Avsiktsigenkänning för proteskontroll

Fokus för detta arbete är ett föreslaget nytt system för artificiell intelligens (AI) för att självanpassa ett avsiktsigenkänningssystem i motordrivna proteser för att underlätta användningen av avsiktsigenkänningssystem som anpassar sig till individuell patientgång. Utredarna antar att protesen som använder vårt självanpassade system för avsiktsigenkänning kommer att förbättra gånghastigheten. Oberoende ambulering i samhället är känt för att vara mer utmanande för individer med transfemoral amputation (TFA), och därför kommer studien att mäta självvald gånghastighet (SSWS) som är ett samband med övergripande hälsa och är en prediktor för funktionellt beroende, rörelsehinder och faller; dessutom är långsamma SSWS korrelerade till lägre livskvalitet (QOL), minskat deltagande och symtom på depression. Självanpassande avsiktsigenkänning har stor potential att återställa gång i gemenskapsmiljöer och förbättra utförandet, vilket har associerats med förbättrad QOL och ökad användning av anordningar hos patienter som använder avancerade proteser i övre extremiteterna. I detta experiment kommer patienter med TFA att passa med robotknä-/fotledsprotesen och fortsätta att gå över en bana för att inkludera nivågång, rampuppstigning och rampnedstigning i olika grader och hastigheter, medan utredarna fångar 3D-biomekanik och färdigställandetider med både det självanpassande och statiska användaroberoende systemet (kontrollvillkor). Ett tredje tillstånd, patientens kliniskt ordinerade passiva protesanordning (daglig användning) kommer att testas för att fungera som baslinje för den drivna tekniken. Utredarna förväntar sig att det självanpassningsbara systemet lär sig den bästa förutsägelsen av patientens unika gång, vilket leder till fördelar i funktionella och patientrapporterade resultat jämfört med kontroll- och baslinjetillstånden.