В статье описана работа гибридной нейропротезной системы «двойного обхода» (DNB), предназначенной для восстановления функций у пациента с полной тетраплегией.

Для управления системой декодировались нейронные сигналы, считываемые микроэлектродными матрицами из первичной моторной коры (M1) головного мозга.

В базовых экспериментах декодировались три основных моторных состояния: раскрытие кисти, сжатие кисти в хват и состояние покоя.

В расширенной четырехклассовой модели помимо кисти декодировались также движения дотягивания (reaching movements).

С точки зрения частей тела, декодирование охватывало движения правой кисти, пальцев и всей правой верхней конечности (руки).

Распознанные намерения пациента передавались на активный 3D-ортез и систему нервно-мышечной электростимуляции (NMES).

Это позволило пациенту выполнять точный хват и отпускание объектов, управляя собственной правой рукой в реальном времени.

Движения кисти и пальцев сочетались с произвольным сгибанием и разгибанием в локтевом суставе, активированным стимуляцией спинного мозга.

Применение архитектуры LSTM и глубокого обучения с подкреплением обеспечило высокую точность распознавания намерений и регуляцию силы сжатия.

Таким образом, система успешно декодировала движения сжатия, раскрытия, покоя и дотягивания, совершаемые правой кистью, пальцами и правой рукой пациента.

#bouton