JPH1176430A - Electric stimulus signal generating device - Google Patents
Electric stimulus signal generating deviceInfo
- Publication number
- JPH1176430A JPH1176430A JP9243642A JP24364297A JPH1176430A JP H1176430 A JPH1176430 A JP H1176430A JP 9243642 A JP9243642 A JP 9243642A JP 24364297 A JP24364297 A JP 24364297A JP H1176430 A JPH1176430 A JP H1176430A
- Authority
- JP
- Japan
- Prior art keywords
- electrical stimulation
- signal
- model
- electrical
- stimulation signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000000638 stimulation Effects 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 230000001537 neural effect Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 2
- 210000003205 muscle Anatomy 0.000 abstract description 22
- 230000001133 acceleration Effects 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 10
- 230000003183 myoelectrical effect Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 210000002346 musculoskeletal system Anatomy 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000000245 forearm Anatomy 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 206010049816 Muscle tightness Diseases 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009021 linear effect Effects 0.000 description 2
- 208000022084 motor paralysis Diseases 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】この発明は電気刺激信号生成
装置に関し、特に、機能的電気刺激やリハビリテーショ
ン，運動学習や筋肉のように冗長な自由度を持ったロボ
ットなどの制御対象の入力信号を推定するような電気刺
激信号生成装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an electrical stimulus signal generating device, and more particularly to estimating an input signal of a controlled object such as a robot having redundant degrees of freedom such as functional electrical stimulus, rehabilitation, motor learning, and muscles. The present invention relates to an electric stimulus signal generation device that performs
【０００２】[0002]
【従来の技術】脳卒中などにより脳機能に障害を及ぼす
と腕や足が麻痺することがあるが、この場合腕や足の筋
肉そのものは正常であり、筋肉を動かすための筋電信号
が脳から筋肉に伝わらないために運動麻痺を生じる。こ
のような運動麻痺を克服するために、電気的刺激を与え
て治療が行なわれている。2. Description of the Related Art When the brain function is impaired due to a stroke or the like, the arm or leg may be paralyzed. Causes motor paralysis by not transmitting to muscles. In order to overcome such motor paralysis, treatment is performed by applying electrical stimulation.
【０００３】一方、これまでは予めある運動パターンを
行なっているときの健常者の筋電信号パターンを計測し
て、筋電図学的な解析を行ない、その結果をもとにその
信号を患者の筋電信号に合うように正規化するなどして
刺激データとして用いている。[0003] On the other hand, hitherto, the electromyogram signal pattern of a healthy person is measured when a certain exercise pattern is performed in advance, and the electromyogram analysis is performed. And is used as stimulus data, for example, by normalizing the signal to match the myoelectric signal.
【０００４】筋電信号を生成するために、本願発明者ら
は特願平９−２０５５５号において筋電信号生成装置を
提案した。In order to generate a myoelectric signal, the present inventors have proposed a myoelectric signal generating apparatus in Japanese Patent Application No. 9-20555.
【０００５】[0005]
【発明が解決しようとする課題】上述の筋電信号生成装
置は、予め健常者の筋電信号を測定してモデルを作り、
筋電信号を再生するものであった。The above-described myoelectric signal generating apparatus measures a myoelectric signal of a healthy person in advance to create a model,
It was to reproduce myoelectric signals.
【０００６】これに対し、本願発明は直接被検者の筋肉
骨格系に電気刺激を与え、そのときの運動を計測するこ
とにより個人にあったモデルを作製できるような電気刺
激信号生成装置を提供することである。[0006] On the other hand, the present invention provides an electrical stimulus signal generating apparatus which can directly apply an electrical stimulus to the musculoskeletal system of a subject and measure the motion at that time to create a model suitable for the individual. It is to be.
