WO2005122895A1 - 運動情報−神経情報変換装置及び方法、運動情報−神経情報変換プログラム及び該プログラムを記録した記録媒体 - Google Patents

運動情報−神経情報変換装置及び方法、運動情報−神経情報変換プログラム及び該プログラムを記録した記録媒体 Download PDF

Info

Publication number
WO2005122895A1
WO2005122895A1 PCT/JP2004/012772 JP2004012772W WO2005122895A1 WO 2005122895 A1 WO2005122895 A1 WO 2005122895A1 JP 2004012772 W JP2004012772 W JP 2004012772W WO 2005122895 A1 WO2005122895 A1 WO 2005122895A1
Authority
WO
WIPO (PCT)
Prior art keywords
nerve
muscle
data file
data
processing unit
Prior art date
Application number
PCT/JP2004/012772
Other languages
English (en)
French (fr)
Inventor
Mihoko Otake
Yoshihiko Nakamura
Original Assignee
The University Of Tokyo
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by The University Of Tokyo filed Critical The University Of Tokyo
Publication of WO2005122895A1 publication Critical patent/WO2005122895A1/ja

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4561—Evaluating static posture, e.g. undesirable back curvature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4029—Detecting, measuring or recording for evaluating the nervous system for evaluating the peripheral nervous systems
    • A61B5/4041—Evaluating nerves condition
    • A61B5/4052—Evaluating nerves condition efferent nerves, i.e. nerves that relay impulses from the central nervous system
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
    • A61B5/407—Evaluating the spinal cord
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519—Muscles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4528—Joints

Definitions

  • the present invention relates to an exercise information-nerve information conversion apparatus and method, an exercise information-nerve information conversion program, and a recording medium recording the program.
  • the goal of the present invention is to clarify a method to quantitatively deal with the human sensory and motor problems that have been discussed qualitatively by observing movements. Through this, we aim to approach the internal state of a person from the outside.
  • a method has been proposed for performing fast and inverse dynamics calculations on a detailed model of the body having bone geometry data and muscle-tendon ligament data (Non-Patent Document 1).
  • SIMM As a simulation system that analyzes the motion of a human musculoskeletal model, SIMM by Delp et al., AnyBody by Rasmussen et al. Are commercialized.
  • perceptual information processing methods for dynamic media such as somatic sensation are behind those of sight and hearing.
  • the following is an overview of the prior art relating to the body model and the nervous system model coupled to the body model.
  • Nakamura et al. Have proposed a method for performing fast and inverse dynamics calculations on a detailed model of a body having bone geometry data and muscle 'tendon' ligament data (Patent Documents 1 and 2). . By using this method, it is possible to observe human movement from outside and calculate the length change of muscle 'tendon' ligament and the tension generated in these moving organs.
  • Patent Document 3 Kawato and others naturally control the virtual body, which is a model of part or all of the body in the computer world, as if it were their own alter ego, and not only position, but also force, velocity, and acceleration.
  • a human interface device that can be freely manipulated has been proposed (Patent Document 3).
  • Hase et al. Have a bipedal walking model with a three-dimensional musculoskeletal system and a hierarchical nervous system (Non-patent text).
  • Hagiwara et al. Proposed a walking neural network (Non-Patent Document 3) based on actual walking measurement data.
  • Patent Document 3 Hase et al. Have a bipedal walking model with a three-dimensional musculoskeletal system and a hierarchical nervous system (Non-patent text).
  • Hagiwara et al. Proposed a walking neural network (Non-Patent Document 3) based on actual walking measurement data.
  • Patent Document 2
  • Nakamura et al.'S model does not include the nervous system.
  • Kawato et al. Connected a nonlinear dynamics model including a neural circuit to a virtual body in order to realize a human interface device, but the neural circuit considered the structure of the peripheral nervous system.
  • Hase et al. Propose a neuromusculoskeletal model, but the spleen motoneurons that directly control the muscles are directly connected to the muscles one-on-one, and the same spinal cord is used by multiple spinal cords. No consideration has been given to the redundant structure that connects to the muscles. No consideration is given to the branching structure that connects a single nerve bundle to multiple muscles.
  • muscle groups dominated by the same nerve in other words, muscle groups dominated by the same spinal nerve, is not included in the model.
  • motor and other organs, including muscle 'tendon' ligaments, and the central nervous system (brain) are connected via the peripheral nervous system.
  • This peripheral nervous system has a redundant branch structure. Nerves that connect to mechanically or functionally close organs are bundled together to form a thick nerve. Nerves that connect to mechanically or functionally related organs are connected from the same spinal cord.
  • the prior art has not taken such anatomical structures into account, and therefore has the following problems.
  • an object of the present invention is to provide a method for detecting and presenting neural information from exercise information on muscles and tendons of the whole body.
  • An object of the present invention is to focus on the spinal cord nerve that connects sensation and movement, and to model its muscle control structure.
  • the present invention Based on the above, the purpose is to visualize the nerve information flowing through the spinal cord during exercise as an image obtained by slicing the spinal cord.
  • a table storing the nerve numbers, spinal cord names, muscle names, nerve line names between the spinal cord and muscles or nerve line name strings, and the coordinates of the start and end points of the nerve line names are stored correspondingly.
  • a nerve feature data file that stores peripheral nerve names and nerve line names or nerve line name strings in correspondence, and stores nerve line names and conduction speeds in correspondence with each other;
  • a nerve conduction time data file in which nerve conduction time is stored for each nerve number;
  • a nerve muscle data file in which, for muscle names, names of spinal cords and peripheral nerves that control muscles are stored correspondingly;
  • a nerve branch data file that expresses the spinal nervous system in a tree structure with the spinal cord as a root and muscles as leaves;
  • a muscle ranking data file storing the muscle ranking data corresponding to the muscle rankings and information representing the characteristics of the muscles including the classification of the extensor flexors and the muscle parts;
  • a muscle feature data file that stores the muscle names and information representing muscle characteristics including classification of muscle regions, including the distinction of the left and right extensor flexors,
  • a data file corresponding to the extensor and flexor muscles which stores muscle names belonging to the corresponding flexor and extensor groups
  • a muscle exercise data file storing muscle exercise information with respect to time
  • a spinal nerve cross-section coordinate data file that stores the spatial arrangement of nerves in the spinal cord cross-section for the nerve number
  • a processing unit for reading and / or writing each of the files to obtain a spatial arrangement or a spatiotemporal arrangement of nerves, and for converting motion information into neural information;
  • a processing unit configured to set a spinal cord name representing a nerve section, exercise data, and a display format from an input unit or another device;
  • the processing unit extracts, from the nerve geometry data file, the name of the spinal cord, the name of the muscle governing the spinal nerve, and the name of one or more nerve lines for each nerve number based on the set spinal cord name.
  • the processing unit refers to the neurogeometric data file based on the extracted nerve line names, finds the names of the start and end points of the nerve line, and searches the coordinates of the names of the start and end points to obtain the name of each neural line. Means for calculating the length of the nerve line;
  • the processing unit Based on the calculated nerve line length and the nerve conduction velocity read from the nerve characteristic data file according to the nerve line name, the processing unit performs processing from any spinal cord to any muscle represented by one or more nerve lines. Means for calculating the nerve signal conduction time of the god pathway;
  • the processing unit stores the nerve signal conduction time in the nerve conduction time data corresponding to the nerve number,
  • the processing unit refers to the neuromuscular correspondence data file, extracts the muscle name that governs the spinal cord of the spinal cord name and the peripheral nerve to form data, and forms the formed data with the peripheral nerve.
  • Means for classification
  • the processing unit refers to the muscle feature data file, finds the left and right, extensor flexor muscle ⁇ 'muscle part classification for the muscle name of each data, and classifies each data by extensor muscle flexor.
  • the processing unit refers to the nerve branching data file and sorts each data in the order of leaves branching from the root of the tree structure in the same peripheral nerve;
  • the processing unit obtains the nerve number from the nerve geometry data file based on the muscle name of each data, calculates the nerve conduction time by referring to the nerve conduction time data based on the neural number, and divides each data between peripheral nerves having the same part but different. Means to sort in ascending conduction time with
  • a processing unit that stores the muscle ranking, left and right, extensor muscle, flexor muscle, and muscle region classification in a muscle ranking data file in a corresponding manner;
  • the processing unit converts the muscles read from the muscle ranking data file into left and right, extensor 'flexors, muscle parts Means for categorizing based on the classification, arranging according to muscle order from high to low as the distance from the central axis increases, and arranging them in a predetermined nerve section or space-time according to a set display format;
  • the processing unit generates the spinal cord cross-sectional coordinate data representing the arrangement for each nerve number according to the nerve cross-section or spatiotemporal arrangement, and stores the data in a spinal nerve cross-sectional coordinate data file.
  • a table storing the nerve numbers, spinal cord names, muscle names, nerve line names between the spinal cord and muscles or nerve line name strings, and the coordinates of the start and end points of the nerve line names are stored correspondingly.
  • a nerve feature data file that stores peripheral nerve names and nerve line names or nerve line name strings in correspondence, and stores nerve line names and conduction speeds in correspondence with each other;
  • a nerve conduction time data file in which nerve conduction time is stored for each nerve number;
  • a nerve muscle data file in which, for muscle names, names of spinal cords and peripheral nerves that control muscles are stored correspondingly;
  • a nerve branch data file expressing the spinal nervous system in a tree structure with the spinal cord as a root and muscles as leaves,
  • a muscle rank data file storing information representing muscle characteristics including the classification of muscle parts including left and right and extensor flexor muscles with respect to the muscle rank
  • a muscle feature data file that stores the muscle names and information representing muscle features including classification of the muscle parts of the left and right 'extensor flexors ⁇ ',
  • An extensor / flexor data file storing muscle names belonging to the corresponding flexor and extensor groups, a muscle exercise data file storing muscle exercise information with respect to time,
  • a processing unit for reading and / or writing each of the files to obtain a spatial arrangement or a spatiotemporal arrangement of nerves, and for converting motion information into neural information;
  • a computer-readable recording medium recording a motor information-nerve information conversion program in a motor information-nerve information converter comprising:
  • the processing unit sets, from the input unit or another device, a spinal cord name representing a nerve cross section, exercise data, and a display format;
  • the processing unit extracts a spinal cord name, names of muscles that govern spinal nerves, and one or more nerve line names for each nerve number based on the set spinal cord names from the neurogeometric data file;
  • the processing unit refers to the neurogeometric data file based on the extracted nerve line names, finds the names of the start and end points of the nerve line, and searches the coordinates of the names of the start and end points to obtain the name of each neural line. Calculating the length of the nerve line;
  • the processing unit Based on the calculated length of each nerve line and the nerve conduction velocity read from the nerve characteristic data file according to the nerve line name, the processing unit performs processing from any spinal cord to any muscle represented by one or more nerve lines. Calculating the nerve signal conduction time of the god pathway; storing the nerve signal conduction time in the nerve conduction time data corresponding to the nerve number;
  • the processing unit refers to the neuromuscular correspondence data file, extracts the muscle name that governs the spinal cord of the spinal cord name and the peripheral nerve to form data, and forms the formed data with the peripheral nerve. Classifying;
  • a processing unit that refers to the muscle feature data file, determines a left / right 'extensor flexor muscle' classification for each muscle name of each data, and a muscle region classification, and classifies each data by the 'extensor muscle' flexor;
  • a processing unit that sorts each data in the same peripheral nerve in the order of leaves branching from the root of the tree structure with reference to the nerve branch data file;
  • the processing unit obtains the nerve number from the nerve geometry data file based on the muscle name of each data, and Calculating nerve conduction time by referring to nerve conduction time data by serial number, and rearranging each data in ascending order of conduction time among peripheral nerves having different same positions;
  • the processing unit stores the muscle ranking, the left and right, the extensor muscle, the flexor, and the muscle part classification in the muscle ranking data file correspondingly,
  • the processing unit classifies the muscles read from the muscle ranking data file based on the classification of the left, right, extensor 'flexors, and muscle parts, and arranges the muscles with a higher ranking from a lower ranking as the distance from the central axis increases.
  • the processing unit generates the spinal cord cross-sectional coordinate data representing the arrangement for each nerve number according to the nerve cross-section or the spatiotemporal arrangement, and stores the data in a spinal nerve cross-sectional coordinate data file.
  • a computer-readable recording medium that records an exercise information-nerve information conversion program for causing a computer to execute the method.
  • Figure 1 shows the human central nervous system, consisting of the brain and spinal cord.
  • Figure 2 is an illustration of the spinal cord cross-section and reflex path.
  • Figure 3 is an illustration of the cross-section of spinal gray matter and the somatic localization of the anterior horn.
  • Figure 4 shows the spatial layout of C5.
  • Figure 5 is an explanatory diagram of the sword-slashing motion of swinging the sword down diagonally.
  • Figure 6 is a diagram of nerve information images of the C5 spinal nerve during every 10 frames during the escalating motion (1).
  • Figure 7 shows the neural information image of the C5 spinal nerve during every 10 frames during the escalating motion (2).
  • Figure 8 shows the neural information image of every 10 frames in the C5 spinal nerve during the escalation operation.
  • Figure (3) shows the neural information image of every 10 frames in the C5 spinal nerve during the escalation operation.
  • FIG. 9 is an explanatory diagram of classification of muscles governed by the fifth cervical nerve (C5).
  • FIG. 10 is a schematic configuration diagram showing a connection relationship of the present apparatus.
  • FIG. 11 is a hardware configuration diagram of the motion information-nerve information conversion device 30.
  • FIG. 12 is an explanatory diagram of neurogeometric data file 1 (input data or intermediate data).
  • FIG. 13 is an explanatory diagram of the neural feature data file 2 (input data).
  • Fig. 14 is an explanatory diagram of nerve conduction time data file 3 (output data).
  • FIG. 15 is an explanatory diagram of a nerve-strain correspondence data file 4 (intermediate data).
  • FIG. 16 is an explanatory diagram of a nerve branch data file 5 (input data).
  • FIG. 17 is an explanatory diagram of the muscle ranking data file 6 (output data).
  • FIG. 18 is an explanatory diagram of the muscle feature data file 7 (input data).
  • FIG. 19 is an explanatory diagram of the extensor flexor muscle data file 8 (input data).
  • FIG. 20 is an explanatory diagram of the muscle exercise data file 9 (input data).
  • FIG. 21 is an explanatory diagram of a spinal nerve cross-section coordinate data file 11 (output data).
  • FIG. 22 is an explanatory diagram of the nerve data file 12 (cross-sectional image of spinal cord) (output data).
  • FIG. 23 is an explanatory diagram of another neural data file 13 (spatiotemporal image 1) (output data)
  • FIG. 24 is an explanatory diagram of another neural data file 14 (spatiotemporal image 2) (output data).
