Onderzoekers hebben nieuwe technologie ontwikkeld voor het decoderen van neuromusculaire signalen om aangedreven, prothese polsen en handen. Het werk is gebaseerd op computermodellen die het gedrag van de natuurlijke structuren in de onderarm, pols en hand. De technologie kan ook worden gebruikt om nieuwe computerinterface-apparaten te ontwikkelen voor toepassingen zoals gaming en computer-aided design (CAD).

De technologie heeft goed gewerkt in vroege tests, maar is nog niet in klinische proeven getreden, waardoor het jaren verwijderd is van commerciële beschikbaarheid. Het werk werd geleid door onderzoekers in het gezamenlijke biomedische engineeringprogramma aan de North Carolina State University en de University of North Carolina in Chapel Hill.

De huidige state-of-the-art protheses zijn afhankelijk van machine learning om een ​​"patroonherkennings"-benadering voor prothesecontrole te creëren. Deze benadering vereist dat gebruikers het apparaat "leren" om specifieke patronen van spieractiviteit te herkennen en deze in commando's te vertalen, zoals het openen of sluiten van een prothetische hand.

"Patroonherkenningscontrole vereist dat patiënten een langdurig proces van training van hun prothese doorlopen, " zegt Hij (Helen) Huang, een professor in het gezamenlijke programma voor biomedische technologie aan de North Carolina State University en de University of North Carolina in Chapel Hill. "Dit proces kan zowel vervelend als tijdrovend zijn.

"We wilden ons concentreren op wat we al weten over het menselijk lichaam, " zegt Huang, die senior auteur is van een paper over het werk. "Dit is niet alleen intuïtiever voor gebruikers, het is ook betrouwbaarder en praktischer.

"Dat komt omdat elke keer dat je van houding verandert, uw neuromusculaire signalen voor het genereren van dezelfde hand-/polsbewegingsverandering. Dus uitsluitend vertrouwen op machine learning betekent dat het apparaat meerdere keren hetzelfde moet doen; eenmaal voor elke verschillende houding, een keer voor wanneer u zweterig bent versus wanneer u dat niet bent, enzovoort. Onze aanpak omzeilt dat grotendeels."

In plaats daarvan, ontwikkelden de onderzoekers een gebruikersgenerieke, musculoskeletaal model. De onderzoekers plaatsten elektromyografiesensoren op de onderarmen van zes gezonde vrijwilligers, precies bijhouden welke neuromusculaire signalen werden verzonden toen ze verschillende acties met hun polsen en handen uitvoerden. Deze gegevens werden vervolgens gebruikt om het generieke model te maken, die die neuromusculaire signalen vertaalde in commando's die een aangedreven prothese manipuleren.

"Als iemand een hand verliest, hun brein is verbonden alsof de hand er nog is, " zegt Huang. "Dus, als iemand een glas water wil halen, de hersenen sturen die signalen nog steeds naar de onderarm. We gebruiken sensoren om die signalen op te pikken en die gegevens vervolgens door te geven aan een computer, waar het wordt ingevoerd in een virtueel musculoskeletaal model. Het model neemt de plaats in van de spieren, gewrichten en botten, het berekenen van de bewegingen die zouden plaatsvinden als de hand en pols nog heel waren. Vervolgens geeft het die gegevens door aan de pols en hand van de prothese, die de relevante bewegingen op een gecoördineerde manier en in realtime uitvoeren - meer lijkend op vloeistof, natuurlijke beweging.

"Door onze kennis van de biologische processen achter het genereren van beweging te integreren, we waren in staat om een ​​nieuwe neurale interface voor protheses te produceren die generiek is voor meerdere gebruikers, inclusief een geamputeerde in deze studie, en is betrouwbaar in verschillende armhoudingen, ' zegt Huang.

En de onderzoekers denken dat de potentiële toepassingen niet beperkt zijn tot prothetische apparaten.

"Dit zou ook kunnen worden gebruikt om computerinterface-apparaten voor valide mensen te ontwikkelen, "zegt Huang. "Zoals apparaten voor gameplay of voor het manipuleren van objecten in CAD-programma's."

Bij voorlopige testen, zowel valide als geamputeerde vrijwilligers konden de modelgestuurde interface gebruiken om alle vereiste hand- en polsbewegingen uit te voeren, ondanks dat ze weinig training hadden.

"We zijn momenteel op zoek naar vrijwilligers die transradiale amputaties hebben om ons te helpen bij het verder testen van het model om activiteiten van het dagelijks leven uit te voeren, Huang zegt. "We willen aanvullende feedback van gebruikers krijgen voordat we verder gaan met klinische proeven.

"Om duidelijk te zijn, we zijn nog jaren verwijderd van het commercieel beschikbaar worden van dit product voor klinisch gebruik, " benadrukt Huang. "En het is moeilijk om potentiële kosten te voorspellen, aangezien ons werk gericht is op de software, en het grootste deel van de kosten voor geamputeerden zou zitten in de hardware die het programma daadwerkelijk uitvoert. Echter, het model is compatibel met beschikbare prothetische apparaten."

De onderzoekers onderzoeken ook het idee om machine learning op te nemen in het generieke musculoskeletale model.

"Ons model maakt het gebruik van prothesen intuïtiever en betrouwbaarder, maar machine learning zou gebruikers in staat kunnen stellen meer genuanceerde controle te krijgen door het programma in staat te stellen de dagelijkse behoeften en voorkeuren van elke persoon te leren kennen en zich op de lange termijn beter aan te passen aan een specifieke gebruiker, ' zegt Huang.

De krant, "Myo-elektrische controle op basis van een algemeen musculoskeletaal model:op weg naar een multi-user neurale machine-interface, " is gepubliceerd in het tijdschrift IEEE-transacties op neurale systemen en revalidatietechniek .