- 科技報導
文章專區
2018-06-01美國團隊研發出能進行更精準動作的人工義肢
438 期
Author 作者
編輯部
【本刊訊】失去肢體的截肢病患需相關輔具，如義肢、機械手臂幫忙，以輔佐他們的日常生活。傳統的義肢在使用上多著重機械原理，然而對病患而言，此訓練過程不僅曠日費時，在日常生活表現上效率也比較差。隨著科技日新月異，現今所發展出的電子化義肢裝置能運用神經訊號來控制動作，更厲害的甚至有仿觸覺的電子皮膚，讓使用者能調整抓握的力道與形狀，進而優化動作表現。
近期，為了讓使用者更方便操作、學習，北卡羅來納州立大學（North Carolina State University）研究團隊以肌電圖（EMG）為基礎，開發一款新興神經機器介面（neural-machine interface, NMI）的義肢裝置，除維持電子義肢的優點外，還具有通用性、能預測掌指（metacarpophalangeal）與腕關節的協調動作。
研究員取用9種健康受試者的上肢動作，於神經機器介面裡建構骨骼肌肉模型，並蒐集了肘下截肢（transradial amputee）患者的動作數據，以肌電圖追蹤其欲展現動作之神經肌肉訊號，進而建立通用模型（gerneric model）。過去，在義肢研發上，研究員必須教導機器如何完成動作並加以校正，而此新模型能跳過此步驟，通用模型在接收訊號後，便能一氣呵成地完成動作，過程順暢且如真實肢體般自然，動作的精準度也不輸客製化的骨骼肌肉模型。
通用模型雖能在一定程度上快速呈現動作技巧，然而每個人的日常生活需要產生的動作比例不一，如建築工人與機台操作員的動作要求就完全不一樣，因此在未來，研發團隊會結合機械學習（machine learning），讓使用者在基礎動作外能更貼近其需求，並學習其他動作技巧、伴其走過充滿挑戰的精采人生。
新聞來源：Lizhi Pan, Dustin L. Crouch, He Helen Huang, Myoelectric control based on a generic musculoskeletal model: Towards a multi-user neural-machine interface, IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2018.