2017 Fiscal Year Annual Research Report
運動発達障害／遅滞の機序に対する構成論的解明：シミュレーションと神経生理学の融合
| Project/Area Number |
15J03958
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
金沢 星慶 東京大学, 情報理工学系研究科, 特別研究員(PD)
|
|---|
| Project Period (FY) |
2015-04-24 – 2018-03-31
|
| Keywords | 発達 / 構成論 / 新生児 / 乳児 / 運動発達 / シミュレーション / 筋骨格 |
|---|
| Outline of Annual Research Achievements |
運動発達障害/遅滞は多要因から影響を受けると同時に，各要因が相互に代償し合う複合的病態と言える．しかし，従来の研究方法では，このような複合的病態は解明困難なため，新たな研究方法を開発スべく「構成論的手法と神経生理学の融合」に着目して研究を進めた．
今年度は，昨年度までに行っていた新生児・乳児の運動データの計測および解析を進めるとともに，計測データのシミュレーションへの導入を進め，構成論的発達科学の完成を目指した．具体的には新生児・乳児の筋骨格モデルの構築・改善に加え，精密な運動計測結果から筋張力および固有感覚入力を推定し，新生児から乳児の運動時の運動感覚ネットワークの定量化・可視化に成功した．また，大量データ収集を目的とする新生児・乳児運動の簡易計測手法の開発を目指し，シミュレーションを利用した画像生成と実データ（RGB・深度データ）を組み合わせたGenerative Adversarial Networksによる学習モデルも構築した．
また，計測データの解析や計測手法の開発を進めると同時に，シミュレーションによる発達モデルの構築による発達メカニズムの追求も進めた．順モデルを学習する際の予測誤差を利用した内発的動機付けモデルにより探索行動を加速し，より広い空間での順モデル獲得および協調運動の発現という感覚運動発達の一側面を示した. また，Echo state networkを用いたPredictive Codingが運動主体感の獲得モデルとして有用であることも示した．
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
