Протез научили читать мысли
Исследователи из Государственного университета Северной Каролины (North Carolina State University) и Университета Северной Каролины в Чапел-Хил (University of North Carolina) разработали новую технологию для расшифровки нейромышечных сигналов мозга и управления протезами рук.
В основу работы легли компьютерные модели, которые точно имитируют поведение естественных структур в предплечье, запястье и кисти. Эта технология также может быть использована для разработки новых компьютерных интерфейсов для игр и прочих приложений.
Существующие протезы работают по принципу машинного обучения. Такой подход требует, чтобы пациент «научил» устройство распознавать определенные образцы мышечной активности и переводить их в команды – например, сгибать или разгибать кисть протеза. Процесс обучения может быть длительным и трудоемким.
Авторы решили разработать более простой и понятный, надёжный и практичный способ управления протезом. Они разработали модель скелетно-мышечной системы. Для этого электромиографические датчики были размещены на предплечьях шести здоровых добровольцев. Исследователи записали нейромышечные сигналы, которые получала рука при выполнении различных действий. Эти данные использовались для создания единой модели, которая перевела зафиксированные сигналы в команды, управляющие протезом.
Когда человек теряет руку, мозг продолжает посылать команды, управляющие ею. Новая система с помощью датчиков считывает эти команды и передает на компьютер в виртуальную модель скелетно-мышечной системы. Она преобразует полученную информацию и подаёт управляющий сигнал протезу. Протез быстро реагирует скоординированным движением, близким к тому, как двигалась бы человеческая рука.
Lizhi Pan, NC State University
Во время предварительной проверки и здоровые люди, и люди, потерявшие руку, смогли выполнить все тестовые задания с помощью протеза с новым нейронным интерфейсом, даже несмотря на отсутствие тренировки.
В настоящее время группа набирает добровольцев, перенесших трансрадиальную (ниже локтя) ампутацию руки, для дальнейших испытаний своей разработки в условиях повседневной жизни. Кроме этого, исследователи намерены совместить скелетно-мышечную модель с традиционным машинным обучением. Это позволит программе изучать ежедневные потребности и предпочтения каждого человека и лучше адаптироваться к конкретному пользователю в долгосрочной перспективе.
Статья L. Pan et al. Myoelectric Control Based on A Generic Musculoskeletal Model: Towards A Multi-User Neural-Machine Interface опубликована в журнале IEEE Transactions on Neural Systems and Rehabilitation Engineering.
Аминат Аджиева, портал «Вечная молодость» http://vechnayamolodost.ru по материалам NC State News: New Tech May Make Prosthetic Hands Easier for Patients to Use.