Roles of the Deep Brain in the Control of Human Bipedal Locomotion: Capturing Deep Brain Activity with Innovative EEG Techniques

深部大脑在控制人类双足运动中的作用：利用创新的脑电图技术捕获深部大脑活动

• 批准号: 21H03340
• 负责人: 横山 光
• 金额: $ 9.82万
• 依托单位: Tokyo University of Agriculture and Technology (2022-2023)The University of Tokyo (2021)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H03340/
• 关键词: 脳波; 筋電図; 歩行; MRI; 脳深部; パーキンソン病

本研究の目的はヒト二足立位歩行の制御における中脳・視床などの脳深部領域の役割を最新の脳波計測・解析技術を組み合わせ解明することである。 近年 、高密度脳波測定とMRI(Magnetic Resonance Imaging)画像に基づく被験者ごとの詳細な脳モデルを組み合わせた手法により、脳深部電気活動を非侵襲的に測ることが可能と証明された。さらに、不可能と考えられていた歩行時の脳波測定も革新的手法により測定が可能となった。 こ れらの手法により歩行時の脳深部活動を測定し、大脳皮質や筋など他領域との関係性からヒト歩行制御における脳深部領域の役割を解明する。本年度は、脳波とMRIを組み合わせた脳深部の電気活動推定手法に関して、まずMRIの撮像方法、解析方法最適化を推進した。MRIの撮像方法を昨年度までのT1強調画像単体からT1強調画像に加えT2強調画像の撮像を追加した。また、詳細な撮像パラメーターの調節を行い、骨、脳、皮膚などの頭部組織をT1強調画像とT2強調画像を組み合わせることで分割しやすいようにした。さらに、最新の頭部組織分割法を導入した (チャーム法、SimNIBS toolbox, Puonti et al, 2020)。10組織に分割された頭部画像から頭部導電モデルを有限要素法で作成した。そして、深層学習を使用して、全頭から取得した160chの脳波から脳深部の活動を推定する新規手法の検討を行ない、従来手法より高精度に推定可能という結果が得られた。また、脳深部と脊髄活動の関係性を調べるために、脊髄活動を非侵襲的に調べる手法による歩行時の脊髄活動推定を行ない、研究結果を国際誌に発表した。

The purpose of this study is to combine the latest wave measurement and analysis techniques for the control of two-legged walking in the middle and deep regions. In recent years, high-density microwave imaging and MRI(Magnetic Resonance Imaging) imaging have been used to detect and detect deep electrical activity. It is impossible to measure the time of travel and the method of innovation. The deep activity of the muscle during walking was measured, and the relationship between the muscle and the deep activity of the muscle during walking was analyzed. This year, the combination of MRI and MRI has been promoted to optimize the imaging method and analysis method of deep electric activity estimation. MRI imaging methods were added to the T1-emphasized image unit in the previous year. T1, T2, T3, T4, T5, T6, T7, T8, T9, T Recently, the latest head tissue segmentation method has been introduced (CCM method, SimNIBS toolbox, Puonti et al, 2020). 10. The head portrait was created by finite element method. For example, deep learning can be used to obtain 160-channel deep activity estimation results. The results of this study are reported in the International Journal of the University of California, Berkeley.

项目成果

非侵襲神経機能計測によるヒト歩行制御の神経基盤の理解

通过非侵入性神经功能测量了解人类步态控制的神经基础

• 发表时间: 2021
• 作者: Roy A;Tomaz da Silva M;Bhat R;Bohnert KR;Iwawaki T;Kumar A;横山光
• 通讯作者: 横山光

Recent Updates on Investigation of Neural Control of Human Locomotion by Non-invasive Neural Recording Techniques

通过非侵入性神经记录技术研究人类运动神经控制的最新进展

• DOI: 10.3902/jnns.30.21
• 发表时间: 2023
• 期刊: The Brain & Neural Networks
• 作者: Hamazaki Nobuaki;Kamiya Kentaro;Yamamoto Shohei;Nozaki Kohei;Ichikawa Takafumi;Matsuzawa Ryota;Yamashita Masashi;Uchida Shota;Maekawa Emi;Meguro Kentaro;Yamaoka-Tojo Minako;Matsunaga Atsuhiko;Ako Junya;Yokoyama Hikaru
• 通讯作者: Yokoyama Hikaru

Firing behavior of single motor units of the tibialis anterior in human walking as non-invasively revealed by HDsEMG decomposition

• DOI: 10.1088/1741-2552/aca71b
• 发表时间: 2022-12-01
• 期刊: JOURNAL OF NEURAL ENGINEERING
• 影响因子: 4
• 作者: Yokoyama，Hikaru;Kaneko，Naotsugu;Nakazawa，Kimitaka
• 通讯作者: Nakazawa，Kimitaka

Firing characteristics of motor units of the tibialis anterior during walking in humans as non-invasively revealed by HDsEMG decomposition

HDsEMG 分解非侵入性揭示人类行走时胫骨前肌运动单位的放电特征

• 发表时间: 2023
• 作者: Yokoyama Hikaru;Kaneko Naotsugu;Sasaki Atsushi;Saito Akira;Nakazawa Kimitaka
• 通讯作者: Nakazawa Kimitaka

Robust Identification of Motor Unit Discharges From High-Density Surface EMG in Dynamic Muscle Contractions of the Tibialis Anterior

• DOI: 10.1109/access.2021.3107283
• 发表时间: 2021
• 期刊: IEEE Access
• 影响因子: 3.9
• 作者: H. Yokoyama;Atsushi Sasaki;Naotsugu Kaneko;Akira Saito;K. Nakazawa