工研院
断链之后
 

传达神经讯号控制义肢 密西根大学脑机接口团队巧用算法

完全恢复健全手部活动是神经义肢的终极目标,密西根大学(University of Michigan,U-M)研究团队发展的方法,可将微弱的手臂神经讯号放大,以实时与直觉控制义肢手的手指,操作灵活度远优于其它研究,为截肢者运动控制(motor control)的突破性进展。

 点击图片放大观看

参与再生周边神经接口研究的肢障者直觉操控DEKA义肢手堆叠小方块。密西根大学工程学院

根据University of Michigan News报导,义肢手已可进行许多操作,但使用者未必第一次尝试就能让其「指」随意走。U-M研究团队发展的技术让使用者无需学习,就能直接以全球最先进的意念控制方式操作义肢装置的个别手指,所有的学习都由算法代劳跟其它义肢操作方式大异其趣。

以截肢者的意念控制仿生肢体(bionic limb)必须输入强而稳定的神经讯号,U-M研究团队发展的方法可支持更精细的义肢控制,透过脑机接口(brain-machine interface)领域研发的机器学习(machine learning)算法,可记录神经讯号并转换为控制义肢手指的指令。目前正在进行一项临床试验,研究团队希望有更多肢障者参与。

肢障者脑部与脊髓的周边神经讯号微弱,U-M研究团队以肌肉移植物作为再生周边神经接口(regenerative peripheral nerve interface;RPNI),不仅能包住残肢的神经末梢提供可依附的新组织,以避免生成导致幻肢痛的神经瘤,还可让神经讯号从5或50微伏大幅提升至毫伏等级的强度,且RPNI的使用寿命至少长达数年。

U-M研究团队使用的RPNI能产生够强的神经讯号,可将现有以人脑控制机器的算法应用于以周边神经控制机器。而能取得跟个别的拇指动作、多自由度的拇指动作、个别的手指相关的神经讯号,可突破义肢手目前的使用限制让肢障者大为受惠,且有助于转换神经讯号为动作意图的机器学习算法发展。

4名参与研究的肢障者运用研究团队发展的神经末梢控制方法操作Mobius Bionics LUKE机器手臂,他们表示U-M团队的技术让他们好像恢复正常状态,又可进行完好的手能做得到的各种操作,包括用两指拿起小方块堆叠、拿起球形物体、玩剪刀石头布游戏、在持续的动作中移动大拇指而无需从2个位置中做选择等。

U-M团队的研究计画由美国国防部先进研究计画局(DARPA)与美国国立卫生研究院(NIH)提供资金,2020年3月4日研究论文发表在Science Translational Medicine期刊。


  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 机械义肢