popularyzatorski opis rezultatów projektu

Nr wniosku: 149687, nr raportu: 12416. Kierownik (z rap.): prof. dr hab. inż. Marek Kurzyński
Znaczenia rąk w życiu człowieka nie sposób przecenid. Są nie tylko zręcznymi
manipulatorami pozwalającymi na chwytanie i manipulowanie różnymi przedmiotami, ale
poprzez czucie umożliwiają rozpoznanie przedmiotu, jego kształtu i położenia. Utrata nawet
jednej ręki znacząco redukuje aktywnośd człowieka.
Możliwym rozwiązaniem jest wtedy „cyborgizacja”, czyli wyposażenie pacjenta w rękę
protetyczną. Zbudowanie mechanicznej, antropometrycznej konstrukcji, która wiernie
naśladowałaby najbardziej skomplikowane ruchy ręki, nie stanowi dziś problemu. Również
sterowanie ruchem takiej konstrukcji, aby uzyskad określoną posturę palców jest dobrze
znane. Podstawowym problemem jest odpowiedź na pytanie, jaki ruch ma wykonad sztuczna
ręka, czyli – inaczej mówiąc – poprawne rozpoznanie intencji pacjenta na podstawie analizy
biosygnałów rejestrowanych w sposób bezinwazyjny z powierzchni ciała.
Istniejące aktywne protezy są sterowane na drodze mioelektrycznej – reagują na
elektryczne sygnały towarzyszące aktywności mięśni (sygnały elektromiograficzne – EMG).
Niestety, poprawne rozpoznanie zamierzonego ruchu ręki jedynie na podstawie analizy
sygnału EMG jest poważnym problemem. Trudnośd wzrasta, ze wzrostem liczby
rozpoznawanych ruchów (czyli ze wzrostem „zręczności” protezy).
Celem projektu było pokonanie trudności z prawidłowym rozpoznaniem intencji ruchu
chwytnego protezy ręki. Cel ten osiągnięto poprzez następujące rezultaty:
1. Wprowadzenie równoczesnej analizy biosygnałów różnego typu, które niosą
informację o wykonywanym ruchu. Wykorzystano tu sygnały EMG, sygnały
mechanomiograficzne (MMG) i sygnały elektroencefalograficzne (EEG). Zbudowane
zostało specjalne stanowisko badawcze do synchronicznej rejestracji multimodalnych
biosygnałów. Opracowano także aplikację komputerową wspierającą prowadzenie
badao eksperymentalnych.
2. Przeanalizowanie różnych metod parametryzacji biosygnałów, zastosowanie
najlepszych metod zmniejszenia wymiarowości wektora cech (selekcja/redukcja).
Opracowanie nowej oryginalnej metody dynamicznej selekcji cech.
3. Udoskonalenie
metody
rozpoznawania.
Zastosowano
tu
systemy
wieloklasyfikatorowe ze schematem dynamicznej selekcji zespołu klasyfikatorów
(DES), dla których opracowano nową miarę kompetencji klasyfikatorów bazowych i
nową miarę dywersyfikacji zespołu klasyfikatorów oraz nowe algorytmy
kombinowania z wykorzystaniem wnioskowania rozmytego.
4. Wsparcie procesu rozpoznawania biosygnałów poprzez wykorzystanie informacji
zwrotnej pochodzącej z czujników bioprotezy do korekcji procedury kombinowania
klasyfikatorów bazowych poprzez strojenie ich miar kompetencji. Opracowano 3
metody różniące się algorytmem strojenia miary kompetencji.
5. Przeprowadzenie badao eksperymentalnych na danych rzeczywistych z analizą
statystyczną wyników, które potwierdziły skutecznośd zaproponowanych metod
przetwarzania i klasyfikacji wielomodalnych biosygnałów w zadaniu sterowania
bioprotezą dłoni.