深部感受性光学センサーによる非侵襲的なヒト筋活動測定

• SRM(Source-Reprojection Module)は、固定された分類器を前提とした教師なしクロスデーsEMGジェスチャー認識手法を提案した。
• 4名の健常参加者、各5日以上のセッション、3ランダムシード(計12回実行)のプロトコルで評価され、固定分類器単体の平均精度70.9%からSRM適用で72.8%に向上(平均+1.98±0.91pp)。12回中10回でベースラインを上回った。

本研究では、脳卒中生存者を対象とした上肢運動トレーニング中に、新規の筋ネットワーク分析フレームワークを適用した。このアプローチにより、屈筋および伸筋駆動ネットワークの多様な生体力学的役割を反映する、冗長および協調的な筋相互作用の異なるパターンが明らかになった。これらのパターンから、重度の運動障害および治療反応性によって患者を層別化する新しいバイオマーカーが導き出され、それぞれが独自の生理学的シグネチャと関連していた。特に、効果的な運動回復の兆候として、冗長性から協調性への筋協調の変化が特定され、これは従来の評価方法よりも精密な障害評価によって裏付けられた。この発見は、脳卒中後の運動回復の詳細…

• 指関節のソフト容量性伸縮センサーと手のひらの6要素疎圧力アレイを融合した最小限マルチモーダル触覚システムを開発
• 軽量MLPを用いて4つの幾何学的原始形状を表す12個の剛体オブジェクトに対して95.4%のサイズ不変認識精度を達成し、高密度ベースラインを上回った
• ANOVAベースのチャネル選択により情報量の少ない中手指節間関節の信号を除去し、指関節センサー数を削減しながら分類精度を向上

• 1D CNN-LSTMハイブリッドモデルが、人間-ロボット協調製造環境でのオペレーター疲労予測において、3クラス分類で89.3%、バランス精度87.1%を達成した。
• 疲労予測モデルは73.9kパラメータでJetson Nano上において22msの推論速度を実現し、エッジデバイスでのリアルタイム動作が可能であることを示した。
• アラートに基づくタスク再配分により、肩へのピーク負荷が43%削減され、スループットはベースラインの94%を維持した。

• 健常者16名を対象とした盲検無作為化研究で、リアルタイム3クラスBCI-FES制御においてEEG単独とハイブリッドEEG-fNIRS方式に統計的に有意な性能差がないことを示した(p > 0.05)。
• 本研究で使用された完全なEEG-fNIRSデータセットがNITRCを通じて公開された。