  • FIG. 4 is an explanatory diagram of an interface in the case of displaying a spinal cord cross-sectional image.
  • Figure 26 is the main flowchart.
  • FIG. 27 is an explanatory diagram of the relationship between data.
  • FIG. 28 is an explanatory diagram of data conversion by each process.
  • Figure 29 is a flowchart of the nerve conduction time calculation.
  • FIG. 30 is a flowchart for calculating the muscle ranking.
  • FIG. 31 is a flowchart of a spatial arrangement calculation of a nerve section.
  • FIG. 32 is an explanatory diagram showing a state of data at the time of spatial arrangement.
  • FIG. 33 is an explanatory diagram showing a state of data at the time of spatial arrangement.
  • Figure 34 is an explanatory diagram 9
  • FIG. 35 is an explanatory diagram showing a state of data at the time of spatial arrangement.
  • FIG. 36 shows another embodiment of the flowchart of the spatial arrangement calculation.
  • FIG. 37 is an explanatory diagram of rearrangement 1 for creating a spatiotemporal pattern.
  • Figure 38 is an illustration of Sort 2 for creating spatiotemporal patterns.
  • Figure 39 is a flowchart of the conversion from exercise information to neural information.
  • FIG. 40 is a flowchart of nerve branch data generation.
  • FIG. 41 is an explanatory diagram of a nerve branch data generation method.
  • FIG. 42 is an explanatory diagram of a nerve branch data generation method.
  • FIG. 43 is an explanatory diagram of a method for generating nerve branch data.
  • Fig. 44 is an explanatory diagram of the nerve branch data generation method.
  • Figure 45 is an illustration of the relationship between nerves and muscles.
  • the nervous system is functionally classified into a somatic nervous system and an autonomic nervous system.
  • the somatic nervous system is responsible for conscious perception, voluntary movements and information gathering.
  • the main role of the autonomic nervous system is to constantly maintain the internal environment of a living body and regulate the functions of organs in response to changes in the outside world.
  • the present invention focuses on the somatic nervous system that controls body movements.
  • Figure 1 shows a diagram of the central nervous system of a human consisting of the brain and spinal cord.
  • the nervous system is anatomically composed of the central nervous system and the peripheral nervous system.
  • the central nervous system is the brain.
  • the brain and spinal cord together are called the central nervous system.
  • the peripheral nervous system is composed of cranial nerves that connect directly from the brain to organs and spinal nerves that originate from the spinal cord and connect to organs. Since the organs that govern each nerve are different, the organs can be classified according to the nerves that govern them. In humans, 31 pairs of spinal nerves are counted, 8 pairs of cervical nerves (C), 12 pairs of thoracic nerves (T), 5 pairs of lumbar nerves (L), 5 pairs of sacral nerves (S), 5 pairs of coccyx nerves (Coc) Consists of one pair. These nerves exit the vertebra through gaps in the vertebra. In the present invention, we focus on the structure of the spinal cord, which controls most of the skeletal muscle of the whole body.
  • FIG. 2 shows an explanatory view of the spinal cord cross section and the reflex path.
  • Gray matter in the shape of a butterfly and surrounding white matter are observed ( Figure 2, top).
  • White matter is the pathway for nerves that connect the brain and spinal cord.
  • Gray matter is the junction between the peripheral and central nerves. Gray matter is divided into dorsal and anterior horns. The dorsal horn contains afferent or sensory neurons and the anterior horn contains efferent or motor neurons. Through the afferent nerves, the excitement of perception is transmitted to the dorsal horn cells, which transmit the excitement to the brain. This excitement is also transmitted to motor neurons in the anterior horn, causing muscle movement. Muscle responses elicited in the latter way are called reflexes, as is well known.
  • a muscle contracts momentarily and then momentarily contracts. This is called the elongation reflex and is performed through a small number of neurons in the spinal cord at a certain height. It is the muscle spindle that senses muscle elongation. Muscle spindles are aligned parallel to the muscle fibers and send information about muscle length and rate of elongation to the spinal cord via afferent nerves.
  • FIG. 3 shows a cross-sectional view of the gray matter of the spinal cord and an explanatory diagram of somatic localization of the anterior horn.
  • the anterior horn of the gray matter which sends commands to the motor organs, has a structure or somatic localization corresponding to the body part. From inside to outside of the anterior horn 1) trunk, 2) trunk to limb, 3) limb girdle to limb, 4) upper arm, thigh, 5) forearm, lower leg, 6) neurons that control hand and foot muscles Are arranged It is said that proximally dominant neurons line inward and distally dominant neurons line out.
  • the dorsal muscles of the flexor muscles are arranged on the dorsal side of the anterior horn, and the extensor muscles are arranged on the ventral side. 2.
  • muscle spindle that senses muscle elongation.
  • the muscle spindles are aligned in parallel with the muscle fibers (extrafusal muscle fibers).
  • Golgi tendon organ that senses the forces generated by the muscles.
  • Other motor sensation organs include joint receptors that respond to forces on joints and nociceptors that respond to muscle and joint pain. This section describes the muscle spindle and Golgi tendon organs that function to feed back muscle movement information, and their innervation.
  • Muscle spindles are composed of intrafusal muscle fibers wrapped in a capsule, and there are two types: nuclear bag fibers with a swollen center and nuclear fiber with a constant thickness.
  • the afferent nerves that control the muscle spindle are group la and group II.
  • the former spirally wraps around both the nuclear bag fiber and the nuclear fiber (primary terminal), and the latter ends on the surface of the nuclear fiber (secondary terminal).
  • the primary terminal is strongly excited when the muscle length changes significantly (dynamic response) and continues to fire a constant amount when the muscle is kept at a constant length (static response). At the secondary terminal, there is almost no dynamic response.
  • the muscle spindle has efferent innervation. Efferent nerves that contract muscles are called ⁇ -motor neurons, and efferent nerves that contract muscle spindles are called motor neurons. Efferent nerves that contract both the muscle and the muscle spindle are beta motor neurons. In particular, motor neurons regulate the sensitivity of the muscle spindle. r Sensitivity improves when muscle fibers in the weight contract due to input from motor neurons.
  • the afferent nerves that govern the Golgi tendon organs are called group lbs. Both ends of the muscle are attached to the bones as tendons, and the Golgi tendon organs are present in the muscle-tendon junction and tendons. The Golgi tendon in the tendon detects the force applied to the entire muscle.
  • This section summarizes the anatomical structures of the somatic nervous system, especially the spinal nerves, which were clarified in the previous section.
  • the muscles responsible for the whole body movement are structured by the dominant spinal cord.
  • Signals are sent from the anterior horn cells of the spinal cord to the muscle.
  • Feedback signals from the muscle spindle and Golgi tendon organs are sent through the dorsal horn of the spinal cord to the brain and partially to the anterior horn cells.
  • Anterior horn cells have localization in the body.
  • Muscle length, elongation rate, and muscle tension information are bundled for each spinal cord that integrates efferent and afferent signals, affecting the activity of the dominant muscle.
  • muscle movement information during exercise along the array of anterior horn cells it is thought that it can be converted to neural information inherent in the spinal cord.
  • the data structure is defined using the spinal cord of the fifth cervical nerve (C5), which is known to be particularly developed in the spinal cord.
  • FIG. 9 shows an explanatory diagram of classification of muscles governed by the fifth cervical nerve (C5).
  • the muscles controlled by C5 are arranged in order according to the anterior horn cell placement rules.
  • the first column shows nerve numbers; the second column shows muscle positions; the third column shows extensor flexors; and the fourth column shows muscle names (muscle names).
  • the flexors are placed in the first and second quadrants, and the extensors are placed in the third and fourth quadrants, with the origin at the center of the X-y plane.
  • the muscles of the right body are arranged, and in the second and third quadrants, the muscles of the left body are arranged.
  • the absolute values of the X coordinate are arranged in order from the smallest to the largest, and from the one closer to the trunk.
  • One muscle has multiple When composed of muscles, arrange the y-coordinates in order from the smallest absolute value to the larger absolute value from the one closer to the trunk.
  • Fig. 4 shows a space layout diagram for C5 in which squares with a side length of 1 are arranged according to the above rules.
  • Muscles obtained by motion measurement and calculation along the placed grid Place length and speed information.
  • the spinal cord was simply a relay of signal from the brain to the motor organs, and that all control of movement had shifted to the motor center of the brain. It is now known that the spinal cord is not just a relay, but a complex integrated device for regulating motor function. Commands from the brain or sensory signals coming to the anterior horn on the output side are not directly transmitted to motor neurons but reach interneurons. These interneurons directly affect motor neurons, or intervene in reflexes between muscle receptors and motor neurons, acting either inhibitory or facilitating. The spinal cord and brain work together to regulate movements to the senses. 4.Measurement and calculation of spinal nerve information during whole body exercise
  • a moving image obtained when the present invention was implemented was confirmed by experiments.
  • An example of the slashing movement (moving a sword while stepping on one foot and swinging it down diagonally) is shown.
  • FIG. 5 is an explanatory diagram of the sword-slashing operation of swinging the sword down diagonally.
  • Kesagiri is the act of swinging the sword down diagonally from the neck of the robe along the chest, assuming that the person wearing the robe is standing in front. When cutting down from the upper left as seen from the swordsman, it operates in the following procedure.
  • Kesagiri is a typical whole-body cooperative operation and requires skill.
  • Non-Patent Document 1 The musculoskeletal model of the human body (Non-Patent Document 1) is composed of 366 muscles, 91 tendons, 34 ligaments, 56 cartilage, and 53 bone groups. It is.
  • the muscle data governed by the fifth cervical nerve (C5) is extracted from the muscle length and muscle tension data of the whole body. Mapped to neural information. The magnitude of the value was represented by luminance.
  • Fig. 6 shows a diagram (1) of the neural information image of the C5 spinal nerve during every 10 frames during the escalating operation (frame rate is 30 [frame / sec] s The length of the dominant muscle is coded. ).
  • FIG. 9 Mus.SerratusAnterior
  • the front saw muscle (10 in Fig. 9: Mus.SerratusAnterior)
  • the front saw muscle which is placed on the left trunk, is stretched when the sword is thrown diagonally from the lower left to the upper right.
  • Figures 7 and 8 show the neural information images (2) and (3) for every 10 frames in the C5 spinal nerve during the exaggeration operation (frame rate is 30 [frame / sec], and Figure 7 shows , The rate of extension of the dominant muscle is coded, and in Figure 8, the tension of the dominant muscle is coded).
  • FIG. 10 is a schematic configuration diagram showing a connection relationship of the present apparatus.
  • This device includes a motion capture device 10, a motion information calculation device 20, a motion information-nerve information conversion device 30, a presentation device 40, and a storage device 50.
  • the storage device 50 stores three-dimensional positions, movement information, nerve information, and the like.
  • the motion capture device 10 measures the three-dimensional position of a human and stores the three-dimensional position in the storage device 50 (commercially available: VICON, etc.).
  • the motion information calculation device 20 calculates the length and the generated force (motion information) of the motion organ such as the muscular 'tendon' ligament from the measurement results of the motion capture device 10, and stores the motion information in the storage device 50 ( Commercially available: SIM M, etc.).
  • the motor information-nerve information converter 30 converts the motor information obtained by the motor information calculator 20 into nerve information based on the structure-function model of the human nervous system, and stores the nerve information in the storage device 50.
  • the storage device 50 is described as an external device, the storage device 50 may be provided inside each of the devices 10 to 30 and may be configured to exchange information. Further, as the presentation device 40, a display device inside the exercise information-nerve information conversion device 30 may be used.
  • FIG. 11 shows a hardware configuration diagram of the exercise information-neural information conversion device 30. As shown in FIG.
  • This device shows a hardware configuration in the case of off-line spinal cord cross-sectional image display, and includes a display unit 31, an input unit 32, a processing unit (CPU) 33, an interface unit (IF) 34, and a storage unit 35.
  • the storage unit 35 stores the nerve geometry data file 1, nerve feature data file 2, nerve conduction time data file 3, nerve muscle correspondence data file 4, nerve branch data file 5, muscle order data file 6, muscle feature data file 7. Extensor and flexor data file 8, muscle movement data file 9, spinal nerve cross-section coordinate data file 11, and nerve data files 12 to 14.
  • a data file included in the storage unit 35 will be described.
  • FIG. 12 shows an explanatory diagram of the neurogeometric data file 1 (input data or intermediate data).
  • the neurogeometry data stored in the neurogeometry data file 1 includes the nerve number, the corresponding spinal cord name, muscle name, the spinal cord and muscle, and the nerve line name (column) between them. It was a thing.
  • a nerve line name can also define a nerve as a sequence of points.
  • nerve lines have characteristics such as conduction velocity and conduction time, so nerve lines are defined separately from nerve points.
  • the start point name and the end point name are stored for the nerve line name. The start and end points of a nerve line are collectively called nerve points.
  • Table 2 is used in combination with data that maps nerve point names and nerve point coordinates, as shown in Table 3.
  • FIG. 13 shows an explanatory diagram of the neural feature data file 2 (input data).
  • the neural geometric data stored in the neural feature data file 2 is the one in which the peripheral nerve name and the nerve line sequence are stored in correspondence as shown in Table 1, and the one in which the nerve line name and the conduction line are stored as shown in Table 2.
  • the speed is composed of the corresponding stored ones.
  • the conduction velocity includes afferent and efferent nerve conduction velocity.
  • the neural geometric data and the neural feature data are separated from each other. However, this is only an example, and may be appropriately configured without separating. As an example, only the afferent nerve conduction velocity is used here.
  • FIG. 14 shows an explanatory diagram of the nerve conduction time data file 3 (output data).
  • the nerve conduction time data is stored in such a manner that nerve conduction times correspond to nerve numbers.
  • FIG. 15 shows an explanatory diagram of the data file 4 for neuromuscular correspondence (intermediate data).
  • the neuromuscular correspondence data is a pair of the muscle name and information on the spinal nerves (horizontal axis) and peripheral nerves (vertical axis) that control the muscle.
  • the figure shows, as an example, data on neuromuscular correspondence related to the spinal nerve (C8).
  • a part of the whole-body neuromuscular correspondence is shown, but in practice, the whole body can be defined.
  • Such a correspondence table can be created based on a specialized book on anatomy. In addition, it can be obtained by calculation using various information from neurogeometric data. it can.
  • the processing unit 33 can search for a muscle governed by the spinal nerve of interest and a peripheral nerve governing the muscle.
  • FIG. 16 shows an explanatory diagram of the nerve branch data file 5 (input data).
  • Nerve bifurcation data represents the spinal nervous system in a tree structure with the spinal cord as the root and muscles as the leaves.
  • the contact points indicate the via points or start points (spinal cord), the end points (muscles), and the branch points, and the branches indicate the nerve paths.
  • the neural pathway is a branch, but there is also a method of expressing the neural pathway itself as a contact point.
