Rozpoznání záměru pro kontrolu protézy

Těžištěm této práce je navržený nový systém umělé inteligence (AI), který se sám přizpůsobí systému rozpoznávání záměru v poháněných protézách, aby napomohl nasazení systémů rozpoznávání záměrů, které se přizpůsobí individuální chůzi pacienta. Vyšetřovatelé předpokládají, že protéza využívající náš samoadaptivní systém rozpoznávání záměru zlepší rychlost chůze. Je známo, že nezávislá komunitní amputace je pro jedince s transfemorální amputací (TFA) náročnější, a proto bude studie měřit samostatně vybranou rychlost chůze (SSWS), která koreluje s celkovým zdravím a je prediktorem funkční závislosti, poruchy pohyblivosti a pády; dále pomalé SSWS korelují s nižší kvalitou života (QOL), sníženou účastí a symptomy deprese. Samoadaptující rozpoznání záměru má velký potenciál obnovit chůzi v komunitním prostředí a zlepšit ztělesnění, což bylo spojeno se zlepšenou QOL a zvýšeným používáním zařízení u pacientů, kteří používají pokročilé protézy horních končetin. V tomto experimentu budou pacienti s TFA fit s robotickou protézou kolena/kotníku a budou pokračovat v chůzi po okruhu, který zahrnuje chůzi po rovině, stoupání po rampě a sestup po rampě v různých sklonech a rychlostech, zatímco vyšetřovatelé zachycují 3D biomechaniku a časy dokončení pomocí jak samoadaptivní, tak i statický systém nezávislý na uživateli (kontrolní podmínka). Třetí podmínka, pacientovo klinicky předepsané pasivní protetické zařízení (každodenní používání), bude testováno, aby sloužilo jako základ pro poháněnou technologii. Vyšetřovatelé očekávají, že se samoadaptivní systém naučí nejlepší predikci jedinečné chůze pacienta, což povede k výhodám ve funkčních a pacientem hlášených výsledcích oproti kontrolním a výchozím podmínkám.