这是一款便携式独立神经假肢系统，手势识别准确率超95%，原本截掉手臂、失去手指的患者，可让患者像正常人一样玩电子游戏。

这不是简单的机械手，而是深度学习和机械臂硬件的结合。近年来，深度学习在分析、解释和解码生物医学数据方面的应用正在稳步发展。在迅速发展的脑机接口和神经假体领域，基于深度学习的神经解码器已成为创造下一代灵巧、易操作的神经假体的最被看好的方法。

简单来说，神经解码器就是一种能够识别大脑神经活动的人造装置。对于因神经系统受损而无法正常控制肢体的人来说，它可以解码大脑活动，传递大脑向肢体发出的控制指令，从而实现对配套神经假肢的操控。

相比普通假肢，神经假肢可以由“意念”控制，也就是直接接受大脑发出的指令，显然更加灵活且符合人类的直觉。

随着人工智能和深度学习技术的发展，科学家开始尝试将其应用在各个领域，假肢控制也不例外，以主流CNN和RNN等神经网络为基础的算法都能用来驱动神经解码器。

不过，高性能深度学习模型对硬件的运算能力提出了很高的要求，而且通常依赖GPU以支撑其大规模的并行运算。这不仅对缩小硬件尺寸和降低功耗提出了挑战，更是限制了假肢及其神经解码系统的便携性和易用性，使其难以应用在临床上。

为了解决这一问题，美国明尼苏达大学杨知教授的研究团队开发出本次便携式独立神经假肢系统，主要部件包括基于深度学习的神经解码器，英伟达letson边缘计算套件，Neuronix神经接口微芯片，连接神经纤维的束内微电极阵列，定制的PCB电路板和i-Limb机械手。……