基于深度学习手指控制的便携式自包含神经假手
机器人学
2021-10-19 v1 人工智能
人机交互
摘要
目的：基于深度学习的神经解码器已成为实现神经假手灵巧且直观控制的主流方法。然而由于其高计算需求，极少研究将深度学习用于临床环境。方法：边缘计算设备的近期进展有望缓解该问题。本文给出一种嵌入式基于深度学习控制的神经假手实现。神经解码器基于循环神经网络（RNN）架构设计，并部署于 NVIDIA Jetson Nano——一种紧凑而强大的深度学习推理边缘计算平台。这使得该神经假手可作为便携式自包含单元实现，并实时控制各个手指运动。结果：所提系统在一名经桡骨截肢者上利用植入性束内微电极的外周神经信号（ENG）进行评估。实验结果证明了该系统在各种实验室与真实环境中提供鲁棒、高精度（95–99%）和低延迟（50–120 毫秒）的单个手指运动控制的能力。结论：现代边缘计算平台使得基于深度学习的神经解码器可作为自主系统有效用于神经假体控制。意义：本工作助力开创深度神经网络在临床应用中的部署，奠定了一类嵌有人工智能的新型可穿戴生物医学设备的基础。
引用
@article{arxiv.2103.13452,
title = {A Portable, Self-Contained Neuroprosthetic Hand with Deep Learning-Based Finger Control},
author = {Anh Tuan Nguyen and Markus W. Drealan and Diu Khue Luu and Ming Jiang and Jian Xu and Jonathan Cheng and Qi Zhao and Edward W. Keefer and Zhi Yang},
journal= {arXiv preprint arXiv:2103.13452},
year = {2021}
}