開発ボードはこのように使えますか？アメリカの学者は、義肢のサポートと各指の制御に Jetson Nano を使用しています

近年、ディープラーニングベースのニューラルデコーダーは、神経補綴物の器用かつ直感的な制御を実現するための主要なアプローチとなっています。人類は、医療分野でこのような義肢が広く応用されることを想像さえしていました。

しかし、ディープラーニングには高い計算能力が必要であるため、それを臨床実践に適用した研究はほとんどありません。エッジ コンピューティング デバイスの開発により、この問題に対する解決策が実現する可能性があります。

新しい論文の中で、ミネソタ大学などの研究者らは、組み込み型ディープラーニング制御に基づく神経補綴装置の実装を提案した。この研究のニューラル デコーダーは、RNN アーキテクチャに基づいて設計され、NVIDIA Jetson Nano に導入されています。 NVIDIA Jetson Nano は優れた AI コンピューティング能力を備えながらも非常にコンパクトなため、義肢装着者は各指を自由に動かしながらリアルタイムで制御できます。

研究者らは、橈骨切断を受けたボランティアの末梢神経信号を使用して提案されたシステムを評価した。実験結果によると、このシステムは、実験室環境と現実世界の環境の両方で、堅牢で正確 (95 ～ 99%)、低遅延 (50 ～ 120 ミリ秒) な単一指制御を提供できることが示されています。

研究者らは、彼らの知る限り、このシステムは臨床神経補綴アプリケーション用のポータブルプラットフォーム上でディープラーニングニューラルデコーダーを効果的に実装した初めてのシステムであると述べています。この新しい人工システムには人工知能が組み込まれており、新しいウェアラブルバイオメディカルデバイスの基盤として機能し、臨床アプリケーションにおけるディープニューラルネットワークの導入を加速させるのに役立ちます。

論文リンク:
出典：http://arxiv.org/pdf/2103.13452.pdf

この成果は、2019年にOverstreetらが提案した神経線維と生体電子システムを接続する束内微小電極アレイ、2020年にNguyenらが設計し神経記録と刺激を同時に実行できるNeuronix神経インターフェースマイクロチップ、デコーダーの計算複雑さを軽減するために2021年にLuuらが提案したディープラーニングモーターデコードパラダイムの最適化、およびSOTAエッジコンピューティングプラットフォームのソフトウェアとハ​​ードウェアの実装など、これまでの研究の進歩と切り離すことはできません。

システム概要

下の図は、研究者が提案した神経補綴用の神経デコーダーの一般的な構造を示しています。

このシステムは、Scorpius ニューラル インターフェイス、カスタム キャリア ボードを備えた Jetson Nano、カスタム アーム コントローラー、およびマルチ充電式リチウムイオン バッテリーで構成されています。

下の図はシステムのプロトタイプです。 AIエンジンの重量は90グラム、リチウム電池（7.4V、2200mAh）の重量は120グラムです。実際のアプリケーションでは、システム全体を義肢に統合して、義肢の既存のENGセンサーと電子機器を置き換えることができるため、腕の重量と美観への影響は最小限に抑えられます。

神経データは、研究者らが以前に提案したScorpius神経インターフェースを使用して取得されました。各 Scorpius デバイスには 8 つの記録チャネルがあり、周波数成形 (FS) アンプと高精度のアナログ - デジタル コンバーター (ADC) が搭載されています。必要なチャネル数に応じて、複数のデバイスを構成できます。 FS ニューラルレコーダーは、アーティファクトを抑制しながら超低ノイズのニューラル信号を取得できることが実証されました。生の神経データは Jetson Nano コンピューターに直接送信され、さらに処理されます。

システムの核となるのは、Jetson Nano プラットフォームを搭載した AI エンジンです。研究者らは、Nano モジュールの電源管理と I/O 接続を提供するカスタム キャリア ボードを設計しました。モジュールは 10W モード (4 コア CPU 1900 MHz、GPU 1000 GHz) または 5W モード (2 コア CPU 918 MHz、GPU 640 MHz) で動作し、現在のバッテリー サイズに基づいてそれぞれ約 2 時間と 4 時間の連続使用が可能です。

このシステムでは、訓練されたディープラーニングモデルをAIエンジン上に展開し、神経信号を個々の指の動きの真意にリアルタイムで変換します。最終的な予測はハンドコントローラーに送信され、義手を駆動します。

この義手は、英国のテクノロジー企業 Touch Bionics 社の i-Limb 義手プラットフォームをベースにしており、個別に作動する 5 本の指を備えています。研究者らは、オリジナルの i-Limb デフォルトアクチュエーターを、ディープラーニングモデルの予測に基づいて各指に隠された DC モーターを直接操作するカスタムハンドコントローラーに置き換えました。コントローラは、低電力マイクロコントローラを備えた ESP32 モジュールを中心に設計されています。

下の図 3 は、各コンポーネントのハードウェア実装をより詳細に示しています。

研究の詳細については原著論文を参照してください。