【０００７】[0007]
【課題を解決するための手段】請求項１に係る発明は、
電気刺激信号を生成する電気刺激信号生成装置であっ
て、数式モデルや神経回路などで実現される身体モデル
を用いて、電気刺激信号変化最小という評価基準により
身体部位の軌道および電気刺激信号を推定するものであ
る。The invention according to claim 1 is
An electrical stimulus signal generation device that generates electrical stimulus signals. Estimates the trajectory and electrical stimulus signals of the body part based on the evaluation criterion of minimum change in the electrical stimulus signals using a mathematical model or a body model realized by a neural circuit. Is what you do.
【０００８】請求項２に係る発明では、請求項１の身体
部位のモデルは、被検者の腕の運動と電気刺激信号を同
時に計測し、計測した電気刺激信号から運動への写像を
予め定めるアルゴリズムを用いて計測データ間の関数関
係を再現する。In the invention according to claim 2, the model of the body part according to claim 1 simultaneously measures the movement of the arm of the subject and the electric stimulation signal, and determines a mapping from the measured electric stimulation signal to the movement in advance. The function relation between the measurement data is reproduced using the algorithm.
【０００９】請求項３に係る発明では、請求項１の身体
部位モデルは、運動を教師データとして与え、任意のア
ルゴリズムを用いてそのパラメータを決定する。According to the third aspect of the present invention, in the body part model of the first aspect, the exercise is given as teacher data, and its parameters are determined using an arbitrary algorithm.
【００１０】請求項４に係る発明では、関節トルク，関
節位置，速度，加速度の運動は、軌道の計測データから
決定する。In the invention according to claim 4, the movements of the joint torque, the joint position, the speed, and the acceleration are determined from the measurement data of the trajectory.
【００１１】請求項５に係る発明では、身体モデルの写
像関係を用いて、電気刺激信号変化最小の評価基準によ
って最適な軌道とともにその評価基準を満たす電気刺激
信号を同時に計算する。According to a fifth aspect of the present invention, the optimal trajectory and the electrical stimulus signal satisfying the evaluation criterion are simultaneously calculated based on the evaluation criterion of the minimum electrical stimulus signal change using the mapping relation of the body model.
【００１２】[0012]
【発明の実施の形態】図１はこの発明の一実施形態にお
ける電気刺激信号を生成する過程の流れを示す図であ
る。FIG. 1 is a diagram showing a flow of a process of generating an electric stimulus signal according to an embodiment of the present invention.
【００１３】図１において、障害者の人腕１に表面電極
のように大きな表面積を有する電極を用いて電気刺激信
号を与えることによって複数の神経を刺激する。この電
気刺激信号により筋肉の膜の興奮電位が時間的，空間的
に伝わり、筋肉に張力が発生する。電気刺激信号は電気
信号変換器２によってたとえば５０Ｈｚの櫛形電気信号
に変換される。In FIG. 1, a plurality of nerves are stimulated by applying an electrical stimulation signal to a human arm 1 of a disabled person using an electrode having a large surface area such as a surface electrode. The excitation potential of the muscle membrane is transmitted temporally and spatially by the electric stimulation signal, and tension is generated in the muscle. The electrical stimulation signal is converted by the electrical signal converter 2 into, for example, a 50 Hz comb electrical signal.
【００１４】通常、筋肉は電気刺激を与えてもすぐには
動かず、時間遅れを生じる。このため、電気信号がロー
パスフィルタ３に入力されて遅れが補正される。ローパ
スフィルタ３によって遅れの補正された信号は、関節ト
ルク推定回路４に与えられて関節トルクが推定され、運
動方程式５によって関節角加速度が求められ、積分回路
６を通すことによって電気刺激信号に対応した軌道が生
成される。Normally, muscles do not move immediately upon application of electrical stimulation, causing a time delay. Therefore, the electric signal is input to the low-pass filter 3 and the delay is corrected. The signal whose delay has been corrected by the low-pass filter 3 is supplied to a joint torque estimating circuit 4 to estimate a joint torque, a joint angular acceleration is determined by a motion equation 5, and the signal passes through an integrating circuit 6 to correspond to the electrical stimulation signal. A generated trajectory is generated.
