DE102019118399A1

DE102019118399A1 - Verfahren und Systeme zum Steuern aktiver Prothesen

Info

Publication number: DE102019118399A1
Application number: DE102019118399.5A
Authority: DE
Inventors: Sharmita Dey; Mahdy Eslamy; Arndt Schilling
Original assignee: Universitaetsmedizin Goettingen Georg August Universitaet
Current assignee: Universitaetsmedizin Goettingen Georg August Universitaet
Priority date: 2019-07-08
Filing date: 2019-07-08
Publication date: 2021-01-14
Also published as: WO2021005006A2; WO2021005006A3

Abstract

Beschrieben werden Verfahren und Systeme zum Steuern von aktiven Prothesen. Für den besonderen Anwendungsfall aktiver Knie- bzw. Fußgelenkprothesen ist vorgesehen:- Gewinnen von empirischen Synergiedaten, welche für einen nicht amputierte Menschen eine Beziehung zwischen einer Bewegung des Oberschenkels bzw. des Unterschenkels und der des Knies bzw. des Fußgelenks für mehrere Ganggeschwindigkeiten beinhalten;- Gewinnen von Bewegungsdaten bezüglich des Oberschenkels des Knieamputierten beim Gehen bzw. bezüglich des Unterschenkels des Fußgelenkamputierten beim Gehen;- Ableiten einer Ganggeschwindigkeit aus den gewonnenen Bewegungsdaten; und- Steuern der aktiven Knieprothese bzw. der aktiven Fußgelenkprothese auf Basis der gewonnenen Synergiedaten und der gewonnenen Ganggeschwindigkeit.Weiterhin wird ein Verfahren und System beschrieben zur Steuerung einer Fußgelenkprothese unter Einsatz eines neuronalen Netzwerkes und eines Sensors am Oberschenkel des Prothesenträgers.

Description

HINTERGRUND DER ERFINDUNG
Gebiet der Erfindung
Die Erfindung betrifft Verfahren und Systeme zum Steuern aktiver Prothesen und insbesondere zum Steuern von aktiven Knie- und Fußgelenkprothesen.
Allgemeines und zum Stand der Technik
Die Bewegungen und insbesondere der Gang des gesunden Menschen sind das Ergebnis eines komplexen Zusammenwirkens zwischen insbesondere dem Gehirn, dem Rückenmark, peripheren Nerven, Beingelenken, Muskeln und Knochen. Um den natürlichen Gang möglichst gut nachzuahmen, wurden in jüngerer Zeit sogenannte aktive Prothesen sowohl für das Kniegelenk als auch für das Fußgelenk entwickelt. Eine aktive Prothese hat einen Motor und eine Motorsteuerung, welche das Knie- bzw. das Fußgelenk (aktiv) bewegen.
Wesentlich für das Erreichen eines möglichst natürlichen Ganges durch einen Prothesenträger ist die sogenannte Synergie. Damit wird die beim (natürlichen) menschlichen Gang gegebene Koppelung in der Bewegung der Komponenten der unteren Extremitäten bezeichnet, also insbesondere die Koppelung in der Bewegung von Oberschenkel und Knie und die Koppelung in der Bewegung von Unterschenkel und Fußgelenk (Sprunggelenk). Die Synergie ermöglicht es beispielsweise, aus einer Bewegung des Oberschenkels eine Bewegung des Unterschenkels bzw. des Knies abzuleiten.
Eine Hauptherausforderung bei der Steuerung aktiver Prothesen ist eine Steuerung des die Prothese beaufschlagenden Motors derart, dass die Prothesenbewegung möglichst angepasst ist an die Art der Bewegung des Prothesenträgers, insbesondere an die Ganggeschwindigkeit und den Typ des Ganges.
Bekannt ist beispielsweise die sogenannte Echosteuerung (D. Grimes, W. Flowers, and M. Donath, „Feasibility of an active control scheme for above knee prostheses." Journal of Biomechanical Engineering, vol 99, no. 4, pp. 215-221, 1977). Beim Echoverfahren wird die Bewegungsbahn des intakten Beines auf der amputierten Seite nachgebildet unter Berücksichtigung erforderlicher Zeitverschiebungen zwischen den Bewegungen auf den beiden Seiten.
Ein anderer Ansatz im Stand der Technik (F. Sup, H. A. Varol, J. Mitchell, T. Withrow, and M. Goldfarb, „Design and control of an active electrical knee and ankle prosthesis." in IEEE RAS & EMBS International Conference on Biomedical Robotics and Biomechatronics (BioRob), 2008, pp. 523-528) steuert eine aktive Kniegelenkprothese derart, dass ein Schritt aufgeteilt wird in verschiedene Sektionen (mittels sogenannter Zustandsmaschinen), entsprechend dem Kniegelenkwinkel und der Geschwindigkeit. Die Steuerung des Motors basiert dann auf vorgegebenen sogenannten Schaltregeln zur Steuerung der Prothese beim Gehen. Dieses Verfahren sowie auch weitere im Stand der Technik bekannte Verfahren sind sogenannte diskrete Verfahren, bei welchen der Gangzyklus in verschiedene Zustände unterteilt wird (zum Beispiel vier verschiedene Moden („Fine States“)). Kennzeichnend für diesen Stand der Technik ist der Einsatz sogenannter Schaltregeln („Switching Rules“), womit eine Definition von Parametern bezeichnet wird, die bestimmend sind für die Abgabe von Befehlen für den nächsten Teilschritt. Neben derartigen diskreten Verfahren kennt der Stand der Technik auch eine sogenannte kontinuierliche, auf Echtzeitberechnung basierende, übergeordnete Steuerung (HLC, High Level Controller), siehe D. Quintero, D. J. Villarreal, D. J. Lambert, S. Kapp, and R. D. Gregg, „Continuous-phase control of a powered knee-ankle prosthesis: Amputee experiments across speeds and inclines,“ IEEE Transactions on Robotics, 2018.
In der US 2004 049 290 A1 wird eine Echtzeitanalyse für eine aktive Prothese beschrieben. Es werden mindestens drei Parameter gemessen und die Position im Gangzyklus und die derzeitige Stellung der Prothese werden definiert. Mit den gemessenen Parametern wird versucht, die jeweils vorliegende Situation zu erfassen und aus einer Tabelle werden Daten für die Steuerung der Prothese entnommen (LUT). Es wird eine übergeordnete Steuerung (High Level Controller, HLC) eingesetzt.
Die US 2016 242 936 A1 beschreibt eine aktive (also motorisierte) Beinprothese mit Sensoren zur Echtzeitmessung mechanischer Parameter und mit einer übergeordneten Steuerung, um aus den Daten der Echtzeitmessungen Befehle für die Ansteuerung der Prothese abzuleiten.
Auch beim Stand der Technik gemäß der US 2018 168 477 A1 wird ein System beschrieben, bei dem mehrere Parameter für die Ansteuerung einer Prothese in Echtzeit gemessen werden. Mit Tabellendaten wird ermittelt, ob die Bewegung einer bestimmten Gangphase zugeordnet werden kann. Aus einer Tabelle können Befehle für die Anpassung der Bewegung ausgelesen werden. Bei Abweichungen von einem bestimmten optimalen Gang wird die Bewegung der Prothese entweder korrigiert oder es kann ein Training auf Basis sogenannter künstlicher Intelligenz ausgeführt werden, wofür ein sogenanntes Stützvektorverfahren (SVM; Support Vector Machine) herangezogen wird. Das Stützvektorverfahren (SVM) ist ein im Bereich maschinellen Lernens allgemein bekanntes und eingesetztes Verfahren, siehe z.B. C. Cortes and V. Vapnik, „Support-vector networks," in Machine Learning, 1995, pp. 273-297.
Die DE 102 015 106 389 A1 beschreibt ein Verfahren zur Steuerung eines künstlichen Kniegelenks mit Messung des Unterschenkelwinkels und der Unterschenkelwinkelgeschwindigkeit. Allerdings handelt es sich dabei um ein passives Steuerungssystem, also keine aktive Knieprothese. Vielmehr wird der Widerstand in einer hydraulischen Prothese eingestellt.
In der Veröffentlichung M. Eslamy und A. F. Schilling, „A conceptual high level controller to work with active foot prosthesis/orthosis", IEEE International Conference on Biomedical Robotics and Biomechatronics, 2018, wird ein Verfahren zur Ansteuerung einer aktiven Prothese mit einer übergeordneten Steuerung (HLC) beschrieben. Die Bewegung der motorisierten Prothese wird mit einer sogenannten Gaussian-Process-Regression (GPR) berechnet.
KURZBESCHREIBUNG DER ERFINDUNG
Der Erfindung liegt die Aufgabe zugrunde, Verfahren und Systeme zum Steuern von aktiven Prothesen, insbesondere Knie- und Fußgelenkprothesen, bereitzustellen, die mit möglichst geringem apparativen und programmtechnischen Aufwand eine möglichst natürliche Bewegung bzw. einen möglichst natürlichen Gang ermöglichen.
Insbesondere soll der Einsatz der oben erwähnten sogenannten Schaltregeln (Switching Rules) vermieden werden, die Berechnung der Motor-Ansteuerung vergleichsweise einfach sein und in Echtzeit geschehen sowie eine möglichst einfache Durchschaubarkeit der Berechnungen erreicht werden, also eine gute Möglichkeit, die programmierte Steuerung hinsichtlich verbesserungswürdiger Merkmale des Ganges zu analysieren und zu korrigieren.
Hierzu lehrt die Erfindung ein Verfahren zum Steuern einer aktiven Prothese, die mit einem zumindest teilweise intakten Körperteil zusammenwirkt, folgende Schritte aufweisend:

