2016 Fiscal Year Annual Research Report

デフォーマブル筋骨格モデルのカスタムメイド化技術の開発及びその妥当性の検証

Research Project

Project/Area Number	15H05362
Research Institution	National Institute of Information and Communications Technology
Principal Investigator	平島雅也国立研究開発法人情報通信研究機構, 脳情報通信融合研究センター脳情報通信融合研究室, 主任研究員 (20541949)
Project Period (FY)	2015-04-01 – 2019-03-31
Keywords	筋骨格モデル / 体表面形状 / ポリゴンモデル / カスタムメイドモデル / ボリューム / デフォーマブル / 干渉 / GPU
Outline of Annual Research Achievements	本研究では、筋肉のボリュームと干渉による変形を考慮したデフォーマブル筋骨格モデルを発展させて、個人に合わせたカスタムメイドモデルを作成する技術の開発を行っている。被験者の筋骨格形状を取得する方法としては、MRI等を利用して内部形状まで含めて取得する方法と、３Ｄスキャナやモーションキャプチャーで体表面形状のみを取得する方法がある。本研究では、体表面形状だけからカスタムメイドモデルを作成することをまず目標に取り組んでいる。昨年度は、体表面形状をモーションキャプチャーで計測するためのプロトコルの整備を行い、本年度は、その体表面形状にデフォーマブルモデルをフィットさせるための準備を行った。フィットさせるためには対象とする部位のすべての筋をモデル化して身体内部を埋め尽くすことが必要である。そこで本年度は、肩を対象とし、三角筋や大胸筋などのアウターマッスルだけでなく、棘上筋や棘下筋などのインナーマッスルも含めた計33筋のモデル化を行った。また、これほど多くの筋が存在する場合、筋同士または筋と骨の干渉を検知して適切に回避することが必要である。多数のポリゴン間の干渉チェックには多大な計算負荷がかかるという問題があるが、本研究ではGPU並列計算プログラミングを用いることで計算時間を軽減し、この問題を解決した。こうして出来上がった肩のデフォーマブル筋骨格モデルは、人体運動のシミュレーション、運動負荷解析、アニメーション等の用途に利用できる汎用性の高い基盤技術として認められ、民間企業に技術移転されるなどの社会展開も始まっている。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 本年度は、体表面形状にデフォーマブルモデルをフィットさせるために必要な準備として、①肩の全筋肉のモデル化と②干渉計算プログラミングを行ったことから、おおむね順調に進展していると言える。また、今後必要となる③MRIの情報収集も始めたことから、次年度も順調に進展することが期待できる。 ①肩の全筋肉のモデル化：各筋肉と骨のサンプル形状は、BodyParts3D（Copyrightc 2008 ライフサイエンス統合データベースセンターlicensed by CC表示ー継承2.1 日本）を基に作成した。このサンプルでは、骨と筋の位置関係の整合性はある程度取られているが、いくつかの筋肉の起始・停止部分において筋のポリゴンが骨に埋まってしまっている場合があった。これは干渉計算の不安定性につながる可能性があるため、埋まっている点を骨の外に配置しなおすという念入りな修正作業も行った。 ②干渉の検知と回避：干渉計算の実装に際しては、GPUによる速度向上を重視して単精度の浮動小数点演算を用いてきた。しかし、薄い筋が多数重なりあう部位（上腕骨の大結節稜や小結節稜）においては、姿勢によっては計算が発散してしまう問題も発生した。今後は、倍精度浮動小数点演算を用いるなどしてこの問題を解決していく。 ③MRIの情報収集：1.5テスラMRIでは筋腹の厚い部分については十分に個々の筋を識別可能であるが、腱部分や薄い筋肉を識別することが困難であることがわかってきた。現在3テスラMRIを利用できる環境整備を進めている。
Strategy for Future Research Activity	今後は、干渉計算の不安定性を改善するための対策を講じながら、体表面形状にデフォーマブルモデルをフィットさせることによってカスタムメイドモデルを作成していく予定である。また、作成されたモデルの妥当性を評価するために、MRIで実際の筋形状を計測し、モデルとの誤差を算出する。誤差の大きい部分について適宜改善策を施していく。1.5テスラMRIでは腱部分や薄い筋まで識別することが困難であるため、3テスラMRIを利用する予定である。
Remarks	所属研究機関からのプレスリリース