JP2004321211A

JP2004321211A - 生体信号を利用したｆＭＲＩ環境用仮想運動装置及び方法並びにプログラム

Info

Publication number: JP2004321211A
Application number: JP2003115686A
Authority: JP
Inventors: Osamu Fukuda; 修福田; Toshio Tsuji; 敏夫辻; Yoshiyuki Tanaka; 良幸田中; Masaharu Maruishi; 正治丸石
Original assignee: National Institute of Advanced Industrial Science and Technology AIST
Current assignee: National Institute of Advanced Industrial Science and Technology AIST
Priority date: 2003-04-21
Filing date: 2003-04-21
Publication date: 2004-11-18

Abstract

【課題】高磁界を発生するｆＭＲＩ環境内で計測した生体信号から高磁界に起因するノイズ成分の除去を可能とし、また、使用者の個人差や特性変化に対する適応能力を有し，ｆＭＲＩ環境内において計測した生体信号を利用する。
【解決手段】本発明は、ｆＭＲＩ環境用仮想運動装置に関しており、生体信号の入力部と、ｆＭＲＩ環境下で計測した生体信号をｆＭＲＩ環境外に伝送した後にノイズ成分を除去する計測部と、計測した生体信号から特徴パターンを抽出する特徴抽出処理部と、特徴パターンから使用者が意図する運動やその力などを推定する運動意図推定部と、運動意図推定部の出力に基づいて運動軌道などを計算する人体モデル部と、人体モデル部で計算された運動の様子を示す３次元コンピュータグラフィクス、および計算中の各部の処理状況を使用者に提示するフィードバック部と、各部で使用するパラメータを保存・読み出し可能なパラメータ保存部とから構成される。
【選択図】図１

Description

【０００１】
【発明の属する技術分野】
本発明は、高磁界を発生するｆＭＲＩ環境内において使用者から計測した筋電位波、脳電位波、あるいは心電位波などの生体生理信号から推定した使用者の運動意図を利用して計算機上に形成された人体モデルの自然な動作制御を可能とするｆＭＲＩ環境用仮想運動装置及び方法並びにプログラムに関するものである。ｆＭＲＩとは、核磁気共鳴イメージング装置（ＭＲＩ：Ｍａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅｉｍａｇｉｎｇ）で撮影した画像を用いた脳機能計測法（ｆｕｎｃｔｉｏｎａｌＭＲＩ）であり、脳神経活動に伴った局所の脳血流変化を捉えて間接的に脳活動を観察することができる。
【０００２】
【従来の技術】
生体信号を利用して仮想運動を実現する手法に関しては、従来より提案されている（例えば、特許文献１，特許文献２参照）。これは、運動を生じさせる原因である脳，神経系の活動を何らかの非侵襲的な方法で計測し、その信号に基づいて運動軌道や力軌道を推定し，それに基づいて計算機内の世界で身体の一部または全部のモデルである仮想身体をあたかも自分の分身であるかのように自然に制御し、位置のみならず力、速度、加速度を自由に操れるようなヒューマンインタフェース装置の提供を目的としたものである。
【０００３】
しかしながら，前記特許文献に記載された発明は、使用者の個人差や疲労による影響に対して適応する機能を備えていないため、使用者の操作能力が低い場合や長時間使用に対しては、使用が困難であった。
【０００４】
さらに、生体信号の計測時に大きなノイズが印加する劣悪な環境下での使用を考慮していないため、高磁界を発生するｆＭＲＩ環境内での脳機能解析に適用することはできなかった。
【特許文献１】
特開平７−２８５９２号公報
【特許文献２】
特開平７−３６３６２号公報
【０００５】
【発明が解決しようとする課題】
