Kaliforniya Universiteti, Davis tərəfindən aparılan yeni bir araşdırmaya görə, iki müxtəlif növ siqnalın birləşdirilməsi mühəndislərə təbii hərəkətləri daha yaxşı təkrarlayan protez əzalar yaratmağa kömək edə bilər. Aprelin 10-da PLOS One- da nəşr olunan iş göstərir ki, elektromiyoqrafiya və güc miyoqrafiyasının kombinasiyası əl hərəkətlərini proqnozlaşdırmaqda hər iki metoddan daha dəqiqdir.

Tutmaq, çimdikləmək və tutmaq kimi əl jestləri qolumuzdakı əzələlərin hərəkətləri ilə idarə olunur. Bu hərəkətlər dəridəki sensorlar tərəfindən oxuna bilən kiçik elektrik siqnalları yaradır , bu üsul elektromiyoqrafiya adlanır.

UC Davis-də mexaniki və aerokosmik mühəndislik professoru və kağızın baş müəllifi Jonathon Schofield, “Sensorlardan və maşın öyrənməsindən istifadə edərək, əzələ fəaliyyətinə əsaslanan jestləri tanıya bilərik” dedi.

EMQ əsaslı nəzarətlər laboratoriya şəraitində və istirahətdə olan əzalarla yaxşı işləyir. Amma məlum “mövqe və yük” problemi var. Qolunuzu fərqli bir mövqeyə, məsələn, çiyin hündürlüyünə və ya başınızın üstündən hərəkət etdirsəniz və ya müxtəlif ağırlıqdakı əşyaları tutsanız, ölçülər dəyişir.

Kağızın ilk müəllifi aspirant Peyton Yanq deyir: “Real dünyada hər dəfə bir əzanı hərəkət etdirəndə və nəyisə qavradıqda, ölçü dəyişəcək”. “Neytral mövqe (əzanın bədənin yanında passiv olaraq tutulduğu yer) hərəkət etməkdən çox fərqlidir.”

EMG və FMG-ni birləşdirən

Bunu həll etmək üçün Young və Schofield tək başına və EMG ilə birlikdə fərqli bir ölçmə növü ilə sınaqdan keçirdilər. Force myography (FMG) qoldakı əzələlərin büzüldükdə necə qabarıq olduğunu ölçür.

Gənc qolun ətrafında gəzən və həm EMG, həm də FMG sensorlarını özündə birləşdirən manjet qurdu. O, bu cihazı laboratoriyada bir sıra əmək qabiliyyətli könüllülərlə birlikdə istifadə etdi və iştirakçılar müxtəlif əl tutmaları ilə müxtəlif yükləri tutarkən onunla bir sıra qol jestləri etdi. Sensorlardan alınan məlumatlar müxtəlif hərəkətləri çimdik, yığma, yumruq və s. kimi təsnif etmək üçün maşın öyrənmə alqoritminə ötürülürdü. Alqoritm tək EMG və ya FMG siqnalları, ya da kombinasiya üzrə öyrədildi.

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=280&slotname=2793866484&adk=2520359048&adf=3042148327&pi=t.ma~as.2793866484&w=750&abgtt=6&fwrn=4&fwrnh=0&lmt=1745568796&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2025-04-combining-electrical-boosts-prosthetic-accuracy.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTM1LjAuNzA0OS4xMTUiLG51bGwsMCxudWxsLCI2NCIsW1siR29vZ2xlIENocm9tZSIsIjEzNS4wLjcwNDkuMTE1Il0sWyJOb3QtQS5CcmFuZCIsIjguMC4wLjAiXSxbIkNocm9taXVtIiwiMTM1LjAuNzA0OS4xMTUiXV0sMF0.&dt=1745568795648&bpp=5&bdt=284&idt=5&shv=r20250423&mjsv=m202504210101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dfdc40d724f2dca57%3AT%3D1735367325%3ART%3D1745568795%3AS%3DALNI_MYStQ6fUQQQLyo5Z7z1h-XhXcWBtA&gpic=UID%3D00000f80eacffadc%3AT%3D1735367325%3ART%3D1745568795%3AS%3DALNI_MYaOugky0UawScoidzfbXof3-N-iw&eo_id_str=ID%3De43bb863646b60b8%3AT%3D1735367325%3ART%3D1745568795%3AS%3DAA-AfjbQoPwZqH28q9IwcCLRSzzg&prev_fmts=0x0&nras=1&correlator=1997385566500&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=1986&biw=1905&bih=945&scr_x=0&scr_y=0&eid=31091982%2C95357877%2C95359119%2C95356661%2C95356809&oid=2&pvsid=2178831969022905&tmod=1709708043&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=4&uci=a!4&btvi=1&fsb=1&dtd=718

Hər bir təcrübə üçün alqoritm bəzi məlumatlar üzərində öyrədildi və qalanlarını dəqiq təsnif etmək qabiliyyətinə görə bal toplandı.

“Biz klassifikatoru jestlərdən əldə edilən məlumatlar üzərində öyrədirik, sonra onları proqnozlaşdırmaq qabiliyyətinə görə qiymətləndiririk” dedi Young.

Onlar tapdılar ki, mövqe və yüklənmə jestlərin təsnifatının düzgünlüyünə həqiqətən təsir edir. Ümumilikdə, EMQ və FMG-nin birləşməsi 97%-dən çox təsnifat dəqiqliyini verdi, tək FMG üçün 92% və tək EMQ üçün 83%.

Gənc indi birləşmiş FMG/EMG sensoru üzərində işləyir və komanda bu texnologiyadan istifadə edən eksperimental protez əza üzərində işləyir.

Schofield, bu yanaşmanın protezlər və robototexnika, eləcə də virtual reallıq alətləri üçün geniş tətbiqi ola bilər. Dedi ki, komanda UC Davis boyunca klinik protez mütəxəssisləri, cərrahlar və bioloqlarla əməkdaşlıq etməkdən böyük fayda gətirir.

“Həqiqi xəstələr və klinisyenlərə məruz qalmadan bunu edə bilməzdik” dedi Schofield.

Daha çox məlumat: Peyton R. Young və digərləri, Elektromiyoqrafiya, güc miyoqrafiyası və onların birləşməsindən istifadə edərək əl jestinin təsnifatına əzaların vəziyyəti və tutulan yükün təsiri, PLOS ONE (2025). DOI: 10.1371/journal.pone.0321319

Jurnal məlumatı: PLoS ONE 

UC Davis