به اعلام دانشگاه کارولینای شمالی

ساخت دستی مصنوعی با توانمندی های واقعی!

محققان تکنولوژی جدیدی را برای رمزگشایی سیگنالهای عصبی عضلانی برای کنترل مچ دست، و دست توسعه داده اند. این کار بر پایه مدل های کامپیوتری است که به طور دقیق رفتار ساختارهای طبیعی در ساعد، مچ دست و دست را تقلید می کند. این تکنولوژی همچنین می تواند برای توسعه دستگاه های رابط کامپیوتر جدید برای برنامه های کاربردی مانند بازی و طراحی کامپیوتری استفاده شود

به گزارش خبرگزاری علم و فناوری و به نقل از ساینس دیلیاین تکنولوژی در آزمایش اولیه به خوبی کار کرده است، اما تاکنون آزمایش های بالینی را آغاز نکرده است. این کار توسط محققان برنامه مهندسی پزشکی بیومدیکال در دانشگاه ایالت کارولینای شمالی و دانشگاه کارولینای شمالی در حال انجام است.
پروتزهای موجود در حال حاضر بر روی یادگیری ماشین ها تکیه می کنند تا روشی را برای کنترل پروتز ایجاد کنند. این رویکرد نیاز کاربران به "آموزش" دستگاه برای تشخیص الگوهای خاص فعالیت عضلانی و ترجمه آنها را به دستورات - مانند باز کردن و یا بستن دست مصنوعی است.
او (هلن) هوانگ، استاد برنامه های مهندسی پزشکی بیولوژیک دانشگاه ایالتی کارولینای شمالی و دانشگاه کارولینای شمالی میگوید: "کنترل تشخیص الگو مستلزم گذار از پروسه طولانی پروتز پروتز است." "این روند می تواند خسته کننده و وقت گیر باشد.
هوانگ می گوید: "ما می خواستیم بر آنچه که قبلا در مورد بدن انسان می دانیم متمرکز شویم"این فقط برای کاربران مفید نیست، بلکه قابل اعتمادتر و عملیتر است".
"به این دلیل که هر بار که موقعیت خود را تغییر می دهید، سیگنال های عصبی عضلانی خود را برای ایجاد همان حرکت دست / مچ دست تغییر می دهید. بنابراین تکیه به یادگیری ماشین به معنای آموزش دستگاه برای انجام یک کار چندین بار، یک بار برای هر حالت مختلف، یک بار برای زمانی که شما در مقابل زمانی که شما نیستید، و غیره. رویکرد ما از بسیاری از آن جلوگیری می کند.

در عوض، محققان یک مدل عمومی عضلانی-عضلانی را توسعه دادند. محققان سنسورهای الکترومیوگرافی را در ساعد شش فرد داوطلب توانمندی قرار دادند، دقیقا مشخص شد که سیگنال های عصبی عضلانی هنگامی که اقدامات مختلفی را با مچ دست و دست خود انجام می دهند، فرستاده می شوند. سپس این داده ها برای ایجاد یک مدل عمومی استفاده شد که سیگنال های عصبی عضلانی را به دستورات دستکاری شده بر روی پروتز متصل کرد.
هوانگ می گوید: "وقتی کسی دست خود را از دست می دهد، مغز آنها شبکه می شود به طوری که دست هنوز هم وجود دارد."
"بنابراین، اگر کسی بخواهد یک لیوان آب را جمع کند، مغز همواره این سیگنال ها را به ساعد ارسال می کند. از سنسورها برای انتخاب این سیگنال ها استفاده می کنیم و سپس داده ها را به کامپیوتر منتقل می کنیم، جایی که آن را به یک مدل عضلانی اسکلتی مجزا می دهیم این مدل جای عضلات، مفاصل و استخوان ها را می گیرد، محاسبه حرکات صورت می گیرد اگر دست و مچ هنوز کل باشند، سپس داده ها را به مچ دست و دست اندام منتقل می کند که حرکت های مربوطه را در هماهنگی انجام می دهد .
هوانگ می گوید: "با استفاده از دانش ما در مورد فرآیندهای بیولوژیکی پس از تولید جنبش، ما توانستیم یک رابط جدید عصبی برای پروتز تولید کنیم که برای کاربران چندگانه، در موقعیت های بازویی مختلف قابل اعتماد است."
محققان فکر می کنند که برنامه های بالقوه محدود به دستگاه های پروتز نیستند.
هوانگ می گوید: "این می تواند برای توسعه دستگاه های رابط کامپیوتر برای افراد سالم نیز مورد استفاده باشد." "مانند دستگاه های ،گیم پلی و غیره CAD.".
هوانگ می گوید: "ما در حال حاضر به دنبال داوطلبانی هستیم که قطعنامه های انتقالی را برای کمک به ما برای آزمایش بیشتر این مدل برای انجام فعالیت های زندگی روزمره دنبال می کنند."
"ما میخواهیم بازخورد اضافی از کاربران قبل از انجام آزمایشات بالینی پیش بریم.
محققان همچنین در حال بررسی ایده استفاده از یادگیری ماشین در مدل عضلانی اسکلتی عمومی هستند.
هونگ می گوید: "مدل ما باعث استفاده پروتز بصری و قابل اطمینان تر می شود، اما یادگیری ماشین می تواند به کاربران اجازه دهد تا با استفاده از برنامه های کاربردی، نیازهای فردی و ترجیحات روزانه هر فرد را درک کنند.

انتهای پیام/

زمان انتشار: جمعه ۲۹ تیر ۱۳۹۷ - ۲۲:۲۳:۱۴

شناسه خبر: 64405

کلید واژه‌ها:
دیدگاه ها و نظرات :
نام کامل وارد شود
دقیق و صحیح وارد شود
لطفا فارسی و خوانا باشد
captcha
ارسال
اشتراک گذاری مطالب