Wanneer je iets grijpt, doet je hand het meeste werk. Je hersenen zeggen alleen: "Ga maar, je maakt je geen zorgen over hoe het gebeurt." Maar met een prothese, zelfs de meest geavanceerde, vereist die actie veel meer intentionaliteit. Als gevolg hiervan verlaten veel patiënten hun state-of-the-art ledematen.
gerelateerde inhoud
- Hoe het hacken van neurale netwerken kan helpen geamputeerden feilloos een ei te kraken
- Het krijgen van de prothese is eenvoudig, in vergelijking met het laten doen wat u wilt
Moderne protheses ontvangen opdrachten in de vorm van elektrische signalen van de spieren waaraan ze zijn bevestigd. Maar zelfs de beste protheses kunnen nog niet veel doen. Gebruikers hebben een lange trainingsperiode nodig om te wennen aan het ledemaat. Ze kunnen vaak slechts op beperkte manieren bewegen en gebruikers moeten handmatig schakelen tussen grepen om verschillende taken uit te voeren, bijvoorbeeld een deur openen versus knijpen en een sleutel draaien. Al met al betekent dit dat de hand niet naadloos met de hersenen kan werken.
Een hulpmiddel dat dit probleem kan helpen oplossen, is computer vision. Onderzoekers van de universiteit van Newcastle monteerden een webcam op een prothetische hand, verbonden deze met een diep lerend neuraal netwerk en gaven de apparaten aan twee geamputeerden wier armen geamputeerd waren boven de pols maar onder de elleboog. De computer gebruikte de camera om te zien waar de gebruiker naar reikte en past automatisch de grip van de prothese aan.
De resultaten zijn tot nu toe veelbelovend. In een artikel in het Journal of Neural Engineering meldde het team uit Newcastle dat de gebruikers een succespercentage van meer dan 80 procent hadden voor het oppakken en verplaatsen van objecten.
"Als we dat kunnen verbeteren, honderd procent krijgen, zou het veel betrouwbaarder zijn om de hand voor de geamputeerden te gebruiken, " zegt Ghazal Ghazaei, een promovendus bij Newcastle en de hoofdauteur van de krant. "Als het gaat worden gebruikt in het echte leven, zou het foutloos moeten zijn. "
Het apparaat zelf was een standaardprothese, een i-ledemaat ultra genoemd, en de webcam was een goedkope, goedkope Logitech Quickcam Chat. De echte innovatie was hoe het team van Ghazaei een computerleerschema bedacht om de informatie van de webcam te gebruiken.
De software herkent patronen in de vorm van het op te tillen object en classificeert ze in categorieën op basis van de grip die het nodig heeft om ze effectief te kunnen pakken. Om de computer deze techniek te leren, gaf Ghazaei hem elk 72 beelden, genomen in stappen van 5 graden, van 500 objecten. De software filtert de objecten op basis van hun functies en leert via vallen en opstaan welke in welke categorieën vallen.
Vervolgens, wanneer de prothese een object wordt gepresenteerd, classificeert het netwerk het beeld met lage resolutie op basis van zijn brede, abstracte vorm. Het hoeft niet iets te zijn dat het systeem eerder heeft gezien - de algemene vorm van het object is voldoende om de hand te vertellen welke grip hij moet gebruiken. Ghazaei en team gebruikten vier grijptypes, waaronder knijpen (twee vingers), statief (drie vingertoppen), neutrale handpalmen (zoals het grijpen van een koffiekopje) en geprononceerde handpalmen (waar de palm naar beneden wijst).
Computer vision is al eerder gebruikt op robothanden, zowel in protheses als in industriële robots. Maar dergelijke inspanningen hebben ofwel objecten van standaardgrootte en -vorm, zoals in een productieomgeving, of tragere algoritmen met zich meegebracht. Het in Newcastle ontwikkelde systeem was in staat om dit proces snel genoeg te doorlopen om de objecten correct te classificeren in 450 microseconden, of ongeveer 1/2000 e van een seconde. "Het belangrijkste verschil is de tijd die nodig is om grip te krijgen en de taak uit te voeren", zegt Ghazaei. “Voor sommigen van hen is het ongeveer vier seconden, en sommigen van hen hebben verschillende snapshots nodig. Voor ons is het slechts één momentopname en het is erg snel. "
De impact van deze technologie gaat veel verder dan het ophalen van huishoudelijke artikelen. Beeldvormende systemen kunnen prothetische benen helpen te weten hoe ver ze van de grond zijn en zich bijvoorbeeld aanpassen. Wat beide instanties gemeen hebben, is een robotsysteem dat samenwerkt met de hersenen.
"Het belangrijkste idee is om een interactie te hebben tussen het robotapparaat en de mens, wat intelligentie in het robotsysteem toevoegt, " zegt Dario Farina, een professor in neuro-revalidatietechniek aan het Imperial College London, wiens laboratorium neuromusculaire interfaces voor lichamen en hersenen bestudeert en de apparaten waarmee ze verbinding maken.
"Het is niet alleen de patiënt die, met zijn hersenen en via de neurale interface, de prothese bestuurt, maar het is ook de patiënt die wordt geholpen door een tweede intelligente entiteit, die op de prothese is gemonteerd en die de omgeving kan zien, " zegt Farnia, die niet betrokken was bij de studie van Newcastle. "De grootste uitdaging hierin is echt om de controle te kunnen delen tussen de mens en het inlichtingensysteem."
Het is een vroege ingreep in het samenvoegen van kunstmatige intelligentie met de hersenen, waarbij wordt uitgezocht welke acties het beste werken voor elk zonder conflict te creëren. Ghazaei is dit probleem tegengekomen; ze is nog steeds bezig om te beheren hoeveel van de brede beweging wordt bestuurd door de computer van de prothese, versus de acties van de gebruiker. Op dit moment richt de gebruiker de prothese op het item, zet hem ertoe aan een foto te maken en vervolgens kiest de arm de greep en grijpt.
Het is slechts een van de vele resterende uitdagingen. Op dit moment kan het systeem geen lange objecten begrijpen die zich buiten het zicht bevinden. Het heeft problemen met drukke achtergronden. Soms interpreteert het een verder weg object als een kleiner, dichterbij. En Ghazaei zegt dat het vergroten van het aantal grijptypen naar 10 of 12 een ander doel is. Maar al, zegt ze, de twee gebruikers in de proef waardeerden de toename van de prestaties en de eenvoud die het biedt voor de basisactie van het oppakken van iets.
