世界卫生组织（WHO）的数据显示，目前全世界范围内有超过四千万的截肢患者。虽然目前已有的假肢技术在一定程度上改善了截肢患者的生活质量，也给截肢患者带来了更多的希望，但在目前假肢控制方面仍然存在许多不足，例如不便携、延迟久、精度低等。

近日，来自明尼苏达大学的研究团队及其合作者，共同开发出了一种基于深度学习的便携式独立神经假肢“JetsonNano”（如图1所示），使得一位左肢截肢14年的患者实现高精度、低时延、灵活的活动。

图1截肢患者控制便携式神经假肢

“AI”热潮个各个领域都带来了新的研究热潮。深度学习在解码生物医学数据方面的应用研究取得了飞速的发展，同时也推动了神经假体领域的发展。基于深度学习方法的神经解码方法已经成为推动下一代灵巧和直观的神经假体研究的主要工具，这种基于深度学习的算法可以帮助截肢患者更加灵巧和精准的控制假肢，从而进行全方位运动。 研究人员表示，预计这项工作将成为未来开发基于 AI 的便携式生物医学设备方面的垫脚石，并为更多的被截肢者带来生活上的便利。图2展示了JetsonNano的数据处理流程。

图2 系统数据传输流程(A)部署在Jetson Nano上的数据处理流程概述，由三个线程组成。(B)基于深度学习的信号解码结构。最多可以部署5个深度学习模型，每个模型控制一个或多个手指的运动

研究团队选择了一名截肢了14年的患者进行实验（如图3所示），临床试结果验证明，该系统在不同的手臂、身体姿势，以及在不同的实验室和真实环境中都可以连续稳定运行几个小时。

图3（A，B，C）截肢患者在实验室设置中验证单个手指控制。患者通过另一只功能健全的手向外面的观察者展示他的真实运动意图。（D，E）在各种现实环境中对假手进行测试。 无论手臂/身体的姿势和环境如何，系统功能都保持相对准确和灵巧

研究人员表示，预计这项工作将成为未来开发基于 AI 的便携式生物医学设备方面的垫脚石，并为更多的被截肢者带来生活上的便利。