智能设备使假肢更容易使用
研究人员开发了一种新技术,可以解码神经肌肉信号来控制有动力的假肢手腕和手。这项工作依赖于计算机模型,这些模型密切模仿前臂、手腕和手的自然结构的行为。
该技术在早期测试中表现良好,但尚未进入临床试验阶段,这使其距离商业化应用还有数年时间。这项工作是由北卡罗来纳州立大学和北卡罗来纳大学教堂山分校联合生物医学工程项目的研究人员领导的。
目前最先进的假肢技术依靠机器学习来创造一种“模式识别”方法来控制假肢。这种方法要求用户“教”设备识别特定的肌肉活动模式,并将其转化为命令——比如打开或关闭一只假肢。
“模式识别控制要求患者通过漫长的培训假肢的过程,”北卡罗来纳州立大学联合生物医学工程计划教授和教堂山北卡罗来纳大学的教授说,他(海伦)黄。“这个过程可以繁琐且耗时。“我们想专注于我们已经了解人体的知识,”Huang说,这是关于工作的论文的高级作者。“这不仅对用户更直观,而且更可靠和实用。“那是因为每次改变姿势时,你的神经肌肉信号都会产生相同的手/手腕运动变化。所以仅仅依靠机器学习意味着教导设备多次做同样的事情;每一个不同的姿势一次,曾经是当你不是时出汗的时间,等等。我们的方法绕过了大部分。“
相反,研究人员开发了一个用户通用的肌肉骨骼模型。研究人员放置了六个能够体内志愿者的前臂上的电拍摄传感器,在与手腕和手中进行各种行动时,追踪哪些神经肌肉信号。然后使用该数据来创建通用模型,该模型将这些神经肌肉信号翻译成操纵假肢的命令。“当有人失去手时,他们的大脑被联网,好像手仍然存在,”黄说。“所以,如果有人想拿起一杯水,大脑仍然将那些信号发送到前臂。我们使用传感器来拾取那些信号,然后将该数据传达给计算机,在其中馈入虚拟肌肉骨骼模型。该模型取代了肌肉,关节和骨骼,计算如果手和手腕仍然存在会发生的运动。然后,它将数据传达给假肢手腕和手,以协调的方式和实时地执行相关运动 - 更紧密地相似,自然运动。通过纳入我们对生成运动背后的生物过程的知识,我们能够为多个用户通用生产一种新的神经界面,包括在本研究中的截肢者,并且在不同的臂姿势上可靠,“黄说。
研究人员认为,潜在的应用并不局限于假肢设备。“这也可以用于为健全的人开发计算机接口设备,”黄说。“例如用于游戏或在CAD程序中操作物体的设备。”
在初步测试中,健全和截肢的志愿者都能够使用模型控制的界面来执行所有所需的手和手腕动作——尽管他们只接受了很少的训练。黄说:“我们目前正在寻找做过桡骨截肢手术的志愿者,以帮助我们进一步测试该模型,以进行日常生活活动。”“在进行临床试验之前,我们希望从用户那里获得更多的反馈。黄强调说:“需要明确的是,我们距离这种药物的商业化和临床应用还有很长的路要走。”“而且很难预测潜在的成本,因为我们的工作集中在软件上,而截肢者的大部分成本将在实际运行程序的硬件上。”然而,该模型与现有的假肢设备兼容。”
研究人员还探索将机器学习融入通用肌肉骨骼模型的想法。“我们的模型使假肢使用更直观和可靠,但机器学习可以让用户通过允许该计划学习每个人的日常需求和偏好,并在长期内更好地适应特定用户,”“
来源:北卡罗来纳州立大学