JP2018015405A - 筋活動解析装置、方法およびプログラム - Google Patents

Abstract

【課題】運動による筋シナジーの運動連鎖の有無を把握できるようにする。【解決手段】対象ユーザＵＳの運動（ゴルフスイング）中に筋電センサ１１〜１ｍ（チャネル）により測定された筋電データを取得し、当該筋電データをカメラ２により得られた対象ユーザＵＳのモーションデータをもとにトリミングした後、筋活動量を抽出する。そして、各チャネルの筋活動量からそれぞれ筋シナジーとその活動量（アクティベーション）を算出した後、当該筋シナジーをその活動量のピークが出現するタイミングが早い順にソートする。次に、対象ユーザＵＳのすべての運動について得られた上記ソート後の筋シナジーを、回帰分析によりシグモイド関数にフィッティングさせ、その結果を対象ユーザＵＳに提示する。【選択図】図１

Description

この発明は、運動中の筋活動を解析するための筋活動解析装置、方法およびプログラムに関する。

近年、スポーツのような複雑な運動を量的に分析する研究が多く行われている。例えば、簡単な運動に対し、筋電図（ＥＭＧ）から運動の特徴を既存の知識をもとに手動で見つける研究がある。しかしながら、大量の筋肉同士の活動を純粋に比較すると莫大な時間がかかり、また筋肉活動が複雑すぎて人間には理解できない。特に、ゴルフのような複雑な動きから特徴を量的に抽出することは容易ではない。

そこで、筋電図の測定データに基づいて、運動の特徴を自動的に抽出する手法が研究されている。例えば、複数の筋電センサにより得られた筋電データに対し非負値行列因子分解（ＮＭＦ）を行うことで、筋肉活動量を一緒に活動する筋肉のパターンとその活動量に分解する手法が提案されている。なお、一緒に活動する筋肉のパターンと活動量はそれぞれ筋シナジーとアクティベーションと呼ばれている（例えば非特許文献１を参照）。

V. C. K. Cheunga, A. Turollab, M. Agostinib, S. Silvonib, C. Bennisc, P. Kasic, S. Paganonic, P. Bonatoc and E. Bizzia, "Muscle synergy patterns as physiological markers of motor cortical damage," PNAS, vol. 109, no.2012, pp. 14652-14656.

ところが、非特許文献１に記載された手法は、運動に関わる筋シナジーの種類と各筋シナジーの活動量を把握することはできるが、筋シナジーの遷移に運動連鎖（Kinematic Chain）が起きているかどうか、つまり体の複数の筋肉が連携しながら順番に動作する運動が行われているかどうかまでは把握することができない。

この発明は上記事情に着目してなされたもので、運動による筋シナジーの運動連鎖の有無を把握できるようにした筋活動解析装置、方法およびプログラムを提供しようとするものである。

上記課題を解決するためにこの発明の第１の態様は、被験者の運動に使用する複数の筋肉に装着された複数の筋電センサから、前記複数の筋肉の活動を表す筋電図データを受信する手段と、前記受信された筋電図データをもとに、前記複数の筋肉の各々についてその活動の特徴を表す特徴データを抽出する手段と、前記抽出された各特徴データを、その活動量の最大値が出現するタイミングの順に並べ替える手段とを具備するようにしたものである。

この発明の第２の態様は、前記特徴データを抽出する手段として、前記受信された筋電図データから、前記運動が行われている期間に対応する筋電図データを選択する手段と、前記選択された筋電図データをもとに、前記複数の筋肉の時系列上の筋活動量を計算する手段と、前記計算された複数の筋肉の時系列上の筋活動量を、非負値行列因子分解により筋シナジーとその活動量に分解し、当該筋シナジーとその活動量を前記特徴データとして出力する手段とを備えるようにしたものである。

