ZuhauseNachrichtenKI tragbar für die Fugenmomenterkennung

KI tragbar für die Fugenmomenterkennung

Die tragbaren Tracks Kniekraft und -bewegung in Echtzeit.Es hilft bei der Überwachung der gemeinsamen Gesundheit, zur Unterstützung der Genesung, zum Vorbeugung von Verletzungen und in der Verbindung mit Hilfsmitteln.



Forscher des University of Oxford und des University College London haben einen tragbaren Sensor entwickelt, der in Echtzeit mit Bornitrid -Nanoröhren (BNNTs) in Echtzeit ein Drehmoment des Kniegelenks verfolgt.Das Gerät wurde für die Verwendung außerhalb des Labors entwickelt und bietet eine Alternative zu gemeinsamen Überwachungssystemen.



Dieses Wearable wird für die Überwachung der gemeinsamen Gesundheit verwendet.Es kann dazu beitragen, Probleme frühzeitig zu erkennen und Veränderungen im Laufe der Zeit zu verfolgen.Es wird von Menschen mit gemeinsamen Bedingungen, älteren Erwachsenen und Sportlern verwendet.Die Echtzeitdaten unterstützen Rehabilitation und medizinische Versorgung.

Es unterstützt auch die Prävention und Genesung von Verletzungen.Durch die Analyse des Drehmoments während der Bewegung kann das Gerät Benutzer oder Kliniker auf gemeinsame Bewegungen aufmerksam machen, die zu einer Belastung oder Fehlausrichtung führen können.In der Reha stellt sie sicher, dass die Gelenklasten innerhalb von Grenzen und Führern den Fortschritt verbleiben.

Das Gerät verwendet ein Material aus Bornitrid -Nanoröhren, gemischt mit Polydimethylsiloxan (PDMS), um die Kniebewegung zu erkennen.Ein integriertes neuronales Netzwerk verarbeitet direkt auf dem Gerät und schätzt Drehmoment, Winkel und Last in Echtzeit.

Bornitrid -Nanoröhren wurden wegen ihrer Festigkeit, ihrer Wärmefestigkeit und ihrer piezoelektrischen Eigenschaften ausgewählt.Wenn sie in eine PDMS -Basis gemischt werden, erstellen sie einen Film, der die Kniebewegung erkennen kann.

Das Gerät verwendet auch eine Struktur mit einem negativen Poisson -Verhältnis, das der Kniebewegung folgt.Dies hilft, an Ort und Stelle zu bleiben und verbessert die Bewegungsverfolgung unter dem Laden.

Ein Teil des Systems ist ein integriertes neuronales Netzwerk.Es verarbeitet Signale aus dem piezoelektrischen Film in Echtzeit und wandelt sie in Daten zu Drehmoment, Winkel und Last um.Auf diese Weise kann das Gerät Feedback zu gemeinsamen Bedingungen ohne externe Computer geben.

Es ist energieeffizient, aus kostengünstigen Materialien hergestellt und arbeitet in verschiedenen Umgebungen-und für gut ausgestattete und unterversorgte Bereiche.

Das Team plant, das Gerät weiter zu entwickeln, indem die Materialien aktualisiert, das Design angepasst und die KI verbessert werden.Sie untersuchen auch die Integration mit Systemen wie tragbaren Robotern oder Exoskeletten für die Verwendung in Kliniken, Sport und Hilfstechnologie.