| Project/Area Number |
23K20332
|
|---|
| Project/Area Number (Other) |
20H03878 (2020-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2020-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 57050:Prosthodontics-related
|
|---|
| Research Institution | Okayama University |
|---|
Principal Investigator |
皆木 省吾 岡山大学, 医歯薬学総合研究科, 特命教授 (80190693)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中原 龍一 岡山大学, 医歯薬学域, 講師 (30509477)
尾崎 敏文 岡山大学, 医歯薬学域, 教授 (40294459)
丸尾 幸憲 岡山大学, 大学病院, 講師 (60314697)
萬田 陽介 岡山大学, 医歯薬学域, 助教 (60794477)
兒玉 直紀 岡山大学, 大学病院, 講師 (70534519)
沖 和広 岡山大学, 医歯薬学総合研究科, 助教 (00346454)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2024: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2023: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2022: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2021: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2020: ¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000)
|
|---|
| Keywords | EMG / AI / 疲労 |
|---|
| Outline of Research at the Start |
筋疲労は、多くの医学・歯学領域において臨床的に重要な意味を有しており、これを定量評価することは種々の医学的目的において有用に利用することができると考えられる。
本研究は、我々が疲労解析に関して行ってきた筋電図データについて、既存の機械学習を発展させ、筋疲労波形ならびに筋電図記録時に混入するデジタルノイズの検出をAI学習によって行うシステムを構築し、疲労評価に資するシステムを構築することを目指した研究である。
|
| Outline of Annual Research Achievements |
疲労の評価は、広く医療の多領域において重要な評価項目であると考えられている。口腔顔面痛あるいは頭痛などの頭頸部における複雑症例においてもこの評価は重要であり、特に筋組織の疲労の客観的評価は関連疾患との鑑別診断を格段に進歩させる指標となり得ると考えられる。また，全身的な疲労を評価することは他の疾患の診断や治療方針の決定にも大きく寄与すると考えられる。疲労は中枢性と末梢性の両者が関連すると考えられるが、これらの機能的アウトカムともいえる筋電図計測によって疲労評価が行えればその臨床的価値は非常に高いと考えられる。研究代表者らは、これまで顎関節症患者に関して蓄積してきた高精度24時間連続筋電図記録から新たな筋疲労度の定量化因子（Maedaら，2019）に着目し、機械学習を用いた解析システムの開発を進めてきた。また、舌後方部の実験的負荷によって筋疲労と特徴的な筋電図波形が得られることを明らかにしてきた。本研究は、これら現有のデータベースを基礎にAI等を用いて、筋電図疲労波形の客観的定量評価を可能とするシステム構築を行うことをめざしている。このなかで、日常生活環境におけるデジタルノイズの存在が筋電図データ解析において大きな問題となっていることが本研究の結果明らかになっている。デジタルノイズの発生源は多岐にわたる。本年度もデジタルノイズサンプルデータを引き続き収集し、周波数解析等によってデジタルノイズの特徴量の抽出を試みている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
携帯型筋電計を用いた研究はこれまで世界的にも多数行われている。しかしその解析に際して、日常生活環境に存在するデジタルノイズの影響を検討したものは見当たらない。本研究において、高精度の解析を実施する際にデジタルノイズがその解析結果に影響することが明らかになりつつある。すなわち、日常生活環境下における筋電図解析の重要な基盤についてのデータを明らかにしつつあり、この研究領域における貢献度は大きく、おおむね順調に進展していると判断できる。
|
| Strategy for Future Research Activity |
日常生活環境下における筋電図解析を正確に達成するためには、デジタルノイズの解析も含めて波形解析を実施することが必須と考えられる。したがって、今後の研究の推進方策としては、デジタルノイズを含めた解析手法に重点をおく予定であり、疲労を示す指標と考えられるGrouped Dischargeならびにデジタルノイズの自動抽出システムの確立を行う予定である。
|