  • FIG. 17 shows an explanatory diagram of the muscle ranking data file 6 (output data).
  • the muscle ranking data is data in which the muscle ranking, information representing muscle characteristics (left and right, extensor flexors, classification of muscle parts), and muscle names are stored in association with each other.
  • a part of the muscles of the whole body is shown, but in practice, the whole body can be defined.
  • FIG. 18 shows an explanatory diagram of the muscle feature data file 7 (input data).
  • Muscle feature data stores information representing muscle features (left and right, classification of extensor flexors, classification of muscle parts) for muscle names.
  • Muscle parts are classified into, for example, the following six: 1) trunk, 2) trunk to limb, 3) limb girdle to limb, 4) upper arm, thigh, 5) forearm, lower leg, 6) hand and leg.
  • Figure 19 shows an illustration of the extensor flexor muscle data file 8 (input data).
  • the extensor / flexor correspondence data is a pair of muscles belonging to the corresponding flexor group and extensor group. It is thought that the corresponding muscles correspond almost at the same site, but just because they are at the same position does not necessarily mean that they are paired. Conversely, there is a case where the response is performed over a plurality of sites. For this reason, the parts included in the extensor-flexors correspondence data are combined together.
  • FIG. 20 is an explanatory diagram of the muscle exercise data file 9 (input data). Muscle movement data includes time and any length of muscle such as muscle length, length change speed, force, force change speed, etc. The information is a pair.
  • the file name is the name of the line, and by specifying the line name, the contents of the file are read into the memory.
  • the temporal change of the muscle length of the biceps is shown.
  • the length may be an absolute value or a value standardized by the length of the initial posture or the standard posture. The same applies to changes in muscle length.
  • FIG. 21 shows an explanatory diagram of the spinal nerve section coordinate data file 11 (output data).
  • the spinal nerve cross-section coordinate data stores the spatial arrangement of nerves in the spinal cord cross-section with respect to the nerve number.
  • the coordinate data on the two-dimensional plane may be in the X-y coordinate system or the r-coordinate system.
  • identification information indicating the position of the spatial arrangement may be used.
  • the following data is also data stored in the storage unit, and indicates an image in which the data is displayed on the display unit.
  • FIG. 22 shows an explanatory diagram of the nerve data file 1 2 (cross-sectional image of the spinal cord) (output data).
  • the neural data is a pair of neural information that transmits a time and an arbitrary point of an arbitrary nerve at a certain time.
  • the nerve arrangement is arranged while maintaining the phase structure of the muscle and the nerve.
  • the nerve information is represented by an image, and the motion is represented as a moving image.
  • nerve information has a time lag from motor information due to nerve conduction velocity.
  • Information from limbs far from the spinal cord arrives late, and information from the trunk near the spinal cord arrives early. For example, there are reports that the cerebrum cancels the time delay and recognizes it. For this reason, the information obtained by arranging the movement information at the time when the movement actually occurs along the nerve arrangement can also be treated as nerve information.
  • FIG. 23 shows an explanatory diagram of another nerve data file 13 (spatiotemporal image 1) (output data).
  • the neural data is a pair of neural information that transmits a time and an arbitrary point of an arbitrary nerve at a certain time.
  • a spatio-temporal image represents the temporal change of this neural information in a still image.
  • the muscle length and the muscle elongation speed are stored for each time and for each position (left, right, trunk, peripheral, etc.).
  • FIG. 24 shows an explanatory diagram of another nerve data file 14 (spatiotemporal image 2) (output data).
  • the figure shows another example of a spatiotemporal image.
  • FIG. 25 is an explanatory diagram of an interface in the case of displaying a spinal cord cross-sectional image.
  • the presentation device 4 or the display unit 31 presents nerve information in an arbitrary spinal cord cross section as a moving image.
  • the cross section can be switched interactively.
  • each data file is merely an example, and an appropriate file configuration can be used as needed.
  • appropriate files such as nerve geometry data, nerve characteristic data, nerve conduction time data, bone marrow nerve cross-sectional coordinate data, etc. may be configured as a file in which appropriate data are combined according to nerve numbers.
  • Each file may be combined or divided as appropriate, such as by providing an appropriate label with an association set, or the included data items may be changed as needed.
  • the output of the nerve data and the like is merely an example, and the display example may be appropriately changed or a plurality of display examples may be displayed.
  • FIG. 26 shows the main flowchart.
  • the processing unit 33 When the processing is started, the processing unit 33 performs initialization (S101). After that, the processing unit 33 executes the nerve conduction time calculation (S103), the muscle rank calculation (S105), and the spatial arrangement calculation of the nerve cross section (S107). Next, the processing unit 33 sets an initial time (S109), executes a conversion process from exercise information to neural information (S111), and presents (displays) the result on the display unit 11 (S110). (S 1 1 3). The processing unit 33 determines whether it is the last time (S115), advances the time by the unit time until the last time (S117), repeats steps S111, S113, and ends the processing. I do. The details of each step will be described later.
  • FIG. 27 is a diagram illustrating the relationship between data.
  • the processing unit 33 can create and store the nerve geometry data (Table 1) of the nerve geometry data file 1 based on the nerve branch data of the nerve branch data file 5.
  • the spinal cord name and muscle name are specified in the input unit and the like, and the processing unit 33 generates nerve geometric data (Table 1) from the nerve branch data by expressing the branches between the contact points representing the names by columns. .
  • the processing unit 33 performs the neural muscle response based on the neural geometry data (Table 1, Table 2, and Table 3) of the neural geometry data file 1 and the neural feature data (Table 1, Table 2) of the neural feature data file 2. It is possible to create and store the data corresponding to the nerve line in the data file 4. In this case, the processing unit 33 generates neuromuscular correspondence data using the nerve line name as a medium among the neural geometry data (Table 1) and the neural feature data (Table 1).
  • FIG. 28 is an explanatory diagram of data conversion by each process.
  • the processing unit 33 reads the neural geometry data (Table 1) of the neural geometry data file 1 and the neural feature data (Tables 1 and 2) of the neural feature data file 2 and, based on these data, calculates the nerve conduction time. The calculation is performed to obtain nerve conduction time data, and the nerve conduction time data file 3 is stored. Similarly, the processing unit 33 transmits the nerve conduction time data of the nerve conduction time data 3, It reads the nerve-correspondence data in the response data file 4, the nerve branch data in the nerve branch data file 5, and the muscle characteristic data in the muscle characteristic data file 7, and based on these data, executes the muscle rank calculation and calculates the muscle rank data. Then, it is stored in the muscle ranking data file 6.
  • the processing unit 33 reads the nerve-neutral-correspondence data of the nerve-neutral-correspondence data file 4, the muscle-rank data of the muscle-rank data file 6, and the extensor-flexors-correspondence data of the extensor flexor-flexors data file 8. Based on this, the spatial arrangement calculation of the nerve cross-section is executed to obtain the spinal cord cross-sectional coordinate data, which is stored in the spinal nerve cross-sectional coordinate data file 11.
  • the processing unit 33 reads the nerve conduction time data of the nerve conduction time data 3, the muscle movement data of the muscle movement data file 9, and the spinal cord cross-section coordinate data of the spinal nerve cross-section coordinate data file 11, and based on these data, based on the movement information, Is converted to neural information to obtain neural data and store it in the neural data file 12-14.
  • the processing unit 33 may input these setting values from another device via the input unit or the I / F, or may read data stored in advance from the storage unit.
  • a spinal cord name that represents a nerve (such as spinal cord) cross section.
  • the spinal cord consists of 31 cervical nerves, 12 thoracic nerves, 12 lumbar nerves, 5 sacral nerves, and 1 coccyx nerve.
  • Select the display format For example, select the data format (cross-section, spatio-temporal, etc.) such as the spatial arrangement to be output, or singular or plural. For example, select the pattern of the nerve data file 12-14.
  • information at a certain time is arranged in a horizontal line, and the time is represented in the vertical direction or vice versa.
  • neural information of a plurality of exercises at the same time or neural information of a single exercise at a plurality of times is arranged in parallel.
  • FIG. 29 shows a flowchart of the nerve conduction time calculation.
  • the processing unit 33 determines whether the nerve geometry data file 1 (Table 1) is used for each nerve number based on the spinal cord name representing the nerve (spine cord or the like) cross section selected in the initial setting S101. Then, a set of a spinal cord name and a muscle name of a dominant muscle such as a spinal nerve and a nerve line name (row) are extracted (S301). One or more columns of nerve line names are included, depending on the nerve. Next, based on the extracted nerve line names (columns), the processing unit 33 obtains the names of the start and end points of the nerve line from the neurogeometric data file 1 (Table 2).
  • each nerve line (row) is calculated by searching the nerve point coordinates from the nerve geometry data file 1 (Table 3) based on (S303).
  • the processing unit 33 calculates the length of each nerve line (row) and the afferent (or efferent) nerve conduction velocity of the nerve feature data read from the nerve feature data file 2 (Table 2) according to each nerve line (row).
  • the conduction time of each nerve line (row) is calculated (S305).
  • the processing unit 33 calculates the nerve signal conduction time of the entire nerve tract from any spinal cord to any muscle represented by one or a plurality of nerve lines (rows) (S307). In this way, the processing unit 33 stores the nerve signal conduction time in the nerve conduction time data 3 corresponding to the nerve number (S309).
  • FIG. 30 shows a flowchart of the muscle ranking calculation.
  • the processing unit 33 classifies the extensor flexor muscles and classifies the muscles, then calculates the rank of the muscles belonging to the same part, and further calculates the rank within the same muscle. This process is necessary to determine the spatial layout.
  • the processing unit 33 controls the spinal cord selected with reference to the neuromuscular correspondence data in the neuromuscular correspondence data file 4 based on the spinal cord name selected in the initial setting S101.
  • the muscle name is determined, the peripheral nerve corresponding to the muscle name is determined, and the muscle name is further classified according to the peripheral nerve (S401).
  • the processing unit 33 further performs, for the classified muscle names, With reference to the muscle feature data in the muscle feature data file 7, a distinction is made between extensor and flexor according to the muscle name and classified (S402).
  • the processing unit 33 refers to the tree-structured nerve branching data of the nerve branching data file 5 and sorts the leaves in the same peripheral nerve from the root (for example, the order close to the root or the order with few intervening contacts).
  • the processing unit 33 sorts the muscle names corresponding to the respective nerve numbers with reference to the nerve conduction time data 3 based on the nerve conduction time in the order of shortest conduction time between different peripheral nerves at the same site ( S405). At this time, for example, between the different peripheral nerves of the same classification, the shortest conduction times are compared, and the shorter peripheral nerve is arranged first. In this way, the processing unit 33 stores the muscle rank data in the muscle rank data file 6 corresponding to the rearranged muscle rank, left and right, extensor muscle, flexor muscle, muscle part number, and muscle name (S409). The processing unit 33 displays the created spinal cord cross-sectional coordinate data on the display unit or outputs the data via the 1F unit as necessary.
  • the muscle order can be determined in order from “deep” to “close to the trunk” using muscle geometric data.
  • a method of determining the muscle order in which the nerve conduction time obtained from the neurogeometric data is determined in ascending order is conceivable.
  • the present invention is not limited thereto, and may be determined in the reverse order, or may be determined in an appropriate predetermined order, such as determining the order using one of the muscle and nerve geometric data.
  • FIG. 31 shows a flowchart of the spatial arrangement calculation of the nerve cross section.
  • FIG. 32 to FIG. 35 are explanatory diagrams showing states of data at the time of spatial arrangement.
  • the processing unit 33 classifies each record (corresponding to a muscle name) into left and right, extensor, flexor, and muscle based on the muscle rank data read from the muscle rank data file 6, and determines a predetermined nerve (spine). It is arranged in the space related to the cross section of the medulla (S503).
  • the space to be arranged may be stored in the storage unit, and may have a different region shape for each nerve (eg, spinal cord) cross section, or may use the same region shape or a plurality of region shapes.
  • cells in which muscle names are arranged are divided into a matrix in a shape simulating spinal gray matter. The spatial arrangement is first shown in Figure 32.
  • the processing unit 33 rearranges and arranges, according to the muscle order, the higher (shorter) muscle order and the lower (longer) muscle order as the distance from the center axis increases. This is almost equivalent to the method of rearranging the muscle classification and muscle arrangement in order from the one closest to the trunk.
  • the processing unit 33 connects the muscle controlling nerves based on the extensor and flexor corresponding data read from the extensor and flexor corresponding data file 8, and rearranges them above (flexor) and below (extensor) (S507). In this way, a plurality of muscles having the same function can be associated with a plurality of muscles having the opposite function. As shown in FIG. 33, when the corresponding muscle group extends over two portions, the muscle groups are overlapped vertically.
  • the processing unit 33 matches the classified muscle innervating nerve group to a predetermined space. That is, the processing unit 33 determines whether the classified muscle innervation nerve group exceeds a preset number N (S509). This is to prevent the height from increasing or decreasing extremely, and the number of N can be determined arbitrarily.
  • the processing unit 33 divides the data into a maximum number smaller than N (S51 1). At this time, divide equally into heights that do not exceed the set height N, and if equal division is not possible, the one with the larger absolute value of the X coordinate is left. If either the extensor or flexor exceeds N, the remaining muscle innervating nerve groups are also divided into the same number.
  • the processing unit 33 when the height is less than the set height N, the processing unit 33 combines the heights that do not exceed the absolute value of the X coordinate in ascending order as shown in FIG. 35 (S513). At this time, they can be combined so that the maximum number is less than N.
  • the flexors and extensors may be connected in correspondence with each other, and may be connected when none of them exceeds N. Further, as shown in FIG. 35, if there is a gap, the processing unit 33 packs the X-axis absolute value in the direction toward the y axis, which is the axis of symmetry, in a direction in which the absolute value decreases (S515).
  • the processing unit 33 creates the spinal cord cross-sectional coordinate data according to the spatial arrangement thus completed, and stores it in the spinal nerve cross-sectional coordinate data file 11 (S517). Further, the processing unit 33 displays the created spinal cord cross-sectional coordinate data on a display unit or outputs the data via the IZF unit as necessary.
  • the spinal cord cross-sectional coordinate data may use identification information for identifying the position of a cell in the spatial arrangement.
  • FIG. 36 shows another embodiment of the flowchart of the spatial arrangement calculation.
  • the processing unit 33 executes the step
  • the processing of S503 to S507 is executed.
  • the processing unit 33 arranges in a flat manner without dividing by the set number N in the spatial arrangement calculation of the nerve cross section. That is, the following sort 1 or 2 processing is executed.
  • the input unit or the like selects one of these two rearrangements, and the processing unit 33 can execute the processing in accordance with the selection. Of course, other methods of determining the priority of the rearrangement can be appropriately adopted.
  • the processing unit 33 performs the process of step S517 as described above.
