Estimating Gait Kinematics from Muscle Activity Using Deep Learning in Typically Developing Children
यह अध्ययन प्रदर्शित करता है कि एक 1D U-Net डीप लर्निंग मॉडल सामान्य रूप से विकसित बच्चों में सरफेस इलेक्ट्रोमाइयोग्राफी संकेतों से सैजिटल प्लेन टखने और घुटने के जोड़ों के कोणों का सटीक अनुमान लगा सकता है, जो बाल चिकित्सा गेट (चाल) मूल्यांकन के लिए पारंपरिक मोशन कैप्चर प्रणालियों का एक पोर्टेबल और गैर-आक्रामक विकल्प प्रदान करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक जटिल, महंगी फिल्म के सेट पर कैमरों और तारों के साथ एक बच्चे के चलने को समझने की कोशिश कर रहे हैं। पारंपरिक गेट एनालिसिस (चाल विश्लेषण) बिल्कुल वैसा ही है: यह अच्छा काम करता है, लेकिन यह भारी, जटिल और इधर-उधर ले जाने में कठिन है। यह शोध एक बहुत ही सरल तरीका सुझाता है: शरीर की गति को देखने के बजाय, आइए पैरों की गति को समझने के लिए "मांसपेशियों के संगीत" (muscle music) को सुनें।
"मांसपेशियों के संगीत" का अनुवादक
शोधकर्ताओं ने मांसपेशियों से निकलने वाले विद्युत संकेतों (जिन्हें sEMG कहा जाता है) को एक गुप्त कोड की तरह माना। वे इस कोड को घुटने और टखने के जोड़ों के मुड़ने और सीधे होने के चित्र में अनुवादित करना चाहते थे। ऐसा करने के लिए, उन्होंने एक विशेष डिजिटल मस्तिष्क बनाया जिसे 1D U-Net कहा जाता है। इस AI मॉडल को एक सुपर-स्मार्ट अनुवादक के रूप में समझें जो मांसपेशियों की लय को सुनता है और तुरंत जोड़ों के सटीक कोण को "वापस बोलता" है, ठीक वैसे ही जैसे वह किसी स्क्रिप्ट को पढ़ रहा हो।
परीक्षण रन
उन्होंने इस अनुवादक का परीक्षण 4 से 16 वर्ष की आयु के 25 बच्चों पर किया। उन्होंने निचले पैर की दो प्रमुख मांसपेशियों पर ध्यान केंद्रित किया: पिंडली की एक मांसपेशी (टिबियालिस एंटीरियर) और दूसरी मांसपेशी (मेडियल गैस्ट्रोकनेमियस)।
परिणाम प्रभावशाली थे। AI अनुवादक बहुत सटीक था:
- टखने (ankle) के लिए, यह केवल एक छोटे सिक्के की चौड़ाई (3.6 डिग्री) के अंतर पर था।
- घुटने (knee) के लिए, यह थोड़ा सा अधिक (4.1 डिग्री) था।
"रुकने और चलने" का सुराग
शोधकर्ताओं ने पाया कि अनुवादक तब और भी बेहतर काम करता है जब वे इसे एक विशिष्ट सुराग देते हैं: वह सटीक क्षण जब बच्चे का पैर जमीन छोड़ता है (टो-ऑफ)। यह एक GPS को एक विशिष्ट लैंडमार्क देने जैसा है जिसे उसे खोजना है; एक बार जब वह उस लैंडमार्क को देख लेता है, तो वह चलने की पेचीदा गतिविधियों (जैसे शुरू करना या रुकना) को बहुत अधिक सुचारू रूप से नेविगेट कर सकता है।
जहाँ यह लड़खड़ाता है (और क्यों)
कोई भी प्रणाली पूर्ण नहीं होती। शोधकर्ताओं ने यह पता लगाने के लिए कि अनुवादक कहाँ छोटी गलतियाँ करता है, एक विशेष मानचित्र (जिसे स्टैटिस्टिकल पैरामीट्रिक मैपिंग कहा जाता है) का उपयोग किया। उन्होंने पाया कि AI थोड़ा भ्रमित हो जाता है जब पैर पहली बार जमीन पर पड़ता है और ठीक उससे पहले जब पैर उठने वाला होता है। हालाँकि, ये त्रुटियां इतनी छोटी थीं कि वास्तविक दुनिया के मेडिकल चेकअप में इनका कोई महत्व नहीं होगा।
बड़ा होना इसे आसान बनाता है
दिलचस्प बात यह है कि बच्चा जितना बड़ा होता है, अनुवादक उतना ही बेहतर काम करता है। ऐसा इसलिए है क्योंकि जैसे-जैसे बच्चे बढ़ते हैं, उनके चलने के पैटर्न अधिक स्थिर और अनुमानित हो जाते हैं, जिससे AI के लिए "मांसपेशियों के संगीत" को समझना आसान हो जाता है।
निष्कर्ष
शोध पत्र निष्कर्ष निकालता है कि अब हम बड़े कैमरों या तारों की आवश्यकता के बिना, केवल उनकी मांसपेशियों को सुनकर यह विश्वसनीय रूप से पता लगा सकते हैं कि एक बच्चे के पैर कैसे चल रहे हैं। यह सिद्ध करता है कि बच्चों के चलने की जांच करने में डॉक्टरों की मदद करने के लिए एक सरल, पोर्टेबल उपकरण बनाया जा सकता है, और इसी प्रकार का "मांसपेशी-से-गति" (muscle-to-motion) अनुवाद उन सहायक उपकरणों को नियंत्रित करने के लिए भी उपयोग किया जा सकता है जो लोगों को चलने में मदद करते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।