近年來(lái)，基于深度學(xué)習(xí)的神經(jīng)解碼器已成為實(shí)現(xiàn)神經(jīng)假肢靈巧、直覺(jué)控制的主要方法。人類甚至已經(jīng)設(shè)想出了這種假肢在醫(yī)學(xué)領(lǐng)域的廣泛應(yīng)用圖景。

然而，由于深度學(xué)習(xí)對(duì)計(jì)算的要求很高，很少有研究將其應(yīng)用于臨床。邊緣計(jì)算設(shè)備的發(fā)展為解決這一問(wèn)題提供了可能。

在一篇新論文中，來(lái)自明尼蘇達(dá)大學(xué)等機(jī)構(gòu)的研究者提出了一種 基于嵌入式深度學(xué)習(xí)控制的神經(jīng)假肢實(shí)現(xiàn)。該研究中的神經(jīng)解碼器基于 RNN 架構(gòu)設(shè)計(jì)，部署在 NVIDIA Jetson Nano 上。NVIDIA Jetson Nano 擁有不錯(cuò)的 AI 算力，但體格非常小巧，這使得假肢安裝者可以實(shí)時(shí)控制每一根手指，同時(shí)還能自由移動(dòng)。

研究者利用外周神經(jīng)信號(hào)在橈骨截肢的志愿者身上評(píng)估所提出的系統(tǒng)。實(shí)驗(yàn)結(jié)果顯示，無(wú)論是在實(shí)驗(yàn)室還是真實(shí)環(huán)境下，該系統(tǒng)都能提供魯棒、準(zhǔn)確（95-99%）、低延遲（50-120 毫秒）的單個(gè)手指控制。

研究者表示，據(jù)他們所知，該系統(tǒng)是第一個(gè)在臨床神經(jīng)假肢應(yīng)用的便攜式平臺(tái)上有效實(shí)現(xiàn)深度學(xué)習(xí)神經(jīng)解碼器的系統(tǒng)。這種新型假肢系統(tǒng)擁有嵌入式人工智能，可以作為新型可穿戴生物醫(yī)學(xué)設(shè)備的基礎(chǔ)，有助于加快深度神經(jīng)網(wǎng)絡(luò)在臨床應(yīng)用中的部署。

這一成果離不開(kāi)之前研究取得的進(jìn)展，包括 Overstreet 等人 2019 年提出的連接神經(jīng)纖維和生物電子系統(tǒng)的神經(jīng)束內(nèi)微電極陣列；Nguyen 等人 2020 年設(shè)計(jì)的能同時(shí)展開(kāi)神經(jīng)記錄和刺激的 Neuronix 神經(jīng)接口微芯片；Luu 等人 2021 年提出的降低解碼器計(jì)算復(fù)雜度的深度學(xué)習(xí)電機(jī)解碼范式優(yōu)化；以及 SOTA 邊緣計(jì)算平臺(tái)的軟硬件實(shí)現(xiàn)等。

系統(tǒng)概覽

下圖展示了研究者提出的神經(jīng)假肢神經(jīng)解碼器的大體構(gòu)造：

該系統(tǒng)包含 Scorpius 神經(jīng)接口、帶有定制載板的 Jetson Nano、定制的手臂控制器以及一個(gè)可多次充電的鋰電池。

下圖是該系統(tǒng)的原型圖。AI 引擎重 90 克，鋰電池（7.4V，2200mAh）重 120 克。在實(shí)際應(yīng)用中，整個(gè)系統(tǒng)都可以集成到假肢內(nèi)部，替代假肢現(xiàn)有的 ENG 傳感器和電子設(shè)備，因此對(duì)手臂的重量和美感影響極小。

神經(jīng)數(shù)據(jù)是通過(guò)研究者之前提出的 Scorpius 神經(jīng)接口獲得的。每個(gè) Scorpius 設(shè)備有 8 個(gè)記錄通道，配有頻率整形（FS）放大器和高精度模數(shù)轉(zhuǎn)換器（ADC）。根據(jù)需要的通道數(shù)量，可以配置多個(gè)設(shè)備。FS 神經(jīng)記錄器被證明能夠在抑制 artifact 的同時(shí)獲得超低噪聲神經(jīng)信號(hào)。原始的神經(jīng)數(shù)據(jù)會(huì)直接傳輸?shù)?Jetson Nano 電腦進(jìn)行進(jìn)一步處理。

該系統(tǒng)的核心是由  Jetson Nano 平臺(tái)支撐的 AI 引擎。研究者設(shè)計(jì)了一個(gè)定制的載板為 Nano 模塊提供電源管理和 I/O 連接。該模塊可工作在 10W 模式 (4 核 CPU 1900 MHz，GPU 1000 GHz) 或 5W 模式 (2 核 CPU 918 MHz，GPU 640 MHz) 下，按當(dāng)前電池尺寸，可分別連續(xù)使用 2 小時(shí)和 4 小時(shí)左右。

在這個(gè)系統(tǒng)中，訓(xùn)練好的深度學(xué)習(xí)模型被部署到 AI 引擎上，實(shí)時(shí)地將神經(jīng)信號(hào)轉(zhuǎn)化為個(gè)體手指運(yùn)動(dòng)的真實(shí)意圖。最后的預(yù)測(cè)被發(fā)送到手部控制器來(lái)驅(qū)動(dòng)假手。

這個(gè)假手是基于英國(guó)科技公司 Touch Bionics 的 i-Limb 假肢平臺(tái)設(shè)計(jì)的，有五個(gè)單獨(dú)驅(qū)動(dòng)的手指。研究者用定制的手部控制器替換了原來(lái)的 i-Limb 默認(rèn)驅(qū)動(dòng)器，從而根據(jù)深度學(xué)習(xí)模型的預(yù)測(cè)，直接操作隱藏在每根手指中的直流電機(jī)。該控制器是圍繞 ESP32 模塊設(shè)計(jì)的，帶有一個(gè)低功耗微控制器。

下圖 3 更詳細(xì)地展示了各個(gè)組件的硬件實(shí)現(xiàn)：

關(guān)于該研究的更多細(xì)節(jié)可以參考原論文。

論文鏈接：https://arxiv.org/pdf/2103.13452.pdf

來(lái)源：機(jī)器之心

聚焦行業(yè)熱點(diǎn)， 了解最新前沿

敬請(qǐng)關(guān)注EEWorld電子頭條

http://www.eeworld.com.cn/mp/wap

復(fù)制此鏈接至瀏覽器或長(zhǎng)按下方二維碼瀏覽

以下微信公眾號(hào)均屬于

  EEWorld（www.eeworld.com.cn）

歡迎長(zhǎng)按二維碼關(guān)注！

EEWorld訂閱號(hào)：電子工程世界

EEWorld服務(wù)號(hào)：電子工程世界福利社