【００１５】図１に示したローパスフィルタ３と関節ト
ルク推定回路４と運動方程式５と積分回路６とによって
身体モデルが構成されている。この身体モデルを用い
て、始点と終端とでの終端条件を満たし、さらに次の第
（１）式の評価関数を満足する軌道を繰返し計算により
計算する。A body model is constituted by the low-pass filter 3, the joint torque estimating circuit 4, the equation of motion 5, and the integrating circuit 6 shown in FIG. Using this body model, a trajectory that satisfies the end condition at the start point and the end point and further satisfies the evaluation function of the following expression (1) is repeatedly calculated.
【００１６】[0016]
【数１】 (Equation 1)
【００１７】ここで、ｕは関節トルクを表わし、ｔf は
終端での時間を表わす。以下、各ステップについてより
具体的に説明する。Here, u represents the joint torque, and t f represents the time at the end. Hereinafter, each step will be described more specifically.
【００１８】図１に示したローパスフィルタ３は２次系
で表わし、入力をＥＬ，出力をＥＬ * として、ＦＩＲフ
ィルタで実現すると、次の第（２）式で表わされる。The low-pass filter 3 shown in FIG.
And the input is EL and the output is EL *As FIR
When realized by a filter, it is expressed by the following equation (2).
【００１９】[0019]
【数２】 (Equation 2)
【００２０】ここで、ＥＬは電気刺激信号であり、ＥＬ
* は遅れ補正された信号である。筋肉の発生する張力と
運動指令との間には、次に述べるような非線形な性質が
ある。筋肉の発生する張力は同じ運動指令であっても筋
長が長くなると増加する。この変化の仕方は非線形であ
り、長さ−張力曲線と呼ばれている。また、同じ運動指
令であっても、筋長の短縮速度が大きくなると張力は減
少する。この変化の仕方も非線形であり、短縮速度−張
力曲線と呼ばれている。Here, EL is an electrical stimulation signal, and EL
* Is a signal corrected for delay. There is a non-linear property between the tension generated by the muscle and the motion command as described below. The tension generated by the muscle increases as the muscle length increases, even with the same exercise command. This manner of change is non-linear and is referred to as a length-tension curve. Further, even with the same exercise command, the tension decreases as the muscle shortening speed increases. The manner of this change is also non-linear, and is called a shortening speed-tension curve.
【００２１】関節トルクは張力とモーメントアームの積
によって決まる。関節の回転軸と筋肉の作用線との距離
がモーメントアームである。関節を曲げ延ばしすると、
筋肉や皮膚は骨によって曲げられるため、この距離は一
定でなく、トルクと張力の関係が関節角度に非線形に依
存する。すなわち、関節トルクは心筋と骨筋の発生する
トルクの差によって生じ、張力とモーメントアームに依
存して決まることになる。The joint torque is determined by the product of the tension and the moment arm. The distance between the rotation axis of the joint and the line of action of the muscle is the moment arm. When you bend a joint,
Since muscles and skin are bent by bones, this distance is not constant, and the relationship between torque and tension depends nonlinearly on joint angles. That is, the joint torque is generated by the difference between the torque generated by the myocardium and the bone muscle, and is determined depending on the tension and the moment arm.