  • FIG. 37 shows an explanatory diagram of rearrangement 1 for creating a spatiotemporal pattern.
  • the processing unit 33 rearranges the extensors and flexors in the order of the muscle parts while keeping the classification of the extensors and flexors.
  • Fig. 38 is an explanatory diagram of Rearrangement 2 for creating spatiotemporal patterns.
  • the processing unit 33 rearranges the muscles in the order of muscle order, and arranges the extensors and flexors alternately. (Conversion process from motor information to neural information: S 1 1 1)
  • the processing unit 33 advances the time by the unit time, executes the conversion process from the exercise information to the neural information (S111), and presents (displays) the result on the display unit 11 (S113).
  • FIG. 39 shows a flowchart of the conversion from exercise information to neural information.
  • the processing unit 33 extracts the conduction time of the nerve corresponding to each nerve number from the nerve conduction time data read from the nerve conduction time data 3 ( S601).
  • the processing unit 33 obtains a muscle name for each nerve number with reference to the neurogeometric data file 1 according to the motion data set in the initial setting S101, and, for the muscle name,
  • the exercise data of the exercise characteristic set in 9 is read (S603).
  • the processing unit 33 determines whether or not to consider the conduction time delay (S605). When considering the delay, the processing unit 33 extracts data before the conduction time from the requested time, and If there is no data at a certain time, motion data is calculated by interpolation (S607). On the other hand, when the delay is not considered, the processing unit 33 extracts the exercise data at the time determined from the muscle exercise data file 9 (S609).
  • the processing unit 33 maps the motion data to the nerve data using the spinal cord cross-sectional coordinate data read from the spinal cord nerve cross-sectional coordinate data file 11 (S61 1). For example, at the position of the nerve of the nerve number determined by the spinal cord cross-sectional data, the muscle name and the time for each nerve number are used, depending on the value of the muscle movement information determined by the muscle movement data, or the color or color. Give a change.
  • the processing unit 33 stores the nerve data thus completed in the nerve data file 12.
  • Nerve bifurcation data represents the spinal nervous system in a tree structure with the spinal cord as the root and muscles as the leaves.
  • the contact points indicate the via points or start points (spinal cord), the end points (muscles), and the branch points, and the branches indicate the nerve paths.
  • nerves pass through the same point and branch again, or that one muscle is dually controlled by different nerves. Therefore, if the anatomical structure is expressed as it is, it is expressed as a graph having a closed circuit (a plurality of paths to a certain contact point). Therefore, after describing in a graph and converting it to a directed graph, if there is a closed circuit, one contact is written separately for each path and divided.
  • FIG. 40 shows a flowchart of generating nerve branch data.
  • FIGS. 41 to 44 show explanatory diagrams of the neural bifurcation data generation method.
  • the processing unit 33 expresses the path from the spinal cord to the muscle on a graph based on anatomical knowledge (graph expression) (S701). That is, as shown in FIG. 41, only the connection relationship is expressed without considering the direction.
  • the processing unit 33 expresses it as a directed graph from the spinal cord to the muscle (directed graph expression) (S703). That is, as shown in FIG. 42, the branch is an arrow pointing from the spinal cord to the muscle.
  • the processing unit 33 divides the cycle and expresses it in a tree structure with the spinal cord as a root and a muscle as a leaf (tree expression) (S705).
  • FIG. 43 first duplicate the muscle Then, make sure that each branch has one branch.
  • replication is performed in order from the contact point closer to the lobe, so that the spinal cord contact point finally becomes one.
  • the processing unit 33 stores the nerve branch data completed as described above in the nerve branch data file 5 (S707).
  • FIG. 45 is an explanatory diagram showing the relationship between nerves and muscles.
  • the measured value is used for the muscle length information.
  • sensitivity adjustment is actually performed by a motor neuron.
  • a signal of the same intensity is not necessarily transmitted from the muscle spindle to the spinal cord because of the same length or the same extension rate.
  • the obtained image expresses neural information from a motor organ. However, it does not always exactly match the nerve signal strength. Rather, it expresses the information itself obtained by integrating the afferent signal sent from the muscle spindle to the spinal cord and the efferent signal sent from the spinal cord to the muscle. Even so, it can be said that the anatomical topological structure seems to be certain.
  • the motor information-nerve information conversion method or the motor information-nerve information converter 'system of the present invention includes a motor information-nerve information conversion program and a motor information-nerve information conversion program for causing a computer to execute each procedure. It can be provided by a recorded computer-readable recording medium, a program product including an exercise information / nerve information conversion program, which can be loaded into an internal memory of the computer, a computer such as a server including the program, and the like.
  • the present invention it is possible to propose a method of detecting and presenting nerve information from exercise information of muscles and tendons of the whole body. According to the present invention, it is possible to focus on spinal nerves that connect sensation and movement, and model the muscle innervation structure. Further, according to the present invention, based on this, nerve information flowing through the spinal cord during exercise can be visualized as an image obtained by slicing the spinal cord.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Physiology (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

全身の筋や腱などの運動情報から神経情報を検出し提示する。処理部は、処理が開始されると、初期設定を行う(S101)。その後、処理部は神経伝導時間計算(S103)、筋順位計算(S105)、神経断面の空間配置計算(S107)を実行する。つぎに、処理部は、初期時刻を設定し(S109)、運動情報から神経情報への変換処理を実行し(S111)、その結果を表示部に提示(表示)する(S113)。処理部33は、最終時刻か判断し(S115)、最終時刻まで単位時刻分時刻を進めて(S117)、ステップS111、S113を繰り返し、処理を終了する。

Description

明 細 書 運動情報一神経情報変換装置及び方法、運動情報一神経情報変換プログラム及 び該プログラムを記録した記録媒体
技術分野
本発明は、運動情報一神経情報変換装置及び方法、運動情報一神経情報変換プ ログラム及び該プログラムを記録した記録媒体に関する。 背景技術
ヒトは、他人の動作を外から観察して、その人の内部状態をある程度推測すること ができる。例えば、話をよく聞いているかそれともうわの空であるか、緊張しているか あるいはリラックスしているか、といったことがある程度分かる。このような機能を実現 する仕組みを明らかにし、計算機上に実装することができれば、人が考えていること や感じていることを踏まえた上で人に働きかけをするロボットや情報システムを作るこ とができる。現在、脳の大局的な活動状態を非侵襲で計測することが技術的に可能 である。脳の活動に必要なエネルギーを供給する血流の大きさや、神経信号が伝達 する際に生じる磁場を可視化することができる。また、微小な電極を神経に埋め込む ことによって、神経の発火状態を直接検出することも可能である。しかし、脳や神経の 活動状態を明らかにしても、その人が何を考えている力、、何を感じているかが直接分 かるわけではない。むしろ、脳や神経によって制御されている器官、例えば筋の運動 を計測することによって、ヒトの意識的あるいは潜在的な心の状態を知ることができる 可能性がある。
