| Project Area | Hyper-adaptability for overcoming body-brain dysfunction: Integrated empirical and system theoretical approaches |
|---|
| Project/Area Number |
19H05727
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
|
| Allocation Type | Single-year Grants |
|---|
| Review Section |
Complex systems
|
|---|
| Research Institution | Tokyo University of Agriculture and Technology |
|---|
Principal Investigator |
Kondo Toshiyuki 東京農工大学, 工学(系)研究科(研究院), 教授 (60323820)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
千葉 龍介 旭川医科大学, 医学部, 准教授 (80396936)
宮下 恵 東京農工大学, 工学(系)研究科(研究院), 助教 (60963311)
矢野 史朗 東京農工大学, 工学(系)研究科(研究院), 助教 (90636789)
|
|---|
| Project Period (FY) |
2019-06-28 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥138,190,000 (Direct Cost: ¥106,300,000、Indirect Cost: ¥31,890,000)
Fiscal Year 2023: ¥25,350,000 (Direct Cost: ¥19,500,000、Indirect Cost: ¥5,850,000)
Fiscal Year 2022: ¥25,610,000 (Direct Cost: ¥19,700,000、Indirect Cost: ¥5,910,000)
Fiscal Year 2021: ¥25,610,000 (Direct Cost: ¥19,700,000、Indirect Cost: ¥5,910,000)
Fiscal Year 2020: ¥25,610,000 (Direct Cost: ¥19,700,000、Indirect Cost: ¥5,910,000)
Fiscal Year 2019: ¥36,010,000 (Direct Cost: ¥27,700,000、Indirect Cost: ¥8,310,000)
|
|---|
| Keywords | テンソル分解 / 動的グラフ構造解析 / 筋骨格モデル / 運動学習 / 動的グラフ構造推定 / 姿勢制御シミュレーション / 協調運動学習 / 姿勢制御シミュレータ / グレイボックスモデリング / 協調運動学習実験 / 脳の動的構造モデル / 姿勢制御モデル / 動的構造推定モデル / マルチモダリティ解析 / ガウシアングラフィカルモデル |
|---|
| Outline of Research at the Start |
本研究では、主に生体構造の再構成の観点から広汎な脱抑制による脳の超適応機構をモデル化することに取り組む。脳のような大規模・複雑なネットワークシステムの適応過程を明らかにするには、現象を必要最小限の自由度でモデル化し、計算機シミュレーションによりモデルの挙動を検証する構成論的研究手法が有用であり、これにより生理学的理解を深化することが期待される。具体的には、脳活動・筋活動・行動などの長期マルチモーダルデータの統計的モデル化とその解釈性の確保、生理学的知見をもとに構成する脳内ネットワークのグレイボックスモデルと加齢シミュレーション、人を対象とした協調運動学習実験によるモデルの妥当性検証に取り組む。
|
| Outline of Final Research Achievements |
The purpose of this study was to constructively clarify the reconstruction of brain structures from the standpoint of systems engineering, and addressed (1) statistical modeling and ensuring interpretability of long-term multimodal data, (2) gray-box modeling and aging simulation, and (3) motor learning through robotic intervention. In (1), we developed an analytical method that combines the extraction of low-dimensional structures by Tensor decomposition and ynamic graph structure estimation (TVGL), and verified its validity using brain activity data provided from the neuroscience group. In (2), we constructed a gray-box model of musculoskeletal and brain network models, and verified its validity by simulation experiement. In (3), we conducted motor learning experiments using a system in which a human and a robot were combined using VR amd robotic technology, and clarified the conditions under which learning is facilitated.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究では、脳内神経構造に内在する低次元構造の時間的変化（例えば、運動学習の前後や障害の前後）を可視化する手法、脳内運動制御構造を数理モデルとして構成し、シミュレーションする技術、人の運動学習・機能回復過程に介入するロボット技術を開発した。これらの波及効果として、Systems Neurorehabilitationという新たな学際研究領域の創成につながると期待される。
|