本発明は、以上のような問題を解決するためのものであり、高磁界を発生するｆＭＲＩ環境内で計測した生体信号から高磁界に起因するノイズ成分の除去を可能とすることを目的とする。
また、本発明は、使用者の個人差や特性変化に対する適応能力を有し，ｆＭＲＩ環境内において計測した生体信号を利用することを目的とする。
【０００６】
【課題を解決するための手段】
上記目的を達成するために、本発明における第１の発明は、ｆＭＲＩ環境用仮想運動装置に関しており、生体信号の入力部と、ｆＭＲＩ環境下で計測した生体信号をｆＭＲＩ環境外に伝送した後にノイズ成分を除去する計測部と、計測した生体信号から特徴パターンを抽出する特徴抽出処理部と、特徴パターンから使用者が意図する運動やその力などを推定する運動意図推定部と、運動意図推定部の出力に基づいて運動軌道などを計算する人体モデル部と、人体モデル部で計算された運動の様子を示す３次元コンピュータグラフィクス、および計算中の各部の処理状況を使用者に提示するフィードバック部と、各部で使用するパラメータを保存・読み出し可能なパラメータ保存部とを含むことを特徴としている。
【０００７】
また、本発明における第２の発明は、目的に応じた生体情報の利用を可能とするために、上記した第１の発明の構成に加えて、上記の生体信号の入力部では入力として筋電位、脳波、光学式力センサなどを選択あるいは組み合わせて受けることが可能な構成を備えることを特徴としている。
【０００８】
また、本発明における第３の発明は、上記した第１の発明の構成に加えて、計測した生体信号を増幅後ｆＭＲＩ環境外へと伝送し、磁場の影響によるノイズ成分を除去する計測部を含むことを特徴としている。
【０００９】
また、本発明における第４の発明は、計測した生体信号から特徴量や力情報を抽出するために、上記した第１の発明の構成に加えて、整流処理、フィルタリング処理、周波数解析処理、正規化処理、ピーク検出処理などを適切に実施する特徴抽出処理部を含むことを特徴としている。
【００１０】
また、本発明における第５の発明は、使用する生体信号に含まれる個人差に適応するために、上記した第１の発明の構成に加えて、ニューラルネットを利用した学習機構を備えた運動意図推定部を含むことを特徴としている。
【００１１】
また、本発明における第６の発明は、上記した第１の発明の構成に加えて、運動意図推定部においてニューラルネットを利用して特徴パターンから使用者が意図する運動意図を推定し、その事後確率を計算することを特徴としている。
【００１２】
また、本発明における第７の発明は、使用者が意図する運動や力を反映した動作をフィードバック部で再現するため、上記した第１の発明の構成に加えて、人体モデル部では人間の機構特性、運動特性などを反映した人体モデルにおいて、運動意図推定部の出力に基づいた運動軌道などを計算することを特徴としている。
【００１３】
また、本発明における第８の発明は、ｆＭＲＩ環境下で計測した使用者の動作をディスプレイで提示するため、上記した第１の発明の構成に加えて、フィードバック部では、入力部での入力選択の状態、計測部でのノイズ除去状況、特徴抽出処理部における特徴パターンおよび力情報、運動意図推定部における事後確率値、人体モデル部で計算した運動状況などをコンピュータグラフィックや合成音などにより視覚、聴覚的に使用者に提示することを特徴としている。
【００１４】
本発明における第８の発明は、ｆＭＲＩ環境下で計測した使用者の動作をディスプレイで提示するため、上記した第１の発明の構成に加えて、入力部での入力選択の状態、計測部での増幅率やノイズ除去のパラメータ、特徴抽出処理部におけるフィルタなどのパラメータや最大筋力値、運動意図推定部におけるニューラルネットのパラメータ、人体モデル部における粘弾性や慣性などのパラメータなどを、使用者毎に保存・読み出しが可能な構成を有することを特徴としている。
【００１５】