a) Gewinnen von empirischen Daten, welche repräsentativ sind für Beziehungen zwischen einer Bewegung des intakten Körperteils und eines durch die Prothese ersetzten Körperteils bei gesunden, nicht mit der Prothese versehenen Menschen für mehrere Bewegungsgeschwindigkeiten;
b) Gewinnen von Bewegungsdaten bezüglich des zumindest teilweise intakten Körperteils bei dessen Bewegung; und
c) Ansteuern in Echtzeit der aktiven Prothese auf Basis der in Schritt a) gewonnenen empirischen Daten.

Bei Anwendung zur Steuerung einer aktiven Knieprothese werden diese Ziele erfindungsgemäß erreicht durch ein Verfahren mit folgenden Schritten:

a) Gewinnen von empirischen Daten, welche für einen nicht amputierten Menschen eine Beziehung zwischen einer Bewegung des Oberschenkels und der des Knies für mehrere Ganggeschwindigkeiten beinhalten;
b) Gewinnen von Bewegungsdaten bezüglich des Oberschenkels des Knieamputierten beim Gehen;
c) simultanes Ableiten von Ganggeschwindigkeit und Gangprozenten aus den in Schritt b) gewonnenen Bewegungsdaten; und
d) Ansteuern in Echtzeit der aktiven Knieprothese auf Basis der gemäß Schritt a) gewonnenen Daten und der gemäß Schritt c) gewonnenen Ganggeschwindigkeit und Gangprozente.

Ein erfindungsgemäßes System zum Steuern einer aktiven Knieprothese weist auf:

a1) einen Speicher, enthaltend empirisch gewonnene Synergiedaten, welche für einen nicht amputierten Menschen eine Beziehung zwischen Bewegungen des
Oberschenkels und des Knies für mehrere Ganggeschwindigkeiten beinhalten; b1) eine Einrichtung, anbringbar am Oberschenkel des Trägers der Knieprothese
und eingerichtet, Bewegungsdaten bezüglich des Oberschenkels zu gewinnen; c1) Rechnereinheiten, programmiert, aus den gewonnenen Bewegungsdaten eine Ganggeschwindigkeit und der Position im Gangzyklus zugeordnete Größen, insbesondere Gangprozente, abzuleiten,
d1) einen Motor und eine Motorsteuerung, eingerichtet, eine Motorposition und damit eine Knieprothesenposition einzustellen; und
e1) eine Rechnereinheit, eingerichtet, auf Basis der Synergiedaten, der abgeleiteten Ganggeschwindigkeit und der der Position im Gangzyklus zugeordneten Größe Befehlssignale an die Motorsteuerung zum Einstellen der Knieprothesenposition zu geben.