【００２２】次に、神経回路モデルによる電気刺激信号
生成について説明する。たとえば、２点間の運動を考え
た場合、初期角度と目標角度と運動時間が決まれば、そ
の運動に必要なトルクは逆ダイナミクスを解くことで計
算することができる。しかし、このままでは、ある関節
トルクを生成する電気刺激信号パターンは無限に存在す
るために、何らかの制約条件がないと解は１つに決定す
ることはできない。筋肉骨格系を制御するために筋張力
変化最小基準，運動指令変化最小基準が提案されてい
る。筋肉骨格系において、筋電信号は筋肉に伝えられた
脳からの運動指令を反映している。この実施形態で用い
た電極では、一つ一つの筋肉を刺激しているというより
は、心筋，骨筋群を刺激していると思われれば、筋肉群
に刺激を与えることで筋肉が活動し収縮する。すなわ
ち、筋電信号と同様にして、筋肉を活動させる運動指令
と考えられる。そこで、この実施形態では、電気刺激変
化最小基準を用いることにより解を一意に決定すること
にする。Next, generation of an electrical stimulus signal by a neural circuit model will be described. For example, when a motion between two points is considered, if the initial angle, the target angle, and the motion time are determined, the torque required for the motion can be calculated by solving the inverse dynamics. However, in this state, since there is an infinite number of electrical stimulation signal patterns that generate a certain joint torque, a single solution cannot be determined unless there are some constraints. In order to control the musculoskeletal system, a minimum reference for a change in muscle tension and a minimum reference for a change in exercise command have been proposed. In the musculoskeletal system, myoelectric signals reflect motor commands from the brain transmitted to muscles. In the electrodes used in this embodiment, if it is considered that the muscles are stimulated rather than the muscles one by one, the muscles are activated by stimulating the muscle groups. Shrink. That is, it is considered that the exercise command activates the muscle in the same manner as the myoelectric signal. Therefore, in this embodiment, a solution is uniquely determined by using the minimum change in electrical stimulation.
【００２３】図２は軌道の計算モデルを示す図であり、
神経回路モデルで実現したものであり、腕の順ダイナミ
クスモデルをカスケード接続したものである。すなわ
ち、加速度推定モデル１１と加算器２１および３１，加
速度推定モデル１２と加算器２２および３２，加速度推
定モデル１ｎと加算器２ｎおよび３ｎのそれぞれが順ダ
イナミクスモデルを構成しており、各順ダイナミクスモ
デルは離散化した時間に対応している。順ダイナミクス
モデルの入力には関節角度と角速度と運動指令に対応す
る電気刺激信号が与えられる。加速度推定モデル１１，
１２，１ｎの出力には同じ時刻の角加速度が計算されて
出力される。この教師信号としての角加速度と入力の角
度および角速度とがそれぞれ加算器２１，２２，２ｎ，
３１，３２，３ｎで加算されて次の時刻の角度と角速度
が計算され、この角度と角速度の情報は次の順ダイナミ
クスモデルの入力となる。FIG. 2 is a diagram showing a calculation model of the trajectory.
This is realized by a neural network model, and is a cascade connection of forward dynamics models of arms. That is, the acceleration estimation model 11 and the adders 21 and 31, the acceleration estimation model 12 and the adders 22 and 32, and the acceleration estimation model 1n and the adders 2n and 3n each constitute a forward dynamics model. Corresponds to the discretized time. Electrical stimulus signals corresponding to joint angles, angular velocities, and motion commands are given to the input of the forward dynamics model. Acceleration estimation model 11,
Angular accelerations at the same time are calculated and output as outputs of 12.1n. The angular acceleration as the teacher signal and the input angle and angular velocity are added to adders 21, 22, 2n,
The angles and angular velocities at the next time are calculated by adding at 31, 32, and 3n, and the information on the angles and angular velocities is input to the next forward dynamics model.
【００２４】最初の順ダイナミクスモデルには、肘の初
期角度と、静止しているため角速度０が入力として与え
られる。サンプリング時間を０．００５秒とすると、
０．７５秒の運動では、１５０個の順ダイナミスクモデ
ルを接続し、全運動時間の角度と角速度が計算される。
１５０個目の順ダイナミクスモデルの出力と、目標角
度，角速度との誤差を計測し、神経回路を誤差逆伝搬す
ることにより各時刻の電気刺激の誤差を計算する。そし
て、全運動時間にわたって誤差を逆向きに伝搬していく
ことで、入力である電気刺激の誤差を計算し、修正す
る。次に、修正された電気刺激を使って、同じ計算を繰
返すことにより、最終的に目標点に到達する電気刺激を
計算する。The initial forward dynamics model is provided with an initial angle of the elbow and an angular velocity of 0 because it is stationary. If the sampling time is 0.005 seconds,
In the movement for 0.75 seconds, 150 forward dynamic models are connected, and the angle and angular velocity of the total movement time are calculated.
