ALS Hastaları Tarafından Bir Yardımcı Boyun Ekzoskeletonunun Miyoelektrik Kontrolüne İlişkin Ön Araştırma

Doktor Özeti: Bu pilot çalışmaPilot ÇalışmaDaha büyük bir araştırmanın uygulanabilirliğini, maliyetini ve olası sonuçlarını test etmek için yapılan küçük ölçekli ön çalışma., Amyotrofik Lateral Skleroz (ALS)Amyotrofik Lateral Skleroz (ALS)Amyotrofik lateral skleroz (ALS), beyin ve omurilikteki motor sinir hücrelerinin (nöronlar) kaybı sonucu gelişen, kaslarda güçsüzlük, erime (atrofi) ve istemli hareket kaybına yol açan ilerleyici bir nörodejeneratif hastalıktır. hastalarında boyun kası güçsüzlüğüne bağlı baş kontrolü kaybını gidermek amacıyla geliştirilen Utah Boyun Dış İskeletinin, boyun elektromiyografisi (EMG) sinyalleriyle kontrol edilebilirliğini değerlendirmektedir. ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık. tanılı dört erkek katılımcıdan fleksiyon/ekstansiyon, aksiyel rotasyon ve lateral deviasyon hareketleri sırasında alınan EMG verileriyle hastaya özel Evrişimsel Sinir Ağları (CNN) eğitilmiştir. Çevrimdışı analizlerde, baş pozisyonu sınıflandırması yön sınıflandırmasına kıyasla anlamlı derecede daha yüksek başarı göstermiş ve ortalama %82,5 ± 0,010 doğruluk oranına ulaşmıştır. Bu performans; bir, iki veya üç serbestlik derecesinin kontrolünde tutarlılık göstermiştir. Konuşma ve çiğneme aktiviteleri sırasında sınıflandırma doğruluğunda istatistiksel olarak anlamlı olmayan bir düşüş gözlenmiştir; ancak CNN'lerin bu aktiviteleri içeren zenginleştirilmiş verilerle eğitilmesi algoritmanın genel dayanıklılığını artırmıştır. Sonuçlar, zayıf ve karıştırıcı kas aktivitelerine rağmen boyun EMG sinyallerinin hedeflenen baş hareketlerini güvenilir şekilde tahmin edebileceğini ve gerçek zamanlı hesaplama hızıyla gelecekteki çevrimiçi (online) çalışmalar için uygulanabilir olduğunu ortaya koymaktadır.

Önemli Bulgular: Boyun EMG sinyalleri, ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık. hastalarında zayıf ve karıştırıcı kas aktivitelerine rağmen hedeflenen baş hareketlerini güvenilir şekilde tahmin edebilir. Pozisyon sınıflandırması, hareket yönü sınıflandırmasından daha üstün performans göstererek ortalama %82,5 ± 0,010 doğruluğa ulaşmıştır. Konuşma ve çiğneme aktiviteleri sınıflandırma doğruluğunu düşürmüştür, ancak bu etki istatistiksel olarak anlamlı bulunmamıştır. Yapay zeka (CNN) modellerinin konuşma ve çiğneme verilerini içeren çeşitli veri setleriyle eğitilmesi, algoritmanın tüm koşullardaki dayanıklılığını artırmıştır. Elde edilen çevrimdışı doğruluk ve gerçek zamanlı hesaplama hızı, yöntemin gelecekteki kullanıcı döngülü (user-in-the-loop) çevrimiçi çalışmalar için uygulanabilir olduğunu göstermektedir.