この発明の第３の態様は、前記並べ替えが行われた後の各特徴データを所定の関数に近似する手段を、さらに具備するようにしたものである。

この発明の第４の態様は、前記近似された関数を構成するパラメータの表示データを出力する手段を、さらに具備するようにしたものである。

この発明の第５の態様は、前記近似する手段は、前記並べ替えが行われた後の特徴データを、最小二乗法を用いてシグモイド関数に回帰することで近似するようにしたものである。

この発明の第６の態様は、前記近似する手段は、前記所定の関数への近似の度合いを評価する指標を算出し、当該算出された指標の表示データを出力する手段を、さらに備えるようにしたものである。

この発明の第１の態様によれば、筋電センサから受信した筋電図データから筋シナジーを抽出して運動の特徴を見つけようとする際に、抽出された各特徴データが、その活動量の最大値が出現するタイミングの順に並べ替えられる。このため、時系列に並べ替えられた特徴データから運動連鎖の有無を判断することが可能となる。

この発明の第２の態様によれば、筋電センサから受信した筋電図データに運動前後のデータやノイズ等が含まれていても、筋活動量を適切に抽出することができ、これにより筋シナジー解析を行いやすくすることができる。

この発明の第３の態様によれば、並べ替えが行われた後の特徴データが回帰分析を用いて所定の関数に近似される。このため、筋活動の特徴を関数を用いて説明することが可能となる。

この発明の第４の態様によれば、近似された関数を構成するパラメータの表示データを出力されるので、ユーザは筋活動の特徴を数値により判断することが可能となる。

この発明の第５の態様によれば、筋活動の特徴がシグモイド関数により一目で理解できる形態で表すことが可能となる。

この発明の第６の態様によれば、関数への近似の度合いを評価する指標を表す表示データをユーザに提供できる。

すなわちこの発明によれば、運動による筋シナジーの運動連鎖の有無を把握できるようにした筋活動解析装置、方法およびプログラムを提供することができる。

この発明に係る筋活動解析装置の一実施形態を示す機能ブロック図。 図１に示した筋活動解析装置による筋活動解析処理の手順と処理内容を示すフローチャート。 図２に示した筋活動解析処理のうち筋活動量抽出処理の動作例を説明するための図。 図２に示した筋活動解析処理のうち筋シナジー解析処理の動作例を説明するための図。 図４に示した筋シナジー解析処理により得られる筋シナジーの活動量（アクティベーション）の一例を示す図。 図２に示した筋活動解析処理のうちソート処理の動作例を説明するための図。 図２に示した筋活動解析処理のうちフィッティング処理の動作例を説明するための図。 フィッティング処理により得られるシグモイド関数の例を示す図。

以下、図面を参照してこの発明に係わる実施形態を説明する。
［一実施形態］
（構成）
図１はこの発明に係る筋活動解析装置の一実施形態を示す機能ブロック図であり、図中ＵＳは対象ユーザ、２はカメラ、３は上記筋活動解析装置、４は対象ユーザＵＳが所持するユーザ端末をそれぞれ示している。カメラ２は例えばウェブカメラからなる。ユーザ端末４としては、例えばスマートフォン、ウエアラブル端末またはタブレット型端末が使用される。

対象ユーザＵＳには、ゴルフスイングをする際に動作する複数の筋肉に筋電センサ１１〜１ｍが貼付されている。筋電センサ１１〜１ｍは、それぞれ対象ユーザＵＳの筋肉の動きを表す表面筋電位を測定するもので、測定した表面筋電位を表す筋電図（筋電データともいう）を無線インタフェースを使用して送信する。無線インタフェースとしては、無線ＬＡＮ（Local Area Network）またはBluetooth（登録商標）等の近距離無線データ通信規格を採用した無線インタフェースが使用される。

また、対象ユーザＵＳの側方位置にはカメラ２が配置されている。カメラ２は、対象ユーザＵＳの運動（ゴルフスイング）の様子をその側方位置から撮像し、その撮像画像データをモーションデータとして無線インタフェースを用いて送信する。この無線インタフェースにも、上記筋電センサ１１〜１ｍと同様に近距離無線データ通信規格を採用した無線インタフェースが使用される。

