脳情報を用いた知能バイオメカトロニクス構築による全方向移動歩行リハビリテーション

2011 Fiscal Year Research-status Report

• Project/Area Number: 23650350
• Research Institution: Toyohashi University of Technology
• Principal Investigator: 寺嶋 一彦 豊橋技術科学大学, 工学(系)研究科(研究院), 教授 (60159043)
• Co-Investigator(Kenkyū-buntansha): 鈴木 重行 名古屋大学, 医学部, 教授 (60179215) ; 南 哲人 豊橋技術科学大学, エレクトロニクス先端融合研究所, 特任准教授 (70415842)
• Project Period (FY): 2011-04-28 – 2013-03-31
• Keywords: リハビリテーション / BMI / 歩行訓練 / テーラメイド / 吊り上げ式歩行訓練機 / 免荷式歩行訓練機 / バイオメカトロニクス / 筋骨格モデル

Research Abstract

本研究では、訓練者（患者）の思い描く脳情報から、ブレインマシンインタフェース（BMI）により、訓練者の思い描く全方向移動に関する歩行パターンの意図推定を行い、それに基づき筋骨格モデルにより歩行訓練の吊り上げ力や歩行速度などを計算し、リアルタイムで最適歩行制御を実現する歩行リハビリテーションのための理論・アルゴリズムの創出を行うことを目的としている。ロープによる訓練者の吊り上げ力と床への荷重、および歩行速度などのモーションに関する機械と人のセンサ情報、および、脳情報、筋電信号などの生体情報をリアルタイムで融合・統合して、テーラーメイドな歩行運動制御を実現する知能バイオメカトロニクスの構築を目指している。本年度は下肢筋肉モデルの構築を行った。下肢筋肉モデルとして、足先力と下肢筋肉力の関係を２関節筋モデルであらわし、パラメータ同定は、著者らの上肢モデルで提案している方法を用いモデルを構築した。申請者らは、関節トルク分布図に基づく解法を提案し、筋出力より筋肉の状態が推定できることを明らかにした。吊り上げ力による歩幅への影響解析と、それに対して、左と右のロープ吊り上げ力の分散調整による、歩行歩幅の適正化を図るダイナミック制御方式を構築した。テーラーメイド型リハビリ制御システムの最適統合化制御系の構築を検討した。実際の訓練中における心拍数、血圧などの自律神経系のセンシング、モニタリングを行い、ロードセルによる吊り上げ力、また足裏につけた圧力センサによる荷重から、吊り上げ力のフィードバック機能を有するフィードバック制御部とモデルに基づくフィードフォワード制御部を統合した最適制御系を構築した。これらを用いた検証を来年度行い、そして、BMIにより、リハビリテーションシステムを構築していく。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

本年度は下肢筋肉モデルの構築を行った。下肢筋肉モデルとして、足先力と下肢筋肉力の関係を２関節筋モデルであらわし、パラメータ同定は、著者らの上肢モデルで提案している方法を用いモデルを構築した。申請者らは、関節トルク分布図に基づく解法を提案し、筋出力より筋肉の状態が推定できることを明らかにした。吊り上げ力による歩幅への影響解析と、それに対して、左と右のロープ吊り上げ力の分散調整による、歩行歩幅の適正化を図るダイナミック制御方式を構築した。テーラーメイド型リハビリ制御システムの最適統合化制御系の構築を検討した。実際の訓練中における心拍数、血圧などの自律神経系のセンシング、モニタリングを行い、ロードセルによる吊り上げ力、また足裏につけた圧力センサによる荷重から、吊り上げ力のフィードバック機能を有するフィードバック制御部とモデルに基づくフィードフォワード制御部を統合した最適制御系を構築した。これだけできたので、来年はBMIに集中できる。よって、順調であるといえる。

Strategy for Future Research Activity

BMIの技術をベースとして、訓練者の思い描く歩行方向、歩行速度、歩幅など、条件を変化させ歩行の脳波を計測し、脳波から歩行の要素を取得するシステムを構築する。歩行運動イメージにかかわる頭頂部を中心とした脳波を測定し、運動関連の帯域であるベータ帯(13-20Hz)のパワーや位相同期の変動量、また、アルファ帯域（8-12Hz）、シータ帯域（4-8Hz）などを特徴量として、機械学習を用いて、歩行条件を脳波から推定できるかどうかを検討する。推定の目標としては、各歩行条件に対して3条件設ける。(1)吊り上げ力：強い、普通、弱い　歩行方向：前、後、横、斜め、(2)歩幅：大きい、普通、小さい、(3)歩行速度：速い、普通、遅いと3段階に分ける。BMIと吊り上げロープの振れ角のセンサ情報の融合により、意図推定100％を目指す。　この後、23年度の成果と統合し、歩行リハビリテーションシステムを構築する。

Expenditure Plans for the Next FY Research Funding

消耗品、および、海外出張、国内出張、研究補助謝金などに使用する。