An error between the output of the 150th forward dynamics model, the target angle, and the angular velocity is measured, and an error of the electrical stimulation at each time is calculated by backpropagating the error through the neural circuit. Then, by propagating the error in the opposite direction over the entire exercise time, the error of the input electric stimulus is calculated and corrected. Next, the same calculation is repeated using the corrected electrical stimulus to calculate the electrical stimulus that finally reaches the target point.
【００２５】隣り合う電気刺激ニューロンはコンダクタ
ンスＧを介して接続されており、隣同士の刺激が滑らか
になる働きをする。このコンダクタンスＧの値が大きい
間は、たとえ目標点の誤差が大きくても急激に変化しな
いため、徐々に電気刺激の値が変化していく。コンダク
タンスＧが小さくなっていくと目標点に徐々に近づいて
いき、最終的には電気刺激の変化最小の条件を満たし、
目標点に到達する電気刺激を求めることができる。Adjacent electrical stimulation neurons are connected via a conductance G, and serve to smooth adjacent stimulations. While the value of the conductance G is large, even if the error of the target point is large, the value does not change abruptly, so that the value of the electrical stimulus gradually changes. As the conductance G becomes smaller, it gradually approaches the target point, and eventually satisfies the condition of minimum change in electrical stimulation,
An electrical stimulus that reaches the target point can be determined.
【００２６】図３は電気刺激を与えてから軌道を計算す
るまでの過程を示す図である。まず、電極に電気刺激信
号を与えて、等尺性収縮の力を計測することにより図１
に示したローパスフィルタ３の設計を行なう。すなわ
ち、障害者の腕を固定するとともに、手先にセンサをつ
けておき、電気刺激を与えてから手先の力がどれだけ出
たかをセンサで検出することにより、電気刺激を与えて
から筋肉に張力が発生するまでの遅れを計測して、それ
に基づいてローパスフィルタ３が設計される。FIG. 3 is a diagram showing a process from the application of the electrical stimulation to the calculation of the trajectory. First, by applying an electrical stimulation signal to the electrodes and measuring the force of the isometric contraction, FIG.
The low-pass filter 3 shown in FIG. In other words, the arm of the disabled person is fixed, a sensor is attached to the hand, and the sensor detects the amount of power applied to the hand after applying the electric stimulus. Is measured, and the low-pass filter 3 is designed based on the measured delay.
【００２７】一方、電気刺激を与えてから発生された筋
肉の張力により筋肉骨格系の順モデルの作製を行なう。
さらに、指定した点を通る運動を起こす電気刺激パター
ンを、図２に示したように電気刺激の変化が最小になる
基準で計算する。On the other hand, a forward model of the musculoskeletal system is prepared based on the muscle tension generated after the application of the electrical stimulation.
Further, an electrical stimulus pattern causing a movement passing through the designated point is calculated on the basis of a minimum change of the electrical stimulus as shown in FIG.
【００２８】図４は人間の前腕と上腕をモデル化した２
リンクのマニピュレータを示す図である。図４に示した
マニピュレータにおいて、人間Ｍの右腕の上腕の長さを
Ｌ１とし、前腕の長さをＬ２とすると、以下の運動方程
式が成り立つ。FIG. 4 shows a model 2 of the human forearm and upper arm.
It is a figure showing a manipulator of a link. In the manipulator shown in FIG. 4, if the length of the upper arm of the right arm of the human M is L1 and the length of the forearm is L2, the following equation of motion is established.