Das erfindungsgemäße Verfahren bzw. System zeichnet sich weiterhin vorzugsweise dadurch aus, dass die genannten Bewegungsdaten den Oberschenkelwinkel und/oder die Oberschenkelwinkelgeschwindigkeit beinhalten. Beste Ergebnisse im Sinne der obigen Aufgaben werden erreicht, wenn sowohl der Oberschenkelwinkel als auch die Oberschenkelwinkelgeschwindigkeit gemessen werden und diese beiden Parameter der Steuerung der aktiven Knieprothese zugrunde gelegt werden, vorzugsweise als einzige Parameter.
Der Begriff „Knieprothese“ betrifft in dieser Beschreibung und in den Ansprüchen insbesondere eine Amputation oberhalb des Knies.
Der Begriff „Prothese“ umfasst in dieser Beschreibung und in den Ansprüchen insbesondere auch eine „Orthese“ und ein „Exoskelett“. Dabei ist die in dieser Beschreibung und in den Ansprüchen verwendete Bezeichnung „durch die Prothese ersetztes Körperteil“ zu verstehen als das „Körperteil, auf welches die Orthese bzw. das Exoskelett einwirkt“.
Der Begriff „Steuern“ umfasst in dieser Beschreibung und in den Ansprüchen ggf. insbesondere auch eine „Regelung“.
Messbar sind beide genannten Parameter mit einem einzigen Sensor, wie beispielsweise einem sogenannten IMU, einer inertialen Messeinheit (Inertial Measurement Unit), die als solche im Stand der Technik gut bekannt ist (Xsens Technologies B. H., Enschede, Niederlande).
Gemäß einer bevorzugten Ausgestaltung wird aus dem gemessenen Oberschenkelwinkel eine der Position im Gangzyklus zugeordnete Größe abgeleitet. Dabei handelt es sich bevorzugt um ein sogenanntes Gangprozent, d.h. der Schritt wird aufgeteilt in 100 Teile, beginnend mit der ersten Bodenberührung der Ferse und endend mit der nachfolgenden Bodenberührung der Ferse. Ein Problem bei der aktiven Steuerung von Knieprothesen besteht darin, für jeden Zeitpunkt im Gangzyklus (Schritt) die jeweilige Position des die Prothese steuernden Motors genau zu bestimmen und entsprechend die jeweilige Position der beteiligten Gliedmaßen mit den jeweiligen Winkeln. Die Erfindung überwindet dieses Problem dadurch, dass die Gangprozente als eine der Position im Gangzyklus zugeordnete Größe in einfacher Weise durch Integration (Aufsummierung) des Oberschenkelwinkels gewonnen werden. Diese Integration mag die Gangprozente nicht exakt wiedergeben, was im Ergebnis allerdings die erfindungsgemäß erzielten Ergebnisse nicht erheblich stört, da empirisch verifiziert wurde, dass zwischen dem Integral des Oberschenkelwinkels und dem Gangprozent eine pseudo-lineare Beziehung besteht, ähnlich einer Identitätsfunktion.
Bevorzugt arbeiten bei einer Knieprothese das erfindungsgemäße Verfahren bzw. System mit einer übergeordneten Steuerung (HLC), welche:

e) die in Schritt b) gewonnenen Bewegungsdaten bezüglich des Oberschenkels empfängt;
f) die Ganggeschwindigkeit gemäß Schritt c) ermittelt;
g) aus dem Oberschenkelwinkel eine der Position im Gangzyklus zugeordnete Größe, insbesondere ein Gangprozent, ableitet;
h) entsprechend der in Schritt f) ermittelten Ganggeschwindigkeit und der in Schritt g) abgeleiteten, der Position im Gangzyklus zugeordneten Größe eine Motorposition für einen die aktive Prothese steuernden Motor berechnet; und
i) entsprechend der in Schritt h) berechneten Motorposition Befehlssignale an eine Motorsteuerung für den genannten Motor abgibt;