ヒトの動作は、複数の筋が協調することにより生じる。従って、筋一本ずつの運動だ けでな 全身に分布する筋の協調状態によって、動作を評価することができると考え られる。人は緊張するとぎこちない動きをすることがあるが、このぎこちない動きとは、 筋の協調状態が不均衡である結果と捉えることができるからである。ベルンシユタイン は、運動器官が冗長な自由度を有することを指摘し、これを制御可能なシステムへと 転換することを協応と定義した。そして、冗長な自由度を克服するためには、感覚器 官、特に筋や腱、関節に内在する感覚器官からの情報に基づいて運動を調節するこ とが不可欠であるとし、感覚調整の原理と呼んだ。
本発明の目標は、これまで動作の観測により定性的に議論されてきたヒトの感覚と 運動の問題を、計算によって定量的に扱う手法を明らかにすることである。このことを 通じ、人の内部状態に外側から近づくことを目指す。骨の幾何データと筋-腱'靭帯の データを有する身体の詳細なモデルに対して順'逆動力学計算を高速に実行する手 法が提案されている（非特許文献 1 )。身体運動を計測して、筋 '腱'靭帯の長さや、こ れらの運動器官に発生する張力を計算する研究はこれまでも数多く行われてきた。 人体筋骨格モデルの運動を解析したリシミュレ一卜したりするシステムとして、 Delp ら の SIMM、 Rasmussenらの AnyBodyなどが商品化されている。 一般に、視覚、聴覚などに比べ、体性感覚などの力学メディアの知覚情報処理手法 は遅れていることが指摘されている。以下に、身体モデルおよび身体モデルと結合す る神経系モデルに関する従来技術について概観する。
中村らは、骨の幾何データと筋 '腱'靭帯のデータを有する身体の詳細なモデルに 対して順■逆動力学計算を高速に実行する手法を提案している（特許文献 1、 2)。こ の手法により、人間の運動を外から観測して、筋 '腱'靭帯の長さ変化や、これらの運 動器官に発生する張力を計算することができるようになつている。
川人らは、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を提案している（特許文献 3)。 また、長谷らは 3次元筋骨格系と階層的神経系を有する 2足歩行モデル（非特許文 献 2)を、萩原らは実歩行計測データから歩行神経回路網（非特許文献 3)をそれぞれ 提案した。 特許文献 1
^^12003 -339673
特許文献 2
特開 2004-01 3474
特許文献 3
特開平 07— 028592
非特許文献 1
Y. Nakamura et. al. Dynamic computation of musculo - skeletal human model based on efficient algorithm for closed kinematic chains. In Proceedings of the 2nd International Symposium on Adaptive Motion of Animals and Machines^ 2003.
非特許文献 2
長谷和徳、西口純也、山崎信寿 3次元筋骨格系と階層的神経系を有する 2足 歩行モデル バイオメカニズム 1 5—形と動きの探求一、バイオメカニズム学会編、東 大出版会、 pp.187-198、（2000)。
非特許文献 3
萩原直道、山崎信寿 実歩行計測データからの歩行神経回路網の推定 バイオ メカニズム 1 5—形と動きの探求一、バイオメカニズム学会編、東大出版会、 pp.175-186、 (2000)
発明の開示
これら従来の技術は、骨格筋配置を外科的に変更した場合筋力が受ける影響の検 討、製品を人間が用いる際の作業空間の評価といった、医学や人間工学あるいはス ポ一ッ科学への応用を目的としたものである。このため、運動器官に内在する感覚器 官の発生する情報が、神経系を通じて運動器官に到達する経路について、十分に検 討されてこなかった。
上述で概観した従来技術において、中村らのモデルに神経系は含まれていない。ま た、川人らでは、ヒューマンインタフ I—ス装置を実現するために、神経回路を含む非 線形ダイナミクスモデルを仮想身体に結合しているが、神経回路は末梢神経系の構 造を考慮していない。さらに、長谷らの技術については、いずれも神経筋骨格系モデ ルを提案するものであるが、筋肉を直接支配するひ運動ニューロンと筋肉とが一対一 に直結しており、複数の脊髄から同一の筋肉へ結合する冗長構造が考慮されていな し、。そして、一つの神経束から複数の筋肉へ結合する分岐構造などは考慮されてい ない。このため、同一の神経に支配される筋群、あるいば、同一脊髄神経に支配され る筋群といった概念が、モデルに含まれていない。 一般に、筋 '腱'靭帯を含む運動器官やその他の器官と中枢神経系（脳）とは、末梢 神経系を介して結合している。この末梢神経系は、冗長な分岐構造を有する。機構的 あるいは機能的に近い器官と結合する神経同士束ねられて太い神経になっている。 また、機構的あるいは機能的に関連のある器官と結合する神経が同一脊髄から結合 している。従来技術はこのような解剖学的構造を考慮に入れてこなかったため、次の ような課題があった。
'神経支配による器官同士の機構的あるいは機能的関係を扱うことができない ，運動神経が発生する物理的な量（客観的な量）から、人間がどのように感じているか という感覚的な量を検出することができない
これは、人間の脳が運動器官からどのような信号を受け取り、どのように処理するか という観点が欠けていたことに起因していると考えられる。
本発明は、以上の点に鑑み、全身の筋や腱などの運動情報から神経情報を検出し 提示する手法を提供することを目的とする。本発明は、感覚と運動とをつなぐ脊髄神 経に注目し、その筋支配構造をモデル化することを目的とする。また、本発明は、これ に基づいて、運動時に脊髄を流れる神経情報を、脊髄を輪切りにした画像として可視 化することを目的とする。 本発明の第 1の解決手段によると、
神経番号、脊髄名、筋名、脊髄と筋肉との間の神経線名または神経線名列を対応 して記憶した表と、且つ、神経線名の始点と終点の座標を対応して記憶した表を含む 神経幾何データファイルと、
末梢神経名と神経線名または神経線名列とを対応して記憶し、神経線名と伝導速 度を対応して記憶する神経特徴データファイルと、
神経番号に対し神経伝導時間を記憶した神経伝導時間データファイルと、 筋名に対して、筋を支配する脊髄名と末梢神経名を対応して記憶した神経一筋対 応データファイルと、
脊髄神経系を、脊髄を根とし、筋を葉とする木構造で表現した神経分岐デ一タフアイ ルと、
筋順位に対して、左右'伸筋屈筋の別 ·筋部位の分類を含む筋の特徴を表す情報と を対応して記憶した筋順位データファイルと、
筋名と、左右'伸筋屈筋の別 ·筋部位の分類を含む筋の特徴を表す情報を対応して 記憶した筋特徴データファイルと、
対応する屈筋群と伸筋群に属する筋名を記憶した伸筋一屈筋対応データファイル と、
時刻に対する筋運動情報を記憶した筋運動データファイルと、
神経番号に対し、脊髄断面における神経の空間配置を記憶した脊髄神経断面座標 データファイルと、
各前記ファイルに対して読出し及び 又は書き込みを行い、神経の空間配置又は 時空間配置を求め、運動情報から神経情報に変換するための処理部と
を備え、 処理部は、入力部又は他の装置から、神経断面を表す脊髄名、運動データ、表示 形式を設定する手段と、
処理部は、神経幾何データファイルから、設定された脊髄名に基づき、各神経番号 について、脊髄名、脊髄神経を支配する筋名、ひとつ又は複数の神経線名を抽出す る手段と、
処理部は、抽出した神経線名に基づき、神経幾何データファイルを参照して、神経 線の始点名と終点名を求め、始点名及び終点名の座標を検索することにより、各神 経線名の神経線の長さを計算する手段と、
処理部は、計算された各神経線の長さと、神経線名に従い神経特徴データファイル から読み出した神経伝導速度に基づき、ひとつ又は複数め神経線で表された任意の 脊髄から任意の筋までの神経路の神経信号伝導時間を計算する手段と、
処理部は、神経番号に対応して神経信号伝導時間を神経伝導時間データに記憶 する手段と、
処理部は、設定された脊髄名に基づき、神経一筋対応データファイルを参照して該 脊髄名の脊髄を支配する筋名と末梢神経を抽出してデータを形成し、形成したデータ を末梢神経により分類する手段と、
処理部は、筋特徴データファイルを参照して、各データの筋名に対する左右，伸筋 屈筋の别'筋部位分類を求め、各データを伸筋 '屈筋で分類する手段と、
処理部は、神経分岐データファイルを参照して、各データを同一末梢神経内で木構 造の根元から分岐する葉順に並び替える手段と、
処理部は、各データの筋名により神経幾何データファイルから神経番号を求め、神 経番号により神経伝導時間データを参照して神経伝導時間を求めて、各データを同 一部位の異なる末梢神経間で伝導時間が短い順に並び替える手段と、
処理部は、筋順位、左右、伸筋，屈筋、筋部位分類を対応して筋順位データフアイ ルに記憶する手段と、
処理部は、筋順位データファイルから読み出した各筋を、左右、伸筋'屈筋、筋部位 分類に基づき分類し、筋順位に従い、中心軸から離れるにつれて筋順位の高いもの から低いものを並べ、設定された表示形式により予め定められた神経断面又は時空 間に配置する手段と、
処理部は、神経断面又は時空間配置に従い、各神経番号に対する配置を表す脊 髄断面座標データを作成し、脊髄神経断面座標データファイルに記憶する手段と を備えた運動情報一神経情報変換装置が提供される。 本発明の第 2の解決手段によると、
神経番号、脊髄名、筋名、脊髄と筋肉との間の神経線名または神経線名列を対応 して記憶した表と、且つ、神経線名の始点と終点の座標を対応して記憶した表を含む 神経幾何データファイルと、
末梢神経名と神経線名または神経線名列とを対応して記憶し、神経線名と伝導速 度を対応して記憶する神経特徴データファイルと、
神経番号に対し神経伝導時間を記憶した神経伝導時間データファイルと、 筋名に対して、筋を支配する脊髄名と末梢神経名を対応して記憶した神経一筋対 応データファイルと、
脊髄神経系を、脊髄を根とし、筋を葉とする木構造で表現した神経分岐データフアイ ルと、
筋順位に対して、左右 ·伸筋屈筋の別'筋部位の分類を含む筋の特徴を表す情報と を対応して記憶した筋順位データファイルと、
筋名と、左右'伸筋屈筋の别'筋部位の分類を含む筋の特徴を表す情報を対応して 記憶した筋特徴データファイルと、
対応する屈筋群と伸筋群に属する筋名を記憶した伸筋一屈筋対応データファイル 時刻に対する筋運動情報を記憶した筋運動データファイルと、
神経番号に対し、脊髄断面における神経の空間配置を記憶した脊髄神経断面座標 データファイルと、
各前記ファイルに対して読出し及び 又は書き込みを行い、神経の空間配置又は 時空間配置を求め、運動情報から神経情報に変換するための処理部と
を備えた運動情報一神経情報変換装置における運動情報一神経情報変換プログラ ムを記録したコンピュータ読み取り可能な記録媒体であって、
処理部は、入力部又は他の装置から、神経断面を表す脊髄名、運動データ、表示 形式を設定するステップと、
処理部は、神経幾何データファイルから、設定された脊髄名に基づき、各神経番号 について、脊髄名、脊髄神経を支配する筋名、ひとつ又は複数の神経線名を抽出す るステップと、
処理部は、抽出した神経線名に基づき、神経幾何データファイルを参照して、神経 線の始点名と終点名を求め、始点名及び終点名の座標を検索することにより、各神 経線名の神経線の長さを計算するステップと、
処理部は、計算された各神経線の長さと、神経線名に従い神経特徴データファイル から読み出した神経伝導速度に基づき、ひとつ又は複数の神経線で表された任意の 脊髄から任意の筋までの神経路の神経信号伝導時間を計算するステップと、 処理部は、神経番号に対応して神経信号伝導時間を神経伝導時間データに記憶 するステップと、
処理部は、設定された脊髄名に基づき、神経一筋対応データファイルを参照して該 脊髄名の脊髄を支配する筋名と末梢神経を抽出してデータを形成し、形成したデータ を末梢神経により分類するステップと、
処理部は、筋特徴データファイルを参照して、各データの筋名に対する左右'伸筋 屈筋の別 ·筋部位分類を求め、各データを伸筋'屈筋で分類するステップと、
処理部は、神経分岐データファイルを参照して、各データを同一末梢神経内で木構 造の根元から分岐する葉順に並び替えるステップと、
処理部は、各データの筋名により神経幾何データファイルから神経番号を求め、神 経番号により神経伝導時間データを参照して神経伝導時間を求めて、各データを同 一部位の異なる末梢神経間で伝導時間が短い順に並び替えるステップと、
処理部は、筋順位、左右、伸筋 '屈筋、筋部位分類を対応して筋順位データフアイ ルに記憶するステップと、
処理部は、筋順位データファイルから読み出した各筋を、左右、伸筋'屈筋、筋部位 分類に基づき分類し、筋順位に従い、中心軸から離れるにつれて筋順位の高いもの から低いものを並べ、設定された表示形式により予め定められた神経断面又は時空 間に配置するステップと、
処理部は、神経断面又は時空間配置に従い、各神経番号に対する配置を表す脊 髄断面座標データを作成し、脊髄神経断面座標データファイルに記憶するステップ を含む運動情報一神経情報変換方法、各ステップをコンピュータに実行させるための 運動情報一神経情報変換プログラムを記録したコンピュータ読み取り可能な記録媒 体が提供される。 図面の簡単な説明
図 1は、脳と脊髄で構成されるヒトの中枢神経系の図。
図 2は、脊髄断面と反射経路の説明図。
図 3は、脊髄灰白質の断面と前角の体性局在の説明図。
図 4は、 C5についての空間配置図。
図 5は、対角に剣を振り下ろす袈裟斬り動作の説明図。
図 6は、袈裟斬り動作時の C5脊髄神経における 10 フレーム毎の神経情報画像の 図（1 )。
図 7は、袈裟斬り動作時の C5脊髄神経における 10 フレーム毎の神経情報画像の 図（2)。
図 8は、袈裟斬り動作時の C5脊髄神経における 10 フレーム毎の神経情報画像の 図（3)。
図 9は、第五頸神経（C5)に支配される筋肉の分類の説明図。
図 10は、本装置の接続関係を示す概略構成図。
図 11は、運動情報一神経情報変換装置 30のハード構成図。
図 12は、神経幾何データファイル 1 (入力データ又は中間データ）の説明図。 図 13は、神経特徴データファイル 2(入力データ）の説明図。
図 14は、神経伝導時間データファイル 3(出力データ）の説明図。
図 15は、神経一筋対応データファイル 4(中間データ）の説明図。
図 16は、神経分岐データファイル 5(入力データ）の説明図。
図 17は、筋順位データファイル 6(出力データ）の説明図。
図 18は、筋特徴データファイル 7(入力データ）の説明図。
図 19は、伸筋一屈筋対応データファイル 8(入力データ）の説明図。
図 20は、筋運動データファイル 9(入力データ）の説明図。
図 21は、脊髄神経断面座標データファイル 11 (出力データ）の説明図。
図 22は、神経データファイル 12(脊髄断面画像）（出力データ）の説明図。 図 23は、他の神経データファイル 13(時空間画像 1) (出力データ）の説明図, 図 24は、他の神経データファイル 14(時空間画像 2) (出力データ）の説明図, 図 25は、脊髄断面画像表示の場合のインタフェースの説明図。
図 26は、メインフローチャート。
図 27は、データ間の関係についての説明図。
図 28は、各処理によるデータ変換についての説明図。
図 29は、神経伝導時間計算のフローチャート。
図 30は、筋順位計算のフローチャート。
図 31は、神経断面の空間配置計算のフローチャート。
図 32は、空間配置時のデータの様子を示す説明図。
図 33は、空間配置時のデータの様子を示す説明図。 図 34は、空間配置時のデータの様子を示す説明図 9
図 35は、空間配置時のデータの様子を示す説明図。
図 36は、空間配置計算のフローチャートの他の実施の形態。
図 37は、時空間パターン作成のための並べ替え 1の説明図。
図 38は、時空間パターン作成のための並べ替え 2の説明図。
図 39は、運動情報から神経情報への変換のフローチャート。
図 40は、神経分岐データ生成フローチャート。
