Când apucați ceva, mâna face cea mai mare parte a muncii. Creierul tău spune doar „du-te, nu-ți face griji despre cum se întâmplă”. Dar, cu o proteză, chiar și cea mai avansată, acțiunea necesită mult mai multă intenționalitate. Drept urmare, mulți pacienți își abandonează membrele de ultimă generație.
Continut Asemanator
- Modul în care hacking-ul rețelelor neuronale poate ajuta amputatele să crape impecabil un ou
- Obținerea protezei este ușor, în comparație cu obținerea a ceea ce doriți
Protezele moderne primesc comenzi sub formă de semnale electrice din mușchii de care sunt atașați. Dar nici cei mai buni protetici nu pot face încă multe. Utilizatorii au nevoie de o perioadă lungă de pregătire pentru a se obișnui cu membrul. De multe ori se pot deplasa doar în mod limitat, iar utilizatorii trebuie să comute manual între mânere pentru a îndeplini sarcini diferite - să spunem, pentru a deschide o ușă versus pinch și a face o cheie. În total, înseamnă că mâna nu poate lucra perfect cu creierul.
Un instrument care ar putea ajuta la rezolvarea acestei probleme este vederea computerului. Cercetătorii de la Universitatea Newcastle au montat o cameră web pe o mână protetică, au conectat-o la o rețea neuronală de învățare profundă și au dat dispozitivele la două ampute ale căror brațe fuseseră amputate deasupra încheieturii, dar sub cot. Computerul a folosit aparatul foto pentru a vedea la ce atingea utilizatorul și a ajusta automat strângerea protezei.
Până acum, rezultatele au fost promițătoare. Într-un articol din Journal of Neural Engineering, echipa de la Newcastle a raportat că utilizatorii au rate de succes peste 80 la sută pentru ridicarea și mutarea obiectelor.
„Dacă putem îmbunătăți asta, obținem o sută la sută, ar fi mult mai de încredere să folosim mâna pentru amputați", spune Ghazal Ghazaei, doctorand la Newcastle și autorul principal al lucrării. "Dacă va fi folosit în viața reală, ar trebui să fie fără eroare. ”
Dispozitivul în sine era o protetică off-the-raft numită ultra-i-limb, iar webcam-ul era un chat Quickcam Logitech de rezoluție scăzută și ieftin. Adevărata inovație a fost modul în care echipa lui Ghazaei a conceput o schemă de învățare pe calculator pentru a utiliza informațiile de pe webcam.
Software-ul recunoaște tiparele în forma obiectului care trebuie ridicat și le clasifică în categorii în funcție de aderenta de care are nevoie pentru a le înțelege eficient. Pentru a învăța computerul această tehnică, Ghazaei a alimentat 72 de imagini fiecare, realizate în pași de 5 grade, cu 500 de obiecte. Software-ul filtrează obiectele după caracteristicile lor și învață prin încercare și eroare care dintre acestea se încadrează în ce categorii.
Apoi, când proteza este prezentată cu un obiect, rețeaua clasifică imaginea cu rezoluție scăzută pe baza formei sale largi și abstracte. Nu trebuie să fie ceva ce sistemul a văzut până acum - forma generală a obiectului este suficientă pentru a spune mâinii ce prindere trebuie să folosească. Ghazaei și echipa au folosit patru tipuri de prindere, incluzând ciupitul (două degete), trepiedul (trei vârfuri de deget), palmarul neutru (precum apucarea unei cani de cafea) și palmarul pronunțat (unde palma este orientată în jos).
Viziunea computerului a fost folosită pe mâinile robotizate înainte, atât în protetice cât și în roboți industriali. Dar aceste eforturi au implicat fie obiecte de dimensiune și formă standard, ca într-un mediu de fabricație, fie algoritmi mai lenti. Sistemul dezvoltat la Newcastle a fost capabil să parcurgă acest proces suficient de rapid pentru a clasifica corect obiectele în 450 de microsecunde, sau aproximativ 1/2000 m de secundă. „Principala diferență este timpul necesar pentru a oferi o înțelegere și a face sarcina”, spune Ghazaei. „Pentru unii dintre ei este aproximativ patru secunde, iar unii dintre ei au nevoie de câteva instantanee. Pentru noi, este doar un instantaneu și este foarte rapid. ”
Impactul acestei tehnologii depășește cu mult ridicarea obiectelor de uz casnic. Sistemele de imagistică ar putea ajuta picioarele protetice să știe cât de departe sunt de pământ și să se ajusteze în consecință, de exemplu. Ceea ce ambele cazuri au în comun este un sistem robot care funcționează împreună cu creierul.
„Ideea principală este să avem o interacțiune între dispozitivul robot și om, adăugând o anumită informație în sistemul robotic”, spune Dario Farina, profesor de inginerie de neuroreabilitare la Imperial College London, al cărui laborator studiază interfețe neuromusculare pentru corpuri și creiere și dispozitivele cu care se conectează.
„Nu numai pacientul controlează, cu creierul său și prin interfața neurală, proteza, dar este, de asemenea, pacientul este ajutat de o a doua entitate inteligentă, care este montată pe proteză și care poate vedea mediul”. spune Farnia, care nu a fost implicată în studiul Newcastle. „Principala provocare în acest sens este de a putea împărtăși controlul dintre om și sistemul de informații.”
Este vorba despre un început de timp în fuziunea inteligenței artificiale cu creierul, dezvăluind ce acțiuni funcționează cel mai bine pentru fiecare, fără a crea conflict. Ghazaei a întâmpinat această problemă; ea lucrează în continuare pentru a gestiona cât de mult din mișcarea largă este controlată de computerul proteticului, față de acțiunile utilizatorului. În momentul de față, utilizatorul arată proteza spre element, îl induce să facă o fotografie și apoi brațul alege apucarea și apucarea.
Este doar una dintre multe provocări rămase. În acest moment, sistemul nu poate înțelege obiecte lungi care se extind din vedere. Are probleme cu mediile aglomerate. Uneori interpretează un obiect mai îndepărtat ca unul mai mic, mai apropiat. Iar Ghazaei spune că creșterea numărului de tipuri de prindere la 10 sau 12 este un alt obiectiv. Dar deja, spune ea, cei doi utilizatori din proces au apreciat creșterea performanței și simplitatea pe care o acordă actului de bază de a alege ceva.