Dabei wird die Ganggeschwindigkeit bevorzugt mit einem Stützvektorverfahren (SVM) abgeleitet.
Es hat sich erwiesen, dass die Kombination einer übergeordneten Steuerung (HLC) mit dem Stützvektorverfahren (SVM) im Sinne der oben genannten Aufgaben gute Ergebnisse liefert.
Die Erfindung lehrt auch ein Verfahren und ein System zum Steuern einer aktiven Fußgelenkprothese. Dabei werden Bewegungsdaten bezüglich des Unterschenkels des Fußgelenkamputierten beim Gehen gewonnen. Hierzu wird die IMU am Unterschenkel des Fußgelenkamputierten angebracht und es werden der Unterschenkelwinkel und/oder die Unterschenkelwinkelgeschwindigkeit, vorzugsweise beides, gemessen. Die Datenverarbeitung dieser Messungen erfolgt bezüglich der Fußgelenkprothese dann analog wie oben mit Bezug auf die Knieprothese beschrieben. Alle oben und nachfolgend beschriebenen Eigenschaften und Merkmale bezüglich der Knieprothese gelten analog (mutatis mutandis) für die Fußgelenkprothese und umgekehrt.
Die Erfindung ist auch einsetzbar bei einer Prothese, die Knie- und Fußgelenk ersetzt (transtibale Prothese).
Eine weitere Variante der Erfindung betrifft Verfahren und Systeme zum Steuern einer aktiven Fußgelenkprothese unter Einsatz eines neuronalen Netzwerkes.
Neuronale Netzwerke sind in der Steuerung von Prothesen als solches gut bekannt. Solche Netzwerke werden mit Hilfe eines sogenannten „überwachten“ (supervised) Lernens angelernt („trainiert“). Eingesetzt werden hier sogenannte rückgekoppelte neuronale Netzwerke (FFANN) (Feed Forward Artificial Neural Network). Damit beinhaltet diese Variante der Erfindung ein Verfahren zum Steuern einer aktiven Fußgelenkprothese, die mit dem Oberschenkel des betreffenden Beines als dem teilweise intakten Körperteil zusammenwirkt. Das neuronale Netzwerk wird trainiert (angelernt) auf Basis von empirischen Daten, die mittels eines oder mehrerer Menschen gewonnen werden, die nicht amputiert sind (also keine Fußgelenkprothese tragen). Diese Daten betreffen insbesondere den Winkel und/oder die Winkelgeschwindigkeit des Oberschenkels und die sogenannte Linearbewegung des Oberschenkels. Die Linearbewegung des Oberschenkels hat zwei Komponenten, eine Komponente in Richtung der Horizontalen (X-Achse) und eine Komponente in Richtung der Vertikalen (Y-Achse). Die Drehung (der Winkel) werden um die senkrecht zu den beiden genannten Achsen stehende Z-Achse gemessen. Auf der Eingabeseite des neuronalen Netzwerkes werden im Rahmen des Trainings des neuronalen Netzwerkes mit nicht amputierten Menschen gewonnene Daten eingegeben, die insbesondere den Winkel und die Linearbewegung des Oberschenkels repräsentieren. Auf der Ausgabeseite des neuronalen Netzwerkes werden Daten gewonnen, mit denen die Fußgelenkprothese direkt angesteuert wird. Diese letztgenannten Daten beinhalten den Winkel und das Drehmoment (die Kraft), gemäß denen die aktive Fußgelenkprothese direkt von dem neuronalen Netz angesteuert wird. Das neuronale Netzwerk ist also Teil der aktiven Fußgelenkprothese.
Das neuronale Netzwerk wird auf Basis eines umfangreichen Satzes von empirischen Daten trainiert, die mit Probanden gewonnen werden. Die empirischen Daten verknüpfen einerseits Messwerte bezüglich Winkel und Linearbewegung des Oberschenkels des Probanden bzw. der Mehrzahl von Probanden mit Messwerten bezüglich Winkel und Drehmoment des Fußgelenkes. Bei einer Mehrzahl von Probanden kann ein Mittelwert herangezogen werden.
Es kann auch ein Proband oder eine Mehrzahl von Probanden für die Messungen herangezogen werden, die hinsichtlich Geschlecht, Gewicht und gegebenenfalls weiterer phänotypischer Merkmale dem Typ des mit der Fußgelenkprothese zu versehenden Patienten möglichst nahekommen.
Es hat sich gezeigt, dass es möglich ist, mit einem einzigen Sensor am Oberschenkel des mit der Fußgelenkprothese versehenen Patienten gute Ergebnisse zu erreichen. Das senkt nicht nur die Kosten, sondern vor allem auch den Rechenaufwand und die Fehleranfälligkeit des neuronalen Netzwerks.
Das neuronale Netz wird mit Daten trainiert, die von verschiedenen Fortbewegungsarten stammen, wie Gehen, Treppen-Auf- und Abstieg. Mit dem Verfahren braucht es keine Klassifizierung der Fortbewegungsarten und auch innerhalb einer Fortbewegungsart braucht es keine Klassifizierung. Also zum Beispiel keine Klassifizierung hinsichtlich der Gangprozente und auch hinsichtlich der Ganggeschwindigkeiten. Vielmehr hat sich gezeigt, dass ein Training des neuronalen Netzwerkes auf Basis (einer) „normaler“ Gehgeschwindigkeiten reicht. Der Algorithmus kann dann mit zufriedenstellenden Ergebnissen auch auf schnellere Gangarten skaliert werden.
Das für eine bestimmte Fußgelenkprothese vorgesehene neuronale Netz wird nur einmal angelernt (trainiert), beispielsweise beim Hersteller, und ist dann beim Patienten ohne weitere Trainingsmaßnahmen einsatzbereit. Das neuronale Netz setzt die mit dem Sensor am Oberschenkel des Patienten gewonnenen Daten (also insbesondere bezüglich Winkel und Linearbewegung) direkt in Echtzeit in die Fußgelenkprothesenbewegung um, also unter Steuerung von Winkel und Drehmoment der Fußgelenkprothese. Es bedarf mit dem Verfahren gemäß dieser Variante der Erfindung keiner Hinterlegung von Daten in einer Zuordnungstabelle (sogenannte Look-Up-Tabelle).
Es hat sich gezeigt, dass mit dem Verfahren und System gemäß dieser Variante der Erfindung unter Einsatz des neuronalen Netzwerkes ein fließender Übergang zwischen verschiedenen Gangarten (Gehen in der Ebene, Treppenaufstieg und Treppenabstieg) erreicht wird und auch eine Änderung der Gehgeschwindigkeiten ermöglicht ist (aufgrund der oben erwähnten Skalierung), ohne dass eine Klassifizierung der Bewegung des Oberschenkels erforderlich wäre.
Es erfolgt also eine direkte Kombination der Bewegung des Oberschenkels mit der Fußgelenkprothese weitehend angenähert an den synergetischen Zusammenhang beim gesunden Menschen, wobei gemäß einer bevorzugten Ausgestaltung nur eine Sensoreinheit (IMU) am Oberschenkel erforderlich ist.
Es genügt ein relativ einfaches neuronales Netzwerk, beispielsweise mit drei Schichten mit jeweils hundert Neuronen, womit eine mittlere Ergebnisgüte von 0,98 erreicht werden kann für das Gehen und das Treppensteigen (1,00 wäre das Optimum).
Von den mit gesunden Probanden gewonnenen Datensätzen kann beispielsweise die Hälfte eingesetzt werden, um das neuronale Netzwerk anzulernen und die andere Hälfte kann zum Testen des Lernzustandes des neuronalen Netzwerkes verwendet werden. Im neuronalen Netzwerk hat sich eine hyperbolische Tangensfunktion als Aktivierungsfunktion für die Neuronen in den (beispielsweise drei) Schichten als gut geeignet erwiesen.
Nachfolgend werden Ausführungsbeispiele der Erfindung näher beschrieben.
Figurenliste

1 erläutert schematisch ein Verfahren und System zum Steuern einer aktiven Knieprothese.
2 zeigt auf der Abszisse (X-Achse) die Gangprozente und auf der Ordinate (Y-Achse) die Oberschenkelwinkelgeschwindigkeit (Grad/Sek.).
3 zeigt auf der Abszisse die Gangprozente und auf der Ordinate den Oberschenkelwinkel (Grad), gemessen gegen die Horizontale.
4 zeigt auf der Abszisse die Gangprozente und auf der Ordinate die jeweiligen Motorpositionen (in mm, entsprechend einem Stellglied des Motors).
5 erläutert schematisch ein Verfahren und ein System zum Steuern einer aktiven Fußgelenkprothese, wobei der 1 entsprechende Komponenten und Merkmale mit gleichen Bezugsziffern und einem ergänzenden Strich dargestellt sind.
6 zeigt auf der Abszisse die Gangprozente und auf der Ordinate die Unterschenkelwinkelgeschwindigkeit (Grad/Sek.).
7 zeigt auf der Abszisse die Gangprozente und auf der Ordinate den Unterschenkelwinkel (Grad).
8 zeigt auf der Abszisse die Gangprozente und auf der Ordinate die Motorpositionen (m).

