Background. Most modern bioprostheses use two sensors located on the flexor and extensor muscles of the hand and fingers to register muscle activity, which severely limits the functionality of the device and complicates switching between grips. One of the solutions to this problem is to use an array of more sensors to recognize different grips using a neural network.
Aim. To evaluate the possibility in principle of using an array of 8 sensors for recognizing different grips.
Materials and methods. Research was conducted on 23 healthy volunteers, whose surface myograms were recorded at 13 different grips. An array of surface-type electroneuromyographic sensors (n = 8) with bipolar electrodes and electroneuromyographic signal amplification factor of 2000 times, myograph and software are of own development were used as a technical base for the research.
Results. For most subjects, the differences in the investigated parameters when comparing grips with each other reached thousands of percent, especially when comparing the product of frequency and mean amplitude. In some pairs the differences were less significant and amounted to less than 400 %. The proportion of pairs with reliable differences varies from subject to subject when comparing the product of frequency and mean amplitude and ranges from 71 to 98 %. The average value for the whole group is 87 %. When comparing frequency only, the variation ranges from 67 to 93 %, with an average of 78 %.
Conclusion. For most subjects, the majority of grips are confidently differentiated from each other. Due to pronounced individual peculiarities, the decision to use this or that parameter to control the bioprosthesis for a definite person is individual and should be made after a thorough neurophysiological research. Some people will require training in order to develop a new motor stereotype.
Введение. Большинство современных биопротезов используют для регистрации мышечной активности 2 датчика, расположенные на мышцах сгибателях и разгибателях кисти и пальцев, что резко ограничивает функционал изделия и усложняет переключение между хватами. Одним из решений данной проблемы является использование массива из большего количества датчиков для распознавания различных хватов с помощью нейронной сети.
Цель исследования – оценить принципиальную возможность использования массива из 8 датчиков для распознавания различных хватов.
Материалы и методы. Проведено исследование, включившее 23 здоровых добровольца, у которых регистрировалась поверхностная миограмма при 13 различных хватах. В качестве технической базы использовались массив из 8 электронейромиографических датчиков поверхностного типа с биполярными электродами и коэффициентом усиления электронейромиографического сигнала 2000 раз, миограф и программное обеспечение собственной разработки.
Результаты. У большинства испытуемых различия в исследованных параметрах при сравнении хватов между собой достигали тысяч процентов, в особенности при сравнении произведения частоты и средней амплитуды. В некоторых парах различия были менее значимы и составляли <400 %. Доля пар с достоверными различиями отличалась у разных испытуемых при сравнении произведения частоты и средней амплитуды и составляла от 71 до 98 %. Среднее значение для всей группы – 87 %. При сравнении только частоты разброс составляет от 67 до 93 %, в среднем – 78 %.
Выводы. У большинства испытуемых большая часть хватов уверенно различаются между собой. По причине выраженных индивидуальных особенностей решение об использовании того или иного параметра для управления биопротезом у конкретного человека носит индивидуальный характер и должно приниматься после тщательного нейрофизиологического исследования. Части пациентов потребуется обучение с целью выработки нового двигательного стереотипа.