Thesis Project Form
Title (tentative): Evaluation and Optimization of Prosthesis Control Based on Regression Machine Learning Algorithms: New Strategies to Maximize the Efficiency Varying the Number of ElectrodesThesis advisor(s): Chiappalone Michela | E-mail: |
Address: Via Opera Pia 13, 16145 Genova | Phone: |
Description
Motivation and application domain
Questo tesi nasce nel laboratorio Rehab Technologies - INAIL - IIT Lab (https://www.iit.it/research/lines/rehab-technologies-inail-iit-lab) dal progetto Hannes, la mano poliarticolata, supportato dall’ Istituto Italiano di Tecnologia (IIT) e dal centro di ricerca INAIL di Budrio.
L’obiettivo è quello di creare una nuova protesi poliarticolata per pazienti con amputazione transradiale che garantisca un recupero funzionale human like.
L’obiettivo è quello di creare una nuova protesi poliarticolata per pazienti con amputazione transradiale che garantisca un recupero funzionale human like.
General objectives and main activities
L’obiettivo principale consiste nello sviluppare un software per acquisizione di segnali mioelettrici, addestramento di algoritmi di pattern recognition e programmazione embedded della scheda
controllo motori. I segnali elettromiografici vengono associati a comandi per interfaccia utente per permettere la comunicazione e il controllo della protesi. La strategia proposta allo studente è di confrontare algoritmi di pattern recognition già implementati o
nuovi e individuare quello/i con maggior accuratezza. Successivamente si chiederà di valutare e massimizzare l’accuratezza degli algoritmi al variare del numero degli elettrodi di acquisizione e della tipologia di elettrodo. Il completamento con successo di questo progetto è legato allo sviluppo di un sistema di controllo che verrà testato per un’applicazione in real-time con feedback di movimento della protesi o del controllo di un software di realtà virtuale che riproduca i movimenti della mano poliarticolata.
controllo motori. I segnali elettromiografici vengono associati a comandi per interfaccia utente per permettere la comunicazione e il controllo della protesi. La strategia proposta allo studente è di confrontare algoritmi di pattern recognition già implementati o
nuovi e individuare quello/i con maggior accuratezza. Successivamente si chiederà di valutare e massimizzare l’accuratezza degli algoritmi al variare del numero degli elettrodi di acquisizione e della tipologia di elettrodo. Il completamento con successo di questo progetto è legato allo sviluppo di un sistema di controllo che verrà testato per un’applicazione in real-time con feedback di movimento della protesi o del controllo di un software di realtà virtuale che riproduca i movimenti della mano poliarticolata.
Training Objectives (technical/analytical tools, experimental methodologies)
1. Sviluppo di un software integrato per la gestione e la calibrazione della protesi.
2. Design, implementazione e esecuzione di esperimenti.
3. Design e test real-time per l’acquisizione e il processing di algoritmi per pattern recognition.
4. Mixed software skills (Matlab, LabView, C#, C, C++, Unity, Blender).
2. Design, implementazione e esecuzione di esperimenti.
3. Design e test real-time per l’acquisizione e il processing di algoritmi per pattern recognition.
4. Mixed software skills (Matlab, LabView, C#, C, C++, Unity, Blender).
Place(s) where the thesis work will be carried out: Rehab Technologies, IIT (Morego)
Additional information
Maximum number of students: 1