Künstliche Intelligenz für myoelektrisch gesteuerte kooperative Armprothesen: Eine Proof-of-Concept-Studie

Beschreibung

Diese Proof-of-Concept-Studie wird in unsere Forschungslinie auf diesem Gebiet eingebettet sein. Unser übergeordnetes Ziel ist es, die Steuerung einer myoelektrischen Unterarmprothese (MCP) intuitiv zu gestalten. Derzeit verfügt eine MCP in der Regel über zwei integrierte Elektroden, über die der oder die Benutzer:in die Prothese steuert. Mit diesen zwei Freiheitsgraden kann der oder die Nutzer:in bis zu 20 verschiedene Griffmuster steuern. Diese Steuerung ist jedoch nicht intuitiv. Um beispielsweise einen so genannten "Becherhaltergriff" zu erreichen, muss ein:e Benutzer:in nach eigenen Angaben vier verschiedene aufeinanderfolgende Aktionen ausführen, die aus schnellen und langsamen Einzel- und Doppelimpulsen bestehen, die von den Muskeln in seinem Stumpf erzeugt werden. Dieser Vorgang dauert 15 Sekunden und erfordert einen hohen kognitiven Aufwand. Die von uns vorgeschlagene Lösung besteht darin, elektromyografische Daten (EMG) nicht nur von zwei Muskelgruppen im Stumpf, sondern von mehreren Hauptmuskelgruppen im Stumpf sowie von der intakten oberen Extremität aufzuzeichnen. Künstliche Intelligenz wird dann eingesetzt, um Muster zu erkennen und die erforderliche entsprechende Bewegung der Prothese vorherzusagen. In einem früheren Projekt konnte der entwickelte Algorithums erfolgreich zwischen zwei verschiedenen Bewegungsintensionen unterscheiden. In diesem Projekt soll nun der Algorithums verfeinert, in eine Prothese eingebaut und tatsächlich von Prothesen-Nutzenden getestet werden.