【００２９】[0029]
【数３】 (Equation 3)
【００３０】ここでτi は各関節の駆動トルクであり、
θi は関節角であり、θi1は関節角速度であり、θi2は
関節角加速度を表わす。また、Ｍi は各リンクの質量で
あり、Ｌi は長さであり、Ｌgiは関節から質量中心まで
の長さであり、Ｉi は関節回りの慣性モーメントであ
り、ｂi は粘性抵抗の係数を表わす。Where τ i is the driving torque of each joint,
θ i is the joint angle, θ i1 is the joint angular velocity, and θ i2 is the joint angular acceleration. M i is the mass of each link, L i is the length, L gi is the length from the joint to the center of mass, I i is the moment of inertia around the joint, and b i is the viscous drag Represents the coefficient of
【００３１】図２に示した神経回路モデルにより関節角
加速度の推定を行なった結果について説明する。各刺激
それぞれ５回ずつ計測を行なったうち始めの２，４回を
訓練用に、残りの３，５回をテスト用にした。訓練には
５秒間のデータを８０試行で４９０００サンプルを用い
た。中間層が２０個の３層の神経回路モデルを用いて、
肘の関節角加速度を推定して、Cross Validation法を用
いて学習の打切りを決定するため、テストセットのエラ
ーを計算し、エラーが増加する前で学習を終了する。神
経回路モデルの入力信号には刺激信号、前述の等尺性収
縮時に求めたフィルタに通して最大値で正規化したもの
を用いた。得られたネットワークをリカレント接続する
ことにより、初期状態とすべての時刻の筋電信号から軌
道を生成した結果を図５に示す。The result of estimating the joint angular acceleration by the neural network model shown in FIG. 2 will be described. Of the five measurements for each stimulus, the first two or four were used for training and the remaining three or five were used for testing. For training, 49000 samples were used in 80 trials of data for 5 seconds. Using a three-layer neural network model with 20 hidden layers,
In order to estimate the joint angular acceleration of the elbow and determine the discontinuation of learning using the Cross Validation method, errors in the test set are calculated, and the learning is terminated before the errors increase. As the input signal of the neural circuit model, a stimulus signal and a signal normalized by a maximum value through a filter obtained during the above-mentioned isometric contraction were used. FIG. 5 shows a result of generating a trajectory from the myoelectric signals at the initial state and at all times by recurrently connecting the obtained networks.
【００３２】図５において、線ａは計算によって再現さ
れた速度波形であり、線ｂは実際の速度データであり、
線ｃは計算によって求めた角度データであり、線ｄは実
際の角度データである。初期位置より次々と加速度から
次の時刻の位置，速度を計算するため、推定する時間が
長くなると誤差が蓄積されるが、軌道はほぼ正しく計算
できていることがわかる。In FIG. 5, a line a is a speed waveform reproduced by calculation, a line b is actual speed data,
The line c is the angle data obtained by calculation, and the line d is the actual angle data. Since the position and speed at the next time are calculated from the acceleration one after another from the initial position, errors accumulate when the estimation time becomes long, but it can be seen that the orbit has been calculated almost correctly.
【００３３】図６はこの発明の一実施形態により推定さ
れた入力電気刺激信号を示す図であり、特に、ａは伸ば
す方向に作用する筋肉のための電気刺激信号を示し、ｂ
は曲げる方向に作用する筋肉のための電気刺激信号を示
す。FIG. 6 is a diagram illustrating an input electrical stimulation signal estimated according to an embodiment of the present invention. In particular, a indicates an electrical stimulation signal for a muscle acting in the direction of extension, and b
Shows the electrical stimulation signal for the muscle acting in the direction of bending.
【００３４】[0034]
【発明の効果】以上のように、この発明によれば、障害
者の身体モデルを作製し、このモデルをもとに変化最小
の評価基準をもとに軌道と電気刺激信号を推定するよう
にしたので、この信号を障害者に電気刺激として与える
ことにより、身体の運動機能を再建することが可能とな
る。As described above, according to the present invention, a body model of a disabled person is prepared, and a trajectory and an electrical stimulation signal are estimated based on the evaluation criterion of the minimum change based on the model. Thus, by giving this signal to the disabled person as electrical stimulation, it becomes possible to reconstruct the motor function of the body.
【図１】この発明の一実施形態における電気刺激信号を
生成する過程の流れを示す図である。FIG. 1 is a diagram showing a flow of a process of generating an electrical stimulus signal according to an embodiment of the present invention.
【図２】軌道の計算モデルを示す図である。FIG. 2 is a diagram showing a calculation model of a trajectory.
【図３】電気刺激を与えてから軌道を計算するまでの過
程を示す図である。FIG. 3 is a diagram showing a process from application of electrical stimulation to calculation of a trajectory.
