В статье представлено новое гидравлическое устройство (электронная детская бутылочка) для объективной оценки биомеханики сосания у младенцев. С помощью машинного обучения (ROCKET-преобразование) разработана автоматическая классификация эффективных сосательных движений, достигшая высокой точности. Исследование показало, что через неделю после френотомии у большинства детей с уздечкой языка улучшились показатели внутриротового давления, что подтверждает клиническую применимость метода.
В данной научной работе исследуется применение генеративного искусственного интеллекта для моделирования и симуляции движений пациента в процессе медицинской реабилитации. Основной метод исследования заключается в использовании данных об углах наклона суставов для обучения нейросетевых моделей, способных генерировать реалистичные траектории движений. Это позволяет создавать цифровые двойники физической активности, что критически важно для персонализированного планирования программ восстановления. Технология направлена на автоматизацию мониторинга прогресса пациента и прогнозирование динамики восстановления без необходимости постоянного присутствия врача. Использование генеративных моделей в данном контексте позволяет восполнять пробелы в данных сенсоров и моделировать различные сценарии двигательной активности. Результаты исследования открывают новые возможности для интеграции ИИ в системы умной реабилитации и носимые устройства для физиотерапии.
В исследовании, опубликованном в Nature Machine Intelligence, представлена разработка ergoCub — инновационного гуманоидного робота, спроектированного с приоритетом на безопасность взаимодействия с человеком. Авторы применяют концепцию «общего воплощенного интеллекта» (shared embodied intelligence), где процессы проектирования и управления оптимизируются совместно. Ключевой особенностью является интеграция медицинских метрик, таких как нагрузка на позвоночник (back stress), непосредственно в алгоритмы управления движением. Методология позволяет минимизировать спинальную нагрузку при одновременном повышении устойчивости локомоции робота. Результаты показывают, что учет антропометрических и биомеханических параметров позволяет создавать роботов, которые более эффективно и безопасно работают в непосредственной близости от людей. Данная работа имеет высокую значимость для развития реабилитационной робототехники и создания ассистивных устройств нового поколения.
В исследовании, опубликованном в журнале npj Digital Medicine, представлена инновационная методология комплексной оценки параметров походки человека с помощью носимых инерциальных датчиков (IMU). Авторы предлагают использовать архитектуру иерархического многозадачного обучения (Hierarchical Multi-Task Learning, HMTL) для одновременного извлечения различных характеристик движения. В отличие от традиционных подходов, этот метод позволяет модели эффективно разделять общие признаки движения и специфические параметры, что значительно повышает точность анализа. Исследование фокусируется на автоматизации процесса мониторинга биомеханики, что критически важно для ранней диагностики неврологических расстройств и реабилитации пациентов. Применение глубокого обучения в сочетании с инерциальными данными позволяет достичь высокой точности в распознавании паттернов ходьбы в реальном времени. Данная разработка имеет высокую практическую значимость для телемедицины и персонализированного мониторинга состояния пациентов вне клинических условий.
В исследовании, опубликованном в журнале npj Digital Medicine, представлена инновационная методика оценки биомеханических свойств роговицы для раннего выявления кератоконуса. Авторы предложили использовать архитектуру Video Swin Transformer — передовую нейросетевую модель, способную анализировать пространственно-временные паттерны в видеоданных. Методология включает многомасштабную валидацию, позволяющую сопоставить результаты ИИ с традиционными клиническими показателями. Ключевым результатом является высокая точность модели в дифференциации здоровых тканей от тканей с патологическими изменениями, что критически важно для пациентов группы риска. Применение данного ИИ-решения позволяет автоматизировать сложный процесс биомеханического анализа, повышая точность диагностики на ранних стадиях заболевания. Это открывает новые возможности для персонализированного мониторинга состояния роговицы в офтальмологической практике.
Специалисты научно-исследовательского технологического института «Техномаш», входящего в холдинг «Росэл» госкорпорации «Ростех», представили линейку функциональных прототипов гидравлических стоп. Устройство оснащено системой микропроцессорного управления, что позволяет динамически адаптировать работу протеза к особенностям походки и рельефу поверхности. Разработка направлена на создание высокотехнологичных средств реабилитации, способных обеспечить более естественную биомеханику движения для людей с ампутациями. Использование микропроцессоров в гидравлической системе позволяет минимизировать энергозатраты пользователя и повысить стабильность при ходьбе. Проект представляет собой важный шаг в области отечественного протезирования и интеграции микроэлектроники в медицинские изделия. Данная технология может стать базой для создания более совершенных систем активного протезирования нижних конечностей.