図 41は、神経分岐データ生成法の説明図。
図 42は、神経分岐データ生成法の説明図。
図 43は、神経分岐データ生成法の説明図。
図 44は、神経分岐データ生成法の説明図。
図 45は、神経と筋の関係についての説明図。
発明を実施するための最良の形態
A.脊髄（体性）神経系の筋支配モデルについて
1 . 脊髄の解剖学的構造
神経系は機能的に、体性神経系と自律神経系とに分類される。体性神経系は、意 識的な知覚、随意運動および情報の集成を行っている。自律神経系の主な役割は、 外界の変化に応じて生体の内部環境を恒常的に維持し、器官の働きを調節すること である。本発明では、体の動きを司る体性神経系に着目する。
1 . 1 脊髄神経系
図 1に、脳と脊髄で構成されるヒ卜の中枢神経系の図を示す。
神経系は解剖学的に、中枢神経系と末梢神経系とで構成される。一般に中枢神経 系というと脳を思い浮かべる。実際には、脳と脊髄とをあわせて中枢神経系という。一 方、末梢神経系は、脳から直接器官に結合する脳神経と、脊髄から発して器官に結 合する脊髄神経とで構成される。神経毎に支配する器官が異なるため、器官は支配 する神経によって分類することができる。人では 31対の脊髄神経が数えられ、頸神 経 (C) 8対、胸神経 (T) 1 2対、腰神経（L) 5対、仙骨神経（S) 5対、尾骨神経 (Coc) 1対で構成される。これらの神経は脊椎骨の隙間を通って脊椎骨の外に出る。本発 明では、全身の骨格筋の大部分を支配する脊髄の構造に着目する。
1 . 2 脊髄断面の構造と反射
図 2に、脊髄断面と反射経路の説明図を示す。
脊髄を断面で見ると、蝶の形をした灰白質とこれを囲む白質とが観察される（図 2、 上部）。白質は脳と脊髄とをつなぐ神経の通り道となっている。灰白質は末梢神経と 中枢神経との接合部分である。灰白質は後角と前角に区別される。後角は求心性、 即ち感覚性のニューロンを含み、前角は遠心性、即ち運動性のニューロンを含む。求 心性神経を通って知覚の興奮は後角細胞に伝えられ、これらの細胞から脳へ興奮が 伝わる。この興奮は前角にある運動性ニューロンにも伝えられ、筋の運動を引き起こ す。後者のように誘発された筋反応はよく知られたように反射と呼ばれる。例えば筋 は一時的に伸長されると瞬間的な収縮が起こる。これを伸長反射と呼び、ある高さの 脊髄において少数のニューロンを介して行われる。ここで筋の伸長を感知するのは筋 紡錘である。筋紡錘は筋線維と平行して並んでおり、筋の長さと伸長の速度について の情報を、求心性神経を介して脊髄に送る。
1 . 3 脊髄の体性局在
図 3に、脊髄灰白質の断面と前角の体性局在の説明図を示す。
運動器官に指令を送る灰白質の前角には、体の部位に応じた構成即ち体性局在 が見られる。前角内側から外側に向かって 1 )体幹、 2)体幹〜四肢、 3)肢帯〜四肢、 4)上腕、大腿、 5)前腕、下腿、 6)手および足の筋を支配するニューロンが配列して おり、近位支配のニューロンが内側に、遠位支配のニューロンが外側に並ぶとされて いる。さらに、前角の背側には屈筋群支配ニューロン、腹側には伸筋支配ニューロン が配列する。 2. 運動感覚器官と支配神経
筋の伸長を感知するのは筋紡錘である。筋紡錘は筋繊維（錘外筋線維）と平行して 並んでいる。筋が発生する力を感知するのはゴルジ腱器官である。この他の運動感 覚器官として、関節にかかる力に応答する関節受容器や、筋と関節の痛みに応答す る侵害受容器などがある。ここでは、筋運動情報をフィードバックする働きをもってい る筋紡錘とゴルジ腱器官、およびその神経支配について述べる。
2. 1 筋紡錘
筋紡錘は皮膜に包まれた錘内筋線維で構成され、中央がふくらんだ核袋線維と太 さが一定な核鎖線維の二種類がある。筋紡錘を支配する求心性神経は、 group la と group IIがある。前者は核袋線維と核鎖線維の両方にらせん状に巻きついておリ（一 次終末）、後者は核鎖線維の表面に付着して（二次終末）それぞれ終わっている。一 次終末は筋の長さが大きく変化する時に強く興奮し（動的反応）、筋が一定の長さに 保たれる時に一定の発射を続ける（静的反応）。二次終末では動的反応はほとんど 見られない。
一方、筋紡錘には遠心性の神経支配がある。筋を収縮させる遠心性神経は αモー タニューロン、筋紡錘を収縮させる遠心性神経は モータニューロンと呼ばれる。筋と 筋紡錘の両方を収縮させる遠心性神経は、 βモータニューロンである。特に モータ ニューロンは、筋紡錘の感度調節を行う。 rモータニューロンからの入力により錘内 筋線維が収縮すると、感度が向上する。
求心性神経（group la. group II)と遠心性神経（ひ、 β、 rモータニューロン）を伝う信 号を統合することで、筋長と伸長速度の情報が脊髄において得られることが分かる。 2. 2 ゴルジ腱器官
ゴルジ腱器官を支配する求心性神経は group lb と呼ばれる。筋の両端は腱となつ て骨に付着しており、筋と腱の接合部および腱の中にゴルジ腱器官が存在する。この うち、腱の中にあるゴルジ腱器官は筋全体にかかる力を検出する。
3. 運動情報から体性神経情報への写像
前節までに明らかになった、体性神経系、中でも脊髄神経を中心とする解剖学的構 造についてまとめる。
1 .全身運動をつかさどる筋は、支配する脊髄によって構造化されている。
2.脊髄の前角細胞から筋へ信号が送られる。筋紡錘およびゴルジ腱器官からのフィ ードバック信号は、脊髄の後角を通リー部は脳へ、一部は前角細胞へ送られる。
3.前角細胞には体部位局在が見られる。
筋長、筋伸長速度及び筋張力情報は、遠心性信号と求心性信号を統合する脊髄 毎に束ねられ、支配筋の活動に影響を与える。運動中の筋運動情報を前角細胞の 配列に沿って配置することで、脊髄に内在する神経情報に変換することができると考 えられる。脊髄の中でも特に発達していることが知られている、第五頸神経（C5)部 分の脊髄を例に取ってデータ構造を定義する。
図 9に、第五頸神経（C5)に支配される筋肉の分類の説明図を示す。
この図は、 C5が支配する筋を、前角細胞の配置ルールに従って順に並べたもので ある。図中、第一列は神経番号；第二列は筋肉の位置；第三列は伸筋屈筋の別；第 四列は筋の名前（筋名）を表す。
そこでこれを二次元に展開する方法について述べる。 X— y平面において原点を中 心に第一、第二象限には屈筋を、第三、第四象限には伸筋を配置する。第一、第四 象限には右半身の、第二、第三象限には左半身の筋を配置する。 X座標の絶対値が 小さい方から大きい方に向かって体幹に近い方から順に並べる。一つの筋が複数の 筋で構成される場合は、 y座標の絶対値が小さい方から大きい方に向かって体幹に 近い方から順に並べる。
図 4に、以上のルールに従って一辺の長さ 1の升目を配置した、 C5についての空間 配置図を示す。（C5脊髄神経の体性局在における 10フレーム毎の神経情報画像：フ レームレートは 30[frame/Sec]である。）配置した升目に沿って、運動計測と計算によ つて得られた筋の長さ及び速度の情報を配置する。これまで述べた手順によって、運 動情報から神経情報への写像を行うことができる。
従来、筋の制御系については、レンシヨウ細胞と運動単位を有するモデルや歩行制 御モデル、小脳のモデルなどが提案されてきたが、脳神経系と筋骨格系の間をつなぐ 脊髄レベルでの情報の分節構造や位相構造は考慮されてこなかった。本発明で提案 した手法は、解剖学的構造を活用して感覚情報のデータ構造を定義することで、身体 の内側から見た身体運動に迫ろうとするものである。イメージトレーニングにおいて、 脳が実際に想起している運動指令、それにより得られる感覚信号のイメージを具体的 に得る手がかりとなると考えられる。運動を行うとき、その運動により得られる感覚信 号をあらかじめ想起する遠心性コピーが、運動指令と共に送られると考えられている。 本実験で得られたイメージは、この遠心性コピーを形成する基となるイメージ列である と考えられる。
ベルンシユタインは、脊髄は脳から運動器官への信号伝達の単なる中継器であり、 運動の制御はすべて脳の運動中枢へ移行したと述べた。現在では、脊髄は単なる中 継器ではなく、運動機能を調整するための複雑な統合装置であることが知られている。 出力側である前角へ来ている脳からの指令、あるいは感覚信号は、直接運動ニュー ロンには伝えられず、介在ニューロンに届く。この介在ニューロンは運動ニューロンに 直接影響を及ぼしたり、あるいは筋受容器と運動ニューロンの間で行われる反射に 介入して、抑制的または促進的に働いたりする。脊髄と脳が協調して、感覚に対する 運動の調節に当たっているのである。 4.全身運動時脊髄神経情報の計測と計算
本発明を実施した際に得られる動画像を実験により確かめた。袈裟斬り動作（足を 一歩踏み込みながら剣を振りかぶり、斜めに大きく振り下ろす動作）について例示す る。
4. 1 袈裟斬り動作
図 5に、対角に剣を振り下ろす袈裟斬り動作の説明図を示す。
袈裟斬りは、正面に袈裟を着た人間が立っていると仮定して、袈裟の襟首から胸元 に沿って剣を斜め下に振り下ろす動作である。剣士から見て左上からお下に斬る場 合、以下のような手順で動作する。
1 .視線は常に正面を向き、剣の根元は常に正中線の正面に位置するよう保つ。右 足を前、左足を後ろに、剣を左斜め前に構える（図 5 (a) )。
2.剣を右上に振り上げ、頭上を素早く通過させ、剣先を左上まで移動させる。この時、 両足を踏みかえる （その場で斬る場合)（図 5 (b)—（d) )。
3.剣を左上から右下へ真直ぐに、正面で速度が大きくなるよう振り下ろす（図 5 (d)— (f) )。この時、肩の力をできるだけ抜いて剣に働く重力で剣先を加速させる。
4.剣がお下まで到達したら、剣を素早く静止する。静止した時、左足は前、右足は後 ろに位置している（図 5 (0 )。
以上のように、袈裟斬りは典型的な全身協調動作であり、習熟を要する。
4. 2 動作計測と筋運動情報の計算
光学式モーションキヤプチヤシステムを用いて袈裟斬り動作中における全身に配置 したマーカの三次元位置を計測した。逆運動学計算により人体筋骨格モデルの関節 角 ·筋長を、逆動力学計算により筋張力をそれぞれ求め、 33 [msec]毎の時系列デ —タを得た。筋長は直立姿勢時の長さで割り、正規化した。人体の筋骨格モデル（非 特許文献 1 )は、 366の筋、 91の腱、 34の靭帯、 56の軟骨、 53の骨群から構成さ れる。
4. 3 脊髄神経情報の計算
全身の筋長および筋張力データの中から、第五頸神経（C5)が支配する筋のデー タを抽出し、長さについては直立姿勢の筋長で正規化した上で、前節の方法で神経 情報に写像した。値の大きさは輝度で表現した。
図 6に、袈裟斬り動作時の C5脊髄神経における 10 フレーム毎の神経情報画像の 図（1 )を示す（フレームレ一トは 30[frame/sec] s支配筋の長さがコード化されてい る）。
この図は、袈裟斬り動作時に支配筋から C5部分の脊髄へフィードバックされる筋長 を表す脊髄神経情報パターンの変化を示す。 C5は主として上半身の筋、特に胸部と 肩と上腕を支配する。いずれも、袈裟斬り動作時にダイナミックに伸縮する部分であ る。左斜め下方から右斜め上方に剣を振りかぶる際、左側の体幹に配置する前鋸筋 (図 9の 10: Mus.SerratusAnterior)が引き伸ばされる。このため、中心座標が（x, y) = ( -0. 5, 0. 5)の領域の輝度が高かった（40 [frame] )。剣を振りかぶった状態で頭 上を通過し、左斜め上方から振り下ろす際、右側の同筋が引き伸ばされるため、中心 座標が（X, y) = (0. 5, 0. 5)の領域の輝度が高くなつた（60 [frame] )。
図 7及び図 8に、それぞれ、袈裟斬り動作時の C5脊髄神経における 10フレーム毎 の神経情報画像の図（2)及び（3)を示す（フレームレー卜は 30[frame/sec]、図 7は、 支配筋の伸長速度がコード化されており、図 8は、支配筋の張力がコード化されてい る）。
図示のように、筋伸長速度、筋張力についても同様に、 C5部分の脊髄に内在する 神経情報の分布を表す画像列が得られた。図 6から 8は袈裟斬り動作を例として取り 上げたものであり、そのほかの動作についても適用可能である。
B.運動情報一神経情報変換装置 1 .ハードウ 1ァ
図 1 0は、本装置の接続関係を示す概略構成図である。
本装置は、モーションキヤプチャ装置 1 0、運動情報計算装置 20、運動情報一神経 情報変換装置 30、提示装置 40、記憶装置 50を備える。記憶装置 50には、三次元 位置、運動情報、神経情報等が記憶される。
モーションキヤプチャ装置 1 0は、人間の三次元位置を計測し、三次元位置を記憶 装置 50に記憶する（市販： VICONなど）。運動情報計算装置 20は、モーションキヤプ チヤ装置 1 0の計測結果から筋 '腱'靭帯等運動器官の長さ及び発生力（運動情報） を計算し、運動情報を記憶装置 50に記憶する（市販： SIM Mなど）。運動情報一神経 情報変換装置 30は、人間の神経系の構造機能モデルに基づいて、運動情報計算装 置 20で得られる運動情報を神経情報に変換し、神経情報を記憶装置 50に記憶する。 記憶装置 50は、外部装置として記載しているが、各装置 1 0〜30の内部に備えて、 各情報を受け渡しする構成としてもよい。また、提示装置 40は、運動情報一神経情 報変換装置 30の内部の表示装置を用いてもよい。
なお、図中、実線はオンライン、点線はオフラインによる処理をそれぞれ示すが、適 宜オンライン又はオフラインの処理に変更することができる。 図 1 1に、運動情報一神経情報変換装置 30のハード構成図を示す。
この装置は例えば、オフライン'脊髄断面画像表示の場合のハード構成を示し、表 示部 31、入力部 32、処理部（CPU) 33、インタフェース部（I F) 34、記憶部 35を備 える。
記憶部 35は、神経幾何データファイル 1、神経特徴データファイル 2、神経伝導時 間データファイル 3、神経一筋対応データファイル 4、神経分岐データファイル 5、筋順 位データファイル 6、筋特徴データファイル 7、伸筋一屈筋対応データファイル 8、筋運 動データファイル 9、脊髄神経断面座標データファイル 1 1、神経データファイル 1 2〜 1 4を含む。 以下に、記憶部 35に含まれるデータファイルについて説明する。
図 1 2に、神経幾何データファイル 1 (入力データ又は中間データ）の説明図を示す。 表 1で示すように、神経幾何データファイル 1が記憶する神経幾何データは、神経番 号、対応する脊髄名、筋名、脊髄と筋肉とこの間の神経線名（列）が対応して記憶さ れたものである。神経線名は、点列として神経を定義することも可能である。なお、神 経線は伝導速度や伝導時間など特性を持っため、神経線を神経点とは別に定義す る。表 2では、神経線名に対して、始点名と終点名が記憶される。神経線の始点、終 点を総称して神経点と呼ぶ。表 2は、表 3で示すような、神経点名と神経点座標を対 応づけるデータと組み合わせて用いられる。 図 1 3に、神経特徴データファイル 2 (入力データ）の説明図を示す。
神経特徴データファイル 2が記憶する神経幾何データは、表 1に示すように、末梢神 経名と神経線列が対応して記憶されたものと、表 2に示すように、神経線名と伝導速 度が、対応して記憶されたもので構成される。伝導速度としては、求心性と遠心性の 神経伝導速度がある。なお、この例では、神経幾何データと神経特徴データを分離し て構成したが、一例にすぎず分離しないで適宜構成してもよい。また、一例として、こ こでは求心性神経伝導速度のみ用いる。
図 1 4に、神経伝導時間データファイル 3 (出力データ)の説明図を示す。
神経伝導時間データは、神経番号に対し、神経伝導時間が対応して記憶されたも のである。
図 1 5に、神経一筋対応データファイル 4 (中間データ）の説明図を示す。
神経一筋対応データは、筋名と、筋を支配する脊髄神経 (横軸）と末梢神経（縦軸） の情報が対になったものである。図には、一例として、脊髄神経（C8)関連の神経一 筋対応データを示す。ここでは、全身の神経一筋対応のうち一部を示すが、実際には 全身について定義することができる。このような対応表は解剖学の専門書に基づいて 作成することができる。また、神経幾何データから各情報を用いて計算で求めることも できる。処理部 33は、このデータを用いて、注目する脊髄神経が支配する筋と、その 筋を支配する末梢神経とを検索することができる。例えば、脊髄神経 C8に注目する 場合、筋の検索は縦矢印に対応して尺側手根屈筋が求められ、末梢神経の検索は 横矢印に対応して尺骨神経が求められる。 図 1 6に、神経分岐データファイル 5 (入力データ）の説明図を示す。
