Development of neural network based algorithm of active ankle prosthesis using gait analysis data

Abstract

Hastalık, kaza veya travma nedeniyle, bir uzvun tamamının ya da bir kısmının kesilmesi işlemine ampütasyon denir ve oldukça sık uygulanmaktadır. Örneğin, Amerika Birleşik Devletleri'nde her gün ortalama 500 insan en az bir uzvunu kaybederken, bunların yaklaşık olarak %65'i alt ekstremite ampütasyonlarından oluşur. Enerji tüketimi açısından aktif protezlerin maliyetleri yüksek olduğu için, ampüte insanlar tekerlekli sandalye veya pasif bir protezi kullanarak günlük yaşamlarına devam etmektedir. Bu çalışmanın amacı, aktif bir ayak bileği protezi için optimum sensör gereksinimlerini belirlemek ve bu sensör altyapısına uygun bir algoritma geliştirmektir. Uzun vadede, hem kullanımı kolay hem de mali açıdan uygulanabilir olan bir cihazın tasarlanması amaçlanmaktadır ve mevcut çalışma bu amaca yöneliktir. Bu kapsamda, ayak bileği hareketlerinin tahmin edilebilmesi için farklı girişlere sahip üç sinir ağı yapısı geliştirilmiş ve performansları değerlendirilmiştir. Sonuçlar, sadece elektromiyografi (EMG) sinyallerinin ağ girişi olarak kullanılması durumunda, kalça, diz ve bilek hareketlerinden sorumlu farklı kaslardan toplam 5 adet sinyalin toplanması gerektiği göstermiştir. Sonuçlar ayrıca, eğer daha az sayıda EMG sensörünün kullanılması tercih edilirse, sisteme bir kuvvet veya tork geribildirimi eklemek gerektiğini göstermiştir. Böyle bir uygulamada, tibialis anterior, soleus and gastrocnemius medialis kaslarından toplanan üç EMG sinyalinin yeterli olduğu gösterilmiştir. Bu bulgular, hastanın ampütasyon seviyesine ve mekanik tasarım esnekliğine göre, aktif bilek protezinin ihtiyaç duyduğu sensör miktarının ve sensör tiplerinin belirlenmesinde yol gösterici olmuştur.

Amputation is the removal of a part or all of a limb due to disease, accident or trauma and it has a large incidence rate. For example, in the United States, an average of 500 people loses at least one limb every day, approximately 65% of which is comprised of lower limb amputations. Since energetically active prostheses are costly, amputees usually continue with their daily lives using a wheelchair or a passive prosthesis. The aim of this study is to determine the optimum sensor needs for an active ankle prosthesis and to develop an algorithm suitable for this sensor infrastructure. In the long run, design of a device that is both easy to use and financially feasible is aimed at and the present work is central to that aim. In this context, three neural networks structures with different inputs were developed to facilitate ankle movement and their performances were evaluated. The results show that if a device in which only EMG signals are to be used as network inputs, a total of 5 signals should be collected from different muscles that are responsible for hip, knee and ankle movements. The results also show that, if the use of a smaller number of EMG sensors is preferred, it is necessary to incorporate also a force or torque feedback into the system. In such application, three EMG signals collected from tibialis anterior, soleus and gastrocnemius medialis muscles were shown to suffice. These findings shed an important light to our understanding of the number and kind of sensor inputs necessary for an active ankle prosthesis requirements of which can be variable depending on the amputation level of the patient and the mechanical design flexibility.