بازخورد حسی در پروتزهای هوشمند یک رویکرد نوآورانه است که هدف آن بهبود کارایی و پذیرش دستگاه‌های پروتزی از طریق تقلید تجربیات حسی اندام‌های طبیعی است. استفاده از بازخورد های حسی در پروتزها و پیشرفت فناوری های مرتبط با آن، تجربه ای بسیار نزدیک به اندام های طبیعی را برای کاربر فراهم می سازد. گرچه تا به امروز نمی توان به قطع ادعا کرد که ساخته ای وجود دارد که بتواند به طور کامل جای اندام های طبیعی فرد را پر کند اما پروتز های هوشمند در برخی جنبه ها می توانند کاربردی تر از اندام های طبیعی عمل کنند.

بازخورد حسی برای کنترل و عملکرد مؤثر اندام‌های مصنوعی ضروری است، زیرا اطلاعات لحظه‌ای را در مورد تعامل اندام مصنوعی با محیط به کاربران ارائه می‌دهد. پروتزهای سنتی معمولاً از این بازخورد بی‌بهره‌اند که منجر به چالش‌هایی در انجام وظایفی می‌شود که نیاز به دقت و مدیریت ظریف دارند. تحقیقات بر روی توسعه سیستم‌هایی تمرکز کرده است که انواع مختلفی از مدالیته‌های حسی، مانند بازخورد لمسی، دما و فشار را ادغام می‌کنند تا حس لامسه را بازیابی کرده و تجربه کاربر را بهبود بخشند.

نوآوری‌های فناوری در بازخورد حسی 

پیشرفت‌های اخیر در فناوری منجر به توسعه سیستم‌های بازخورد حسی متعددی برای پروتزها شده است. به عنوان مثال، دستگاه‌هایی با حسگرهای پیزوالکتریک درون‌ساخت می‌توانند فشار مکانیکی و ارتعاشات را به سیگنال‌های الکتریکی تبدیل کنند، که امکان بازخورد لمسی در زمان واقعی را فراهم می‌آورد. این سیستم حتی در جراحی نیز کاربرد دارد. جراحان استفاده‌کننده از پروتزهای رباتیک و با کمک ویژگی بازخورد حسی آن ها می توانند ویژگی‌های مختلف سطح را حس کرده و تفسیر کنند که در طول رویه‌های جراحی پیچیده بسیار حیاتی است. علاوه بر این، استفاده از آلیاژهای حافظه‌دار و حسگرهای الکترو-سیال در دستکش‌های پوشیدنی نشان‌دهنده وعده‌ای در انتقال مؤثر احساسات فشار است.

رویکرد های موجود برای ایجاد بازخورد حسی در پروتز های هوشمند

توسعه بازخورد لمسی در پروتزهای بیونیک به عنوان یک چالش کلیدی در این حوزه شناخته می‌شود. ​هدف اصلی این رویکردها، احیای حس لمسی برای کاربران پروتزها، به ویژه افرادی است که اندام‌های خود را از دست داده‌اند.​

 

1-بازخورد لمسی مبتنی بر ارتعاش

یکی از رایج‌ترین روش‌ها در ایجاد بازخورد لمسی، استفاده از تحریک لرزشی است. در این روش، دستگاه‌ها ارتعاشات را به کاربر منتقل می‌کنند که معمولاً در پروتزها و دستگاه‌های واقعیت مجازی کاربرد دارد. این روش می‌تواند برای ارائه اطلاعات حسی به کاربر در مورد موقعیت اجسام یا محیط اطراف استفاده شود.

 

2-بازخورد لمسی چند حسی

ترکیب اطلاعات از حواس مختلف به‌ویژه در طراحی پروتزها و دستگاه‌های حرکتی دیگر اهمیت دارد. به‌عنوان مثال، برخی سیستم‌ها از بازخورد صوتی و بصری به‌همراه بازخورد لمسی برای بهبود درک فضایی استفاده می‌کنند. این روش می‌تواند به افزایش ردیابی، شناسایی اشیا و تعامل موثر با محیط کمک کند.

