导读 他们的模型已经准备好供其他人使用，该模型本月出现在《自然》在线杂志《科学报告》上。国际团队报告了迄今为止最强大的技术，用于表征影响...
他们的模型已经准备好供其他人使用，该模型本月出现在《自然》在线杂志《科学报告》上。国际团队报告了迄今为止最强大的技术，用于表征影响大量衰老的常见和使人衰弱的运动问题的病理性手震症状。全世界有一百万人被诊断出患有帕金森氏病，这只是一种会引起手部震颤的神经退行性疾病。
虽然先进的可穿戴外骨骼服和神经康复机器人等技术可以帮助人们抵消一些非自愿运动，但这些机器人助手需要实时准确地预测非自愿运动-仅10或20毫秒的延迟就可以阻止机器和机器的有效补偿。在某些情况下，甚至可能危及安全。
输入在伦敦(安大略省)运动障碍中心收集的大数据集和该团队的开创性机器学习模型，他们将其命名为PHTNet，用于“使用递归神经网络进行病理性手震”。他们使用小型传感器分析了81位患者在60和70年代的手部动作，然后应用了一种新型的数据驱动的深度神经网络建模技术来提取适用于所有患者的预测信息。
他们的论文详细介绍了人工智能模型和培训，并报告了24,300个样本的95%置信度。
合著者S. Farokh Atashzar说：“我们的模型已经处于现成可用的阶段，可供神经科医生，研究人员和辅助技术开发人员使用。”机器人与人工智能相结合，同时在加拿大进行博士和博士后研究。“它需要大量的计算能力，因此我们计划开发一种低功耗的云计算方法，以使可穿戴式机器人和外骨骼在患者家中运行。我们还希望开发出需要较少计算能力的模型，并增加其他生物学功能。输入的因素。”
标签：
免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。