筋活動解析装置３は、例えばパーソナルコンピュータからなり、通信ユニット３１と、制御ユニット３２と、記憶ユニット３３とを備えている。
通信ユニット３１は、第１の受信部３１１と、第２の受信部３１２と、送信部３１３とを有している。第１の受信部３１１は、上記カメラ２から送信されたモーションデータを受信する。第２の受信部３１２は、上記筋電センサ１１〜１ｍから送信された筋電データを受信する。送信部３１３は、ユーザ端末４等の外部の端末または情報処理装置へ解析データを送信するために使用される。なお、第１および第２の受信部３１１，３１２は共用してもよい。

記憶ユニット３３は、記憶媒体としてＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）を用いたもので、この発明の一実施形態を実施するために必要な記憶エリアとして、モーションデータ記憶部３３１と、筋電データ記憶部３３２と、筋活動量データ記憶部３３３と、筋シナジーデータ記憶部３３４と、ソートデータ記憶部３３５と、フィッティングデータ記憶部３３６とを有している。

モーションデータ記憶部３３１は、上記第１の受信部３１１により受信されたモーションデータを記憶するために使用される。筋電データ記憶部３３２は、上記第２の受信部３１２により受信された各筋電センサ１１〜１ｍの筋電データを記憶するために使用される。

筋活動量データ記憶部３３３は、後述する制御ユニット３２により抽出される筋活動量を表すデータを記憶するために使用される。筋シナジーデータ記憶部３３４は、後述する制御ユニット３２により算出される筋シナジーデータを記憶するために使用される。ソートデータ記憶部３３５は、後述する制御ユニット３２により得られるソート処理後の筋シナジーデータを記憶するために使用される。フィッティングデータ記憶部３３６は、後述する制御ユニット３２により算出されるフィッティング処理後のデータを記憶するために使用される。

制御ユニット３２は、例えばＣＰＵ（Central Processing Unit）等のプロセッサを有し、この発明の一実施形態を実施する上で必要な処理機能として、モーションデータ取得処理部３２１と、筋電データ取得処理部３２２と、筋活動量抽出処理部３２３と、筋シナジー解析処理部３２４と、ソート処理部３２５と、フィッティング処理部３２６と、出力処理部３２７とを備えている。

モーションデータ取得処理部３２１は、上記第１の受信部３１１により受信されたモーションデータを、撮像時刻を表す情報を付した状態で、対象ユーザＵＳの識別情報と関連付けて、モーションデータ記憶部３３１に格納する処理を行う。

筋電データ取得処理部３２２は、上記第２の受信部３１２により受信された各筋電データを、それぞれ送信元の筋電センサ１１〜１ｍ（以後チャネルともいう）の識別情報、および計測日時を表す情報と関連付けた状態で、筋電データ記憶部３３２に格納する処理を行う。

筋活動量抽出処理部３２３は、筋シナジー解析処理を行いやすくするために、前処理として、上記モーションデータ記憶部３３１に記憶されたモーションデータに基づいて、上記筋電データ記憶部に記憶された各チャネルの筋電データをトリミングすると共に、筋電活動量を抽出する。そして、抽出された筋電活動量を表すデータをチャネルと関連付けて筋活動量データ記憶部３３３に格納する処理を行う。

筋シナジー解析処理部３２４は、上記筋活動量抽出処理部３２３によりチャネルごとに抽出された筋電活動量を表すデータに対しそれぞれ非負値行列因子分解（ＮＭＦ）を行い、これにより上記各チャネルの筋電活動量を筋活動の特徴量（筋シナジーともいう）とその活動量（アクティベーションともいう）に分解する。そして、上記筋シナジーとそのアクティベーションを表すデータを、チャネル識別情報と関連付けて、筋シナジーデータ記憶部３３４に格納する処理を行う。

