Improving pattern recognition based myocontrol of prosthetic hands via user-in-the-loop

Il controllo di mani protesiche basato su elettromiografia (EMG) ha le potenzialità di ristabilire funzioni motorie ai pazienti che hanno subito un’amputazione, migliorando sensibilimente la qualità della vita. Tuttavia rimangono problemi aperti nell’ottenere un controllo ricco di movimenti e stabile, fra cui la presenza del limb position effect. La tesi si concentra nel cercare di ridurre questa causa di instabilità, proponendo una versione modificata dell’algoritmo Ridge Regression with Random Fourier Features, reso incrementale e arricchito di feedback all’utente. Questo approccio viene poi validato tramite un esperimento su 12 soggetti intatti, per verificare l’incremento di performance, e tramite un ulteriore studio pilota su un soggetto amputato, a seguito dell’adattamento del software ad una mano protesica in via di sviluppo.