Estimating Gait Kinematics from Muscle Activity Using Deep Learning in Typically Developing Children
تُظهر هذه الدراسة أن نموذج التعلم العميق 1D U-Net يمكنه تقدير زوايا مفصل الكاحل والركبة في المستوى السهمي بدقة من إشارات تخطيط كهربائية العضل السطحية لدى الأطفال الذين ينمون بشكل طبيعي، مما يوفر بديلاً محمولاً وغير جراحي لأنظمة التقاط الحركة التقليدية لتقييم المشي لدى الأطفال.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول فهم كيفية مشي طفل من خلال مشاهدة فيلم معقد ومكلف تم إعداده بكاميرات وأسلاك. هذا هو حال تحليل المشية التقليدي: إنه يعمل بشكل جيد، ولكنه ضخم ومعقد ويصعب التنقل به. تقترح هذه الورقة طريقة أبسط بكثير: بدلاً من مراقبة حركة الجسم، دعونا نستمع إلى "موسيقى العضلات" لنعرف كيف تتحرك الأرجل.
مترجم "موسيقى العضلات"
عامل الباحثون الإشارات الكهربائية من العضلات (التي تسمى sEMG) كأنها شفرة سرية. أرادوا ترجمة هذه الشفرة إلى صورة توضح كيفية انثناء وامتداد مفصلي الركبة والكاحل. وللقيام بذلك، بنوا عقلًا رقميًا خاصًا يسمى 1D U-Net. فكر في نموذج الذكاء الاصطناعي هذا كمترجم ذكي للغاية يستمع إلى إيقاع العضلات و"يتحدث" فورًا بالزاوية الدقيقة للمفاصل، تمامًا كما لو كان يقرأ نصًا مكتوبًا.
التجربة الاختبارية
اختبروا هذا المترجم على 25 طفلًا، تتراوح أعمارهم بين 4 و16 عامًا. ركزوا على عضلتين رئيسيتين في أسفل الساق: العضلة الموجودة في قصبة الساق (العضلة الظنبوبية الأمامية) والعضلة الموجودة في ربلة الساق (العضلة التوأمية الإنسية).
كانت النتائج مبهرة. كان المترجم الذكي دقيقًا جدًا:
- بالنسبة لـ الكاحل، لم يتجاوز الخطأ عرض عملة معدنية صغيرة (3.6 درجة).
- بالنسبة لـ الركبة، كان الخطأ أكثر بقليل (4.1 درجة).
دليل "التوقف والانطلاق"
وجد الباحثون أن المترجم يعمل بشكل أفضل عندما أعطوه دليلاً محددًا: اللحظة الدقيقة التي تترك فيها قدم الطفل الأرض (رفع أصابع القدم). الأمر يشبه إعطاء نظام تحديد المواقع العالمي (GPS) معلمًا بارزًا محددًا للبحث عنه؛ فبمجرد رؤية هذا المعلم، يمكنه التنقل عبر المنعطفات الصعبة للمشي (مثل البدء أو التوقف) بسلاسة أكبر.
أين يتعثر (ولماذا)
لا يوجد نظام مثالي. استخدم الباحثون خريطة خاصة (تسمى رسم الخرائط البارامتري الإحصائي) للعثور على الأماكن التي ارتكب فيها المترجم أخطاءً صغيرة. وجدوا أن الذكاء الاصطناعي يصاب ببعض الارتباك عند ملامسة القدم للأرض لأول مرة وقبل رفعها مباشرة. ومع ذلك، كانت هذه الأخطاء صغيرة جدًا لدرجة أنها لن تؤثر في الفحص الطبي الواقعي.
النمو يجعل الأمر أسهل
من المثير للاهتمام أن المترجم كان يعمل بشكل أفضل كلما كبر الطفل. وذلك لأن الأطفال مع نموهم تصبح أنماط مشيهم أكثر استقرارًا وتوقعًا، مما يجعل "موسيقى العضلات" أسهل في الفهم بالنسبة للذكاء الاصطناعي.
الخلاصة
تخلص الورقة إلى أنه يمكننا الآن معرفة كيفية تحرك أرجل الأطفال بمجرد الاستماع إلى عضلاتهم، دون الحاجة إلى كاميرات كبيرة أو أسلاك. وهذا يثبت أنه يمكن بناء أداة بسيطة ومحمولة لمساعدة الأطباء في فحص كيفية مشي الأطفال، ويمكن استخدام نفس عملية الترجمة من "العضلة إلى الحركة" للمساعدة في التحكم في الأجهزة المساعدة التي تساعد الناس على الحركة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.