ソート処理部３２５は、上記筋シナジー解析処理部３２４によりチャネルごとに得られた筋シナジーを、その活動量のピークが出現するタイミングが早い順にソートする。そして、このソートした筋シナジーとそのアクティベーションを表すデータをソートデータ記憶部３３５に格納する処理を行う。

フィッティング処理部３２６は、上記ソート後の筋シナジーとそのアクティベーションを表すデータを、回帰分析を用いて関数にフィッティングする。例えば、関数としてシグモイド関数を用い、このシグモイド関数へ最小二乗法により回帰することによりフィッティングする。そして、上記シグモイド関数の各パラメータ、または当該シグモイド関数のフィッティングの度合いの評価指数を、対象ユーザＵＳの識別情報、計測日時を表す情報と関連付けて、フィッティングデータ記憶部３３６に格納する処理を行う。

出力処理部３２７は、例えば対象ユーザＵＳの要求に従い、ソートデータ記憶部３３５に記憶された上記ソート後の筋シナジーとその活動量を表すデータ、および上記フィッティングデータ記憶部３３６に記憶されたフィッティング結果を表すデータを、選択的に読み出して送信部３１３からユーザ端末４へ送信する処理を行う。

（動作）
次に、以上のように構成された装置の動作を説明する。図２は筋活動解析装置３の処理手順と処理内容を示すフローチャートである。
（１）データ取得
被験者となる対象ユーザＵＳは、複数の筋肉にそれぞれ筋電センサ１１〜１ｍが取り付けられた状態で、ゴルフスイングを行う。またその様子を側方位置からカメラ２により撮像する。

オペレータが測定ボタン（図示せず）により測定開始操作を行うと、筋活動推定装置３の制御ユニット３２は上記測定開始操作をステップＳ１０により検出する。そして、先ずモーションデータ取得処理部３２１の制御の下、ステップＳ１１により上記カメラ２から送信される対象ユーザＵＳのモーションデータを第１の受信部３１１を介して受信し、この受信されたモーションデータを対象ユーザＵＳの識別情報と撮像時刻を表す情報を付した状態でモーションデータ記憶部３３１に記憶させる。

またそれと並行して、筋電データ取得部３２２の制御の下、ステップＳ１２において筋電センサ１１〜１ｍから送信された各筋電データを第２の受信部３１２を介して受信し、この受信された各筋電データをチャネル識別情報および計測日時を表す情報と関連付けた状態で筋電データ記憶部３３２に記憶させる。制御ユニット３２は、以上の処理動作を、オペレータが測定ボタンにより終了操作を行い、この終了操作がステップＳ１３により検出されるまで繰り返す。

具体的には、対象ユーザＵＳはゴルフスイングを８回行い、その間にカメラ２により撮像されたモーションデータと、筋電センサ１１〜１ｍにより測定された筋電データとを、相互に同期した状態で取得する。

（２）前処理
続いて制御ユニット３２は、後述する筋シナジー解析を行いやすくするため、筋活動量抽出処理部３２３の制御の下、ステップＳ１４において上記筋電データから筋活動量を抽出する処理を実行する。

先ず、筋電データ記憶部３３２に記憶された各筋電データからゴルフスイングの解析対象となる時間領域を特定するために、モーションデータ記憶部３３１に記憶されたモーションデータからゴルフスイングの開始時刻と終了時刻を特定し、この特定したゴルフスイングの開始時刻と終了時刻をもとに、上記筋電データをトリミングする。なお、ゴルフスイングの開始時刻と終了時刻は、モーションデータからスイング開始時の画像パターンと終了時の画像パターンを例えばパターン認識により抽出することで特定する。なお、ゴルフスイングの開始時刻と終了時刻は、オペレータがモーションデータを目視して時刻を指定入力するようにしてもよい。

次に、筋電データからノイズやアーティファクトを取り除くために、上記トリミング後の各チャネルの筋電データをそれぞれ例えば５〜１００Hzのバンドパス・バターワースフィルターに通す。続いて、筋活動量を意味する筋電波形幅を計算するために、筋電波形をチャネルごとに正規化する。正規化は、例えば波形から中央値を引き、標準で割ることにより行う。最後に、筋活動量を計算するために、正規化された筋電波形の二乗平均平方根（ＲＭＳ）をチャネルごとにスライディングウィンドウを用いて計算する。