また、本発明のｆＭＲＩ環境用仮想運動方法及びコンピュータプログラムは、計測した生体信号をｆＭＲＩ環境外に伝送して、ノイズ成分を除去し、ノイズ成分を除去した生体信号から特徴パターンを抽出して、使用者が意図する運動及びその力を推定する。この推定した運動及びその力に基づいて運動軌道を計算し、この計算された運動の様子を３次元コンピュータグラフィクスに示す。そして、計算中の処理状況を使用者にフィードバックして提示する各手順を含み、またそれを実行する。
【００１６】
【発明の実施の形態】
以下にこの発明の実施の形態を図面に基づいて詳細に説明する。図１は、本発明の望ましい一般的な実施形態を説明するためのブロック概念図である。図１に示す構成は、生体信号の入力部と、計測した生体信号をｆＭＲＩ環境外に伝送した後に（図中の１：検出した生体信号のｆＭＲＩ環境外への伝送）ノイズ成分を除去する計測部と、計測した生体信号（２：生体信号からノイズ成分を除去した信号の流れ）から特徴パターンを抽出する特徴抽出処理部と、特徴パターン（３：信号処理された生体情報から抽出された特徴量データの流れ）から使用者が意図する運動やその力などを推定する運動意図推定部と、運動意図推定部の出力（４：ＮＮ（ＮｅｕｒａｌＮｅｔｗｏｒｋ）により推定した特徴量から使用者の運動意図・状態の事後確率情報の流れ）に基づいて運動軌道などを計算する人体モデル部と、人体モデル部で計算された運動（５：使用者の運動意図をもとに人体モデルを用いて計算された運動軌道の流れ）の様子を示す３次元コンピュータグラフィクス、および計算中の各部の処理状況（１０：計測した生体信号，特徴量，事後確率，識別結果，および３Ｄコンピュータグラフィックスに関する情報の流れ）を使用者に提示する（１１：ｆＭＲＩ環境内の使用者への視覚フィードバック情報の流れ）フィードバック（Ｂｉｏ−ｆｅｅｄｂａｃｋ（ＢＦ））部と、各部で使用するパラメータ（６：使用する生体信号やチャンネル数に関するパラメータ情報の流れ、７：特徴抽出における信号処理に関するパラメータ情報の流れ、８：ＮＮの構造や適応学習に関するパラメータ情報の流れ、９：人体モデルの構造と物理パラメータに関する情報の流れ）を保存・読み出し可能なパラメータ保存部とを備えている。ここで、生体信号として用いるのは、筋肉や心臓の運動状態を反映する筋電位信号（Ｅｌｅｃｔｒｏｍｙｏｇｒａｍ（ＥＭＧ）ｓｉｇｎａｌ）あるいは脳の磁界信号などの生体生理情報であり、それらを選択／組み合わせ使用する。
【００１７】
図２は本発明の一実施例であるｆＭＲＩ環境用筋電位制御型仮想義手システムを説明するための概観図である。筋電位信号計測部、動作パターン抽出部（Ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｐａｒｔ），動作識別部（Ｍｏｔｉｏｎｃｌａｓｓｉｆｉｃａｔｉｏｎｐａｒｔ），識別判定部（Ｄｉｓｃｒｉｍｉｎａｔｉｏｎｒｕｌｅｐａｒｔ）、仮想義手制御部（Ｖｉｒｔｕａｌｈａｎｄｃｏｎｔｒｏｌｐａｒｔ）、バイオフィードバック部から構成される。使用者は個々の筋に筋電位信号計測用電極を装着してスキャンルーム（ｓｃａｎｒｏｏｍ）内でスクリーンに投影される３次元グラフィックスで作成したバーチャル義手の操作を行う。
【００１８】
図３は本発明の一実施例における筋電位信号計測部を説明するための概観図である。筋電位信号計測部では，計測された筋電位信号（ＥＭＧｓｉｇｎａｌ）をｆＭＲＩ環境外に設置した筋電図検査装置へ伝送した後、ｈｉｇｈ−ｐａｓｓ（１０Ｈｚ）およびｌｏｗ−ｐａｓｓ（５００Ｈｚ）のアナログフィルタを通過後、ＥＭＧアンプで５００倍に増幅され、Ａ／Ｄボードを介してパーソナルコンピュータに取り込まれる（サンプリング周波数１［ｋＨｚ］、量子化ビット数１２ｂｉｔ）。ＭＲＩ装置として、例えば、ＳＩＥＭＥＮＳ製ＭＡＧＮＥＴＯＭＳＹＭＰＨＯＮＹ（静止磁場強度は１．５［Ｔ］、最大傾斜磁場強度は３４［ｍＴ／ｍ］、超伝導タイプ）を使用し、筋電位信号の計測には、例えば、表面電極と筋電図検査装置（ＭＥＭ−４２０４、日本光電製）を使用している。
【００１９】
