Interpretation of Sensory Information From Skeletal Muscle Receptors For External Control
Interprétation des informations sensorielles des récepteurs du muscle squelettique pour le contrôle externe
Résumé
The topic of this thesis was the rehabilitation of movement of paralyzed limbs through functional electrical stimulation (FES). The objective of the project was to explore the possibility of using information from sensory nerve fibers of muscle receptors as feedback of the closed-loop control of FES systems using intrafascicular peripheral nerve electrodes.
Acute animal experiments were performed to record afferent muscle spindle responses to passive stretch. The recordings were performed using the new thin-film Longitudinal Intra-Fascicular Electrode (tfLIFE), developed by Dr. Ken Yoshida at Aalborg University in Denmark. A first-order model of muscle spindle response to passive muscle stretch was proposed that manages to capture the non-linear properties of the afferent neural activity. Moreover, estimation of muscle state from the recorded multi-channel ENG provided more robust results compared to using single-channel recordings.
For the abovementioned model to be usable in a estimator of muscle state, the rate of change of muscle length during movement must have negligible effect on model parameters. A neural spike detection and classification scheme was developed for the purpose of isolating sensory neural activity of muscle receptors having minimal sensitivity to the velocity of muscle motion. The algorithm was based on the multi-scale continuous wavelet transform using complex wavelets. The detection scheme outperforms the commonly used simple threshold detection, especially with recordings having low SNR. Results of classification of units indicate that the developed classifier is able to isolate activity having linear relationship with muscle length, which is a step towards on-line model-based estimation of muscle length that can be used in a closed-loop FES system with natural sensory feedback.
One of the main issues limiting the interpretation of ENG data is the low level of the neural signal compared to the level of noise in the recordings. Our hypothesis was that shielding the implant site would help improve signal-to-noise level. Experimental results from a preliminary study indicate that placing a standard cuff electrode around the tfLIFE active sites increases the level of ENG signal in the recordings.
Acute animal experiments were performed to record afferent muscle spindle responses to passive stretch. The recordings were performed using the new thin-film Longitudinal Intra-Fascicular Electrode (tfLIFE), developed by Dr. Ken Yoshida at Aalborg University in Denmark. A first-order model of muscle spindle response to passive muscle stretch was proposed that manages to capture the non-linear properties of the afferent neural activity. Moreover, estimation of muscle state from the recorded multi-channel ENG provided more robust results compared to using single-channel recordings.
For the abovementioned model to be usable in a estimator of muscle state, the rate of change of muscle length during movement must have negligible effect on model parameters. A neural spike detection and classification scheme was developed for the purpose of isolating sensory neural activity of muscle receptors having minimal sensitivity to the velocity of muscle motion. The algorithm was based on the multi-scale continuous wavelet transform using complex wavelets. The detection scheme outperforms the commonly used simple threshold detection, especially with recordings having low SNR. Results of classification of units indicate that the developed classifier is able to isolate activity having linear relationship with muscle length, which is a step towards on-line model-based estimation of muscle length that can be used in a closed-loop FES system with natural sensory feedback.
One of the main issues limiting the interpretation of ENG data is the low level of the neural signal compared to the level of noise in the recordings. Our hypothesis was that shielding the implant site would help improve signal-to-noise level. Experimental results from a preliminary study indicate that placing a standard cuff electrode around the tfLIFE active sites increases the level of ENG signal in the recordings.
Le sujet de cette thèse se situe dans le cadre général de la restauration du mouvement de membres paralysés à travers la stimulation électrique fonctionnelle (FES) implantée. L'objectif du projet était d'explorer la faisabilité d'utiliser les informations issues des fibres nerveuses sensorielles des récepteurs musculaires comme information de retour d'une commande en boucle fermée d'un système FES à travers des électrodes nerveuses périphériques intra fasciculaires. Des expérimentations animales aigues ont été réalisées pour mesurer les réponses afférentes des fuseaux neuromusculaires à des étirements passifs du muscle. Les enregistrements ont été réalisés en utilisant une nouvelle électrode Intra-fasciculaire (tfLIFE), développées par le Dr. Ken Yoshida à l'université d'Aalborg au Danemark. Un modèle du premier ordre de la réponse des fuseaux neuromusculaires à des étirements passifs a été proposé. Ce modèle prend en compte les propriétés non linéaires des activités neurales afférentes. De plus, l'estimation de l'état du muscle à partir d'un enregistrement ENG multicanaux a fourni des résultats plus robustes comparés à un enregistrement monocanal.
Pour que le modèle ci-dessus puisse être utilisé pour l'estimation de l'état du muscle, le taux de variation de la longueur du muscle pendant le mouvement doit avoir un effet négligeable sur les paramètres du modèle. Nous avons proposé dans cette thèse une approche pour la détection et la classification de pics dans l'enregisrement neural dans l'objectif d'isoler les activités neurales sensorielles des récepteurs musculaires ayant une sensibilité minimale à la vitesse de l'élongation musculaire. L'algorithme est basé sur la transformée en ondelettes continue multi-échelle utilisant des ondelettes complexes. Le système de détection utilise une simple détection par seuillage, couramment utilisée, particulièrement avec les enregistrements ayant un faible rapport signal sur bruit. Les résultats de classification des unités montrent que la classification développée est capable d'isoler l'activité ayant une relation linéaire avec la longueur du muscle. Ceci constitue une étape vers une estimation, en ligne basée modèle, de la longueur du muscle qui pourra être utilisée dans un système FES en boucle fermée utilisant des informations sensorielles naturelles.
Un des principaux problèmes limitant l'interprétation des données ENG est le faible niveau du signal neural par rapport à celui du bruit dans l'enregistrement. Nos hypothèses ont été que le blindage de l'implant aiderait à améliorer le rapport signal sur bruit. Des résultats expérimentaux, issus d'une étude préliminaire que nous avons réalisée, montrent que le placement d'électrodes standards à manchon placées autour du site d'implantation de la tfLIFE augmentait le niveau du signal ENG dans les enregistrements.
Pour que le modèle ci-dessus puisse être utilisé pour l'estimation de l'état du muscle, le taux de variation de la longueur du muscle pendant le mouvement doit avoir un effet négligeable sur les paramètres du modèle. Nous avons proposé dans cette thèse une approche pour la détection et la classification de pics dans l'enregisrement neural dans l'objectif d'isoler les activités neurales sensorielles des récepteurs musculaires ayant une sensibilité minimale à la vitesse de l'élongation musculaire. L'algorithme est basé sur la transformée en ondelettes continue multi-échelle utilisant des ondelettes complexes. Le système de détection utilise une simple détection par seuillage, couramment utilisée, particulièrement avec les enregistrements ayant un faible rapport signal sur bruit. Les résultats de classification des unités montrent que la classification développée est capable d'isoler l'activité ayant une relation linéaire avec la longueur du muscle. Ceci constitue une étape vers une estimation, en ligne basée modèle, de la longueur du muscle qui pourra être utilisée dans un système FES en boucle fermée utilisant des informations sensorielles naturelles.
Un des principaux problèmes limitant l'interprétation des données ENG est le faible niveau du signal neural par rapport à celui du bruit dans l'enregistrement. Nos hypothèses ont été que le blindage de l'implant aiderait à améliorer le rapport signal sur bruit. Des résultats expérimentaux, issus d'une étude préliminaire que nous avons réalisée, montrent que le placement d'électrodes standards à manchon placées autour du site d'implantation de la tfLIFE augmentait le niveau du signal ENG dans les enregistrements.
Loading...