以上の処理で算出されたｉ（ｉ＝１〜ｍ）番目のチャネルから得られた筋電波形のＲＭＳを、チャネルに関連づけられた筋肉の筋活動量
と定義する。なお、ｎは開始時刻から終了時刻までの筋電波形のサンプリング数とする。

また、この筋活動量を行で連結した行列E で示すと、
のように表される。但し、ｃはチャネル数である。

上記筋活動量を表すデータは、チャネル識別情報と関連付けられて筋活動量データ記憶部３３３に格納される。図３に、前処理が行われる前のチャネルｃｈ１，ｃｈ２，ｃｈ３，…の筋電データと、前処理により得られた筋活動量データＭＡ１，ＭＡ２，ＭＡ３，…の波形の一例を示す。

（３）筋シナジー解析
次に制御ユニット３２は、筋活動量の特徴を抽出するために、筋シナジー解析処理部３２４の制御の下、ステップＳ１５において、上記筋活動量抽出処理部３２３によりチャネルｃｈ１，ｃｈ２，ｃｈ３，…ごとに抽出された筋電活動量を表すデータに対し、それぞれ非負値行列因子分解（ＮＭＦ）を行う。

この結果、上記前処理によって得られた筋活動量をE とし、筋シナジーをS 、その活動量（アクティベーション）を^tA とすると、非負値行列因子分解（ＮＭＦ）により筋活動量E は
のように分解できる。

図４は、上記筋シナジー解析処理により得られる筋シナジーの一例を示すものである。同図において、筋シナジーＭＢ１，ＭＢ２，ＭＢ３はそれぞれチャネルｃｈ１〜ｃｈｍごとの活動量を棒グラフで表している。また、図５に筋シナジーＭＢ１，ＭＢ２，ＭＢ３のアクティベーションの一例を示す。同図では、活動量の多少を濃淡で表示している。具体的には、活動量が多いほど淡くなり、また活動量が少ないほど濃くなるように表示している。横軸は時間経過を示し、左半分の時間領域ではバックスイングの活動量を、右半分の時間領域ではダウンスイングおよびフォロースルーの活動量を示している。

なお、上記分解では、筋シナジーS のランクr 、すなわち筋シナジーの数で筋活動量E に対するSAの復元率を調整することができる。上記筋シナジーとその活動量を表すデータは、チャネル識別情報と関連付けられて、筋シナジーデータ記憶部３３４に格納される。

（４）ソーティング
次に制御ユニット３２は、１回のゴルフスイングにおける筋シナジーの時間変化を調べるために、ソート処理部３２６の制御の下、ステップＳ１６において、チャネルごとに得られた筋シナジーを、その活動量のピークが出現するタイミングが早い順に並べ替える。活動量のピークは、移動平均フィルタをかけた後に最大値となる時刻を見つけることで特定する。続いて、ピークの出現タイミングが早い順から筋シナジーに番号ｊを振り直し、最後にピークの順番をｐ_ikとする。

以上の処理を、対象ユーザＵＳごとにそのすべてのゴルフスイングについて繰り返し実行する。上記ゴルフスイングごとにソートされた筋シナジーとその活動量を表すデータは、ソートデータ記憶部３３５に格納される。図６は上記ソート後の筋シナジーＭＢ２，ＭＢ３，ＭＢ１，…を表すものである。

（５）フィッティング
続いて制御ユニット３２は、フィッティング処理部３２６の制御の下、ステップＳ１７において、上記ソート後の筋シナジーをシグモイド関数に最小二乗法で回帰する。このときシグモイド関数σ(t) は
σ(t) ＝ｃ／（１＋ｅ^a(t-t0)）＋ｙ₀
と表される。なお、ｃは定数、ａは傾き（ゲイン）、ｙ₀ はオフセット値を示す。上記シグモイド関数に回帰した結果は、
ｐ_jk∪σ(ｔ _jk) (5)
のように表される。