神経分岐データは、脊髄神経系を、脊髄を根とし、筋を葉とする木構造で表現したも のである。接点は神経経由点または始点（脊髄）、終点（筋）、分岐点を、枝は神経経 路を表す。なお、ここでは神経経路を枝としているが、神経経路自体も接点と表現す る方法もある。
図 1 7に、筋順位データファイル 6 (出力データ）の説明図を示す。
筋順位データは、筋順位、筋の特徴を表す情報（左右、伸筋屈筋の別、筋部位の分 類）、筋名とを対応して記憶したものである。ここでは、全身の筋のうち一部を示すが、 実際には全身について定義することができる。
図 1 8に、筋特徴データファイル 7 (入力データ）の説明図を示す。
筋特徴データは、筋名に対して、筋の特徴を表す情報（左右、伸筋屈筋の別、筋部 位の分類）を記憶したものである。ここでは、全身の筋のうち一部を示すが、実際には 全身について定義することができる。筋部位は、例えば、次の 6つに分類される： 1 )体 幹， 2)体幹〜四肢， 3)肢帯〜四肢， 4)上腕，大腿， 5)前腕，下腿， 6)手および足。 図 1 9に、伸筋一屈筋対応データファイル 8 (入力データ）の説明図を示す。
伸筋一屈筋対応データは、対応する屈筋群と伸筋群に属する筋名が対になったも のである。対応する筋肉は、ほぼ同一部位同士で対応すると考えられるが、同一部 位だからと言って対になるとは限らなし、。逆に、複数の部位にまたがって対応する場 合もある。このため、伸筋一屈筋対応データに含まれる部位ごとまとめて結合する。 図 20に、筋運動データファイル 9 (入力データ）の説明図を示す。 筋運動データは、時刻と、ある時刻における任意の.筋の長さ、長さ変化速度、力、 力変化速度等の筋長'筋長変化 '筋張力のいずれか又は複数についての筋運動情 報が対になったものである。同一ファイルに複数の情報（力と長さ）を配置したり、複 数の筋の情報を配置する形式や、ある時刻における複数の情報を一つにまとめる形 式も考えられる。ここでは、ファイル名が筋の名前となっており、筋の名前を指定する ことでファイルの内容がメモリに読み込まれる。図では、一例として、上腕二頭筋の筋 長の時間変化を示している。また、長さは絶対値の場合と、初期姿勢や標準姿勢の 長さで規格化した値の場合とがある。筋長変化についても同様である。
図 21、脊髄神経断面座標データファイル 1 1 (出力データ）の説明図を示す。
脊髄神経断面座標データは、神経番号に対し、脊髄断面における神経の空間配置 を記憶したものである。また、 2次元平面上の座標データは、 X— y座標系でも r一 Θ座 標系でもよい。さらに、座標データの代わりに、空間配置の位置を示す識別情報を用 いてもよい。
以下のデータは、記憶部に記憶されるデータでもあり、そのデータが表示部に表示 された画像も示す。
図 22に、神経データファイル 1 2 (脊髄断面画像）（出力データ）の説明図を示す。 神経データは、時刻と、ある時刻における任意の神経の任意の点を伝達する神経 情報が対になったものである。特に、脊髄断面において、神経配置は筋と神経の位 相構造を保って配置されている。神経情報は、画像で表すものであり、運動が動画像 として表現される。また、一般に、神経の伝導速度により、神経情報は運動情報から 時間遅れがある。脊髄から遠い手足からの情報は遅く、脊髄から近い体幹からの情 報は早く到達する。例えば、大脳では時間遅れをキャンセルして認知しているという報 告もある。このため、実際に運動が生起した時刻の運動情報を神経配置に沿って配 置したものも神経情報として扱うことができる。
図 23に、他の神経データファイル 1 3 (時空間画像 1 ) (出力データ）の説明図を示 す。 神経データは、時刻と、ある時刻における任意の神経の任意の点を伝達する神経 情報が対になったものである。この神経情報の時間的変化を静止画像で表すのが時 空間画像である。この例では、脊髄神経及び末梢神経について、筋長および筋伸長 速度が時刻毎に且つ位置（左右、体幹、末梢等）毎に記憶される。
図 24に、他の神経データファイル 1 4 (時空間画像 2) (出力データ）の説明図を示 す。
図には、時空間画像のその他の例を示す。
図 25に、脊髄断面画像表示の場合のインタフェースの説明図を示す。
提示装置 4又は表示部 31には、任意の脊髄断面における神経情報を動画像で提 示される。入力部 1 2等により、該当する脊髄を選択すると、インタラクティブに断面を 切り替えられる。
この他、表示方法としては、例えば、
■複数選択して同時に表示する
■異なる運動をした時の同一脊髄神経を並べて表示する
·一連の動作を静止画像列として表示する
などがある。
なお、各データファイルの構成は一例を示したにすぎず、必要に応じて適宜のフアイ ル構成を用いることができる。例えば、神経番号に対応して、神経幾何データ、神経 特徴データ、神経伝導時間データ、骨髄神経断面座標データ等の適宜のファイルの 適宜のデータをまとめたファイルとして構成すること、または、ファイル間の関連付けを 設定した適宜のラベルを付与することで構成すること等、各ファイルを適宜結合又は 分割したり、含まれるデータ項目を必要に応じて適宜変更してもよい。また、神経デー タ等の出力も一例を示したに過ぎず、適宜変更した表示例としたり、複数の表示例を 表示することもできる。
2.ソフトウェア 2. 1 メインフロー
図 26に、メインフローチャートを示す。
処理部 33は、処理が開始されると、初期設定を行う（S 1 01 )。その後、処理部 33 は、神経伝導時間計算（S 1 03 )、筋順位計算（S 1 05)、神経断面の空間配置計算 (S 1 07 )を実行する。つぎに、処理部 33は、初期時刻を設定し（S 1 09)、運動情報 から神経情報への変換処理を実行し（S 1 1 1 )、その結果を表示部 1 1に提示（表示） する（S 1 1 3)。処理部 33は、最終時刻か判断し（S 1 1 5)、最終時刻まで単位時刻分 時刻を進めて（S 1 1 7 )、ステップ S 1 1 1、 S 1 1 3を繰り返し、処理を終了する。なお、 各ステップの詳細は、後述する。
図 27に、データ間の関係についての説明図を示す。
例えば、処理部 33は、神経分岐データファイル 5の神経分岐データに基づき、神経 幾何データファイル 1の神経幾何データ（表 1 )を作成し記憶することができる。この場 合、入力部等で脊髄名と筋名を指定し、処理部 33は、これらを表す接点間の枝を列 で表すことで、神経分岐データから神経幾何データ（表 1 )を生成する。
また、処理部 33は、神経幾何データファイル 1の神経幾何データ（表 1、表 2、表 3 ) 及び神経特徴データファイル 2の神経特徴データ（表 1、表 2)に基づき、神経一筋対 応データファイル 4の神経一筋対応データを作成し記憶することができる。この場合、 処理部 33は、神経幾何データ (表 1 )と、神経特徴データ (表 1 )のうち、神経線名を媒 介にして、神経一筋対応データを生成する。
図 28に、各処理によるデータ変換についての説明図を示す。
たとえば、処理部 33は、神経幾何データファイル 1の神経幾何データ（表 1 )及び神 経特徴データファイル 2の神経特徴データ（表 1、表 2)を読み取り、これらデータに基 づき、神経伝導時間計算を実行して神経伝導時間データを求めて神経伝導時間デー タファイル 3に記憶する。 同様に、処理部 33は、神経伝導時間データ 3の神経伝導時間データ、神経一筋対 応データファイル 4の神経一筋対応データ、神経分岐データファイル 5の神経分岐デ ータ及び筋特徴データファイル 7の筋特徴データを読み取り、これらデータに基づき、 筋順位計算を実行して筋順位データを求めて筋順位データファイル 6に記憶する。 処理部 33は、神経一筋対応データファイル 4の神経一筋対応データ、筋順位データ ファイル 6の筋順位データ及び伸筋一屈筋対応データファイル 8の伸筋一屈筋対応デ ータを読み取り、これらデータに基づき、神経断面の空間配置計算を実行して脊髄断 面座標データを求めて脊髄神経断面座標データファイル 1 1に記憶する。
処理部 33は、神経伝導時間データ 3の神経伝導時間データ、筋運動データフアイ ル 9の筋運動データ及び脊髄神経断面座標データファイル 1 1の脊髄断面座標データ を読み取り、これらデータに基づき、運動情報から神経情報への変換を実行して神経 データを求めて神経データファイル 1 2- 1 4に記憶する。
2. 2 各ステップの処理
以下に各ステップについて詳細を説明する。
(初期設定： si c )
初期設定として、処理部が、解析する際に、あらかじめ設定すべき事項は次の通り である。処理部 33は、これら設定値を、入力部又は I/Fを介して他の装置から入力 してもよいし、予め記憶されたデータを記憶部から読み取ってもよい。
( 1 )神経 (脊髄等）断面を表す脊髄名を選択。例えば、脊髄は、頸神経 8、胸神経 1 2、 腰神経 5、仙骨神経 5、尾骨神経 1の計 31で構成される。
(2)運動データ (投げ、跳び、運動特性 (速度、力等））を選択。
(3)表示形式を選択。例えば、出力される空間配置等のデータ形式（断面、時空間 等）や単数又は複数等を選択。例えば、神経データファイル 1 2- 1 4のパターンを選 択する。時空間の場合、ある時刻における情報は横一列に配置され、縦方向に時刻 を表すか、あるいはその逆になる。また、複数の運動の同じ時刻における神経情報や、 単一の運動の複数時刻における神経情報を並列に配置する、といった形式がある。 (神経伝導時間計算： S 1 03)
図 29に、神経伝導時間計算のフローチャートを示す。
処理部 33は、処理が開始されると、初期設定 S 1 01で選択された神経（脊髄等）断 面を表す脊髄名に基づき、各神経番号について、神経幾何データファイル 1 (表 1 )か ら、脊髄名と脊髄神経等支配筋の筋名の組と神経線名（列）を抽出する（S301 )。神 経に応じてひとつ又は複数の神経線名の列が含まれる。つぎに、処理部 33は、抽出 した神経線名（列）に基づき、神経幾何データファイル 1 (表 2)から神経線の始点名と 終点名を求め、さらに、始点名及び終点名の神経点に基づき、神経幾何データフアイ ル 1 (表 3)から神経点座標を検索することにより、各神経線（列）の長さを計算する（S 303)。処理部 33は、各神経線（列）の長さと、各神経線（列）に従い神経特徴データ ファイル 2 (表 2)から読み出した神経特徴データの求心性（又は遠心性）神経伝導速 度から各神経線（列）の伝導時間を計算する（S305)。さらに、処理部 33は、ひとつ 又は複数の神経線（列）で表された任意の脊髄から任意の筋までの神経路全体の神 経信号伝導時間を計算する（S307)。このようにして、処理部 33は、神経番号に対 応して神経信号伝導時間を神経伝導時間データ 3に記憶する（S309)。
(筋順位計算： S 1 05)
図 30に、筋順位計算のフローチャートを示す。
筋順位計算では、処理部 33は、伸筋一屈筋の分類や、部位による分類を行った後、 同一部位に属する筋の順位を計算し、さらに、同一筋内での順位を計算する。この処 理は、空間配置を決める上で必要になる。
処理部 33は、筋順位計算が開始されると、初期設定 S 1 01で選択された脊髄名に 基づき、神経一筋対応データファイル 4の神経一筋対応データを参照して選択された 脊髄が支配する筋名を求め、その筋名に対応する末梢神経を求め、さらに末梢神経 によりその筋名を分類する（S401 )。処理部 33は、分類された筋名について、さらに、 筋特徴データファイル 7の筋特徴データを参照して、筋名により伸筋'屈筋の別を求 め、分類する（S402)。処理部 33は、神経分岐データファイル 5の木構造の神経分 岐データを参照して、同一末梢神経内で根元から分岐する葉順（たとえば、根元に近 い順又は介在する接点が少ない順）に並べ替える（S403)。処理部 33は、各神経番 号に対応する筋名について、神経伝導時間データ 3を参照して、神経伝導時間に基 づいて、同一部位の異なる末梢神経間で伝導時間が短い順に並べ替える（S405)。 このとき、例えば、同一分類の異なる末梢神経間では、最短伝導時間同士を比較し、 短い方の末梢神経を先に並べる。このようにして、処理部 33は、並び替えられた筋 順位、左右、伸筋'屈筋、筋部位番号、筋名を対応して筋順位データを筋順位データ ファイル 6に記憶する（S409)。また処理部 33は、作成された脊髄断面座標データを 必要に応じて、表示部に表示又は 1 F部を介して出力する。
筋順位は、筋幾何データを用い、体幹に近い'深い順に定めることができる。また、 筋順位は、神経幾何データから求められる神経伝導時間が短い順で順位を決めると いう方法も考えられる。これらに限らず、逆の順に決めてもよいし、筋と神経の幾何デ ータのいずれかを用いて順位を決めるなど、適宜のあらかじめ定められた順位で定め てもよい。
(神経断面の空間配置計算： S 1 07)
図 31に、神経断面の空間配置計算のフローチャートを示す。
また、図 32—図 35は、空間配置時のデータの様子を示す説明図である。
処理部 33は、筋順位データファイル 6から読み出した筋順位データに基づき、各レ コード (筋名に相当）を、左右、伸筋，屈筋、筋部位で分類し、予め定められた神経（脊 髄等）断面に関する空間に配置する（S503)。この配置する空間は、記憶部に記憶 され、各神経（脊髄等）断面について異なる領域形状でもよいし、同一の領域形状や 複数の領域形状を用いてもよい。この例では、脊髄灰白質を模擬した形状で、各筋 名を配置するセルをマトリクスに区分している。空間配置は、まず、図 32に示されるよ うに、左右、上下（屈筋 ·伸筋）に 4種類に分類し、さらに、横方向に 6つの部位で分類 して、該当する位置に各筋名を配置する。そして、処理部 33は、図 33に示されるよう に、筋順位に従い、中心軸から離れるにつれて、筋順位の高い（短い）ものから低い (長い）ものを並び替え配置する。これは、筋分類と筋配置から体幹に近い順に並べ 替える方法とほぼ等価である。さらに、処理部 33は、伸筋一屈筋対応データファイル 8から読み出した伸筋，屈筋対応データにより筋支配神経を結合し、上（屈筋）下（伸 筋）に再配置する（S507)。こうして、同一の機能を持つ複数の筋が逆の機能を持つ 複数の筋に対応づけられる。なお、図 33のように、対応する筋群が二つの部位にま たがる場合は縦に重ねる。
つぎに、処理部 33は、分類した筋支配神経群を予め^められた空間に整合させる。 すなわち、処理部 33は、分類した筋支配神経群が予め設定された数 Nを超えるかど うか判断する（S509)。これは、高さが極端に増減しないための工夫で、 Nの数は任 意に決められる。処理部 33は、 Nを超える場合は、図 34に示すように、 Nを下回る最 大数になるよう分割する（S51 1 )。このとき、設定した高さ Nを超えない高さに等分割 し、等分割できないときは X座標絶対値が大きい方を余りにする。また、伸筋'屈筋い ずれか一方が Nを超える場合、残りの筋支配神経群も同一数に分割する。一方、処 理部 33は、設定した高さ Nに満たない場合は、図 35に示すように、 X座標絶対値が 小さい順に、超えない高さに結合する（S51 3)。このとき、 Nを下回る最大数になるよ う結合することができる。また、屈筋 '伸筋ともに対応させて結合し、いずれも Nを上回 らない時結合するようにしてもよい。さらに、処理部 33は、図 35に示すように、隙間 があったら対称軸である y軸に向かって X座標絶対値が小さい方向に詰める（S51 5)。 処理部 33は、こうしてできあがった空間配置にしたがい、脊髄断面座標データを作成 し、脊髄神経断面座標データファイル 1 1に記憶する（S51 7 )。また処理部 33は、作 成された脊髄断面座標データを必要に応じて、表示部に表示又は IZF部を介して出 力する。なお、脊髄断面座標データは、空間配置内のセルの位置を識別するための 識別情報を用いてもよい。 図 36に、空間配置計算のフローチャートの他の実施の形態を示す。
処理部 33は、時空間画像の空間配置計算が開始されると、前述のように、ステップ