 

3-بازخورد لمسی مبتنی بر فشار

در این روش، فشاری که بر روی سطحی وارد می‌شود برای ایجاد احساس لمسی مورد استفاده قرار می‌گیرد. این نوع بازخورد معمولاً در دستگاه‌های پزشکی مانند پروتزها و ربات‌ها به کار می‌رود، و می‌تواند به کاربر این احساس را بدهد که با اشیا واقعی در حال تعامل است.

 

4-تکنیک‌های تحریک الکتریکی

استفاده از تحریک الکتریکی غیرتهاجمی (TENS) برای شبیه‌سازی احساسات لمسی یکی دیگر از رویکردهای نوآورانه است. این روش به کاربر امکان می‌دهد تا حس فشار یا زبری را از طریق تحریک عصب‌های محیطی دریافت کند. پژوهش‌ها نشان داده‌اند که تحریک الکتریکی می‌تواند دقت حس لمسی را در پروتزها افزایش دهد. این روش به‌خصوص برای ایجاد بازخورد حسی شهودی برای افرادی که اندام‌های خود را از دست داده‌اند، مؤثر است. در این روش، پارامترهای تحریک، شامل دامنه تحریک، عرض پالس و فرکانس، تنظیم شده و تأثیر آن‌ها بر حسی که ایجاد می‌شود، مورد بررسی قرار می‌گیرد.

 

5-بازخورد لمسی در واقعیت مجازی

برخی سیستم‌های واقعیت مجازی از روش‌های پیشرفته‌ای برای ارائه بازخورد لمسی به کاربر استفاده می‌کنند. این سیستم‌ها ممکن است شامل دستکش‌های باحس لمسی، لرزش‌های تطبیقی و دیگر فناوری‌ها باشند که به کاربر اجازه می‌دهند تا در محیط‌های مجازی تعامل بیشتری داشته باشند. فناوری‌های جدید به کاربران این امکان را می‌دهند که با دقت بیشتری در دنیای مجازی حرکت کنند و بیشتر احساس حضور کنند.

 

6-تعامل با سیستم‌های هوشمند

ایجاد تعامل میان پروتزهای هوشمند و سیستم‌های هوشمندی مانند اینترنت اشیاء (IoT) نیز می‌تواند به بهبود بازخورد حسی کمک کند. این پروتکل قابلیت‌های جدیدی برای جمع‌آوری و پردازش اطلاعات فراهم می‌آورد. به‌عنوان مثال، پروتزها می‌توانند با حسگرهای محیطی ارتباط برقرار کنند و اطلاعات بیشتری درباره شرایط اطراف خود دریافت کنند. این اطلاعات می‌تواند به کاربر کمک کند تا تصمیمات بهتری در مورد نحوه استفاده از پروتز بگیرد.

 

7-تکنیک‌های یادگیری ماشینی

استفاده از الگوریتم‌های یادگیری ماشینی برای تحلیل داده‌های حسی و بهینه‌سازی رفتار پروتز یکی دیگر از رویکردهای پیشرفته است. این سیستم‌ها با یادگیری از تجربیات کاربران می‌توانند به‌طور مداوم بهبود یابند و پاسخ‌های بهتری را ارائه دهند. این تکنیک می‌تواند باعث افزایش دقت و کارایی پروتزها شود و به کاربران این امکان را می‌دهد که احساس طبیعی‌تری نسبت به حرکات پروتز داشته باشند.

