Orientador: Alberto Cliquet Junior

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica

Resumo: Neste Trabalho, foi explorada a aplicação de redes neurais artificiais para o controle da marcha por meio de estimulação elétrica neuromuscular em pacientes com lesão medular. Para tanto, dois caminhos independentes foram seguidos, um teórico, e outro experimental. No estudo teórico, foi...

Resumo: Neste Trabalho, foi explorada a aplicação de redes neurais artificiais para o controle da marcha por meio de estimulação elétrica neuromuscular em pacientes com lesão medular. Para tanto, dois caminhos independentes foram seguidos, um teórico, e outro experimental. No estudo teórico, foi preparada uma rede neural de três camadas para modelar as transformações sensório-motoras segmentares ocorridas durante a marcha num plano. As entradas para a rede neural foram proporcionais aos ângulos de flexão e extensão do quadril, joelho e tornozelo, e à componente vertical da força de reação do solo. As saídas foram proporcionais ao nível de atividade em cinco músculos essenciais à produção da marcha vista num plano sagital. Os resultados de simulações com várias estruturas neurais diferentes indicam uma melhora no controle do movimento quando a última saída é incluída no vetor de entrada atual. Além disso, o controle da marcha parece ser melhor quando executado por duas redes independentes (uma para a fase de apoio da marcha, e outra para a fase de balanço) do que quando uma única rede é usada para o controle de todo o ciclo da marcha. Por outro lado, nenhuma melhora foi observada com a inclusão de recursão no algo ritmo de aprendizado, memória de entradas passadas, intraconectividade na camada escondida, conectividade seletiva entre as camadas escondida e de saída, ou do uso de derivadas dos sinais de entrada e saída. No trabalho experimental, uma rede neural de três camadas foi usada no controle adaptativo da geração da fase de balanço. Dois sistemas foram testados. No Sistema 1, na ntrada da rede neural foram usados os sinais dos goniômetros de joelho e tornozelo elo.,Sistema 2, os ângulos do quadril e joelho foram considerados. Em ambos os casos, as saídas foram proporcionais ao aumento ou diminuição da largura de pulso aplicada. A estimulação foi aplicada no nervo femoral e no nervo peroneal comum. A rede neural foi treinada de modo 'on-line' e ?off-line'. Para avaliar o desempenho dos sistemas, varias combinações de largura de pulso foram preestabelecidas. A resposta do sistema (movimentos produzidos) foi então comparada a um ciclo de referência obtido para cada sessão de testes. O treinamento 'on-line' consistiu na aplicação de punição e reforço positivo de modo seletivo. Tanto o esquema 'off-line' como o esquema 'on-line' incluíram o uso de um algo ritmo de retropropagação acelerado. Ao comparar o desempenho dos Sistemas I e 2, o primeiro parece ser melhor. Além disso, o desempenho da rede durante o treinamento 'on-line' é melhor que o da rede treinada apenas 'off-line'. De acordo com alguns resultados, um protótipo no Sistema I foi preparado e usado na geração do ciclo completo da marcha em um paciente com lesão medular

Abstract: This work consisted in the application of artificial neural network algorithms for control of gait generated by NeuroMuscular Electrical Stimulation (EENM) in spinal cord injured subjects. Two independent approaches were attempted -namely, a theoretical, and an experimental approach. ln...

Abstract: This work consisted in the application of artificial neural network algorithms for control of gait generated by NeuroMuscular Electrical Stimulation (EENM) in spinal cord injured subjects. Two independent approaches were attempted -namely, a theoretical, and an experimental approach. ln the theoretical study, a three-Iayered neural network was set up to modei the segmental sensorimotor transformations involved in leveI walking. Network inputs were proportional to hip, knee, and ankle flexion/extension angles, and to vertical ground reaction forces. The output signal was proportional to the activity leveI of five muscles essential to gait production as seen from the sagittal plane. Results fram simulations for various network structures indicate that motion control improves when the latest output is used as part of the input vector. AIso, it appears that motion control is better when done with two independent networks (one for the stance phase of gait and another for the swing phase) than with a single network for the entire gait cycle. Further, inclusion of explicit recursion in the learning algorithm, recall of previous inputs, hidden layer intraconnectivity, selective hidden layer to output layer connectivity, and the use of signal derivatives all resulted in r;o improvement in the simulated gait controI. ln the experimental approach, a three-Iayered artificial neural network was used for adaptive control of the swing phase only. Network inputs consisted of knee and ankle goniometer signals for System 1, and knee and hip angular data for System 2. Controller output was proportional to changes in applied NMES pulse idth (PW). Stimulation was applied to the left femoral and common peroneal nerves. The neural networks were trained off-line and on-line. Network performance was assessed by applying a number of different stimulation PWs and later comparing the resulting motion to a sample good step observed during the same test session. On-line training consisted of negative and positive re-enforcement applied at chosen times. Both on-line and off-line training algorithms included an enhanced back-propagation scheme. Performance evaluation results favour the use of System I over System 2. AIso, nerwork performance during on-line learning is better than that of a network submitted to off-line learning only. Then, according to some of the results, a prototype based on System I was set up and used for generation of the entire gait cycle in one spinal subject