1 dient der Erläuterung des Verfahrens und des Systems zum Steuern einer aktiven, also motorbetriebenen Knieprothese. Der mechanische Aufbau derartiger Knieprothesen ist als solcher im Stand der Technik bekannt, so dass die Knieprothese 10 hier schematisch darstellbar ist mit einem Oberschenkel 12, einem Kniegelenk 14, einem Unterschenkel 16 und mit einem Fußgelenk 18.
Eine Motorsteuerung 20 steuert über Steuersignale 20a einen Motor 22, der über die Positionen eines vom Motor gesteuerten Stellgliedes die aktive Prothese, also die künstlichen Gliedmaßen einstellt.
Kinematische Signale 24 bezüglich des Motors werden in an sich bekannter Weise in die Motorsteuerung 20 eingegeben.
Die Anordnung gemäß 1 ist aufgeteilt in eine übergeordnete Steuerung HLC (A) und in eine untergeordnete Steuerung (B).
Die übergeordnete Steuerung HLC liefert Signale 26 betreffend der einzustellenden Motorposition.
Hierzu ist für die Steuerung der Knieprothese am Oberschenkel 12 des Prothesenträgers ein Sensor (IMU; Inertial-Mess-Sensoreinheit) 28 angebracht, der in an sich bekannter Weise den Oberschenkelwinkel in Bezug auf die Horizontale oder die Oberschenkelwinkelgeschwindigkeit, vorzugsweise beides, ermittelt. Diese Messergebnisse sind hier allgemein auch als Bewegungsdaten bezeichnet, wobei der Oberschenkelwinkel die Bezeichnung θ trägt und die Oberschenkelwinkelgeschwindigkeit die erste Ableitung von θ ist. Die Bewegungsdaten 30 werden in eine Signalaufbereitung 32 eingegeben, die die aufbereiteten Bewegungsdaten, beispielsweise Oberschenkelwinkel und Oberschenkelwinkelgeschwindigkeit, in eine Recheneinheit 34 eingibt, welche die Ganggeschwindigkeit ermittelt. Einzelheiten der Ganggeschwindigkeitsermittlung werden weiter unten näher beschrieben. Weiterhin enthält das System eine Rechnereinheit 36 zur Bestimmung der Gangprozente. Hierzu werden die Signale 30a bezüglich des Oberschenkelwinkels in eine Rechnereinheit 36 zum Bestimmen einer der Position im Gangzyklus entsprechenden Größe, hier der Gangprozente, eingegeben. Dies erfolgt, wie oben erläutert, durch Integration des Oberschenkelwinkels.
Eine Rechnereinheit 38 berechnet die genannten Befehlssignale 26 für die Motorsteuerung 20 auf Basis von abgespeicherten Synergiedaten (siehe unten), der Ganggeschwindigkeit und des jeweils gewonnenen Gangprozentes.
Zu den Synergiedaten:

Wie oben erläutert, stellen die Synergiedaten die Beziehung her zwischen der (natürlichen) Bewegung der einzelnen Gliedmaßen und Gelenke beim Gehen. Deshalb werden die Synergiedaten hier auf Basis der Untersuchung des Ganges eines gesunden Menschen („Testperson“) gewonnen. Wie oben erwähnt, ist ein grundlegender Parameter für die Steuerung aktiver Prothesen die jeweilige Geschwindigkeit, hier also die Ganggeschwindigkeit. Es werden deshalb mehrere Ganggeschwindigkeiten ausgewählt, mit welchen die genannte Testperson geht, wobei die Oberschenkelwinkel und die Oberschenkelwinkelgeschwindigkeit in Abhängigkeit von den Gangprozenten ermittelt werden, 2 und 3. Beim hier beschriebenen Ausführungsbeispiel werden fünf Ganggeschwindigkeiten angesetzt, nämlich 0,6; 0,9; 1,2; 1,4; und 1,6 m/s beim Gehen auf der Ebene. Entsprechend diesen fünf verschiedenen Ganggeschwindigkeiten enthalten die 2, 3 und 4 jeweils fünf verschiedene Linien, die jeweils einer bestimmten Ganggeschwindigkeit zugeordnet sind. Auf die einzelnen Messdaten kommt es für diese Beschreibung nicht an, so dass auf eine nähere Analyse der Unterschiede der Ergebnisse für die einzelnen Ganggeschwindigkeiten verzichtet werden kann.