図４は、背屈動作を行った時の筋電位信号の一例を示す図である。被験者は２３才の男子大学生で、尺側手根伸筋（ＥｘｔｅｎｓｏｒＣａｒｐｉＵｌｎａｒｉｓ）に１対の電極を取り付け計測した（電極間距離３［ｃｍ］）。図４（ａ）、（ｂ）は、それぞれｓｃａｎｒｏｏｍ内外で計測した筋電位信号である。ｓｃａｎｒｏｏｍ内で計測した場合、傾斜磁場の変動によるノイズが約８［ｍＶ］発生しており、筋電位信号と比較してノイズ信号は非常に大きいことが分かる。したがって、ｆＭＲＩ環境において筋電位信号を解析するためには、このノイズ信号を除去する必要がある。
【００２０】
ＦＭＲＩ計測において、電磁波、傾斜磁場が発生、変動する時間間隔や回数は、ｆＭＲＩの測定パラメータの一つである繰り返し時間（ｒｅｐｅｔｉｔｉｏｎｔｉｍｅ、以下、ＴＲと略記）と撮像時間（ａｃｑｕｉｓｉｔｉｏｎｔｉｍｅ、以下、ＴＡと略記）、スライス枚数によって決定される。ここで、ＴＲとは複数回に渡って脳画像を撮像する際の繰り返し時間、ＴＡとは全ての脳の断層画像を撮像するのに要する時間、スライス枚数とは１回の撮像で脳から得る断層画像の枚数である。
【００２１】
ｆＭＲＩの撮像開始を外部トリガーによって制御し、入力するタイミングをＴＲに基づいて決定する。筋電位信号にノイズが発生する時間間隔（Ｎｏｉｓｅｉｎｄｕｃｉｎｇｉｎｔｅｒｖａｌ）をＴ_ｉ、全てのノイズが発生する時間をＴ_ａ、ノイズ発生中とする一定時間（Ｎｏｉｓｅｉｎｄｕｃｉｎｇｄｕｒａｔｉｏｎ）をＴ_ｄとすれば、ｆＭＲＩの測定パラメータを用いてＴ_ｉ＝Ｔ_ａ／スライス枚数、Ｔ_ａ＝ＴＡとなる。そこで、ノイズ発生時刻からの一定時間はノイズ発生中であるとし、計測信号の採取を中断する。
【００２２】
図５はｆＭＲＩ計測パラメータとノイズ成分の関係を示す時系列データの一例である．ＴＲ＝１１［ｓｅｃ］、ＴＡ＝８．８［ｓｅｃ］、スライス枚数：４０としてｓｃａｎｒｏｏｍ内で計測した。図５（ａ），（ｂ）は、それぞれノイズとＴ_ａの関係、ノイズとＴ_{ｉ，}Ｔ_ｄの関係である。なお、図中の信号は生体電極をショートさせた状態で計測した。Ｔ_ｉ，，Ｔ_ａは、それぞれ約２２０［ｍｓｅｃ］、約８．８［ｓｅｃ］となっており、ｆＭＲＩの測定パラメータに基づいていることが確認できた。また、Ｔ_ｄは約１１０［ｍｓｅｃ］であり、Ｔ_ｉにおいてＴ_ｄ以降、ノイズは確認されなかった。上述の処理を施すことにより、確実にノイズの発生時刻、時間がわかり、電磁波や傾斜磁場によるノイズを除去し、筋電位信号の解析をすることができる。
【００２３】
図６に上記ノイズ除去法を用いて計測した実験結果の一例を示す。被験者は男子大学生（２３才）で、被験者の尺側手根伸筋（ＥｘｔｅｎｓｏｒＣａｒｐｉＵｌｎａｒｉｓ）に１対、尺側手根屈筋（ＦｌｅｘｏｒＣａｒｐｉＵｌｎａｒｉｓ）に１対、橈側手根屈筋（ＦｌｅｘｏｒＣａｒｐｉＲａｄｉａｌｉｓ）に２対の合計４対の電極を取り付け、サンプリング周波数は１［ｋＨｚ］とした。被験者にはＭＲ対応ヘッドフォンを着用させ、ｓｃａｎｒｏｏｍの外からインターホンを用いて、刻５．０［ｓｅｃ］から時刻１０．０［ｓｅｃ］まで背屈動作を行うよう指示した。ｆＭＲＩの測定パラメータはＴ_ｉ＝２２０［ｍｓｅｃ］，Ｔ_ａ＝８．８［ｓｅｃ］，Ｔ_ｄ＝１３０［ｍｓｅｃ］とした。図６（ａ），（ｂ），（ｃ）は、それぞれｓｃａｎｒｏｏｍの外で計測したＥＭＧ信号、ｓｃａｎｒｏｏｍ内で計測したＥＭＧ信号、本手法による計測結果である。図中のＣｈ１〜Ｃｈ４は、それぞれ尺側手根伸筋（Ｃｈ１）、尺側手根屈筋（Ｃｈ２）、橈側手根屈筋（Ｃｈ３，４）から計測したＥＭＧ信号を示している。本手法を用いることにより、５．０［ｓｅｃ］から１０．０［ｓｅｃ］まで筋収縮の様子を確認することができた。また、ｓｃａｎｒｏｏｍの外で計測したＥＭＧ信号と比較した場合でも、同程度の振幅情報、パターン情報を抽出することができた。
【００２４】
