popularyzatorski opis rezultatów projektu
Transkrypt
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.