Die Werte der Ordinaten in den 2, 3 und 4 werden direkt von einem Sensor am Bein der Testperson gewonnen. Dabei müssen die Werte nicht tatsächliche Oberschenkelwinkel bzw. Oberschenkelwinkelgeschwindigkeiten wiedergeben, jedoch bedingt dies hier kein Problem. Die übergeordnete Steuerung (HLC) hängt hier nicht von der tatsächlichen Bedeutung der eingegebenen Messdaten ab. Vielmehr muss die Eingabe nur für den jeweiligen Typ der Bewegung spezifisch sein. Die Beziehungen zwischen den Gangprozenten und dem Oberschenkelwinkel bzw. der Oberschenkelwinkelgeschwindigkeit gemäß den 2 und 3 werden also empirisch gewonnen durch Messungen am natürlichen Gang von einer oder mehreren nicht amputierten Personen. Bei Messungen an mehreren Personen können Mittelwerte zugrunde gelegt werden. Für die Messungen können außer den genannten Sensoren (IMU) auch Kraftmesseinheiten und Kameras mit Bildverarbeitung eingesetzt werden.
Die den einzelnen Gangprozenten zuzuordnenden Motorpositionen, gemäß denen die Motorsteuerung 20 den Motor 22 steuert, werden ebenfalls für die genannten fünf Geschwindigkeiten von 0,6; 0,9; 1,2; 1,4 und 1,6 m/s empirisch bestimmt.
Für jede Geschwindigkeit und jedes Gangprozent werden die gewünschten Motorpositionen in einer aktiven Prothetik auf Grundlage der Winkel und Drehmomente des Fußgelenks berechnet. Dies geschieht auf Grundlage der Geometrie einer Prothese und deren Steifheit (1 und 2-C).
Die Winkel und Drehmomente des Fußgelenks können durch Analyse von empirischen gewonnenen Daten über die Bewegung und die Kräfte für jede Geschwindigkeit berechnet werden [M. W. Whittle, Gait analysis: an Introduction, Buttenworth-Heinemann, 2003, ISBN: 0-7506-5262-4; S. Lipfert, Kinematic and Dynamic Similarities between Walking and Running, Hamburg: Verlag Dr. Kovac, 2010, ISBN: 9783-8300-50308]. Zusätzlich wird eine Funktion für die Berechnung von Kraft- oder Energieverbrauch genutzt, um die Kräfte der Motoren und die optimale Steifigkeit der aktiven Prothetik zu bestimmen [M. Grimmer, M. Eslamy, S. Gliech, and A. Seyfarth, „A Comparison of Parallel and Series elastic Elements in an Actuator for Mimicking human Ankle Joint in Walking and Running," In IEEE Int'l Conf. Robo. Auto., 2012, pp. 2463-2470; M. Eslamy, M. Grimmer, and A. Seyfarth, „Effects of unidirectional parallel Springs on required Peak Power and Energy in powered prosthetic Ankles: Comparison between different active actuation concepts," IEEE Int'l Conf. on Robo. Biomim., pp. 2406-2412, 2012].
Die vorstehend genannten empirischen Messungen mit den Ergebnissen gemäß den 2 bis 4 liefern die Synergiedaten für die genannten fünf Geschwindigkeiten des Ganges. Entsprechend erfolgt die Steuerung der Knieprothese mit diesen Synergiedaten auf Basis der genannten fünf Ganggeschwindigkeiten. Diese Gewinnung der Synergiedaten erfolgt zunächst unabhängig vom Einsatz bei dem Verfahren bzw. in dem System zum Steuern der Knieprothese. Vielmehr werden diese Synergiedaten unabhängig von diesem Verfahren bzw. System gewonnen und dann für das Verfahren bzw. System in einem Speicher 40 (1) des Systems abgelegt, um damit das erfindungsgemäße Verfahren durchzuführen.
Somit müssen beim tatsächlichen Einsatz der Knieprothese gemäß 1 beim Gehen des Prothesenträgers die mehreren, im vorliegenden Fall fünf, Ganggeschwindigkeiten ermittelt werden. Hierzu dient hier das Stützvektorverfahren (SVM), welches als solches im Stand der Technik gut bekannt ist, vgl. die eingangs zitierte Literatur. Es handelt sich dabei um ein überwachtes („supervised“) maschinelles Lernverfahren, bei dem ein Satz von Trainingseingaben für den Lernprozess eingesetzt wird. Die Leistung des erzeugten Stützvektorverfahrens kann dann geprüft werden durch Eingabe sogenannter Testwerte. Im vorliegenden Fall werden beispielsweise 50% der oben erläuterten gewonnenen Synergiedaten eingesetzt für den Trainingsprozess. Die verbleibenden Synergiedaten können dann für das Testen verwendet werden.
Das Stützvektorverfahren (SVM) dient der Klassifizierung (Unterscheidung) von Messdaten, im vorliegenden Fall der Unterscheidung von Geschwindigkeiten, also der Zuordnung gemessener Parameter, hier des Oberschenkelwinkels und/oder der Oberschenkelwinkelgeschwindigkeit, zu bestimmten Ganggeschwindigkeiten. Mit anderen Worten: für den gegebenen Gang des Prothesenträgers werden mit dem Sensor 28 (IMU) Oberschenkelwinkel und/oder Oberschenkelwinkelgeschwindigkeit gemessen und aus diesen Bewegungsdaten wird mit dem Stützvektorverfahren (SVM) dann dem Gang eine von mehreren Ganggeschwindigkeiten, hier eine der fünf Ganggeschwindigkeiten, zugeordnet, wobei diese Zuordnung, wie oben beschrieben, auf Basis der empirisch für einen oder mehrere gesunde Menschen gewonnenen Synergiedaten mit dem SVM erfolgt.
5 erläutert ein Verfahren und ein System zum Steuern einer Fußgelenkprothese 10'. Verfahren und System bezüglich der Fußgelenkprothese entsprechen im Wesentlichen dem oben beschriebenen Verfahren bzw. System zum Steuern einer Knieprothese, wobei der Sensor (IMU) 28' nunmehr nicht am Oberschenkel 12, sondern am Unterschenkel 16 angebracht ist. Statt Oberschenkelwinkel bzw. Oberschenkelwinkelgeschwindigkeit werden der Unterschenkelwinkel und/oder die Unterschenkelwinkelgeschwindigkeit θ, θa gemessen und entsprechende Bewegungsdaten 30' in die Signalaufbereitung 32' eingegeben. Der Unterschenkelwinkel gegen die Horizontale wird gemäß den Bewegungsdaten 30a' in die Recheneinheit 36' zum Berechnen der Gangprozente eingegeben, analog der obigen Berechnung der Gangprozente durch die Recheneinheit 36. In der Recheneinheit 34' wird mit dem Stützvektorverfahren (SVM) eine der fünf genannten Ganggeschwindigkeiten ermittelt.
In 6 sind über den Gangprozenten die Unterschenkelwinkelgeschwindigkeiten aufgetragen und in 7 sind über den Gangprozenten die Unterschenkelwinkel gegen die Horizontale aufgetragen. 8 zeigt analog zu 4 die Motorpositionen zum Einstellen der Fußgelenkprothese für die fünf verschiedenen Ganggeschwindigkeiten in Abhängigkeit von den Gangprozenten. Auch diese Daten werden, analog wie oben beschrieben, als Synergiedaten bei einem oder mehreren gesunden Menschen gewonnen.
Mit den oben beschriebenen Verfahren und Systemen werden gute Ergebnisse für die Ansteuerung von aktiven Prothesen erzielt. Es brauchen nur die Parameter Winkel und/oder Winkelgeschwindigkeit des betreffenden Schenkels gemessen werden. Bessere Ergebnisse werden erzielt bei Messung und Verwendung beider Parameter. Hierzu reicht ein einziger Sensor. Es können die Ganggeschwindigkeit und die Position in der Gangphase kontinuierlich berechnet werden. Das erfindungsgemäße Verfahren bzw. das System benötigen keine sogenannten Umschaltregeln („Switching Rules“) gemäß dem Stand der Technik. Zu jedem Zeitpunkt sind die Position im Gangzyklus (Gangphase) und die Ganggeschwindigkeit bekannt, wodurch eine Analyse für eine Fehlerbehebung bzw. Ergebnisverbesserung in einfacher Weise ermöglicht ist. Eine übergeordnete Steuerung (HLC) nutzt Messdaten in Echtzeit und liefert damit die Steuerbefehle für die Ansteuerung der Motoren der Prothese.
Gemäß einer Variante der Erfindung (Ansprüche 17 bis 20) wird eine Fußgelenkprothese mit einem, insbesondere einzigen Sensor am Oberschenkel des Patienten gesteuert unter Einsatz eines neuronalen Netzwerkes. Anders als in 5 dargestellt, wird also ein Sensor nicht am Unterschenkel, sondern am Oberschenkel des Trägers der Prothese angebracht.
Das neuronale Netz ist Teil einer übergeordneten Steuerung (HLC) und liefert in Echtzeit Steuerbefehle für die Ansteuerung des Motors der Fußgelenkprothese.
Als gut geeignet erwiesen hat sich ein neuronales Netzwerk mit drei (versteckten) Schichten mit jeweils hundert Neuronen und einer hyperbolischen Tangensfunktion als Aktivierungsfunktion für die versteckten Schichtneuronen. Das neuronale Netzwerk wird in an sich bekannter Weise durch Rückkopplung und Fehlerminimierung mit Trainings-Datensätzen trainiert, wobei die Wichtungsfaktoren innerhalb des künstlichen neuronalen Netzwerkes iterativ optimiert werden, bis das Resultat zufriedenstellend ist.
Die übergeordnete Steuerung (HLC) mit dem neuronalen Netzwerk nutzt die Sensordaten bezüglich Winkel und Linearbewegung des gesunden Oberschenkels, um die vom Patienten angestrebte Gangart zu erkennen, ohne dass dabei eine Unterteilung (Klassifizierung) bezüglich Gangart, Treppenaufstieg, Treppenabstieg etc. erforderlich wäre. Der Fußgelenkprothesen-Winkel und das Fußgelenkprothesen-Drehmoment werden kontinuierlich durch das trainierte neuronale Netzwerk (FFANN) abgeschätzt. Das Verfahren braucht nur eine übergeordnete Steuerung (HLC) und eine damit beaufschlagte untergeordnete Steuerung auf unterster Ebene, mit der die Drehmomente und Winkel der Fußgelenkprothese eingestellt werden.
Die Verfahren und Instrumente zur Vermessung des Zusammenhanges zwischen den Oberschenkel-Sensordaten und den Daten bezüglich Winkel und Drehmoment im Fußgelenk des Probanden, also insbesondere des gesunden Probanden, sind im Stand der Technik als solche bekannt. Für eine solche biomechanische Analyse der Kinematik und der Dynamik der Bewegungen der einzelnen Gelenkkomponenten und Gliedmaßen können sogenannte Marker am Probanden angebracht werden. Es können dreidimensionale Bewegungsbilder aufgenommen werden. Insbesondere kann das VICON-Nexus-3D-Motion-Capture-System eingesetzt werden. Die Kräfte und insbesondere die Bodenkräfte können mit bekannten Kraftsensoren ermittelt werden. Das Software-System „Opensim“ kann für die Analyse der biomechanischen Daten und die Bestimmungen der Kinematik herangezogen werden (S.L. Delp, F.C. Anderson, A.S. Arnold, P. Loan, A. Habib, D. John, E. Gundelmann, und D.G. Thelen, „Opensim; Open Source Software to Create and Analyze Dynamic Simulations of Movement“).
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

