» Новая технология значительно упростит использование протеза руки
24.05.2018 17:07

Новая технология значительно упростит использование протеза руки

Источник перевод для gearmix ()

Исследователи разработали новую технологию для декодирования нейромышечных сигналов, чтобы управлять механическими протезами руки и кисти. Работа основана на компьютерных моделях, которые точно имитируют поведение естественных структур в предплечье, запястье и кисти руки. Также технология может быть применена в разработке устройств, работающих с компьютером, например в области систем автоматизированного проектирования и в компьютерных играх.

Подпись к изображению: Исследователи в Университете Северной Каролины создали новую технологию для декодирования нейромышечных сигналов, чтобы управлять механическими протезами руки и кисти. Работа основана на компьютерных моделях, которые точно имитируют поведение естественных структур в предплечье, запястье и кисти руки

Технология хорошо показала себя на ранних этапах тестирования, но пока не дошла до клинических испытаний, а значит её предстоят годы до коммерческого применения. Работа была выполнена в ходе совместной программы биомедицинского инжиниринга Государственным университетом Северной Каролины и Университетом Северной Каролины в Чейпл Хилл.

Новейшее протезирование опирается на машинное обучение при подходе, основанном на распознавания паттернов при управлении искусственной конечностью. Этот подход требует «обучать» устройство распознаванию специфичных паттернов мышечной активности и переводить их в команды — такие как сжать или распрямить механическую ладонь.

«Распознавание паттернов требует от пациентов длительного процесса обучения своего протеза, — рассказывает Хелен Хуанг, профессор биомедицинского инжиниринга в университетах Северной Каролины. — Этот процесс может быть скучен и долог».

«Мы хотели сконцентрироваться на том, что нам уже известно о теле человека. Это не только более интуитивно понятно для пользователей, это также более надёжно и практично».

«Так происходит потому, что каждый раз, когда мы меняем позу, нервномышечные сигналы для одного и того же движения руки будут разными. Поэтому полагаться только на машинное обучение означает многократное обучение устройства выполнению одного и того же действия, по разу для каждой позы, и ещё раз когда вы вспотели, и так далее. Наш подход позволяет в основном избегнуть этого».

Вместо этого исследователи разработали общую скелетно-мышечную модель. Они поместили электромиографические датчики на предплечья шести здоровых добровольцев, и точно регистрировали все поданные нейромышечные сигналы при выполнении различных действий руками и запястьями. Затем эти данные использовались для создания общей модели, которая транслировала эти нейромышечные сигналы в команды, управлявшие электромеханическим протезом.

«Когда человек теряет руку, мозг продолжает считать, что рука на месте, — рассказывает Хуанг. — И при намерении поднять стакан мозг пошлёт руке те же самые сигналы. Мы считываем эти сигналы датчиками и затем передаём эти данные в компьютер, на котором работает виртуальная скелетно-мышечную модель. Модель выполняет действия мышц, суставов и костей, рассчитывая движения, которые произошли бы, если бы рука и запястье были единым целым. Затем данные направляются в искусственную руку, которая выполняет соответствующие движения, близкие к плавным и естественным, в реальном времени. Объединив наше знание о биологических процессах с выполнением движений, мы смогли впервые создать нейронный интерфейс для протеза, одинаковый для всех участвовавших в опытах, включая также и перенёсшего ампутацию, и который надёжно работает для разных положений руки».

Исследователи считают, что применение их работы не ограничено протезами.

«Это может использоваться для создания интерфейсных к компьютеру устройств также и для обычных людей, — говорит Хуанг. — Например, для компьютерных игр, или для манипуляции объектами в системах автоматического проектирования».

В предварительных испытаниях, как здоровые участники, так и ампутанты показали способность использовать управляемый моделью интерфейс для выполнения всех движений руки и запястья, даже при минимальной тренировке.

«Сейчас мы ищем добровольцев с трансрадиальной ампутацией, которые смогут помочь в дальнейшем тестировании модели для выполнения повседневных действий, — говорит Хуанг. — Мы хотим получить больше отзывов от пользователей, прежде чем переходить к клиническим испытаниям».

«До того, как эти результаты станут коммерчески доступны для клинически применения, остаются ещё годы, — подчёркивает Хуанг. — Трудно предсказать стоимость устройства, так как наша работа сосредоточена на программном обеспечении, а стоимость протеза в основном будет заключаться в аппаратной части».

«Пользование нашей моделью более интуитивно и надёжно, но машинное обучение обеспечит более тонкое управление, позволив программе изучить повседневные потребности каждого пользователя, и лучше адаптироваться к конкретному пользователю».



ПОХОЖИЕ ЗАПИСИ


© Gearmix 2013
Права на опубликованный перевод принадлежат владельцам вебсайта gearmix.ru
Все графические изображения, использованные при оформлении статьи принадлежат их владельцам. Знак охраны авторского права распространяется только на текст статьи.
Использование материалов сайта без активной индексируемой ссылки на источник запрещено.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *