在动力完整脊髓损伤中识别节省和比例可控的手动运动尺寸,使用隐性多重分析

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 数以百万计的脊髓损伤 (SCI) 面临着失去手部功能.
• 在四肢中幸存的脊柱运动神经元仍然可以产生手部运动信号.

研究的目的:

• 确定AI是否可以学习SCI中试图的手部运动的电肌图谱 (EMG) 模式.
• 开发一种人工智能系统,用于使用实时运动意图控制辅助设备.

主要方法:

• 在13个对照组和8名SCI参与者的EMG数据上训练了一个卷积神经网络 (CNN).
• 人工智能模型学会了区分8种不同的手动.
• 分析了AI的潜伏空间,以确定比例控制的模式.

主要成果:

• 在SCI组中,人工智能在分类手部运动方面取得了98.3%的准确性.
• 按比例控制的运动显示了AI潜伏空间中的圆形路径.
• 圆潜伏空间路径与比例控制的准确估计有很强的相关性 (r=0.73,p<0.001).

结论:

• 人工智能可靠地从SCI的残余EMG信号中解码试图的手动.
• 该系统准确地估计了用于闭环控制的脊髓电机输出.
• 这项技术有望通过辅助系统恢复手的功能.