Hensiktsgjenkjenning for protesekontroll

Fokuset i dette arbeidet er et foreslått nytt kunstig intelligens (AI) system for å selvtilpasse et intensjonsgjenkjenningssystem i drevne proteser for å hjelpe utplassering av intensjonsgjenkjenningssystemer som tilpasser seg individuell pasients gang. Etterforskerne antar at protesen som bruker vårt selvtilpassende intensjonsgjenkjenningssystem vil forbedre ganghastigheten. Uavhengig ambulering i samfunnet er kjent for å være mer utfordrende for personer med transfemoral amputasjon (TFA), og derfor vil studien måle selvvalgt ganghastighet (SSWS) som er en korrelasjon med generell helse og er en prediktor for funksjonell avhengighet, mobilitetshemming og faller; videre er langsomme SSWS korrelert til lavere livskvalitet (QOL), redusert deltakelse og symptomer på depresjon. Selvtilpassende hensiktsgjenkjenning har et stort potensiale for å gjenopprette gangart i fellesskapsmiljøer og forbedre legemliggjøring, noe som har vært assosiert med forbedret QOL og økt enhetsbruk hos pasienter som bruker avanserte proteser i øvre ekstremiteter. I dette eksperimentet vil pasienter med TFA bli tilpasset den robotiske kne-/ankelprotesen og fortsette å gå over en krets for å inkludere nivågang, rampestigning og rampenedstigning i varierende grad og hastighet, mens etterforskerne fanger 3D-biomekanikk og fullføringstider med både det selvtilpassende og statiske brukeruavhengige systemet (kontrolltilstand). En tredje tilstand, pasientens klinisk foreskrevne passive proteseanordning (daglig bruk) vil bli testet for å tjene som en baseline for den drevne teknologien. Etterforskerne forventer at det selvtilpassede systemet lærer den beste forutsigelsen av pasientens unike gangart, noe som fører til fordeler i funksjonelle og pasientrapporterte utfall i forhold til kontroll- og grunnlinjetilstander.