假手可以通过应用程序或放置在前臂肌肉中的传感器进行操作。慕尼黑工业大学(TUM)的新研究表明，更好地了解前臂肌肉活动模式有助于更直观、自然地控制假肢。这需要一个由128个传感器和基于人工智能的技术组成的网络。
近几十年来的技术发展已经带来了先进的假手。它们可以帮助因事故或疾病而失去一只手的截肢者恢复一些活动能力。其中一些现代假肢允许独立的手指运动和手腕旋转。这些动作可以通过智能手机应用程序或使用来自前臂的肌肉信号(通常由两个传感器检测到)来选择。
例如，激活腕屈肌可用于将手指并拢以握笔。如果腕伸肌收缩，手指会重新张开，手会松开笔。同样的方法可以控制通过同时激活屈肌和伸肌群而选择的不同手指运动。“这些是患者在康复过程中必须学习的动作，”慕尼黑工业大学康复和辅助机器人学教授克里斯蒂娜·皮亚扎(CristinaPiazza)说。
现在，Piazza教授的研究团队证明，人工智能可以利用“协同原理”，借助前臂上的128个传感器，让患者更直观地控制先进的手假肢。该工作发表在2023年国际康复机器人会议(ICORR)上。
协同原理：大脑激活一群肌肉细胞
协同原理是什么?“从神经科学研究中得知，在实验过程中观察到重复的模式，无论是在运动学还是肌肉激活方面，”皮亚扎教授说。这些模式可以解释为人脑应对生物系统复杂性的方式。这意味着大脑激活了前臂的一组肌肉细胞。
“当我们用手抓住一个物体(例如球)时，我们会同步移动手指，并在接触时适应物体的形状，”皮亚扎教授说。研究人员现在正在利用这一原理，通过创建新的学习算法来设计和控制假手。
这对于直观运动是必要的：例如，当控制人造手抓笔时，会发生多个步骤。首先，患者根据抓握位置调整假手的方向，慢慢地将手指移动到一起，然后抓住笔。我们的目标是让这些动作变得越来越流畅，这样就很难注意到许多单独的动作构成了一个整体过程。
Piazza教授团队的高级科学家PatriciaCapsiMorales总结道：“借助机器学习，我们可以了解受试者之间的差异，并随着时间和学习过程提高控制适应性。”
从128个信号通道中发现模式
新方法的实验已经表明，传统的控制方法很快就会得到更先进的策略的支持。为了研究中枢神经系统水平上发生的情况，研究人员正在使用两部电影：一部用于前臂内侧，另一部用于前臂外侧。每个传感器包含多达64个传感器来检测肌肉活动。该方法还估计脊髓运动神经元传输了哪些电信号。
“我们使用的传感器越多，我们就能更好地记录来自不同肌肉群的信息，并找出哪些肌肉激活导致哪些手部动作，”皮亚扎教授解释道。卡普西·莫拉莱斯博士表示，根据一个人是否打算握拳、握笔或打开果酱罐，就会产生“肌肉信号的特征”——这是直觉运动的先决条件。
手腕和手的运动：十分之八的人更喜欢直观的方式
目前的研究集中在手腕和整只手的运动上。它表明大多数人(十分之八)更喜欢移动手腕和手的直观方式。这也是比较高效的方式。但十分之二的人学会了处理不太直观的方式，最终变得更加精确。“我们的目标是调查学习效果并为每位患者找到正确的解决方案，”CapsiMorales博士解释道。
皮亚扎教授说：“这是朝着正确方向迈出的一步。”他强调，每个系统都由手的个体力学和特性、患者的特殊训练、解释和分析以及机器学习组成。
先进的人工手控制当前面临的挑战
仍有一些挑战需要解决：每次薄膜滑动或移除时，都必须重新训练基于传感器信息的学习算法。此外，传感器必须用凝胶制备，以保证精确记录来自肌肉的信号所需的电导率。
“我们使用信号处理技术来滤除噪声并获取可用信号，”CapsiMorales博士解释道。每次新患者在前臂上佩戴带有许多传感器的袖带时，算法必须首先识别每个运动序列的激活模式，以便随后检测用户的意图并将其转换为假手的命令。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！