infrarouge comme outil de recherche neuroergonomique : exemples empiriques et développement technologique. Devant. Hum. Neurosci. 7, 871. https://doi.org/10.3389/fnhum.2013.00871 (2013).

Article Google Scholar

Perrey, S. Possibilités d'examiner le contrôle neuronal de la marche chez l'homme avec fNIRS. Devant. Physiol.https://doi.org/10.3389/fphys.2014.00204 (2014).

Article Google Scholar

Mirelman, A. et al. Augmentation de l'activation frontale du cerveau pendant la marche lors d'une double tâche : une étude fNIRS chez de jeunes adultes en bonne santé. J. NeuroEng. Rehabil.https://doi.org/10.1186/1743-0003-11-85 (2014).

Article Google Scholar

Gateau, T., Ayaz, H. & Dehais, F. In silico vs over the clouds : Estimation de l'état mental à la volée des pilotes d'avion, à l'aide d'une spectroscopie fonctionnelle proche infrarouge basée sur la BCI passive. Devant. Neuroscience humaine. 12, 187. https://doi.org/10.3389/fnhum.2018.00187 (2018).

Article Google Scholar

Ayaz, H. et al. Imagerie optique et spectroscopie pour l'étude du cerveau humain : état des lieux. Neurophotoniquehttps://doi.org/10.1117/1.NPH.9.S2.S24001 (2022).

Article Google Scholar

Biessmann, F., Plis, S., Meinecke, FC, Eichele, T. & Muller, K.-R. Analyse des données de neuroimagerie multimodale. IEEE Rev. Biomed. Ing. 4, 26–58. https://doi.org/10.1109/RBME.2011.2170675 (2011).

Article Google Scholar

Ayaz, H. et al. Utilisation de MazeSuite et de la spectroscopie proche infrarouge fonctionnelle pour étudier l'apprentissage en navigation spatiale. J.Vis. Exp.https://doi.org/10.3791/3443 (2011).

Article Google Scholar

Kuschinsky, W. Couplage de la fonction, du métabolisme et du flux sanguin dans le cerveau. Neurochirurgie. Rév. 14, 163–168. https://doi.org/10.1007/BF00310651 (1991).

Article CAS Google Scholar

Pezent, E., Cambio, B. & Ormalley, MK Syntacts : logiciel et matériel open source pour l'haptique contrôlée par l'audio. IEEE Trans. Haptique 14, 225–233. https://doi.org/10.1109/TOH.2020.3002696 (2021).

Article Google Scholar

Prahm, C., Kayali, F., Sturma, A. & Aszmann, O. PlayBionic : Interventions basées sur le jeu pour encourager l'engagement et la performance des patients dans la rééducation motrice prothétique. PM & R 10, 1252–1260. https://doi.org/10.1016/J.PMRJ.2018.09.027 (2018).

Article Google Scholar

Hart, SG & Staveland, LE Développement de NASA-TLX (Task Load Index): résultats de recherches empiriques et théoriques. Adv. Psychol. 52, 139–183. https://doi.org/10.1016/S0166-4115(08)62386-9 (1988).

Article Google Scholar

Losey, DP, McDonald, CG, Battaglia, E. & O'Malley, MK Un examen des aspects de détection d'intention, d'arbitrage et de communication du contrôle partagé pour l'interaction physique humain-robot. Appl. Méca. Rév. 70, 010804. https://doi.org/10.1115/1.4039145 (2018).

Annonces d'article Google Scholar

Zhou, M., Jones, DB, Schwaitzberg, SD & Cao, CGL Rôle de la rétroaction haptique et de la charge cognitive dans l'acquisition des compétences chirurgicales. Dans Actes de la Human Factors and Ergonomics Society, 631–635 (2007).

Cao, CG, Zhou, M., Jones, DB & Schwaitzberg, SD Les chirurgiens peuvent-ils penser et opérer avec l'haptique en même temps ?. J. Gastrointest. Surg. 11, 1564-1569. https://doi.org/10.1007/S11605-007-0279-8/FIGURES/5 (2007).

Article Google Scholar

Schwartz, AB Mouvement : comment le cerveau communique avec le monde. Cellule 164, 1122–1135. https://doi.org/10.1016/j.cell.2016.02.038 (2016).

Article CAS Google Scholar

Bao, T. et al. Conception d'affichage vibrotactile : quantification de l'importance de l'âge et de divers facteurs sur les temps de réaction. PLoS One 14, e0219737. https://doi.org/10.1371/JOURNAL.PONE.0219737 (2019).