本発明がｆＭＲＩに与える影響を検証するために、２種類のファントムを使用してＭＲ信号のＳ／Ｎ比と、画像に現れる磁場の不均一性に関する評価を行った。ＭＲ信号のＳ／Ｎ比の評価実験で使用したファントムは、直径２４［ｃｍ］，容積７．３［ｌ］のボトム形ファントムを用いた。コイルは頭部用コイルを使用した。撮像シーケンスにはシングルショットエコープラナー法（シングルショットＥＰＩ）を採用し、スキャンパラメータをＴＲ：１１［ｓｅｃ］、ｅｃｈｏｔｉｍｅ（以下，ＴＥと略記）：６０［ｍｓｅｃ］、ｍａｔｒｉｘ：６４ ×６４、ｆｉｅｌｄｏｆｖｉｅｗ（以下ＦＯＶと略記）：１９２［ｍｍ］、スライス厚：３［ｍｍ］、スライス枚数：４０枚の撮像パラメータとした。ここで、ＴＥとは励起パルスからその結果生じるエコーまでの時間、ｍａｔｒｉｘとは収集データポイントの数、ＦＯＶとはスキャンするスライスの基本サイズ、スライス厚とはスキャンするスライスの厚さである。
【００２５】
図７にＭＲ信号のＳ／Ｎ比の評価に対する撮像結果を示す。図７（ａ），（ｂ）は、それぞれ提案するシステムを設置しない場合と設置した場合において、電極をファントムに密着した状態で得た画像である。二つの画像を比較すると、画像の変形、画像の移動などは見られない。また、画像中央におけるＳ／Ｎ比は、それぞれ（ａ）が５４．４±１．５３、（ｂ）が５３．２±０．９９であり大きな差は見られない（１０試行の平均値±標準偏差）。
【００２６】
図８に画像に現れる磁場の不均一性の評価に対する撮像結果を示す。使用したファントムは直径２４［ｃｍ］，容積７．２３６［ｌ］の球形ファントムで、コイルは頭部用コイルを使用した。撮像シーケンスとスキャンパラメータに関しては、図７と同様な設定とした。コイルの開口部より３０［ｃｍ］の位置に電極を設置し、各座標軸ｘ，ｙ，ｚ（図３参照）に対して３２箇所における磁場の歪み平均値を１０試行計測したところ、ｘ軸が±０．２［ｐｐｍ］（ｐｐｍ：ｐａｒｔｐｅｒｍｉｌｌｉｏｎ），ｙ軸が±０．１［ｐｐｍ］、ｚ軸が±０．１［ｐｐｍ］であった。一方、提案するシステムを設置しない通常の状態ではｘ軸が±０．１［ｐｐｍ］、ｙ軸が±０．４［ｐｐｍ］、ｚ軸が±０．０［ｐｐｍ］であった。装置の仕様が±０．７［ｐｐｍ］のため、許容範囲内であり影響がないことが確認できた。以上の結果から、本発明では、ｆＭＲＩ計測中におけるｓｃａｎｒｏｏｍ内で生体生理信号の計測を可能としている。
【００２７】
動作パターン抽出部では、使用者に装着したＬ対の電極から得られたノイズを除去した筋電位信号をチャンネルごとに全波整流した後、２次のディジタルバタワースフィルタにより平滑化する。この時系列信号をＥＭＧ_ｉ（ｔ）とする。ただし平滑化する際、ノイズを除去した区間のフィルタリングには、０次ホールドを用いて計算した。次に、この信号の全チャンネルの和が１となるように正規化したものを特徴パターンベクトルとしてパターン識別に用いる。また、動作の発生を判定するために、次式によって定義される筋力情報Ｆ_ＥＭＧ（ｔ）
【数１】

を計算する。ただし、ＥＭＧ_ｌ ^ｓｔは安静時に測定したの平均値である。
【００２８】
動作識別部では、抽出した特徴パターンベクトルを利用して、訓練者が意図した動作を推定する。ＥＭＧのパターン識別には、Ｌｏｇ−ＬｉｎｅａｒｉｚｅｄＧａｕｓｓｉａｎＭｉｘｔｕｒｅＮｅｔｗｏｒｋ（以下、ＬＬＧＭＮと略記）を用いる。ＬＬＧＭＮはその学習能力によって、個人差や電極位置、疲労や発汗などに伴う筋電位信号の変化に適応でき、精度の高い動作識別を可能とする。
【００２９】
識別判定部では、動作識別部による識別結果が有効であるかどうかの判定を、ＬＬＧＭＮの出力、および、筋力情報Ｆ_ＥＭＧ（ｔ）をもとに行う。まず、ＬＬＧＭＮの出力から計算したエントロピーＨ（ｔ）に基づいて識別保留を行うために、Ｈ（ｔ）をあらかじめ設定したしきい値Ｈ_ｄと比較する。この時Ｈ（ｔ）＜Ｈ_ｄであれば、ＬＬＧＭＮの推定結果を識別動作とし、もしＨ（ｔ） ≧ Ｈ_ｄであれば、あいまいな識別として識別を保留する。識別保留でないと判定された場合は次に、筋力情報に基づいて動作発生の有無を判定する。この際、識別動作に対する筋力情報であるＦ_ＥＭＧ（ｔ）と、あらかじめ設定した動作発生判定しきい値Ｆ_ｄを比較する。そして、Ｆ_ｄ＜Ｆ_ＥＭＧ（ｔ）となり、しきい値を超えて動作発生と判定された場合のみ、識別動作として決定する。
【００３０】