 

تاثیر پارامترهای تحریک

تحقیقات نشان می‌دهد که آستانه تحریک به‌وسیله هر دو عامل، عرض پالس و دامنه، تعیین می‌شود. به‌طور کلی، افراد بدون نقص بدنی آستانه‌های تحریکی بالاتری نسبت به افرادی که پروتز دارند، تجربه می‌کنند. به‌ویژه، حس‌های لمسی مانند لرزش و فشار می‌توانند با فرکانس‌های ۱۰ و ۱۰۰ هرتز به‌ترتیب تحریک شوند.

پاسخ‌های مغزی

در بررسی‌های انجام شده، اختلاف قابل توجهی در فعالیت‌های مربوط به قشر مغز بین افراد دارای پروتز و افراد بدون نقص بدنی مشاهده شده است. به‌تبع آن، این امر منجر به کاهش دقت لمسی در افرادی که پروتز دارند، می‌شود. نتایج بدست آمده نشان می‌دهد که افراد بدون نقص بدنی دارای فعال‌سازی قوی‌تری در پاسخ N1 هستند، در حالی که افراد با پروتز پاسخ N2 قوی‌تری دارند.

N1 و N2 انواع خاصی از سیگنال‌های نوروپزشکی هستند که با فرآیندهای شناختی در مغز انسان مرتبط هستند. N1 معمولاً با پردازش حسی زودهنگام، به ویژه در محرک‌های شنوایی و بینایی، مرتبط است، در حالی که N2 با کارکردهای شناختی پیچیده‌تری مانند توجه و نظارت بر تضاد مرتبط است. هر دو از طریق پتانسیل‌های وابسته به رویداد (ERP) در الکتروانسفالوگرافی (EEG) شناسایی می‌شوند.

 

پروتوتایپ‌ها و اثربخشی آن‌ها 

پروتوتایپ‌های مختلفی برای بازگرداندن بازخورد حسی در دستگاه‌های پروتزی آزمایش شده‌اند. یک پروژه قابل توجه، پوست هوشمند (Smart Skin) را توسعه داد که شامل یک دست پروتزی چاپ سه‌بعدی شده است که با حسگرهای دما و مقاومت‌های حساس به نیرو مجهز شده است. نتایج نشان داد که این سیستم قادر به انتقال حس‌های واقعی در زمان واقعی است و به طور قابل توجهی کیفیت زندگی افراد قطع عضو(amputee) را با ارائه بازخورد فوری درباره تعامل با اشیاء بهبود می‌بخشد. مثال دیگری دستکش B:Ionic است که از حسگرهای مختلف برای ایجاد یک مکانیزم بازخورد طبیعی استفاده می‌کند و به این ترتیب کنترل و پذیرش پروتزهای رباتیک اندام فوقانی را بهبود می‌بخشد.

 

 

References:

1-[PDF] Smart Prosthetics in Surgery: AI-Driven Tactile Feedback Using Piezoelectric Sensors | Semantic Scholar

2-[PDF] B:Ionic Glove: A Soft Smart Wearable Sensory Feedback Device for Upper Limb Robotic Prostheses | Semantic Scholar

3-A Multimodally-Sensing Digitally-Embedded Smart Skin for Prosthetic Hands to Restore Sensory Feedback for Amputees | Semantic Scholar

4-[PDF] Sensory Substitution for Tactile Feedback in Upper Limb Prostheses | Semantic Scholar

5-Prosthetics for Lower Limb Amputees: A Comprehensive Review of Technologies, Applications, and Future Directions | Semantic Scholar

6-A Review of Non-Invasive Sensory Feedback Methods for Transradial Prosthetic Hands | IEEE Journals & Magazine | IEEE Xplore

7-[PDF] A Mechanical Hand-Tracking System With Tactile Feedback Designed for Telemanipulation | Semantic Scholar

8-EEG-Based Machine Learning Models to Evaluate Haptic Delay: Should We Label Data Based on Self-Reporting or Physical Stimulation? | Semantic Scholar

9-Restoration of Tactile Sensation for Prosthetic Users by Non-Invasive Electrical Stimulation and Assessment with EEG* | Semantic Scholar