大美书网

手机浏览器扫描二维码访问

1010 第一次联络（第2页）

她考虑的不是某个技术细节，而是技术路径的战略选择。

之前他默认jhu的共识就是技术最优路径，但她的理由，也很有诱惑力。

“有些道理。不过……我们还是得考虑毕业吧？”他笑了笑，把话题拉回技术实现。

许瑷达毫不意外：“看第三页。我们从典型肌肉和基本动作入手，比如前臂肌群和抓握动作。肌肉结构单一，运动模式清晰，适合用于表面肌电信号采集。”

她带点微笑，“这块你比我懂，你来列出初期实验的目标肌群和动作，再考虑下一阶段复杂动作的扩展。”

“可以，这个很快。”他印象中有几篇不错的论文。

“第四页，目前常见的算法参考，我已经准备好了代码，到时候作基线对比。”她继续往下介绍。

她居然准备到这一步了？那她假期恐怕没怎么休息。

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。这研究对硬件要求不高，父亲的康复医院就有几套bagnoli的信号采集系统，他们完全可以先在自己身上采集数据试试。

甚至乐观点，初步模型跑通的话，他可以去说服导师，除了在jhu附属医院，也在纽约招募志愿者，扩大数据量。

许瑷达听完，则表示，一旦验证跑通，她去跟导师沟通经费支持。

“我们工程学院的nih基金项目不限制电极类型，比医学院更适合。”

倒是“康复医院”这件事，她还没往那方面想过。她原本计划下周去伯克利找一个朋友借用下实验室，在自己身上试一下数据采集。

现在听他说完，她忽然有点恍惚。上辈子如果他没转行，他们一起做这个项目，数据获取会容易太多。

他父亲理查德（richard）在纽约经营小型康复医院，可她从来没想到寻求合作和帮助。

那年他突然转行，去洛杉矶拍戏后，他母亲克劳迪娅还特意从纽约到jhu看望了她两次，说“有什么需要随时联系我们。”

不过，她素来独立，跟他在一起时，也很少提什么额外要求，更何况面对他父母。

他明明有很好的天赋，有现成的资源；可这些别人可望不可即的条件，他都能统统抛下。

也许，是家人给他的底气吧。她记得，有个圣诞节，她下楼时听到，他父亲理查德对他母亲感叹，说希望ned快乐就好。

她轻轻叹了口气，在挂断视频前问了句：“ned，你真的高兴聊这些吗？”

请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。