US 2004049290 A1 [0007]
US 2016242936 A1 [0008]
US 2018168477 A1 [0009]
DE 102015106389 A1 [0010]

Zitierte Nicht-Patentliteratur

M. Donath, „Feasibility of an active control scheme for above knee prostheses.“ Journal of Biomechanical Engineering, vol 99, no. 4, pp. 215-221, 1977) [0005]
F. Sup, H. A. Varol, J. Mitchell, T. Withrow, and M. Goldfarb, „Design and control of an active electrical knee and ankle prosthesis.“ in IEEE RAS & EMBS International Conference on Biomedical Robotics and Biomechatronics (BioRob), 2008, pp. 523-528 [0006]
C. Cortes and V. Vapnik, „Support-vector networks,“ in Machine Learning, 1995, pp. 273-297 [0009]
M. Eslamy und A. F. Schilling, „A conceptual high level controller to work with active foot prosthesis/orthosis“, IEEE International Conference on Biomedical Robotics and Biomechatronics, 2018 [0011]
M. Grimmer, M. Eslamy, S. Gliech, and A. Seyfarth, „A Comparison of Parallel and Series elastic Elements in an Actuator for Mimicking human Ankle Joint in Walking and Running,“ In IEEE Int'l Conf. Robo. Auto., 2012, pp. 2463-2470; M. Eslamy, M. Grimmer, and A. Seyfarth, „Effects of unidirectional parallel Springs on required Peak Power and Energy in powered prosthetic Ankles: Comparison between different active actuation concepts,“ IEEE Int'l Conf. on Robo. Biomim., pp. 2406-2412, 2012 [0051]