Article CAS Google Scholar

Diederich, A. & Colonius, H. Amélioration multisensorielle bimodale et trimodale : effets de l'apparition et de l'intensité du stimulus sur le temps de réaction. Percevoir. Psychophyse. 66, 1388–1404. https://doi.org/10.3758/BF03195006 (2004).

Article Google Scholar

Sensinger, JW & Dosen, S. Un examen de la rétroaction sensorielle dans les prothèses des membres supérieurs du point de vue du contrôle moteur humain. Devant. Neurosci. 14, 345. https://doi.org/10.3389/fnins.2020.00345 (2020).

Article Google Scholar

Botvinick, M. & Cohen, J. Les mains en caoutchouc « sentent » le toucher que les yeux voient. Nature 391, 756–756. https://doi.org/10.1038/35784 (1998).

Article ADS CAS Google Scholar

Zbinden, J., Lendaro, E. & Ortiz-Catalan, M. Incarnation prosthétique : examen systématique des définitions, des mesures et des paradigmes expérimentaux. J. NeuroEng. Réhabilit. 19, 1–16. https://doi.org/10.1186/S12984-022-01006-6 (2022).

Article Google Scholar

Bekrater-Bodmann, R. Corrélats perceptifs de l'interaction corps-prothèse réussie chez les amputés des membres inférieurs : caractérisation psychométrique et développement de l'échelle d'incarnation de la prothèse. Sci. Rep.https://doi.org/10.1038/S41598-020-70828-Y (2020).

Article Google Scholar

Télécharger les références

Nous tenons à remercier Garrett Ung pour la conception et la construction de l'objet instrumenté. Merci également à Leah Jager pour ses services de consultation statistique. Nous remercions également la National Science Foundation pour le financement du premier auteur par le biais d'une bourse de recherche de troisième cycle.

Département de génie biomédical, Université Johns Hopkins, Baltimore, 21218, États-Unis

Neha Thomas

Département de génie mécanique, Université Johns Hopkins, Baltimore, 21218, États-Unis

Alexandra J. Miller et Jeremy D. Brown

École de génie biomédical, sciences et systèmes de santé, Université Drexel, Philadelphie, PA, 19104, États-Unis

Hassan Ayaz

Département des sciences psychologiques et cérébrales, Université Drexel, Philadelphie, PA, 19104, États-Unis

Hassan Ayaz

Drexel Solutions Institute, Drexel University, Philadelphie, PA, 19104, États-Unis

Hassan Ayaz

Département de santé familiale et communautaire, Université de Pennsylvanie, Philadelphie, PA, 19104, États-Unis

Hassan Ayaz

Centre de recherche et de prévention des blessures, Hôpital pour enfants de Philadelphie, Philadelphie, PA, 19104, États-Unis

Hassan Ayaz

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

NT a conçu la conception expérimentale et intégré le matériel et les logiciels pour exécuter l'expérience. NT et AM ont mené l'étude auprès des utilisateurs. NT a analysé les données. HA a donné des conseils sur la conception expérimentale, l'utilisation du fNIRS et des analyses statistiques, et JDB a donné des conseils sur l'expérience générale et les analyses statistiques. NT a rédigé le brouillon du manuscrit. Tous les auteurs ont édité le manuscrit et approuvé sa soumission.

Correspondance à Neha Thomas.

fNIR Devices, LLC fabrique l'instrument d'imagerie cérébrale optique et la propriété intellectuelle et le savoir-faire sous licence de l'Université Drexel. Le Dr Ayaz a été impliqué dans le développement de la technologie et a donc offert une part mineure dans la start-up fNIR Devices. Les auteurs déclarent que la recherche a été menée en l'absence de toute relation commerciale ou financière pouvant être interprétée comme un conflit d'intérêts potentiel. Tous les autres auteurs n'ont pas d'intérêts concurrents.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Thomas, N., Miller, AJ, Ayaz, H. et al. Le contrôle partagé haptique améliore l'efficacité neurale lors de l'utilisation de la prothèse myoélectrique. Sci Rep 13, 484 (2023). https://doi.org/10.1038/s41598-022-26673-2

Télécharger la citation

Reçu : 27 mai 2022

Accepté : 19 décembre 2022

Publié: 10 janvier 2023

DOI : https://doi.org/10.1038/s41598-022-26673-2

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.