最後に、上記シグモイド関数のフィッティングの度合いを評価するために、平均二乗誤差（ＲＭＳＥ）および決定係数（Ｒ² ）を求める。これらの指標はそれぞれ
のように表される。

式(6) によれば、ＲＭＳＥが低いほどよくフィッティングしていることが分かる。また、および式(7) によれば、Ｒ² が大きいほどよくフィッティングしていることが分かる。上記フィッティングの度合いを表す２つの指標ＲＭＳＥおよびＲ²は、対象ユーザＵＳの識別情報と関連付けられてフィッティングデータ記憶部３３６に格納される。

（６）解析結果の出力
制御ユニット３２は、出力処理部３２７の制御の下で、解析結果を出力する処理を以下のように実行する。
すなわち、事前に対象ユーザＵＳにより解析結果の表示要求が設定されているか、または解析処理終了後にユーザ端末４から解析結果の表示要求を受信したとする。制御ユニット３２は、上記表示要求の有無をステップＳ１８で判定する。表示要求が事前に設定されているかまたは受信したと判定すると、ステップＳ１９により上記フィッティングデータ記憶部３３６からフィッティングの度合いを表す２つの指標ＲＭＳＥおよびＲ²の両方またはいずれか一方を読み出し、この読み出した指標の表示データを生成する。そして、この表示データを例えばメール本文に記載するかまたは添付して送信部３１３からユーザ端末４へ送信する。ユーザ端末４は、上記表示データを受信すると、当該受信データを一旦保存し、ユーザの操作に応じて表示する。

なお、上記フィッティングの度合いの評価指標である平均二乗誤差（ＲＭＳＥ）および決定係数（Ｒ² ）の代わりに、ソートデータ記憶部３３５からソート後の筋シナジーとその活動量を示すデータを読み出して表示データを生成し、ユーザ端末４へ送信して表示するようにしてもよい。また、シグモイド関数σ(t) のパラメータｃ、ａ、ｙ₀を記憶しておき、このパラメータを、上記指標ＲＭＳＥおよびＲ² の代わりに、ユーザ端末４へ送信して表示するようにしてもよい。

（効果）
以上詳述したようにこの発明の一実施形態では、対象ユーザＵＳの運動（ゴルフスイング）中に筋電センサ１１〜１ｍ（チャネル）により測定された筋電データを取得し、当該筋電データをカメラ２により得られた対象ユーザＵＳのモーションデータをもとにトリミングした後、筋活動量を抽出する。そして、各チャネルの筋活動量からそれぞれ筋シナジーとその活動量（アクティベーション）を算出した後、当該筋シナジーをその活動量のピークが出現するタイミングが早い順にソートする。次に、対象ユーザＵＳのすべての運動について得られた上記ソート後の筋シナジーを、回帰分析によりシグモイド関数にフィッティングさせ、その結果を対象ユーザＵＳに提示するようにしている。

従って一実施形態によれば、各筋電センサ１１〜１ｍにより得られた筋電データから筋シナジーを抽出して運動の特徴を見つけようとする際に、各チャネルの筋シナジーが、その活動量のピークが出現するタイミングが早い順にソートされる。このため、ソート後の筋シナジーから運動連鎖の有無を容易に判断することが可能となる。

さらに、上記ソート後の筋シナジーを、複数回行われた運動のそれぞれについて求め、この各運動において求められたソート後の筋シナジーをシグモイド関数でフィッティングするようにしたので、上記運動連鎖の遷移を評価しやすい形態で提示することが可能となる。従って、ゴルフスイング等の複雑な運動の筋活動の遷移を、客観的に把握することが可能となる。

