محققان دانشگاه ایالتی کارولینای شمالی ، دانشگاه کارولینای شمالی و دانشگاه ایالتی آریزونا یک سیستم هوشمند برای "تنظیم" زانوهای پروتز شده ایجاد کرده اند و به بیماران این امکان را می دهد تا راحت تر از ساعت های لازم در صورت وجود دستگاه ، با دستگاه پروتز در چند دقیقه قدم بردارند. تنظیم شده توسط یک پزشک بالینی آموزش دیده. این سیستم اولین کسی است که تنها به یادگیری تقویت کننده تکیه می کند تا پروتز روباتیک را تنظیم کند.

هنگامی که بیمار زانوی پروتز روباتیک دریافت می کند ، دستگاه برای تنظیم آن بیمار باید تنظیم شود. سیستم تنظیم جدید 12 پارامتر کنترل مختلف را ترسیم می کند و پویایی پروتز مانند سفتی مفصل را در کل چرخه راه رفتن نشان می دهد.

به طور معمول ، یک پزشک انسانی برای اصلاح تعداد معدودی از پارامترها با بیمار همکاری می کند. این ممکن است ساعت ها طول بکشد. سیستم جدید به یک برنامه رایانه ای متکی است که از یادگیری تقویت کننده می تواند 12 پارامتر را تغییر دهد. به بیماران این امکان را می دهد تا از زانوی پروتز شده استفاده کنند تا طی 10 دقیقه بر روی سطح سطح قدم بردارند.

هلن هوانگ ، نویسنده مقاله در مورد کار و استاد گروه مشترک مهندسی زیست پزشکی در NC ایالت NC و UNC می گوید: "ما با دادن زانوی پروتز به بیمار با مجموعه ای از پارامترهای به طور تصادفی انتخاب می کنیم." "ما پس از آن بیمار را تحت شرایط کنترل شده شروع به راه رفتن می کنیم.

هوانگ می گوید: "داده های مربوط به دستگاه و راه رفتن بیمار از طریق مجموعه حسگرهای موجود در دستگاه جمع آوری می شود." "یک مدل رایانه ای پارامترها را بر روی دستگاه تطبیق داده و راهپیمای بیمار را با مشخصات یک پیاده روی عادی در زمان واقعی مقایسه می کند. این مدل می تواند بگوید که تنظیمات پارامتر باعث بهبود عملکرد و کدام تنظیمات عملکرد را مختل می کند. با استفاده از یادگیری تقویتی ، مدل محاسباتی می تواند به سرعت مجموعه پارامترهایی را مشخص کنید که به بیمار اجازه می دهد به طور عادی قدم بگذارد. رویکردهای موجود ، با اتکا به پزشکان آموزش دیده ، می تواند نیم روز طول بکشد. "

در حالی که در حال حاضر کار در یک شرایط کنترل شده و بالینی انجام می شود ، یکی از اهداف این است که یک نسخه بی سیم از سیستم تهیه کنید ، که به کاربران این امکان را می دهد تا هنگام استفاده در محیط های واقعی ، تنظیم دقیق پارامترهای پروتز شده را انجام دهند.

جنی سی ، نویسنده مقاله و گفت: "این کار برای سناریوهایی انجام شده است که در آن بیمار روی سطح سطح قدم می زند ، اما در اصل ، ما می توانیم کنترل کننده های یادگیری تقویتی را برای موقعیت هایی مانند صعود یا نزولی از پله ها نیز توسعه دهیم." استاد مهندسی برق ، کامپیوتر و انرژی در دانشگاه ASU.

سی می گوید: "من از منظر کنترل پویای سیستم روی یادگیری تقویتی کار کرده ام ، که نویز حسگر ، دخالت از محیط و تقاضای ایمنی و ثبات سیستم را در نظر می گیرد." "من چالش بی سابقه ای برای یادگیری برای کنترل ، در زمان واقعی ، یک دستگاه پروتز را که به طور همزمان توسط کاربر انسانی تحت تأثیر قرار می گیرد ، تشخیص دادم . پیشرفته ترین ربات های یادگیری تقویتی تقویت شده است. ما از این امر می دانیم که الگوریتم کنترل یادگیری تقویتی ما واقعاً یاد گرفته ایم که دستگاه پروتز را به عنوان بخشی از بدن انسان در چنین برنامه های کاربردی هیجان انگیز کار کند. "

هوانگ می گوید محققان امیدوارند که این روند کارایی بیشتری داشته باشند. "به عنوان مثال ، ما فکر می کنیم ممکن است ما بتوانیم با شناسایی ترکیبی از پارامترهایی که احتمال موفقیت کمتری دارند ، روند کار را بهبود بخشیم و آموزش مدل را برای تمرکز نخست روی امیدوار کننده ترین تنظیمات پارامتر انجام دهیم."

محققان خاطرنشان كردند ، گرچه این كار نوید بخش است ، قبل از تهیه آن برای استفاده های گسترده ، باید به بسیاری از سؤالات پاسخ داده شود.

هوانگ می گوید: "به عنوان مثال ، هدف تنظیم پروتز در این مطالعه ، تحقق حرکت هنجار زانو در هنگام راه رفتن است." "ما عملکرد راه رفتن دیگر (مانند تقارن راه رفتن) یا ترجیح کاربر را در نظر نگرفتیم. برای مثال دیگر می توان از روش تنظیم ما برای تنظیم دقیق دستگاه در خارج از کلینیک ها و آزمایشگاه ها استفاده کرد تا سیستم به مرور زمان با سیستم سازگار شود. نیاز کاربر. با این حال ، ما باید ایمنی را در استفاده در دنیای واقعی تضمین کنیم زیرا اشتباهات در کنترل ممکن است منجر به لک و سقوط شود. آزمایشات اضافی برای نشان دادن ایمنی لازم است. "

محققان همچنین خاطرنشان كردند ، اگر این سیستم اثربخش باشد و استفاده گسترده ای از آن داشته باشد ، احتمالاً با كاهش نیاز بیماران به مراجعه به مراكز بالینی برای كار با پزشكان ، هزینه های بیماران را كاهش می دهد.

 https://www.namasha.com/v/dFHRrToj