バイオフィードバック部では、動作識別部からの出力動作クラスｃと筋力情報Ｆ_ＥＭＧ（ｔ）をもとに図８に示すバーチャル義手の各関節Ｊ_ｉをインピーダンス制御する。図中のｊ（ｊ＝１、２、…、２２）はそれぞれ関節番号を示している。巧みな作業を実現する人間の手の運動は、慣性、剛性、粘性要素からなるインピーダンスモデルを使って表現することができる。したがって、人間のインピーダンス特性を反映したインピーダンス制御法を用いることにより、人間の手の動きに近い運動特性を持ったバーチャル義手のフィードバックができる。
【００３１】
図９に本発明の一実施例である仮想義手システムを操作した実験結果示す。被験者は男子大学生（２３才）１名で、対象動作は握る／開く／背屈／嘗屈の４動作とした。被験者には、ＭＲ対応ヘッドフォンを着用させ、コンピュータからのビープ音により各動作の開始と終了を指示した。ノイズ除去に用いたパラメータは、Ｔ_ｒ＝２２０［ｍｓｅｃ］、Ｔ_ａ＝８８００［ｍｓｅｃ］、Ｔ_ｄ＝１３０［ｍｓｅｃ］とした。上からそれぞれ、各電極で計測した信号、ノイズを除去し、整流平滑（カットオフ周波数１．０［Ｈｚ］）処理を施した筋電位信号、筋力情報Ｆ_ＥＭＧ（ｔ）、エントロピーＨ（ｔ）、動作識別部による識別結果である。陰影をつけた領域は筋力情報Ｆ_ＥＭＧ（ｔ）により動作が起こっていないと判断した区間である。識別率は１００％で、非常に高い識別率を実現することができた。
【００３２】
バーチャル義手操作中のｆＭＲＩの計測及び、計測データの解析を行った。被験者は男子大学生（２３才、右利き）で、対象動作を開く、握るの２動作とした。電極は、被験者の右前腕の尺側手根伸筋（ＥｘｔｅｎｓｏｒＣａｒｐｉＵｌｎａｒｉｓ）に１対、尺側手根屈筋（ＦｌｅｘｏｒＣａｒｐｉＵｌｎａｒｉｓ）に１対、橈側手根屈筋（ＦｌｅｘｏｒＣａｒｐｉＲａｄｉａｌｉｓ）に２対の合計４対取り付けた。ｆＭＲＩのコイルは、頭部用コイルを使用した。撮像シーケンスはシングルショットＥＰＩ法で、ＴＲ：１１［ｓｅｃ］、ＴＥ：６０［ｍｓｅｃ］、マトリクス：６４×６４、ＦＯＶ：１９２［ｍｍ］、スライス厚：３［ｍｍ］、スライス枚数：４０枚、撮像回数：３０回の撮像パラメータとした。マトリクスとＦＯＶとスライス厚の関係から、ボクセルサイズは３×３×３［ｍｍ^３］となった。ボクセルサイズは、画像の空間分解能に相当し、ボクセルサイズが小さければ空間分解能は高くなる。
【００３３】
脳の高次機能を描出するためには特定の脳機能に関連する課題を設定しなければならず、その内容と呈示方法が重要となる。本システムを用いた際の脳機能を明確にするために、２種類のタスクを用意し、それぞれのタスクに対して３回実験を行った。タスク１は、バーチャル義手によるフィードバックを提示しない状態で、対象動作を行った。タスク２は、バーチャル義手によるフィードバックを提示した状態で、対象動作を行った。図１０（ａ）、（ｂ）に、タスク１、２のそれぞれのタイムチャートを示す。タスク１では、バーチャル義手によるフィードバックを提示せず、被験者には目を閉じて、前腕の運動を行わないように指示をした状態を安静状態と定義する。次に、バーチャル義手によるフィードバックを提示せず、被験者には目を閉じて、前腕の開閉運動を１．１秒間隔でなるビープ音に合わせて行うように指示した状態を運動呈示と定義する。一方、タスク２では、運動呈示の際にバーチャル義手によるフィードバックを提示し、被験者には目を開けて、運動を行うように指示した。被験者には１回の測定中に、タスク１、タスク２のどちらとも、安静状態を１１０秒間、運動呈示を５５秒間、安静状態を５５秒間、運動呈示を５５秒間、安静状態を５５秒間行うように指示した。ただし、聴覚刺激の影響を無くすために、安静状態の時もビープ音を鳴らすこととした。
【００３４】
計測データは、ＳｔａｔｉｓｔｉｃａｌＰａｒａｍｅｔｒｉｃＭａｐｐｉｎｇ（ＳＰＭ）によって解析を行った。ＳＰＭは、脳全体についてピクセルごとに血流変化を評価・検討することが可能であり、脳の各部位で関心領域が決定されていない場合の脳賦活試験に適している。使用したソフトウェアは、Ｍａｔｌａｂ（ＭａｔｈＷｏｒｋｓ）Ｖｅｒ．５．３上で作動するＳＰＭ９９を用いた。まず、前処理として、被験者の体動により生じる画像位置のズレを修正するために位置補正を行った。次に、各被験者の脳の形にはかなり個体差があるため、被験者の脳の解剖学的標準化を行った。さらに、Ｇａｕｓｓｉａｎｆｉｌｔｅｒによる平滑化（ＦＷＨＭ：８［ｍｍ］）を行うことで、残存した個体差をなくした。そして、これらの処理をした結果を基にデータの統計解析を行った。
