进入伦敦(安大略)运动障碍中心收集的大数据集和该团队开创性的机器学习模型,他们将其命名为PHTNet,意为“使用递归神经网络的病理性手部震颤”。利用小型传感器,他们分析了81名六七十岁患者的手部运动,然后应用了一种新的数据驱动深度神经网络建模技术提取适用于所有患者的预测信息。“我们的模型已经处于准备使用的阶段,可供神经学家、研究人员和辅助技术开发人员使用,”合著者S. Farokh Atashzar说。他现在是纽约大学坦顿大学的助理教授,在加拿大进行博士和博士后研究时,他开始探索机器人与人工智能的结合使用。“这需要强大的计算能力,所以我们计划开发一种低功耗的云计算方法,让可穿戴机器人和外骨骼在患者家中进行操作。我们还希望开发出需要更少计算能力的模型,并在输入中加入其他生物因素。”
来源:纽约大学坦顿工程学院