Протези пов’язують з нервовою системою людини

Для легендарного джедая Люка Скайвокера втрата руки в поєдинку з Дартом Вейдером залишалася трагедією лише протягом п’яти хвилин: у наступній сцені він обзавівся досить досконалим протезом. В реальності про подібне можна тільки мріяти, але вчені працюють над тим, щоб це стало реальністю.
До недавнього часу протези прикріплялися до людського тіла механічно і не мали ніякого зв’язку з нервовою системою. Вони могли згинатися в своїх залізних шарнірах-суглобах, але для виконання кожного руху власнику треба було тим чи іншим чином регулювати поведінку свого протеза, вручну забезпечуючи зворотний зв’язок. Таким чином людина сигналізував своїй нозі, що попереду калюжа і її йужно обійти, а руці – що потрібно акуратно взяти яйце і приготувати яєчню або, навпаки, міцно затиснути в руці інструмент. Щоб навчити людину керувати новою кінцівкою таким чином, було потрібно тривалий час, так® набір команд був досить обмеженим, тому дрібна моторика залишала бажати кращого.
Але вчені, натхненні уявою письменників-фантастів, змогли зробити неймовірне – приєднати механічну руку до людської нервової системи.
Коли людині без руки хочеться поворухнути пальцем, мозок генерує відповідний сигнал, який йде по нервах, провідним до м’язів кінцівки. Але, оскільки рука відсутня, сигнал йде «в порожнечу». Але що, якщо десь по дорозі «перехопити» нервові імпульси і на цій основі після аналізу та обробки даних сформувати команди управління роботизованою рукою? Саме по цьому шляху йдуть численні наукові групи, прагнучи розробити протези, зчитувальні нервові сигнали і перетворюють їх руху.
В американських Х’юстонському університеті та університеті Райса велися експерименти зі зняттям моторних нервових сигналів методом електроенцефалографії (ЕЕГ) з допомогою електродів на шкірі голови. Складність в тому, що ЕЕГ – це набір великої кількості різних сигналів, і завдання виділити серед них ті, які управляють рухом кінцівки, схоже пошукам голки в стозі сіна.
Читайте також: Саморобні протези – нова технологія 2016 року
Дослідники з Технічного університету Чалмерса в Гетеборзі (Швеція) спільно з колегами з консорціуму NЕВIАS (проект кількох європейських університетів) пішли іншим шляхом. Замість того, щоб розташовувати електроди на поверхні шкіри, де корисний сигнал сильно зашумлений, вчені спробували зменшити вплив перешкод, вшивая електроди під шкіру. Але фізіологія кожної людини індивідуальна, і не можна наперед сказати, де саме слід розташувати електроди для максимального співвідношення «сигнал-шум».
Тимур бергалиев, завідувач лабораторії прикладних комп’ютерних систем московського фізико-технічного інституту, керівник проекту GalvaniBionix:
«Для управління протезами ми розробляємо технологію, яка підлаштовується під індивідуальність людини. На культі ми розміщуємо не одну пару електродів, як це зазвичай робиться, а кілька. Чим більше електродів ми використовуємо, тим більшу вибірку сигналів для аналізу отримаємо. Так, таким чином ми сильно ускладнюємо роботу комп’ютера, оскільки процесору складніше аналізувати безліч сигналів. Але зате значно спрощується життя пацієнта».
Самонавчання біонічних протезів
В даний час найбільш перспективним методом управління біонічними протезами вважається зчитування електричних потенціалів з м’язів кукси – електроміографія (ЕМГ). Такі високотехнологічні протези вже вийшли за межі лабораторій і виробляються серійно. Однак навчити пацієнта правильно керувати протезом – все ще складна проблема.
В лабораторії прикладних комп’ютерних систем Московського фізико-технічного інституту намагаються перевернути цю проблему з голови на ноги, тобто «навчити» протез правильно розуміти команди людського мозку. Команда GalvaniBionix, що складається зі студентів і аспірантів МФТІ на чолі з завідувачем лабораторією Тимуром Бергалиевым використовує для зчитування електричних потенціалів з м’язів не одну пару електродів, а безліч. Такий підхід дозволяє досягти значного підвищення рівня корисного сигналу та реалізувати алгоритми «самонавчання». Кожна комбінація сигналів, яка прийшла з різних електродів, відповідає певному дії руки, а завдання в тому, щоб скласти бібліотеку відповідностей, до якої буде звертатися система при отриманні нового набору імпульсів. «Програмне забезпечення вчиться правильно розпізнавати команди мозку, підлаштовуючись під конкретну людину, – пояснює Бергалиев. – Нам вдалося продемонструвати працездатність прототипу системи: людина з ампутованою кінцівкою з допомогою м’язових сигналів” міг переміщати курсор по екрану. Надалі ми плануємо використовувати алгоритми машинного навчання для аналізу частоти реєстрації різних комбінацій сигналів і за допомогою цих даних покращити розпізнавання».