義肢制御のための意図認識
2024年9月9日 更新者：Georgia Institute of Technology
電動経大腿義足でのユーザーに依存しない意図認識
この作業は、電動プロテーゼの新しいアルゴリズムに焦点を当て、人間を対象としたテストでこれらをテストします。
膝上切断者は、ロボット義足で歩き、コミュニティの歩行をシミュレートする地形を歩きます。
この研究では、高度なアルゴリズムのパフォーマンスを、持ち帰り用のデバイスや、高度なアルゴリズムを使用しないロボット システムと比較します。
調査の概要
詳細な説明
この作業の焦点は、個々の患者の歩行に合わせてパーソナライズする意図認識システムの展開を支援するために、動力付き義肢の意図認識システムを自己適応させる、提案された新しい人工知能 (AI) システムです。
研究者は、自己適応型の意図認識システムを使用した人工装具が歩行速度を向上させるという仮説を立てています。
独立した地域での歩行は、経大腿切断 (TFA) 患者にとってより困難であることが知られているため、この研究では、全体的な健康状態と相関し、機能的依存、運動障害、障害の予測因子である自己選択歩行速度 (SSWS) を測定します。落ちる;さらに、遅いSSWSは、生活の質（QOL）の低下、参加の減少、うつ病の症状と相関しています。
自己適応型の意図認識は、コミュニティ環境での歩行を回復し、具体化を改善する大きな可能性を秘めています。これは、高度な上肢義足を使用する患者の QOL の改善とデバイスの使用の増加に関連しています。
この実験では、TFA の患者はロボット膝/足首プロテーゼに適合し、研究者が 3D 生体力学と完了時間をキャプチャしながら、さまざまな勾配と速度で水平歩行、傾斜路の上昇と下降を含むサーキットを歩きます。自己適応システムと静的ユーザー非依存システムの両方 (制御条件)。
3 つ目の条件として、患者の臨床的に処方された受動的な補綴装置 (日常使用) がテストされ、動力技術のベースラインとして機能します。
研究者は、自己適応システムが患者の固有の歩行の最良の予測を学習し、コントロールおよびベースライン条件よりも機能的および患者が報告した結果に利点をもたらすことを期待しています.
研究の種類
介入
入学 (実際)
10
段階
- 適用できない
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究場所
-
-
Georgia
-
Atlanta、Georgia、アメリカ、30332
- Exoskeleton and Prosthetic Intelligent Controls Lab
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
18年～75年 (大人、高齢者)
健康ボランティアの受け入れ
いいえ
説明
包含基準:
- 下肢の片側経大腿切断
- 18歳から75歳までの年齢
- 関心のあるすべての運動タスクを実行できる K3 または K4 レベルの歩行者 (理学療法士および/または義肢装具士の評価に基づく)
除外基準:
- -参加を妨げる重大な神経筋または筋骨格障害またはその他の併存疾患を有する個人（理学療法士および/または義肢装具士および患者の自己報告の評価に基づく）
- 実験中に転倒する可能性がわずかにあるため、現在妊娠している個人（患者の自己報告に基づく）
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
- 主な目的：基礎科学
- 割り当て：なし
- 介入モデル：単一グループの割り当て
- マスキング：なし（オープンラベル）
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
実験的：スマートロボット膝/足首プロテーゼ
この研究は、経大腿切断（片腕）の個人のサンプル集団で実施されます。
各参加者は、研究の各条件でテストします (反復測定)。
|
介入は、チームによって以前に開発された実験的なロボット膝/足首プロテーゼです。
歩行パフォーマンスを向上させるために使用されます。
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
地上では自己選択の歩行速度
時間枠：1日
|
これは、デバイスを使用した個人の身体能力を示す、個人の好ましい地上歩行速度を測定します。
|
1日
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
地上歩行速度の平均絶対誤差 (MAE)
時間枠：1日
|
この結果は、高度な義足コントローラのマイクロプロセッサに組み込まれた機械学習モデルが、地上でのユーザーの歩行速度を予測する際の誤差です。
具体的には、平均絶対誤差 (MAE) が、予測された歩行速度と、グラウンド トゥルースの歩行速度、つまりユーザーが実際に歩いている速度との間で計算されます。
グラウンド トゥルース測定はモーション キャプチャ システムによって測定され、重心速度が取得されます。
歩行速度の予測は 50 ミリ秒ごとに行われ、最も近い重心速度と比較されます。
この尺度では、歩行速度 MAE が低いほど、ユーザーの実際の歩行速度を定義する際の精度が高いことを示し、したがって数値が低いほど結果が改善されたことを示します。
|
1日
|
|
トレッドミル歩行速度の平均絶対誤差 (MAE)
時間枠：1日
|
この結果は、当社の高度な義足コントローラのマイクロプロセッサに組み込まれた機械学習モデルが、トレッドミルでのユーザーの歩行速度を予測する際の誤差です。
具体的には、平均絶対誤差 (MAE) が、予測された歩行速度と、グラウンド トゥルースの歩行速度、つまりユーザーが実際に歩いている速度との間で計算されます。
グラウンド トゥルース測定は、トレッドミルの実際の速度 (トレッドミル トライアルの場合) によって測定されます。
歩行速度の予測は 50 ミリ秒ごとに行われ、最も近い重心速度と比較されます。
この尺度では、歩行速度 MAE が低いほど、ユーザーの実際の歩行速度を定義する際の精度が高いことを示し、したがって数値が低いほど結果が改善されたことを示します。
|
1日
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
捜査官
- 主任研究者：Aaron Young, Ph.D.、Georgia Institute of Technology
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2023年9月1日
一次修了 (実際)
2024年5月23日
研究の完了 (実際)
2024年5月23日
試験登録日
最初に提出
2022年9月8日
QC基準を満たした最初の提出物
2022年9月8日
最初の投稿 (実際)
2022年9月13日
学習記録の更新
投稿された最後の更新 (実際)
2024年10月2日
QC基準を満たした最後の更新が送信されました
2024年9月9日
最終確認日
2024年8月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。