【００３５】
タスク１、２の結果を、図１１、１２に示す。それぞれ、６方向から見た脳画像に賦活の得られた部位を表示した結果である。タスク１、タスク２それぞれで、１次運動野、１次感覚運動野の賦活が確認できた。加えて、タスク２では、両側１次視覚野、視覚連合野、背側運動前野、腹側運動前野、後部側頭葉の賦活が確認できた。
【００３６】
本実験で賦活が確認できた部位の機能に着目すると、１次運動野は、脳からの運動出力の中心的役割をなし、骨格筋の収縮を制御している。両側１次感覚運動野は、複雑な課題を連続して行う際にのみ認められ、課題の複雑さに依存する。両側１次視覚野は、目の網膜からの情報を受け取り、視覚情報の中で光刺激に依存する。視覚連合野は、視覚野より入力を受け、複雑な形態の特徴抽出を行う。背側運動前野は、運動の方向を音や光によって指示した際に、運動の実行時よりもその準備時に顕著な活動をする。腹側運動前野は、運動の出力に関する特性はあまりなく、視覚情報に対して運動開始直前に顕著に活動する。後部側頭葉は、３次元空間における物体の形態認知に関連している。したがって、タスク間における賦活部位の差異が、バーチャル義手操作システムを用いた際の脳機能であると考えられる。
【００３７】
【発明の効果】
この発明は、生体信号の入力部と、計測した生体信号をｆＭＲＩ環境外に伝送し、ノイズ成分を除去する計測部と、計測した生体信号から特徴パターンを抽出する特徴抽出処理部と、特徴パターンから使用者が意図する運動やその力などを推定する運動意図推定部と、運動意図推定部の出力に基づいて運動軌道などを計算する人体モデル部と、人体モデル部で計算された運動の様子を示す３次元コンピュータグラフィクス、および計算中の各部の処理状況を使用者に提示するフィードバック部と、各部で使用するパラメータを保存・読み出し可能なパラメータ保存部とを含む構成にしたので、高磁界を発生するｆＭＲＩ環境下で計測した生体信号を利用した仮想運動装置を実現することができるようになり、ｆＭＲＩ計測中における使用者の運動意図や状態を推定することが可能となった。
【図面の簡単な説明】
【図１】本発明の望ましい一般的な実施形態を説明するためのブロック概念図である。
【図２】本発明の一実施例であるｆＭＲＩ環境用筋電位制御型仮想義手システムを説明するための概観図である。
【図３】本発明の実施例における筋電位信号計測部を説明するための概観図である。
【図４】本発明の実施例で、ｆＭＲＩ環境内外で背屈動作を行った時に計測した筋電位信号を示す図である。
【図５】本発明の実施例で、ｆＭＲＩ計測パラメータとノイズ発生区間の関係を示す図である。
【図６】本発明の実施例で、ノイズ成分の除去による筋電位信号の変化を示す図である。
【図７】本発明の実施例で、ファントムを用いたＭＲ信号のＳ／Ｎ比と撮像画像に現れる磁場の不均一性の評価に関する撮像結果を示す図である。
【図８】本発明の実施例におけるバーチャル義手の概観と構造を説明する図である。
【図９】本発明の実施例で、仮想義手システムを操作した実験結果を示す図である。
【図１０】本発明の実施例で、仮想義手操作中の脳機能解析で設定した二種類のタスクを説明する図である。
【図１１】本発明の実施例で、タスク１に対する脳機能の活動領域を示す図である。
【図１２】本発明の実施例で、タスク２に対する脳機能の活動領域を示す図である。
【符号の説明】
１・・・検出した生体信号をｆＭＲＩ環境外への伝送
２・・・生体信号からノイズ成分を除去した信号の流れ
３・・・信号処理された生体情報から抽出された特徴量データの流れ
４・・・ＮＮにより推定した特徴量から使用者の運動意図・状態の事後確率情報の流れ
５・・・使用者の運動意図をもとに人体モデルを用いて計算された運動軌道の流れ
６・・・使用する生体信号やチャンネル数に関するパラメータ情報の流れ
