|
脳卒中後に，運動機能の回復を目指し行う神経ネットワークの再構築手法として，ニューロリハビリテーションが注目されている．効率的なリハビリテーションを実現するためには，人が行う作業をロボットシステムが代わりに行うことが必要不可欠であり，ニューロリハビリテーションにおいてもロボットシステムを導入することで，効果的なリハビリテーションの実現を目指す．具体的には，経頭蓋磁気刺激（TMS）と振動入力による刺激を組み合わせたPAS（Paired-Associative Stimulation）における刺激入力タイミングの最適化について取り組んだ．人が刺激を入力すると正確にタイミングを制御することは難しいが，ロボットシステムを導入すると正確な入力タイミングの制御が可能となり，神経ネットワークの効率的な再構築が期待できる．TMSと振動の最適な入力タイミングが個人毎に異なるため，運動誘発電位(MEP)が観測されやすいタイミングを効率よく見つける．本年度は，空気圧で動作するロボットシステムを用いて機械的に筋腱に対して刺激を入力し，PASの最適な刺激間隔を推定するための粒子フィルタに基づく探索アルゴリズムの開発に取り組んだ．パーティクルフィルタベースの方法では，従来の想定区間を総当たりに探索するインクリメンタル方法と比較して、施行回数を70％～80％減少させることができた．また，ロボットシステムに取り付けられた加速度計を用いて腱刺激の正確なタイミングの測定は、さらに試行回数を減らすことができることを確認した．リハビリテーションにおいて施行回数を減らすことは，負担が少なくなることを意味しており，本研究の成果は効果的なリハビリテーションの実現に大きく寄与するものと言える．
|
