教育新闻网研究人员开发了一种机器学习模型，该模型可以使机器人安全地治疗与神经退行性疾病相关的手部震颤。
这项发表在《科学报告》上的研究表明，美国纽约大学坦登工程学院和加拿大西安大略大学(UWO)的研究团队已经利用人工智能技术来构建算法模型，从而使机器人更加精确，更快。并且与神经退行性疾病有关的手部震颤更安全。
控制非自愿运动
全球有超过一百万的人被诊断出患有帕金森氏病，这只是一种会引起手部震颤的神经退行性疾病。
国际研究人员团队已在其模型上使用了最强大的技术(现已准备部署)，以确保它们能够抵抗病理性手震，这种震颤是影响许多成年成年人的常见且令人衰弱的运动问题的征兆。
PHTNet方法
尽管有诸如穿戴式外骨骼服和神经康复机器人之类的先进技术可以帮助人们抵消一些非自愿运动，但是在实时预测非自愿运动时，这些机器人仍需要精确。如果机器滞后仅10到20毫秒，这可能会阻止机器进行有效补偿，并且在某些情况下甚至可能对安全造成潜在风险。
但是，研究人员已经使用在伦敦(安大略省)运动障碍中心收集的大数据集来创建名为PHTNet的创新机器学习模型，用于“使用递归神经网络进行病理性手震”。
提取预测信息
研究人员使用小型传感器分析了81位患者在60和70年代的手部动作。然后，他们应用了一种新颖的数据驱动型深度神经网络建模技术，以提取适用于所有患者的预测信息。
在研究论文中，他们揭示了人工智能模型和训练，并报告了24,300个样本的95%置信度。
创建适合所有人的模型
合著者S. Farokh Atashzar现在是纽约大学坦登分校的助理教授，他在加拿大进行博士和博士后研究时开始探索结合人工智能的机器人的使用，他解释说：“我们的模型已经在神经学家，研究人员和辅助技术开发人员可以使用的现成阶段，
“它需要大量的计算能力，因此我们计划开发一种低功耗的云计算方法，该方法将使可穿戴式机器人和外骨骼在患者家中运行。我们还希望开发需要较少计算能力的模型，并在输入中增加其他生物学因素。”
