機械学習による表面筋電図解析プログラムを用いた運動方向判定精度の検証

使用机器学习的表面肌电分析程序验证运动方向确定的准确性

• 批准号: 22K17593
• 负责人: 桑原 渉
• 金额: $ 2.83万
• 依托单位: Keio University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K17593/
• 关键词: リハビリテーション; ロボティクス; 機械学習

本研究の目的は，手指運動アシストデバイスを装着した状態での表面筋電図制御プログラムの運動方向判定精度を検証し，その精度を向上させるアルゴリズムを構築することである。補助事業期間内において，健常者，脳卒中運動麻痺者それぞれ10名ずつを対象にし，精度検証をすることを想定し，倫理申請を行い，承認を得た。健常者5名においてデバイス装着下で精度検証を行ったところ，感度，陽性的中率それぞれで全例95％以上の高い精度を確認できた。健常者での検証は済とした。脳卒中運動麻痺者7名を対象にした精度検証を開始した。方法は，以下の通りである。①デバイス非装着下において，運動機能検査であるBox & Block test（BBT）を実施，②7筋に筋電図センサを貼付し，各患者に応じて判定しやすい2筋の組み合わせを決定するための筋電検査を実施，③②で決定した2筋を用いて学習課題を実施，④学習データをマイクロコンピュータに伝送，⑤デバイス装着下で運動機能検査であるBBTを実施③で取得したデータを交差検証の方法を用いて感度，陽性適中率を算出した。さらに，①と⑤のBBTの結果を比較した。その結果，伸展判定の感度：88％，陽性的中率：70％，屈曲判定の感度：85％，陽性的中率：68％，BBTは非装着0.6個vs装着1．6個であり，精度は改善の余地があるものの，運動機能拡張をもたらすことが出来る可能性が示された。精度改善を図るために，デバイス側の伸展・屈曲位置の検出を行うことを目的に，フォトセンサによるラック位置センシング機能をデバイス側に実装した。

The purpose of this study is to verify the accuracy of finger motion direction determination in the state of finger motion loss, and to construct a finger motion direction determination system with high accuracy. During the period of subsidy, the healthy, the paralyzed and the stroke have 10 targets, the accuracy of the examination is determined, and the ethics application is carried out. The accuracy of the test is higher than 95%, and the sensitivity is higher than 95%. The healthy ones are not healthy. The stroke paralysis 7 images The method is as follows: 1. To implement Box & Block Test (BBT) for motor function test without installation; 2. To apply BBT for muscle function test of 7 muscles; 3. To implement BBT for muscle function test of 2 muscles; 4. To implement BBT for muscle function test of 2 muscles; 5. Check the movement function of the equipment. 3. Calculate the positive rate. The results of BBT were compared. The results showed that the sensitivity of extension judgment: 88%, the median rate of positive: 70%, the sensitivity of flexion judgment: 85%, the median rate of positive: 68%, the BBT was not loaded with 0.6 vs loaded with 1.6, the accuracy was improved, and the possibility of motor function expansion was shown. Accuracy Improvement: Extension/Flex Position Detection on both sides of the axis

项目成果

Hand-assist robot with a deep learning model for the automatic determination of finger movement direction using surface electromyography: Proof of concept study for clinical applications in patients with stroke.

具有深度学习模型的手辅助机器人，可使用表面肌电图自动确定手指运动方向：中风患者临床应用的概念验证研究。

• 发表时间: 2022
• 作者: Kuwahara W;Mizuguchi T;Tanamachi K;Okawada M;Miyawaki Y;Kamimoto T;Yamada Y;Kawakami M;Kaneko F
• 通讯作者: Kaneko F