（検証）
発明者は、上記した一実施形態に係る筋活動解析方法についてその有効性を検証した。この検証では、被験者としてゴルフに対して十分な経験を持つ男性２人、女性２人の計４人を選び、各人がゴルフスイングを８回行っている状態で、それぞれ２６チャネル分の筋電センサを用いて筋電図を測定すると共に、それぞれのスイングの様子をカメラで撮像した。

得られた筋電データに対しては先ず前処理を行い、これによりデータ欠損のチャネルデータを除外し、残りのチャネルデータについて筋シナジー解析を行った。今回は筋電図の復元率が７９％よりも多くなるように筋シナジーの本数を選んだ。その結果、筋シナジーの数は９であると実験的に定まった。

測定した筋電図のうち、ある被験者の、あるスイング前後を切り取った筋電図は図３に示したものとなる。図３と対応する筋電図に対して前処理と筋シナジー解析を行い、筋シナジーとアクティベーションを抽出した結果は図４および図５に示したようになる。検証では、被験者４人の各８回分の筋シナジーとアクティベーションを求める。なお、アクティベーションを示す図において、縦軸は被験者番号（Subject １〜４）であり、横軸がスイングの回数である。最後に、４人の被験者ごとにアクティベーションのピークをシグモイド関数へフィッティングする。図７はその結果を示すものである。このときのＲＭＳＥはそれぞれ0.295、0.281、0.283、0.168であり、Ｒ² はそれぞれ0.793，0.827，0.841，0.940であった。このフィティング結果から、筋シナジーは被験者ごとに異なっていることもわかった。

以上の検証では２５チャネルの筋電図を使用しており、このチャネル数では筋電の組み合わせを見るのは通常困難である。これは組み合わせの自由度の観点から明らかである。しかしながら、この発明の実施形態の解析方法を採用すると、筋電図の高い復元率を保ちながら自由度を減らしたうえで、活動量の最大値が発生した順序に筋シナジーを並べ替えることで筋シナジーの有無および遷移を自動的に抽出することが可能となった。

興味深いことに、アクティベーションのピークがシグモイド関数に高い決定係数R²でフィッティングできることがわかった。これはゆっくりと筋肉に力を入れてから、あるタイミングを境に急に連鎖かつ複雑に筋肉に力を入れていることを意味している。モーションにおいてもこの連鎖の傾向は従来指摘されており、運動連鎖と呼ばれている。運動連鎖はゴルフスイングでゴルフヘッドのスピードを高めている根拠であると言われている。モーションだけではなく、筋肉でも運動連鎖が起きていることが今回明らかに示すことができた。このように非負値行列因子分解（ＮＭＦ）により自由度を減らすことでゴルフのような複雑な運動でも運動連鎖のような特徴を発見することに役立てる可能性がある。

一般にゴルフスイングの動きは４つのフェイズ、すなわちアドレス、バックスイング、ダウンスイング、フォロースルーに分けることができる。筋シナジーはフェイズごとに異なる特徴を持つ。

［他の実施形態］
前記実施形態では、フィッティングの度合いを示す指標、シグモイド関数σ(t) のパラメータｃ、ａ、ｙ₀、またはソート後の筋シナジーとその活動量を示すデータを、ユーザ端末ＵＳへ送信して表示するようにしたが、インストラクタ等が使用する端末へ送信して表示させるようにしてもよい。

また前記実施形態では、筋活動解析装置３として専用のパーソナルコンピュータを設けた場合を例にとって説明したが、筋活動解析処理機能はユーザ端末４内、或いはネットワーク上のサーバコンピュータまたはクラウドコンピュータに設けてもよい。この場合、筋電データおよびモーションデータはユーザ端末またはそれに代わるパーソナルコンピュータを経由してサーバコンピュータまたはクラウドコンピュータに送信する。

