研究人員開發(fā)了一種機(jī)器學(xué)習(xí)模型，該模型可以使機(jī)器人安全地治療與神經(jīng)退行性疾病相關(guān)的手部震顫。

這項發(fā)表在《科學(xué)報告》上的研究表明，美國紐約大學(xué)坦登工程學(xué)院和加拿大西安大略大學(xué)(UWO)的研究團(tuán)隊已經(jīng)利用人工智能技術(shù)來構(gòu)建算法模型，從而使機(jī)器人更加精確，更快。并且與神經(jīng)退行性疾病有關(guān)的手部震顫更安全。

控制非自愿運動

全球有超過一百萬的人被診斷出患有帕金森氏病，這只是一種會引起手部震顫的神經(jīng)退行性疾病。

國際研究人員團(tuán)隊已在其模型上使用了最強(qiáng)大的技術(shù)(現(xiàn)已準(zhǔn)備部署)，以確保它們能夠抵抗病理性手震，這種震顫是影響許多成年成年人的常見且令人衰弱的運動問題的征兆。

PHTNet方法

盡管有諸如穿戴式外骨骼服和神經(jīng)康復(fù)機(jī)器人之類的先進(jìn)技術(shù)可以幫助人們抵消一些非自愿運動，但是在實時預(yù)測非自愿運動時，這些機(jī)器人仍需要精確。如果機(jī)器滯后僅10到20毫秒，這可能會阻止機(jī)器進(jìn)行有效補(bǔ)償，并且在某些情況下甚至可能對安全造成潛在風(fēng)險。

但是，研究人員已經(jīng)使用在倫敦(安大略省)運動障礙中心收集的大數(shù)據(jù)集來創(chuàng)建名為PHTNet的創(chuàng)新機(jī)器學(xué)習(xí)模型，用于“使用遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行病理性手震”。

提取預(yù)測信息

研究人員使用小型傳感器分析了81位患者在60和70年代的手部動作。然后，他們應(yīng)用了一種新穎的數(shù)據(jù)驅(qū)動型深度神經(jīng)網(wǎng)絡(luò)建模技術(shù)，以提取適用于所有患者的預(yù)測信息。

在研究論文中，他們揭示了人工智能模型和訓(xùn)練，并報告了24,300個樣本的95%置信度。

創(chuàng)建適合所有人的模型

合著者S. Farokh Atashzar現(xiàn)在是紐約大學(xué)坦登分校的助理教授，他在加拿大進(jìn)行博士和博士后研究時開始探索結(jié)合人工智能的機(jī)器人的使用，他解釋說：“我們的模型已經(jīng)在神經(jīng)學(xué)家，研究人員和輔助技術(shù)開發(fā)人員可以使用的現(xiàn)成階段，

“它需要大量的計算能力，因此我們計劃開發(fā)一種低功耗的云計算方法，該方法將使可穿戴式機(jī)器人和外骨骼在患者家中運行。我們還希望開發(fā)需要較少計算能力的模型，并在輸入中增加其他生物學(xué)因素。”