新技术五令假手易用

即时发布

黄海伦 hhuang11@ncsu.edu 919.515.5218

马特希普曼 matt_shipman@ncsu.edu 919.515.686

研究人员开发新技术解码神经肌肉信号以控制电源、假手腕和手工作依赖计算机模型近似前臂、手腕和手表自然结构行为技术还可用于开发游戏和计算机辅助设计等应用新计算机接口设备

技术早期测试效果良好,但尚未进入临床测试-使多年远离商业可用性北卡罗来纳州立大学和北卡罗来纳州立大学Chapel Hill联合生物医学工程研究组的研究人员领导这项工作

当前最先进假肢依赖机器学习创建假肢控制法的“模式识别法”。方法要求用户对设备进行教程识别肌肉活动的具体模式并转换成命令-例如开机或闭机假手

北卡罗来纳州立大学和北卡罗来纳州立大学Capel Hill联合生物工程课程教授HelenHuang表示 :过程既乏味又耗时

黄四郎表示:「我们想集中研究我们已经知道的人体问题,这不仅对用户更直观,

这是因为每次你改变姿态 神经肌肉信号 产生相同的手/wrist运动变化完全依赖机器学习意味着教设备多次做同一件事一次对每种不同姿势, 一次对时出汗 或非时出汗方法大都绕过

取而代之的是,研究者开发用户通用模骨模型研究人员用电感应器对六位机能强的志愿者前臂安装电感应器,跟踪用手和手执行各种动作时发送的神经脉冲信号的精确性后用这些数据创建泛型模型,将神经肌肉信号转换为命令操作电动假体

黄先生说 人失手时 脑网化仿佛手还在那里人想取杯水 脑向前臂发送信号传感器接收信号 并传递数据计算机 并输入虚拟骨骼模型模型取代肌肉、关节和骨骼计算手腕保持完整后运动数据传递到假手腕上,以协调方式实时执行相关运动 — — 近似流水自然运动

通过整合生物过程知识生成运动, 我们制作出新神经界面假肢, 多用户通用, 包括本研究中的截肢者, 并可靠跨臂姿势,

研究者认为潜在应用并不限于假肢装置

黄二合机开发计算机界面设备类似游戏设备或CAD程序控件设备

身健和截肢义工都能够使用模型控件接口执行所有手手腕运动-尽管训练很少-

黄飞鸿表示:「我们正寻找那些跨线截肢的义工帮助测试模型以完成日常生活活动继续临床试验前, 需要从用户获取更多反馈

黄介质持续多年无法从商业上获取临床使用难以预测潜在成本, 因为我们的工作集中在软件上, 截肢者的大部分成本 都由硬件实际操作程序模型与可用假肢设备兼容性

研究者们也在探索将机器学习编入通用骨骼模型的想法

黄机学习允许程序学习每个人日常需要和偏好并更好地适应特定用户的长期状况,

报社智能电控基础为通用骨骼模型:面向多用户神经-Machine界面发布于日志IEEE神经系统复元工程事务.论文主编Lizhi Pan 黄氏实验室博士后研究论文由黄氏实验室前博士后研究者Dustin Crauch共同编写,他现在田纳西大学工程由国防高级研究项目局支持完成N66001-16-4052国家科学基金会1527202和1637892国家残疾独立生活康复研究所90IF0064W81XWH-15-C-0125和W81XWH-15-1-047赠款

机手-

编辑器注解 :学习文摘附后

流电控制基础为通用骨骼模型:面向多用户神经-Machine界面

作者类Lizhi Pan DustinL北卡罗来纳州立大学北卡罗来纳大学达斯丁Crouch目前在田纳西大学诺克斯维尔

发布5月18日IEEE神经系统复元工程事务

多尔市10.1109/TNSRE.20182.838448

抽象性 :这项研究旨在开发新电子机神经界面,用户通用持续预测元波音机和手腕弹性/扩展间协调运动NMI要求最小校准程序,它只涉及捕捉受监控个人肌肉最大主动肌肉收缩NMI中心是一个用户通用肌肉骨架模型,基础实验数据收集自6个功能性主体和9个不同上肢姿势泛型模型在线评价AB主体和跨射截肢者指令对象执行虚拟手/wrist姿势匹配任务并比较通用模型联机性能与面向个体用户定制的Musculos骨骼模型(称为“专用模型”)。所有主体使用用户通用NMI完成分派虚拟任务,尽管AB主体比截取对象产生性能优于截取对象有趣的是,与具体模型相比,通用模型产生相似完成时间,减少多发数,提高虚拟手/wrist姿态匹配任务路径效率结果显示,有可能设计由EMG驱动的NMI模型,该模型可适应多用户,包括上肢截肢者,预测协调MCP和手腕运动当前新方法可能解决现有先进环管系统NMI挑战,需要频繁和长时定制和标定未来研究将侧重于评价研发假臂NMI