Systems modelling of hyper-adaptation mechanism for reconstruction of neural structure
| 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 |
近藤 敏之 東京農工大学, 工学(系)研究科(研究院), 教授 (60323820)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
宮下 恵 東京農工大学, 工学(系)研究科(研究院), 助教 (60963311)
千葉 龍介 旭川医科大学, 医学部, 准教授 (80396936)
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 |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥138,190,000 (Direct Cost: ¥106,300,000、Indirect Cost: ¥31,890,000)
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 | 動的グラフ構造解析 / 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 / 協調運動学習 / マルチモダリティ解析 / 動的構造推定モデル / 姿勢制御シミュレーション / 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 Annual Research Achievements |
研究代表者の近藤と研究分担者の矢野は、脳活動・筋活動の同時計測によるマルチモーダル時系列データから、それらの協調的活動をネットワーク構造推定する統計手法の構築を直近の目標としている。超適応により普段使用しない脳活動領域へと活動がシフトする前後のネットワーク構造の時間変化を推定することを目指している。本年度は、従来の身体運動データ分析であるシナジー分析を発展させた手法を2つ提案し[Yano, 2019]、[酒井, 2019]、人工データおよび実データで評価を行った。
研究分担者の千葉は、若年者と高齢者の脳内ネットワークの相違をモデルによって推定するべく、立位姿勢維持タスクと計算認知課題の二重タスクを実施した。並行して両立位を提案シミュレータによりパラメータの変化を推定した結果、開脚時は筋緊張の低下が閉脚立位時の姿勢動揺の変化をもらたす可能性を示し、また閉脚時は筋緊張が低下できない可能性を示した。これにより、筋緊張低下をもたらす認知課題が姿勢の変容を説明することをモデルにて確認した。
研究代表者の近藤は、環境変化への適応力(adaptability)を高める運動課題を探索するため、VR技術と触覚呈示ロボット技術を組み合わせた到達運動課題を考案して運動学習実験を行い、学習後の被験者の運動記憶ならびに汎化能力と学習条件(ロボットによる運動支援の大きさで課題難易度を調整)の関係を運動成績により評価することを試みた。実験の結果、ロボットによる運動支援が学習者の運動技能と合わせて変化する技能レベル整合(skill-level matching)アルゴリズムにより訓練を行うことで、学習者の適応力を高めることが期待できることを示唆する結果を得た。
本年度は、統計的モデルと構成論的モデルの両面から基礎となるモデル構築の方法論について検討した。また、学習者の適応力を高める運動課題の探索に着手した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
新型コロナウイルス感染症の感染拡大の影響により、被験者（特に高齢者）をリクルートする必要がある実験の実施に制限があり、遅延が生じている。
|
| Strategy for Future Research Activity |
ネットワーク構造推定に関する研究テーマでは，テンソル分解による脳活動の基底抽出(低次元化)と動的グラフ構造推定(ガウシアングラフィカルモデル)による基底間の相関解析を経時的に行う手法を提案 し，人工データと実際の脳活動データ(例えば睡眠時脳波)で評価を行う．データ生成モデルのグラフ構造(真値)が既知である人工データに適用することで，構造推定の正確さを評価する．また，実データに適用することで，手法の有効性と問題点を検証する．
認知課題下の姿勢制御に関する神経・筋骨格シミュレーションに関する研究テーマでは，「高齢者の筋緊張レベルの亢進が運動機能の低下をもたらす」という作業仮説をもとに，立位姿勢の維持だけでなく，歩行開始時の運動制御シミュレーションに対応できるようにシミュレータを改善し，数値実験を行う．
人とロボットの協調運動学習に関する研究テーマでは，被験者のスキルレベルによらずにレベルが変化（向上）する支援アルゴリズムでは運動技能が向上しないことを確認するための実験条件を追加して，Skill-level matchingアルゴリズムの有効性を検証する．
|
Report
(1 results)
Research Products
(8 results)