７・・・特徴抽出における信号処理に関するパラメータ情報の流れ
８・・・ＮＮの構造や適応学習に関するパラメータ情報の流れ
９・・・人体モデルの構造と物理パラメータに関する情報の流れ
１０・・・計測した生体信号，特徴量，事後確率，識別結果，および３Ｄコンピュータグラフィックスに関する情報の流れ
１１・・・ｆＭＲＩ環境内の使用者への視覚フィードバック情報の流れ

Claims

生体信号の入力部と、計測した生体信号をｆＭＲＩ環境外に伝送し、ノイズ成分を除去する計測部と、計測した生体信号から特徴パターンを抽出する特徴抽出処理部と、特徴パターンから使用者が意図する運動やその力などを推定する運動意図推定部と、運動意図推定部の出力に基づいて運動軌道などを計算する人体モデル部と、人体モデル部で計算された運動の様子を示す３次元コンピュータグラフィクス、および計算中の各部の処理状況を使用者に提示するフィードバック部と、各部で使用するパラメータを保存・読み出し可能なパラメータ保存部とを含むことを特徴とするｆＭＲＩ環境用仮想運動装置。
前記生体信号の入力部は、入力として筋電位、脳波、光学式力センサなどを選択・組み合わせて受けることが可能な構成を備えることを特徴とする請求項１に記載のｆＭＲＩ環境用仮想運動装置。
前記計測部は、計測した生体信号をｆＭＲＩ環境外へと伝送後に増幅し、磁場の影響によるノイズ成分を除去することを特徴とする請求項１に記載のｆＭＲＩ環境用仮想運動装置。
前記特徴抽出処理部は、整流処理、フィルタリング処理、周波数解析処理、正規化処理、ピーク検出処理などを適切に実施することにより、計測した生体信号から特徴量や力情報を抽出することを特徴とする請求項１に記載のｆＭＲＩ環境用仮想運動装置。
前記運動意図推定部は、使用する生体信号に含まれる個人差に適応するために、ニューラルネットを利用した学習機構を備えることを特徴とする請求項１に記載のｆＭＲＩ環境用仮想運動装置。
前記運動意図推定部はニューラルネットを含み、それを用いて特徴パターンから使用者が意図する運動意図を推定し、その事後確率を計算することを特徴とする請求項１に記載のｆＭＲＩ環境用仮想運動装置。
前記人体モデル部は、人間の機構特性、運動特性などを反映した人体モデルにおいて、運動意図推定部の出力に基づいた運動軌道などを計算することを特徴とする請求項１に記載のｆＭＲＩ環境用仮想運動装置。
前記フィードバック部は、入力部での入力選択の状態、計測部でのノイズ除去状況、特徴抽出処理部における特徴パターンおよび力情報、運動意図推定部における事後確率値、人体モデル部で計算した運動状況などをコンピュータグラフィックや合成音などにより視覚、聴覚的に使用者に提示することを特徴とする請求項１に記載のｆＭＲＩ環境用仮想運動装置。
前記パラメータ保存部は、入力部での入力選択の状態、計測部での増幅率やノイズ除去のパラメータ、特徴抽出処理部におけるフィルタなどのパラメータや最大筋力値、運動意図推定部におけるニューラルネットのパラメータ、人体モデル部における粘弾性や慣性などのパラメータなどを、使用者毎に保存・読み出しが可能な構成を有することを特徴とする請求項１に記載のｆＭＲＩ環境用仮想運動装置。
計測した生体信号をｆＭＲＩ環境外に伝送して、ノイズ成分を除去し、
ノイズ成分を除去した生体信号から特徴パターンを抽出して、使用者が意図する運動及びその力を推定し、
推定した運動及びその力に基づいて運動軌道を計算し、この計算された運動の様子を３次元コンピュータグラフィクスに示し、
計算中の処理状況を使用者にフィードバックして提示する、
各手順を含むことを特徴とするｆＭＲＩ環境用仮想運動方法。
計測した生体信号をｆＭＲＩ環境外に伝送して、ノイズ成分を除去し、
ノイズ成分を除去した生体信号から特徴パターンを抽出して、使用者が意図する運動及びその力を推定し、
推定した運動及びその力に基づいて運動軌道を計算し、この計算された運動の様子を３次元コンピュータグラフィクスに示し、
計算中の処理状況を使用者にフィードバックして提示する、
各手順をコンピュータに実行させることを特徴とするｆＭＲＩ環境用仮想運動プログラム。