複数の自由度における筋力推定のための軽量ハイブリッドエンコーダー-デコーダーフレームワーク

科学分野:

• 生体医工学
• 神経科学
• リハビリテーション技術

背景:

• 筋電図（EMG）分解は、指の動きのデコーディングのための優れた運動単位（MU）放電情報を提供する。
• 既存の複数の自由度（DoF）における力推定方法は、時間的MU放電効果の無視と固定されたMUプール割り当てによって制限されている。

研究 の 目的:

• 複数の自由度（DoF）における筋力推定のためのハイブリッドエンコーダー-デコーダーフレームワークを開発・評価すること。
• EMGベースの力予測における時間的力の蓄積とMUプール割り当ての限界に対処すること。

主な方法:

• EMG分解と時間的発火率ネットワーク（TFR-Net）を統合したハイブリッドフレームワークを提案した。
• このフレームワークは、時間的発火率を利用して力の蓄積をモデル化し、MUの重みを動的に割り当てる。
• EMG信号をMUスパイクトレインと発火率に分解し、階層的なエンコーディングとデコーディングに使用した。

主要な成果:

• 提案手法は、ベースライン手法と比較して優れた性能を達成し、相関（R²：0.80 ± 0.12）が高く、予測誤差（RMSE：6.32% ± 1.89% MVC）が低かった。
• 従来のツウィッチフォースモデル法と比較して、計算効率が向上したことを実証した。
• 10人の被験者から収集した15分間のEMGデータを用いて、マルチフィンガー等尺性伸展運動を実施した。

結論:

• 開発されたハイブリッドフレームワークは、器用な指の力の正確かつ効率的な予測において大きな可能性を示している。
• さらなる進歩は、現実的なアプリケーションのための堅牢なヒューマンマシンインターフェースにつながる可能性がある。
• この手法は、現在のEMGベースの力推定技術における主要な制約を克服するものである。