Wyniki naszych badań i pracy rozwojowej są regularnie publikowane w renomowanych czasopismach i prezentowane na konferencjach naukowych.
Badanie oceniało wykonalność i potencjalne korzyści systemu Przypominajka — rękawicy z czujnikami i aplikacji na tablet — u 16 pacjentów po udarze. Po ponad dwóch tygodniach ćwiczeń grupa korzystająca z urządzenia osiągnęła większą poprawę niż grupa wykonująca ćwiczenia według instrukcji papierowych, w tym klinicznie istotną zmianę w skali FMA-UE. Wyniki wspierają zastosowanie urządzeń sensorycznych jako uzupełnienia rehabilitacji kończyny górnej.
Artykuł przedstawia Balonikotron — miękkie urządzenie z siłownikiem balonowym wspomagające wyprost nadgarstka. Model zależności między siłą, kątem, ciśnieniem i objętością osiągnął wysoką zgodność z pomiarami (r = 0,936), co wspiera monitorowanie bezpieczeństwa. W pilotażowym, czterotygodniowym badaniu z udziałem 12 pacjentów uzyskano istotną poprawę niezależności funkcjonalnej i funkcji kończyny górnej.
Przegląd analizuje skale, testy i instrumenty służące do obiektywnej oceny rehabilitacji ręki po udarze. Autorzy porządkują kluczowe parametry i wskazują, jak łączyć sprawdzone narzędzia, takie jak EMG, goniometry i dynamometry, z pomiarami wspomaganymi przez systemy wizyjne, estymację pozy i sztuczną inteligencję. Celem jest ułatwienie doboru miar i zwiększenie porównywalności wyników terapii.
Przegląd podsumowuje badania z lat 2019–2022 dotyczące immersyjnej rzeczywistości wirtualnej z użyciem gogli nagłownych w rehabilitacji kończyny górnej po udarze. Technologia umożliwia indywidualizowany, zadaniowy trening ruchowy w środowisku wirtualnym i może uzupełniać konwencjonalną rehabilitację. Artykuł omawia aktualny stan badań i przydatność tej metody dla pacjentów poudarowych.
Praca opisuje system Przypominajka v2 wspierający samodzielne ćwiczenia ręki niedowładnej: rękawicę sensoryczną, klasyfikację ćwiczeń wykonywaną na urządzeniu, aplikację tabletową i aplikację webową dla terapeutów. System osiągnął wysoką dokładność klasyfikacji u badanych zdrowych, choć wyniki były słabsze dla nowych użytkowników. Studium przypadku wykazało pozytywną reakcję pacjenta, a także problemy z zakładaniem rękawicy i czytelnością instrukcji.
Autorzy przedstawiają system automatycznego pomiaru dłoni łączący wizję komputerową, urządzenie haptyczne i interfejs webowy. System mierzy m.in. rozmiar dłoni, zakres ruchu palców i nadgarstka oraz siłę. Weryfikacja na pięciu zdrowych osobach wykazała porównywalność części wyników z pomiarami manualnymi i wskazała potencjał rozwiązania w precyzyjnej rehabilitacji poudarowej.
Badanie oceniało skuteczność i bezpieczeństwo czterotygodniowej terapii wspomaganej robotem Balonikotron u 12 pacjentów po udarze niedokrwiennym, losowo przydzielonych do grupy eksperymentalnej i kontrolnej. Po 20 sesjach oceniono funkcję kończyny górnej, spastyczność i samodzielność za pomocą skal FMA-UE, MAS i Barthel. W grupie eksperymentalnej uzyskano istotną poprawę funkcji i samodzielności przy dużej wielkości efektu, bez istotnych zmian w grupie kontrolnej.
Studium przypadku analizowało zastosowanie Balonikotronu u 53-letniego pacjenta po udarze niedokrwiennym. Pacjent wykonywał trzy razy w tygodniu 45-minutowe sesje wyprostu nadgarstka, a ocenę prowadzono z użyciem skali Ashwortha, VAS, pomiarów zakresu ruchu, obwodów stawów i czucia. Wyniki wskazały m.in. na związki między napięciem mięśniowym, bólem i zakresem ruchu oraz na możliwość wykorzystania robotyki jako uzupełnienia rehabilitacji konwencjonalnej.
Robotic rehabilitation devices that utilize embedded systems, such as the Stretchbox—a device designed for hand rehabilitation through the actuation of rollers stretching a rubber band by BLDC motors—demand controllers that are safe, scalable, and understandable at a high level. Behavior trees satisfy these requirements and have found broad applications in robotics and some pioneering applications in the medical sector. Despite their widespread use, there has been an absence of behavior tree frameworks for microcontrollers programmed with MicroPython, which is an attractive language for embedded systems and the chosen platform for the Stretchbox’s high-level controller. This paper introduces a behavior tree implementation for MicroPython tailored as a high-level controller for the Stretchbox device. The implementation includes standard behavior tree nodes, specialized nodes, and classes designed for interfacing with microcontroller peripherals and for Bluetooth communication with the tablet-based user interface. This system provides a comprehensible and straightforward method for controlling the Stretchbox device for rehabilitation, establishing a well-defined hierarchy for event management. Furthermore, the solution is designed to be extensible, allowing for adding new therapeutic behaviors and integrating extra devices. As an open-source library, the implementation facilitates the adoption of behavior trees in other MicroPython-based projects. The detailed explanation of the approach in applying behavior trees to the Stretchbox serves as a practical demonstration of how behavior trees can be effectively used in controlling rehabilitation devices.
Soft robotics experiments necessitate advanced measurement techniques to track robot pose and deformations accurately. Electromagnetic tracking systems provide substantial benefits over vision-based systems, especially in capturing both the position and orientation of a robot’s surface without occlusion issues. However, these systems are typically designed for applications in controlled environments, with multiple guidelines stated by the producers, necessitating an evaluation of their effectiveness in different contexts. This paper presents a series of foundational experiments to assess the capabilities and limitations of such a system in soft robotics. We investigate the impact of distance from the base station, resistance to environmental interference, effects of metallic elements, and the accuracy of rotational measurements. The results demonstrate a significant influence of positional accuracy relative to the distance from the transmitter, with a tenfold decrease in accuracy observed. Additionally, the presence of metallic objects in close proximity (less than 20 mm) to the probes adversely affects accuracy, as do large metallic elements such as construction materials. This effect is particularly pronounced when the sampling frequency of the system aligns with multiples of the electrical network frequency, resulting in more than a tenfold reduction in accuracy.