Claims

Verfahren zum Steuern einer aktiven Prothese, die mit einem zumindest teilweise intakten Körperteil zusammenwirkt, folgende Schritte aufweisend: a) Gewinnen von empirischen Daten, welche repräsentativ sind für Beziehungen zwischen einer Bewegung des zumindest teilweise intakten Körperteils und eines durch die Prothese ersetzten Körperteils bei gesunden, nicht mit der Prothese versehenen Menschen; b) Gewinnen von Bewegungsdaten bezüglich des zumindest teilweise intakten Körperteils bei dessen Bewegung; und c) Ansteuern in Echtzeit der aktiven Prothese auf Basis der in Schritt a) gewonnenen empirischen Daten.
Verfahren nach Anspruch 1, wobei zwischen den Schritten 1b) und 1c) folgender Schritt ausgeführt wird: b1) Simultanes Ableiten von Bewegungsgeschwindigkeit und Bewegungsprozenten aus den in Schritt 1b) gewonnenen Bewegungsdaten; und wobei in Schritt 1c) die Ansteuerung der aktiven Prothese auf Basis der in Schritt 1a) gewonnenen empirischen Daten und der genannten Bewegungsgeschwindigkeit und der genannten Bewegungsprozente erfolgt.
Verfahren nach Anspruch 2, wobei - die aktive Prothese eine aktive Knieprothese ist; - das zumindest teilweise intakte Körperteil der Oberschenkel ist; und - die Bewegungsgeschwindigkeit eine Ganggeschwindigkeit und die Bewegungsprozente Gangprozente sind.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die in Schritt 1a) gewonnenen empirischen Daten Synergiedaten sind.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die in Schritt 1b) genannten Bewegungsdaten einen Winkel und/oder eine Winkelgeschwindigkeit des intakten Körperteils beinhalten.
Verfahren nach einem der Ansprüche 2 bis 5, wobei die in Schritt 2b1) abgeleitete Bewegungsgeschwindigkeit mit einem Stützvektorverfahren (SVM) abgeleitet wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die Steuerung mit einer übergeordneten Steuerung (HLC) durchgeführt wird, bei welcher die übergeordnete Steuerung (HLC): d) die in Schritt 1b) gewonnenen Bewegungsdaten bezüglich des zumindest teilweise intakten Körperteils empfängt; e) die Bewegungsgeschwindigkeit gemäß Schritt 2b1) ableitet; f) die Bewegungsprozente gemäß Schritt 2b1) ableitet; g) Motorpositionen entsprechend der in Schritt e) abgeleiteten Bewegungsgeschwindigkeit und der in Schritt f) abgeleiteten Bewegungsprozente für einen die aktive Prothese steuernden Motor berechnet; und h) entsprechend den in Schritt g) berechneten Motorpositionen Befehlssignale an eine Motorsteuerung für den Motor abgibt; und wobei in untergeordneter Steuerung die Motorsteuerung die Motorpositionen einstellt.
System zum Steuern einer aktiven Knieprothese (10), aufweisend: a1) einen Speicher (40), enthaltend empirisch gewonnene Synergiedaten, welche für einen nicht amputierten Menschen eine Beziehung zwischen Bewegungen des Oberschenkels und des Knies für mehrere Ganggeschwindigkeiten beinhalten; b1) eine Einrichtung (28), anbringbar am Oberschenkel (12) des Trägers der Knieprothese und eingerichtet, Bewegungsdaten bezüglich des Oberschenkels zu gewinnen; c1) Rechnereinheiten (34, 36), programmiert, aus den gewonnenen Bewegungsdaten eine Ganggeschwindigkeit und der Position im Gangzyklus zugeordnete Größen, insbesondere Gangprozente, abzuleiten, d1) einen Motor (22) und eine Motorsteuerung (20), eingerichtet, eine Motorposition und damit eine Knieprothesenposition einzustellen; und e1) eine Rechnereinheit (38), eingerichtet, auf Basis der Synergiedaten, der abgeleiteten Ganggeschwindigkeit und der der Position im Gangzyklus zugeordneten Größe Befehlssignale (26) an die Motorsteuerung (20) zum Einstellen der Knieprothesenposition zu geben.
System nach Anspruch 8, wobei die in Schritt 8b1) genannten Bewegungsdaten den Oberschenkelwinkel und/oder die Oberschenkelwinkelgeschwindigkeit beinhalten.
System nach einem der Ansprüche 8 oder 9, wobei eine Rechnereinheit gemäß Merkmal 8c1) programmiert ist, die Ganggeschwindigkeit mit einem Stützvektorverfahren (SVM) abzuleiten.
Verfahren gemäß Anspruch 1, wobei - die aktive Prothese eine aktive Fußgelenkprothese ist; - das zumindest teilweise intakte Körperteil der Unterschenkel ist; - die Bewegungsdaten gemäß Schritt 1b) die Bewegung des Unterschenkels betreffen und eine Ganggeschwindigkeit und Gangprozente beinhalten.
Verfahren gemäß Anspruch 11, wobei die genannten Bewegungsdaten den Unterschenkelwinkel und/oder die Unterschenkelwinkelgeschwindigkeit beinhalten.
Verfahren nach einem der Ansprüche 11 oder 12, wobei die Ganggeschwindigkeit mit einem Stützvektorverfahren (SVM) gewonnen wird.
Verfahren nach einem der Ansprüche 11 bis 13, wobei die Steuerung mit einer übergeordneten Steuerung (HLC) durchgeführt wird, bei der die übergeordnete Steuerung (HLC): e') die Bewegungsdaten betreffend den Unterschenkel empfängt; f') die Ganggeschwindigkeit ermittelt; g') die Gangprozente ableitet; h') entsprechend der Ganggeschwindigkeit und den Gangprozenten Motorpositionen für einen die aktive Prothese steuernden Motor berechnet; und i') entsprechend den berechneten Motorpositionen Befehlssignale an eine Motorsteuerung für den Motor abgibt; und wobei in untergeordneter Steuerung die Motorsteuerung die Motorpositionen einstellt.
System zum Steuern einer aktiven Fußgelenkprothese (10'), aufweisend: a1') einen Speicher (40'), enthaltend empirisch gewonnene Synergiedaten, welche für einen Nichtamputierten eine Beziehung zwischen einer Bewegung des Unterschenkels (16) und des Fußgelenkes (18) für mehrere Ganggeschwindigkeiten beinhalten; b1') eine Einrichtung (28'), anbringbar am Unterschenkel (16) des Trägers der Fußgelenkprothese und eingerichtet, Bewegungsdaten bezüglich des Unterschenkels zu gewinnen; c1') Rechnereinheiten (34', 36'), programmiert, aus den gewonnenen Bewegungsdaten eine Ganggeschwindigkeit und der Position im Gangzyklus zugeordnete Größen, insbesondere Gangprozente, abzuleiten; d1') einen Motor (22') und eine Motorsteuerung (20') , eingerichtet, eine Motorposition und damit eine Fußgelenkprothesenposition einzustellen; und e1') eine Rechnereinheit (38'), eingerichtet, auf Basis der Synergiedaten, der abgeleiteten Ganggeschwindigkeit und der der Position im Gangzyklus zugeordneten Größe, insbesondere den Gangprozenten, Befehlssignale (26') an die Motorsteuerung (20') zum Einstellen der Fußgelenkprothese zu geben.
System nach Anspruch 15, wobei die in Merkmal 15b1') genannten Bewegungsdaten den Unterschenkelwinkel und/oder die Unterschenkelwinkelgeschwindigkeit beinhalten.
Verfahren nach Anspruch 1, wobei - die aktive Prothese eine Fußgelenkprothese ist; - das zumindest teilweise intakte Körperteil ein Oberschenkel ist; - die empirischen Daten mit einem neuronalen Netzwerk verarbeitet werden; und - die Fußgelenkprothese von einem neuronalen Netzwerk angesteuert wird.
Verfahren nach Anspruch 17, wobei - die empirischen Daten einen Winkel und eine Linearbewegung des Oberschenkels und den Winkel und das Drehmoment beim gesunden Menschen betreffen; und - die Bewegungsdaten gemäß Merkmal 1b) den Winkel und die Linearbewegung des Oberschenkels des Trägers der Fußgelenkprothese betreffen.
Verfahren nach Anspruch 17 oder 18, wobei die Bewegungsdaten gemäß Merkmal 1b) mit einem einzigen, am Oberschenkel angebrachten Sensor (28) gewonnen werden.
System zum Steuern einer aktiven Fußgelenkprothese, aufweisend: - ein neuronales Netzwerk, das angelernt ist auf Basis von Daten, die für einen oder mehrere nicht amputierte Menschen einen Zusammenhang betreffen zwischen Winkel und Linearbewegung des Oberschenkels einerseits und Winkel und Drehmoment des Fußgelenkes andererseits; - einen Sensor (28), der am Oberschenkel des Trägers der Fußgelenkprothese anbringbar und eingerichtet ist, Daten betreffend Winkel und Linearbewegung des Oberschenkels zu gewinnen, wobei - die letztgenannten Daten in das neuronale Netzwerk eingegeben werden; und - das neuronale Netzwerk entsprechend den eingegebenen Daten Daten ausgibt, auf deren Basis die Fußgelenkprothese angesteuert wird.