格格党

手机浏览器扫描二维码访问

10 第一次联络（第3页）

他盯着她总结的表格：“这些指标很不理想，你打算怎么解决噪声干扰和运动单位重叠的问题？”

她神色平静：“我打算跳过传统分解路径，不做精确反演。”

“对我来说，控制接口才是第一目标，先做MUAP模板匹配。

初步目标很简单，先完成实时控制……”

梁思宇眯起眼睛，具体技术路线上，也有她的大胆和不拘一格。

神经义肢的每个动作都需要患者运动神经信号的指挥。

贴上电极后，仪器能检测到很多信号，就像一位特工在门外偷听情报，你会听到许多人同时在说话。

问题是，怎么判断这七嘴八舌的声音分别该对应哪个动作。

目前主流思路是“精确反演”

和“分解路径”

，就是弄清楚，屋里每个人具体说了什么话，把具体指令都分离出来，再判断哪块肌肉应该做什么动作。

而Ada的方法则非常简单粗暴：表面肌电的信号质量有限，她就放弃听“每个人具体说了什么”

，只关注“有没有人说话”

、“是谁在说”

。

只要“有个人”

反复开口，她就认为这个意图最强，用来驱动义肢完成动作。

这种方法不追求原理，而强调当前的可用性，是典型的工程师思维。

作为认知神经科学的博士生，他本该觉得学科尊严受到挑战，但此刻，他有点理解她。

对于难题，不必一蹴而就，可以先给出一个“相对可行”

的方案，再慢慢改进。

他冲她点头，说：“稍等，我看看具体方案。”

他迅速扫过她列出的目标：“完成实时算法控制”

，嗯，可行，计算量不算太大，关键在延迟时间能否缩短。

“缩短时间窗口，结合特征提取和模板匹配，提取15-20个MUAP。”

他稍一皱眉，15-20个？她用的是表层肌肉电信号，照他印象，现在的主流算法也就能分解出10来个。

这个目标，对算法挑战不小啊。

他抬头，看向摄像头，她勾起一个笑：“Ned，加入吗？”

他也笑了：“Whynot？”

这个路径是典型的硅谷风格，高敏捷、短周期、非常务实，初步验证速度很快，并不占用太多时间。

许瑷达瞬间开心，她就知道，Ned会理解她的。

在侵入式电极和“还原论”

的大本营JHU，他是少见的头脑开放的家伙。

梁思宇迅速开始规划方案。