Deep Hand

Tiefenwahrnehmung und Deep Learning für die Muskelkontrolle der oberen Gliedmaßen

Wissenschaftliche/r Leiter/in:

Prof. Dr. Dr. h.c. Frank Kirchner

Projektkoordinator/in:

Dr. Claudio Castellini (Deutsches Zentrum für Luft- und Raumfahrt e.V.)

Projektleiter/in:

M. Sc. Bingbin Yu

Ansprechpartner/in:

M. Sc. Bingbin Yu

Im Projekt Deep Hand werden selbstangetriebene Handprothesen mit dem Ziel entwickelt, Amputierten zu helfen, einen Teil der verloren gegangenen Funktionalitäten der oberen Gliedmaßen wiederzuerlangen. Diese sollten idealerweise mit Hilfe der Aktivitäten der Restmuskulatur bedient werden können. Um dies zu erreichen, entwickelt die AG Robotik der Universität Bremen ein A-Mode Ultraschall Scansystems zur Erfassung der Tiefenmuskelaktivitäten. Die gewonnenen Ultraschalldaten werden in Verbindung mit den Daten aus der Oberflächen-Elektromyographie (sEMG), der Berührungswahrnehmung, der Dehnungsmessung und der Elektrischen Impedanztomographie (EIT) zusammengeführt, um dann durch Deep-Learning-Methoden die Zuverlässigkeit der Prothesensteuerung zu verbessern.

Laufzeit:	16.03.2020 bis 15.03.2022
Zuwendungsempfänger:	Universität Bremen
Fördergeber:	DFG Deutsche Forschungsgemeinschaft
Förderkennzeichen:	DFG Projekt Nummer 272314643
Partner:	DLR – Deutsches Zentrum für Luft- und Raumfahrt e.V. Universität Bielefeld (CITEC) Universität Siegen
Anwendungsfelder:	Assistenz- und Rehabilitationssysteme

Projektdetails

Darstellung des Einsatzes von Ultraschallsensoren im Projekt Deep Hand. Quelle: Universität Siegen, Lehrstuhl Medizinische Informatik und Mikrosystementwurf

Die Welt um uns herum ist so gestaltet, dass sie von Hand bedient werden kann: unsere Wohnungen, unsere Arbeitsplätze, die alltäglichen Transportmittel usw. Aus diesem Grund führt der Verlust der oberen Extremität zu einer schweren Beeinträchtigung der alltäglichen Funktionsfähigkeit sowie zu psychischen Schäden. Ein solcher Verlust ist irreversibel. Ein Leben ohne eine Hand oder einen Arm verändert die Gewohnheiten, das Aussehen und die affektive Interaktion in irreversibler Weise und führt zu körperlicher Behinderung und oft auch sozialer Ablehnung und Depressionen. Der Amputierte braucht ein lebenslanges Hilfsmittel, das zu einem symbiotischen Begleiter im Alltag werden soll. Mit dieser Forderung wächst das Interesse an der Roboterprothese, die nicht nur geschickte Handlungen ausführen kann, sondern auch die Absichten des Amputierten zuverlässig erkennt.

Gegenwärtig basieren die meisten Roboterhand-Prothesen noch auf Oberflächen-EMG-Technologie. Solche Signale ändern sich in der Regel je nach Umgebungs- und Körperbedingungen, was störend sein und zu einer unzuverlässigen Steuerung führen kann. Um die Absicht des Amputierten genauer lesen zu können, zielt das Projekt DeepHand darauf ab, verschiedene Ansätze einzuführen, darunter die Erfassung der Oberflächenmuskelaktivitäten mittels sEMG, taktilem Sensor sowie der Erfassung der Tiefenmuskelaktivitäten mittels EIT und A-Mode-Ultraschall-Scanning.

Die AG Robotik der Universität Bremen wird sich auf die Entwicklung eines tragbaren Systems konzentrieren, das die Aktivitäten der Tiefenmuskulatur mit Hilfe eines Satzes von A-Mode-Ultraschallsensoren erfasst.

Aufgrund seiner kompakten Größe ist ein A-Mode-Ultraschallsensor zur Erkennung der Muskelaktivitäten ideal im Vergleich zu dem B-Mode-Scanning, das sich bereits als wirksamer Ansatz zur Überwachung der Muskelaktivitäten erwiesen, jedoch eine sperrige Größe hat. Die Daten aus den verschiedenen Sensortechnologien werden zusammengeführt und mit Hilfe von maschinellen Lernansätzen weiter untersucht. Dadurch kann die Absicht des Amputierten genauer abgelesen werden und die entsprechende Steuerung der Roboter-Prothesen ist zuverlässiger.

Zurück zur Projektliste