前記実施形態では、ゴルフスイングによる筋活動を解析する場合を例にとって説明したが、この発明は野球のバッティングや投球動作等の複雑な運動に対しても適用できる。すなわち、本発明のように筋シナジーおよびアクティベーションの抽出に非負値行列因子分解（ＮＭＦ）を使用することで、自由度を減らし、重要な筋シナジーの遷移を見つけやすくすることができる。また、筋シナジーのアクティベーションをそのピークの出現タイミングが早い順にソートすることで、特徴的な筋活動の運動連鎖の有無を明らかにすることができる。さらに、ソート後の筋シナジーをシグモイド曲線でフィッティングすることで、上記運動連鎖の遷移を評価しやすい形態で提示することが可能となる。

また前記実施形態では、筋電データのうち解析に必要な時間領域をトリミングするためにモーションデータを取得するようにしたが、筋電データがすべて解析に必要なものであれば、モーションデータによるトリミングは不要にできる。

その他、運動の種類やチャネル数、解析装置の構成、解析処理手順と処理内容等についても、この発明の要旨を逸脱しない範囲で種々変形して実施可能である。

要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

１１〜１ｍ…筋電センサ、２…カメラ、３…筋活動解析装置、４…ユーザ端末、３１…通信ユニット、３２…制御ユニット、３３…記憶ユニット、３１１，３１２…受信部、３１３…送信部、３２１…モーションデータ取得処理部、３２２…筋電データ取得処理部、３２３…筋活動量抽出処理部、３２４…筋シナジー解析処理部、３２５…ソート処理部、３２６…フィッティング処理部、３２７…出力処理部、３３１…モーションデータ記憶部、３３２…筋電データ記憶部、３３３…筋シナジーデータ記憶部、３３４…ソートデータ記憶部、３３５…フィッティングデータ記憶部。

Claims (8)

1. 被験者の運動に使用する複数の筋肉に装着された複数の筋電センサから、前記複数の筋肉の活動を表す筋電図データを受信する手段と、
   前記受信された筋電図データをもとに、前記複数の筋肉の各々についてその活動の特徴を表す特徴データを抽出する手段と、
   前記抽出された各特徴データを、その活動量の最大値が出現するタイミングの順に並べ替える手段と
   を具備することを特徴とする筋活動解析装置。
2. 前記特徴データを抽出する手段は、
   前記受信された筋電図データから、前記運動が行われている期間に対応する筋電図データを選択する手段と、
   前記選択された筋電図データをもとに、前記複数の筋肉の時系列上の筋活動量を計算する手段と、
   前記計算された複数の筋肉の時系列上の筋活動量を、非負値行列因子分解により筋シナジーとその活動量に分解し、当該筋シナジーとその活動量を前記特徴データとして出力する手段と
   を備えることを特徴とする請求項１記載の筋活動解析装置。
3. 前記並べ替えが行われた後の各特徴データを所定の関数に近似する手段を、さらに具備することを特徴とする請求項１又は２記載の筋活動解析装置。
4. 前記近似された関数を構成するパラメータの表示データを出力する手段を、さらに具備することを特徴とする請求項３記載の筋活動解析装置。
5. 前記近似する手段は、前記並べ替えが行われた後の特徴データを、最小二乗法を用いてシグモイド関数に回帰することで近似することを特徴とする請求項３記載の筋活動解析装置。
6. 前記近似する手段は、前記所定の関数への近似の度合いを評価する指標を算出し、当該算出された指標の表示データを出力する手段を、さらに備えることを特徴とする請求項３記載の筋活動解析装置。
7. 被験者の運動に使用する複数の筋肉に装着された複数の筋電センサとの間でデータ通信が可能な筋活動解析装置が実行する筋活動解析方法であって、
   前記複数の筋電センサから、前記複数の筋肉の活動を表す筋電図データを受信する過程と、
   前記受信された筋電図データをもとに、前記複数の筋肉の各々についてその活動の特徴を表す特徴データを抽出する過程、
   前記抽出された各特徴データを、その活動量の最大値が出現するタイミングの順に並べ替える過程と
   を具備することを特徴とする筋活動解析方法。
8. 請求項１乃至請求項６の何れかに記載の筋活動解析装置の前記各手段としてコンピュータを機能させるプログラム。