211service.com
Et implantat bruger maskinlæring til at give amputerede kontrol over protesehænder
Joe Hamilton, en deltager i University of Michigan RPNI-undersøgelse, bruger sit sind til at kontrollere en DEKA-protesehånd for at samle en lille blok op Evan Dougherty | University of Michigan Engineering
Forskere har arbejdet på at gøre sindkontrollerede proteser til virkelighed i mindst et årti. I teorien kunne en kunstig hånd, som amputerede kunne kontrollere med deres sind, genoprette deres evne til at udføre alle mulige daglige opgaver og dramatisk forbedre deres levestandard.
Men indtil nu har forskere stået over for en stor barriere: de har ikke været i stand til at få adgang til nervesignaler, der er stærke eller stabile nok til at sende til det bioniske lem. Selvom det er muligt at få denne form for signal ved hjælp af en hjerne-maskine-grænseflade, er proceduren til at implantere et invasiv og dyr. Og nervesignalerne båret af de perifere nerver, der blæser ud fra hjernen og rygmarven, er for små.
Et nyt implantat kommer uden om dette problem ved at bruge maskinlæring til at forstærke disse signaler. En undersøgelse, offentliggjort i Videnskab translationel medicin i dag, fandt ud af, at det virkede for fire amputerede i næsten et år. Det gav dem fin kontrol over deres protesehænder og lod dem tage miniaturelegeklodser op, gribe ting som sodavandsdåser og spille sten, papir, saks.
Det er første gang, forskere har registreret millivoltsignaler fra en nerve - langt stærkere end nogen tidligere undersøgelse.
Styrken af dette signal gjorde det muligt for forskerne at træne algoritmer til at omsætte dem til bevægelser. Første gang vi tændte det, virkede det med det samme, siger Paul Cederna, professor i biomekanik ved University of Michigan, som var med til at lede undersøgelsen . Der var ingen kløft mellem tanke og bevægelse.
Proceduren for implantatet kræver, at en af den amputeredes perifere nerver skæres over og sys op til musklen. Stedet heler, udvikler nerver og blodkar over tre måneder. Elektroder implanteres derefter på disse steder, hvilket gør det muligt at optage et nervesignal og sende det videre til en håndprotese i realtid. Signalerne omdannes til bevægelser ved hjælp af maskinlæringsalgoritmer (de samme typer, som bruges til hjerne-maskine-grænseflader).
Amputerede, der bar håndprotesen, var i stand til at kontrollere hver enkelt finger og dreje deres tommelfingre, uanset hvor nyligt de havde mistet deres lem. Deres nervesignaler blev optaget i et par minutter for at kalibrere algoritmerne til deres individuelle signaler, men derefter virkede hvert implantat med det samme uden behov for at kalibrere i løbet af de 300 dages test, ifølge studieleder Cynthia Chestek, en associeret partner. professor i biomedicinsk teknik ved University of Michigan.
Det er kun et proof-of-concept-studie, så det kræver yderligere test for at validere resultaterne. Forskerne rekrutterer amputerede til et igangværende klinisk forsøg, finansieret af DARPA og National Institutes of Health.