研究人员已开发出用于解码神经肌肉信号的新技术，以控制动力，假肢手腕和手部。这项工作依赖于计算机模型，这些模型非常类似于前臂，手腕和手中的自然结构的行为。该技术还可用于开发用于诸如游戏和计算机辅助设计(CAD)的应用的新计算机接口设备。
该技术在早期测试中运作良好，但尚未进入临床试验阶段 - 使其远离商业可用性数年。这项工作由北卡罗来纳州立大学联合生物医学工程项目和北卡罗来纳大学教堂山分校的研究人员领导。
目前最先进的假肢依靠机器学习来创建假体控制的“ 模式识别 ”方法。这种方法需要用户“教”设备识别肌肉活动的特定图案并将其转化为命令，例如打开或关闭的假体的手。
“模式识别控制要求患者经历漫长的假体训练过程，”北卡罗来纳州立大学和北卡罗来纳大学教堂山分校联合生物医学工程项目教授He(Helen)Huang说。“这个过程既乏味又费时。
“我们希望专注于我们已经了解的人体，”黄先生说，他是一篇关于这项工作的论文的高级作者。“这不仅对用户更直观，而且更可靠，更实用。
“这是因为每当你改变你的姿势时，你的神经肌肉信号就会产生相同的手/手腕动作。所以完全依靠机器学习意味着教导设备多次做同样的事情;一次针对每种不同的姿势，一次针对何时你很汗，而不是你，等等。我们的做法绕过了大部分。“
相反，研究人员开发了一种用户通用的肌肉骨骼模型。研究人员将肌电图传感器放在六名身体强壮的志愿者的前臂上，准确地跟踪他们用手腕和手进行各种动作时发送的神经肌肉信号。然后，该数据用于创建通用模型，该模型将这些神经肌肉信号转换为操纵动力假体的命令。
“当有人失去一只手时，他们的大脑就像手还在那里一样联网，”黄说。“所以，如果有人想拿起一杯水，大脑仍会将这些信号发送到前臂。我们使用传感器接收这些信号，然后将这些信号传送到计算机，然后将其送入虚拟肌肉骨骼模型该模型取代了肌肉，关节和骨骼，计算了手和手腕仍然整体时会发生的运动。然后将数据传递到假肢手腕和手部，以协调的方式执行相关运动。方式和实时 - 更接近流动，自然运动。
“通过结合我们对生成运动背后的生物过程的知识，我们能够为多个用户生成一种新型的假肢神经接口，包括本研究中的截肢者，并且在不同的手臂姿势下是可靠的，”Huang说。
研究人员认为潜在的应用并不仅限于假肢装置。
“这可以用来为身体健全的人开发计算机接口设备，”黄说。“例如用于游戏玩法或用于操纵CAD程序中的对象的设备。”
在初步测试中，身体健全和截肢者都能够使用模型控制的界面来执行所有必需的手和手腕运动 - 尽管训练很少。
“我们目前正在寻找具有经桡动脉截肢的志愿者，以帮助我们进一步测试该模型以进行日常生活活动，”Huang说。“在进行临床试验之前，我们希望得到用户的额外反馈。
“要明确的是，我们还有几年的时间才能将其用于临床用途，”Huang强调说。“而且很难预测潜在的成本，因为我们的工作主要集中在软件上，截肢者的大部分成本都在实际运行程序的硬件上。但是，该模型与现有的假肢装置兼容。”
研究人员还在探索将机器学习纳入通用肌肉骨骼模型的想法。
“我们的模型使假肢使用更加直观和可靠，但机器学习可以让用户通过让程序了解每个人的日常需求和偏好，并在长期内更好地适应特定用户，从而获得更细微的控制，”Huang说。