【図４】人間の前腕と上腕をモデル化した２リンクのマ
ニピュレータを示す図である。FIG. 4 is a diagram showing a two-link manipulator that models a human forearm and upper arm.
【図５】この発明の一実施形態によって初期状態とすべ
ての時刻の筋電信号から軌道を生成した結果を示す図で
ある。FIG. 5 is a diagram showing a result of generating a trajectory from myoelectric signals at an initial state and at all times according to an embodiment of the present invention.
【図６】この発明の一実施形態により推定された入力電
気刺激信号を示す図である。FIG. 6 is a diagram illustrating an input electrical stimulation signal estimated according to an embodiment of the present invention.
１ 人腕 ２ 電気信号変換器 ３ ローパスフィルタ ４ 関節トルク推定回路 ５ 運動方程式 ６ 積分回路 １１，１２，１ｎ 加速度推定モデル ２１，２２，２ｎ，３１，３２，３ｎ 加算器 1 human arm 2 electric signal converter 3 low-pass filter 4 joint torque estimation circuit 5 equation of motion 6 integration circuit 11, 12, 1n acceleration estimation model 21, 22, 2n, 31, 32, 3n adder
フロントページの続き (72)発明者 道免 和久 京都府相楽郡精華町大字乾谷小字三平谷５ 番地 株式会社エイ・ティ・アール人間情 報通信研究所内 (72)発明者 川人 光男 京都府相楽郡精華町大字乾谷小字三平谷５ 番地 株式会社エイ・ティ・アール人間情 報通信研究所内Continued on the front page. (72) Inventor Kazuhisa Domen 5 Sanraya, Seiya-cho, Seika-cho, Kyoto Prefecture, Japan AIT, Inc. Human Information and Communication Research Laboratories, Inc. Seikacho, Inaya, 5 Sanhiradani, ATR Human Information and Communication Laboratories
Claims (5)
成装置であって、 数式モデルや神経回路などで実現される身体モデルを用
いて、電気刺激信号変化最小という評価基準により身体
部位の軌道および電気刺激信号を推定することを特徴と
する、電気刺激信号生成装置。1. An electrical stimulation signal generation device for generating an electrical stimulation signal, comprising: using a body model realized by a mathematical model or a neural circuit, the trajectory of a body part and the An electrical stimulus signal generating device for estimating an electrical stimulus signal.
運動と電気刺激信号を同時に計測し、計測した電気刺激
信号から運動への写像を予め定めるアルゴリズムを用い
て計測データ間の関数関係を再現することを特徴とす
る、請求項１に記載の電気刺激信号生成装置。The model of the body part measures the movement of the arm of the subject and the electrical stimulation signal simultaneously, and uses a predetermined algorithm to map a mapping from the measured electrical stimulation signal to the movement. The electrical stimulation signal generation device according to claim 1, wherein the relationship is reproduced.
タとして与え、任意のアルゴリズムを用いてそのパラメ
ータを決定することを特徴とする、請求項１に記載の電
気刺激信号生成装置。3. The electrical stimulus signal generation device according to claim 1, wherein the body part model gives a movement as teacher data and determines its parameters using an arbitrary algorithm.
することを特徴とする、請求項２に記載の電気刺激信号
生成装置。4. The electrical stimulation signal generation device according to claim 2, wherein the movement is determined from trajectory measurement data.
刺激信号変化最小の評価基準によって最適な軌道ととも
にその評価基準を満たす電気刺激信号を同時に計算する
ことを特徴とする、請求項１に記載の電気刺激信号生成
装置。5. The method according to claim 1, wherein the electrical stimulus signal satisfying the evaluation criterion is simultaneously calculated together with the optimal trajectory based on the evaluation criterion of the minimum electrical stimulus signal change using the mapping relation of the body model. Electrical stimulation signal generator.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9243642A JPH1176430A (en) | 1997-09-09 | 1997-09-09 | Electric stimulus signal generating device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9243642A JPH1176430A (en) | 1997-09-09 | 1997-09-09 | Electric stimulus signal generating device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1176430A true JPH1176430A (en) | 1999-03-23 |
Family
ID=17106867
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9243642A Pending JPH1176430A (en) | 1997-09-09 | 1997-09-09 | Electric stimulus signal generating device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1176430A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8055349B2 (en) | 2001-07-11 | 2011-11-08 | Nuvasive, Inc. | System and methods for determining nerve proximity, direction, and pathology during surgery |
| US9131947B2 (en) | 2003-05-08 | 2015-09-15 | Nuvasive, Inc. | Neurophysiological apparatus and procedures |
| US10470707B2 (en) | 2001-10-30 | 2019-11-12 | Nuvasive, Inc. | System and methods for performing percutaneous pedicle integrity assessments |
-
1997
- 1997-09-09 JP JP9243642A patent/JPH1176430A/en active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8055349B2 (en) | 2001-07-11 | 2011-11-08 | Nuvasive, Inc. | System and methods for determining nerve proximity, direction, and pathology during surgery |
| US9037250B2 (en) | 2001-07-11 | 2015-05-19 | Nuvasive, Inc. | System and methods for determining nerve proximity, direction and pathology during surgery |
| US10470707B2 (en) | 2001-10-30 | 2019-11-12 | Nuvasive, Inc. | System and methods for performing percutaneous pedicle integrity assessments |
| US9131947B2 (en) | 2003-05-08 | 2015-09-15 | Nuvasive, Inc. | Neurophysiological apparatus and procedures |
| US10695108B1 (en) | 2003-05-08 | 2020-06-30 | Nuvasive, Inc. | Neurophysiological apparatus and procedures |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9238137B2 (en) | Neuromuscular stimulation | |
| Mefoued | A second order sliding mode control and a neural network to drive a knee joint actuated orthosis | |
| JP7353305B2 (en) | Haptic feedback for virtual reality | |
| Morita et al. | Estimation of forearm movement from EMG signal and application to prosthetic hand control | |
| Ueyama et al. | Optimal feedback control for predicting dynamic stiffness during arm movement | |
| CN110967972A (en) | Rehabilitation robot self-adaptive control method based on radial basis function neural network | |
| Yamada et al. | Investigation of a cognitive strain on hand grasping induced by sensory feedback for myoelectric hand | |
| CN113181550A (en) | Functional electrical stimulation system and method for regulating and controlling joint moment and rigidity | |
| KOIKE et al. | Estimation of arm posture in 3D-space from surface EMG signals using a neural network model | |
| Zhou et al. | Estimating the ankle angle induced by fes via the neural network-based hammerstein model | |
| Kitamura et al. | Bilateral control of human upper limbs using functional electrical stimulation based on dynamic model approximation | |
| JP3193656B2 (en) | EMG signal generator | |
| Kim et al. | Estimation of multijoint stiffness using electromyogram and artificial neural network | |
| JPH1176430A (en) | Electric stimulus signal generating device | |
| JP2611920B2 (en) | Athletic skill learning device | |
| JP2542336B2 (en) | Robot controller | |
| Li et al. | Prediction of passive torque on human shoulder joint based on BPANN | |
| Dosen et al. | Moving-window dynamic optimization: design of stimulation profiles for walking | |
| Wannawas et al. | Towards ai-controlled fes-restoration of arm movements: neuromechanics-based reinforcement learning for 3-d reaching | |
| Nasr et al. | Robust machine learning mapping of sEMG signals to future actuator commands in biomechatronic devices | |
| Sommer et al. | Elbow joint angle estimation from surface electromyography using hammerstein-wiener models | |
| Petrič et al. | Control of rhythmic robotic movements through synchronization with human muscle activity | |
| Zhang | Ultrasound imaging and surface electromyography-based voluntary effort prediction and control strategies for ankle assistance | |
| Koike et al. | Estimation of movement from surface EMG signals using a neural network model | |
| Sierotowicz et al. | Robot-inspired human impedance control through functional electrical stimulation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040309 |