S503〜S507の処理を実行する。つぎに、処理部 33は、神経断面の空間配置計算 のうち、設定数 Nで分けずにフラットに配置する。すなわち、次のような並び替え 1又 は 2の処理を実行する。入力部等により、これら二つの並べ替えのいずれかを選択し、 処理部 33は、それに従い処理を実行することができる。もちろん、並べ替えの優先順 位の決め方は他にも適宜採用することができる。つぎに、処理部 33は、前述のように、 ステップ S51 7の処理を実行する。
図 37に、時空間パターン作成のための並べ替え 1の説明図を示す。並べ替え 1で は、処理部 33は、伸筋、屈筋の分類を保ちつつその中で筋部位順に並べ替える。 図 38に、時空間パターン作成のための並べ替え 2の説明図を示す。並び替え 2で は、処理部 33は、筋順位順に並べ替え、伸筋と屈筋は交互に配置する。 (運動情報から神経情報への変換処理: S 1 1 1 )
処理部 33は、単位時刻分時刻を進めて、運動情報から神経情報への変換処理を 実行し（S1 1 1 )、その結果を表示部 1 1に提示（表示）する（S1 1 3)。
図 39に、運動情報から神経情報への変換のフローチャートを示す。
処理部 33は、運動情報から神経情報への変換を開始すると、神経伝導時間データ 3から読み出した神経伝導時間データからそれぞれの神経番号に対応する神経につ し、ての伝導時間を抽出する（S601 )。処理部 33は、初期設定 S 1 01で設定された運 動データに従し、、神経幾何データファイル 1を参照して各神経番号に対する筋名を求 め、その筋名について、筋運動データファイル 9に設定された運動特性の運動データ を読み出す（S603)。
ここで、処理部 33は、伝導時間遅れを考慮するか否か判断する（S605)。処理部 33は、遅れを考慮する場合、求める時刻から伝導時間前のデータを抽出し、該当す る時刻のデータが存在しない場合は補間により運動データを計算する（S607 )。一 方、処理部 33は、遅れを考慮しない場合、筋運動データファイル 9から求める時刻の 運動データを抽出する（S609)。
つぎに、処理部 33は、脊髄神経断面座標データファイル 1 1から読み出した脊髄断 面座標データを用いて運動データを神経データへ写像する（S61 1 )。例えば、脊髄断 面座標データで定められたその神経番号の神経の位置に、各神経番号に対する筋 名と各時刻により、筋運動データで定められた筋運動情報の値に応じて、明暗又は 色の変化を与える。処理部 33は、こうして出来上がった神経データを神経データファ ィル 1 2に記憶する。
(神経分岐データファイル 5の生成）
神経分岐データは、脊髄神経系を、脊髄を根とし、筋を葉とする木構造で表現したも のである。接点は神経経由点または始点（脊髄）、終点（筋）、分岐点を、枝は神経経 路を表す。一般に、神経が同一の点を経由し、再び分岐することや、一つの筋が異な る神経によって二重支配を受けることが知られている。このため、解剖学的構造をそ のまま表現すると、閉路（ある接点へ向かう複数の経路）を持つグラフに表現される。 そこで、グラフで記述し、有向グラフに変換した後、閉路がある場合は一つの接点を 経路ごとに別々に書いて分割する。
図 40に、神経分岐データ生成フローチャートを示す。また、図 41〜図 44に、神経 分岐データ生成法の説明図を示す。
まず、処理部 33は、脊髄から筋への経路を、解剖学的知見に基づいてグラフに表 現する（グラフ表現）（S701 )。すなわち、図 41に示すように、向きを考えないで接続 関係のみを表現する。つぎに、処理部 33は、脊髄から筋へ向かう有向グラフに表現 する（有向グラフ表現）（S703)。すなわち、図 42に示すように、枝を脊髄から筋へ向 かう矢印とする。さらに、処理部 33は、閉路を分割して、脊髄を根とし、筋を葉とする 木構造で表現する（木表現）（S705)。このとき、図 43に示すように、まず、筋を複製 し、各筋に向かう枝が一本ずつになるようにする。その後、図 44に示すように、葉に 近い方の接点から順に複製し、最終的に脊髄の接点が一つになるようにする。処理 部 33は、以上のように出来上がった神経分岐データを神経分岐データファイル 5に記 憶する（S707)。
図 45に、神経と筋の関係についての説明図を示す。
脊髄神経は、神経情報として感覚信号に基づいて運動指令を出す。また、運動指 令に基づいて筋肉 (モータ）で運動が発生し、筋肉と筋紡錘は一緒に動き、筋紡錘 (セ ンサ)で運動情報として感覚信号が発生する。 C. おわりに
本実施の形態で述べたことは、主に、以下の 3点でまとめられる。
■神経系、特に脊髄の解剖学的構造について概観した。
•脊髄前角細胞の幾何学的構造を用いて、筋運動情報を脊髄神経情報に写像する 手法を提案した。
，実験を行い、ヒ卜の運動データから脊髄に内在する神経情報の空間分布を表現する 画像列を得ることに成功した。
本発明では、筋長情報は計測された値を用いたが、実際には モータニューロンに より、感度調節が行われていることが知られている。よって、同じ長さあるいは同じ伸 長速度であるからと言って同じ強度の信号が筋紡錘から脊髄へ送られるとは限らな し、。得られた画像は運動器官からの神経情報を表現するものである。しかし、神経信 号強度とは厳密には一致するとは限らない。むしろ、筋紡錘から脊髄に送られる求心 性信号と脊髄から筋に送られる遠心性信号とを統合して得られる情報そのものを表 現している。そうであっても解剖学的な位相構造までは確からしいと言える。ここでは、 直接的な脳神経計測では得ることが困難な、信号が伝える情報の内容を構造化でき たことが重要である。また、実際には神経信号伝達には時間遅れがあり、神経伝導 速度を考慮するとよい。時空間的に確からしい入出力を求める手法を確立した上で、 感覚と運動をつなぐ見えないネットワークを外からの観測を通じて同定する手法を明 らかにすることを通じ、感覚に基づく運動の調節のメカニズムを解明することができる。 ヒューマンインタフェースへの応用と共に、身体技能の獲得や評価、神経疾患の診断 やリハビリテーションの評価等に役立てていくことができる。
本発明の運動情報一神経情報変換方法又は運動情報一神経情報変換装置'シス テムは、その各手順をコンピュータに実行させるための運動情報一神経情報変換プ ログラム、運動情報一神経情報変換プログラムを記録したコンピュータ読み取り可能 な記録媒体、運動情報一神経情報変換プログラムを含みコンピュータの内部メモリに ロード可能なプログラム製品、そのプログラムを含むサーバ等のコンピュータ、等によ リ提供されることができる。
産業上の利用可能性
本発明によると、全身の筋や腱などの運動情報から神経情報を検出し提示する手 法を提案することができる。本発明によると、感覚と運動とをつなぐ脊髄神経に注目し、 その筋支配構造をモデル化することができる。また、本発明によると、これに基づいて、 運動時に脊髄を流れる神経情報を、脊髄を輪切りにした画像として可視化することが できる。

Claims

請 求 の 範 囲 神経番号、脊髄名、筋名、脊髄と筋肉との間の神経線名または神経線名列を対 応して記憶した表と、且つ、神経線名の始点と終点の座標を対応して記憶した表 を含む神経幾何データファイルと、
末梢神経名と神経線名または神経線名列とを対応して記憶し、神経線名と伝 導速度を対応して記憶する神経特徴データファイルと、
神経番号に対し神経伝導時間を記憶した神経伝導時間データファイルと、 筋名に対して、筋を支配する脊髄名と末梢神経名を対応して記憶した神経一筋 対応データファイルと、
脊髄神経系を、脊髄を根とし、筋を葉とする木構造で表現した神経分岐データ フアイメレと、
筋順位に対して、左右'伸筋屈筋の別'筋部位の分類と筋名を含む筋の特徴を 表す情報とを対応して記憶した筋順位データファイルと、
筋名と、左右'伸筋屈筋の別'筋部位の分類を含む筋の特徴を表す情報を対 応して記憶した筋特徴データファイルと、
対応する屈筋群と伸筋群に属する筋名を記憶した伸筋一屈筋対応データフアイ ルと、
時刻に対する筋運動情報を記憶した筋運動データファイルと、
神経番号に対し、脊髄断面における神経の空間配置を記憶した脊髄神経断面 座標データファイルと、
各前記ファイルに対して読出し及び 又は書き込みを行い、神経の空間配置 又は時空間配置を求め、運動情報から神経情報に変換するための処理部と を備え、
処理部は、入力部又は他の装置から、神経断面を表す脊髄名、運動データ、 表示形式を設定する手段と、 処理部は、神経幾何データファイルから、設定された脊髄名に基づき、各神経 番号について、脊髄名、脊髄神経を支配する筋名、ひとつ又は複数の神経線名 を抽出する手段と、
処理部は、抽出した神経線名に基づき、神経幾何データファイルを参照して、 神経線の始点名と終点名を求め、始点名及び終点名の座標を検索することによ リ、各神経線名の神経線の長さを計算する手段と、
処理部は、計算された各神経線の長さと、神経線名に従い神経特徴データファ ィルから読み出した神経伝導速度に基づき、ひとつ又は複数の神経線で表され た任意の脊髄から任意の筋までの神経路の神経信号伝導時間を計算する手段 と、
処理部は、神経番号に対応して神経信号伝導時間を神経伝導時間データに記 憶する手段と、
処理部は、設定された脊髄名に基づき、神経一筋対応データファイルを参照し て該脊髄名の脊髄を支配する筋名と末梢神経を抽出してデータを形成し、形成し たデータを末梢神経により分類する手段と、
処理部は、筋特徴データファイルを参照して、各データの筋名に対する左右'伸 筋屈筋の別'筋部位分類を求め、各データを伸筋'屈筋で分類する手段と、 処理部は、神経分岐データファイルを参照して、各データを同一末梢神経内で 木構造の根元から分岐する葉順に並び替える手段と、
処理部は、各データの筋名により神経幾何データファイルから神経番号を求め、 神経番号により神経伝導時間データを参照して神経伝導時間を求めて、各デー タを同一部位の異なる末梢神経間で伝導時間が短い順に並び替える手段と、 処理部は、筋順位、左右、伸筋'屈筋、筋部位分類を対応して筋順位データフ アイルに記憶する手段と、
処理部は、筋順位データファイルから読み出した各筋を、左右、伸筋'屈筋、筋 部位分類に基づき分類し、筋順位に従い、中心軸から離れるにつれて筋順位の 高いものから低いものを並べ、設定された表示形式により予め定められた神経断 面又は時空間に配置する手段と、
処理部は、神経断面又は時空間配置に従い、各神経番号に対する配置を表す 脊髄断面座標データを作成し、脊髄神経断面座標データファイルに記憶する手 段と
を備えた運動情報一神経情報変換装置。
2. 時刻に対して、脊髄断面画像又は時空間に配置された神経情報を記憶した神 経データファイルをさらに備え、
処理部は、神経伝導時間データから読み出した神経伝導時間データから各神 経番号の神経についての伝導時間を抽出する手段と、
処理部は、設定された運動データに従い、各筋名に対して筋運動データフアイ ルに設定された運動特性の運動データを読み出す手段と、
処理部は、各神経番号に対して、脊髄神経断面座標データファイルから読み出 した脊髄断面座標データを用いて、各神経番号の筋名の運動データを、神経断 面又は時空間へ写像して神経データを作成する手段と、
処理部は、空間配置された神経データを神経データファイルに記憶する手段と をさらに備えた請求項 1に記載の運動情報一神経情報変換装置。
3. 処理部は、空間配置として、左右、屈筋'伸筋に相当する上下の 4領域に分類し、 さらに、左右方向に 6つの筋部位で分類して、該当する位置に各筋名を配置し、 処理部は、伸筋一屈筋対応データファイルから読み出した伸筋 ·屈筋対応デ一 タにより各神経番号の神経を結合し、屈筋'伸筋に対向するよう再配置し、 処理部は、分類した筋支配神経群を予め定められた神経断面の空間に整合さ せる
請求項 1に記載の運動情報一神経情報変換装置。 処理部は、分類した筋支配神経群が予め定められた設定数を超えるかどうか判 断する手段と、
処理部は、設定数を超える場合は、それを下回る最大数になるよう分割する手 段と、
処理部は、設定数に満たない場合は、絶対値が小さい順に、設定数を超えない 高さに結合する手段と、
処理部は、隙間がある場合、座標の絶対値が小さい方向に詰める手段と、 を備え、神経断面の空間に整合させるようにした請求項 3に記載の運動情報一 神経情報変換装置。 処理部は、筋長および筋伸長速度が時刻毎に且つ左右の位置若しくは体幹'末 梢の位置毎に記憶されるように、時空間に配置するようにした請求項 1に記載の 運動情報一神経情報変換装置。 処理部は、伝導時間遅れを考慮するか否か判断する手段と、
処理部は、遅れを考慮する場合、求める時刻から伝導時間前のデータを抽出し、 該当する時刻のデータが存在しない場合は補間により運動データを計算する手 段と、
処理部は、遅れを考慮しない場合、筋運動データファイルから求める時刻の運 動データを抽出する手段と、
をさらに備えた請求項 1に記載の運動情報一神経情報変換装置。 処理部は、脊髄から筋への経路を、解剖学的知見に基づいて、向きを考えない で接続関係のみを表現する手段と、
処理部は、脊髄から筋へ向かう有向グラフに表現する手段と、 処理部は、閉路を分割して、各筋に向かう枝が一本ずつになるように筋を複製 し、最終的に脊髄の接点が一つになるように、脊髄を根とし、筋を葉とする木構 造で表現する手段と、
処理部は、作成された神経分岐データを神経分岐データファイルに記憶する手 段と、
をさらに備えた請求項 1に記載の運動情報一神経情報変換装置。
8. 処理部は、神経分岐データファイルに基づき、指定された脊髄名と筋名を表す接 点間の枝を列で表すことで、神経幾何データを生成する請求項 1に記載の運動 情報一神経情報変換装置。
9. さらに、運動をデータに変換するモーションキヤプチャ装置をさらに備えた請求項
1に記載の運動情報一神経情報変換装置。
10. さらに、運動データをモーションキヤプチャ装置で得られた情報に基づき作成す る運動情報計算装置をさらに備えた請求項 1に記載の運動情報一神経情報変 換装置。
1 1 . 神経番号、脊髄名、筋名、脊髄と筋肉との間の神経線名または神経線名列を 対応して記憶した表と、且つ、神経線名の始点と終点の座標を対応して記憶した 表を含む神経幾何データファイルと、
末梢神経名と神経線名または神経線名列とを対応して記憶し、神経線名と伝 導速度を対応して記憶する神経特徴データファイルと、
神経番号に対し神経伝導時間を記憶した神経伝導時間データファイルと、 筋名に対して、筋を支配する脊髄名と末梢神経名を対応して記憶した神経一筋 対応データファイルと、 脊髄神経系を、脊髄を根とし、筋を葉とする木構造で表現した神経分岐データ フアイノレと、
筋順位に対して、左右 ·伸筋屈筋の別 '筋部位の分類を含む筋の特徴を表す情 報とを対応して記憶した筋順位データファイルと、
筋名と、左右 ·伸筋屈筋の別 ·筋部位の分類を含む筋の特徴を表す情報を対 応して記憶した筋特徴データファイルと、
対応する屈筋群と伸筋群に属する筋名を記憶した伸筋一屈筋対応データフアイ ルと、
時刻に対する筋運動情報を記憶した筋運動データファイルと、
神経番号に対し、脊髄断面における神経の空間配置を記憶した脊髄神経断面 座標データファイルと、
各前記ファイルに対して読出し及び 又は書き込みを行い、神経の空間配置 又は時空間配置を求め、運動情報から神経情報に変換するための処理部と を備えた運動情報一神経情報変換装置における運動情報一神経情報変換方法 であって、
処理部は、入力部又は他の装置から、神経断面を表す脊髄名、運動データ、 表示形式を設定するステップと、
処理部は、神経幾何データファイルから、設定された脊髄名に基づき、各神経 番号について、脊髄名、脊髄神経を支配する筋名、ひとつ又は複数の神経線名 を抽出するステップと、
処理部は、抽出した神経線名に基づき、神経幾何データファイルを参照して、 神経線の始点名と終点名を求め、始点名及び終点名の座標を検索することによ リ、各神経線名の神経線の長さを計算するステップと、
処理部は、計算された各神経線の長さと、神経線名に従い神経特徴データファ ィルから読み出した神経伝導速度に基づき、ひとつ又は複数の神経線で表され た任意の脊髄から任意の筋までの神経路の神経信号伝導時間を計算するステ ップと、
処理部は、神経番号に対応して神経信号伝導時間を神経伝導時間データに記 憶するステップと、
処理部は、設定された脊髄名に基づき、神経一筋対応データファイルを参照し て該脊髄名の脊髄を支配する筋名と末梢神経を抽出してデータを形成し、形成し たデータを末梢神経により分類するステップと、
処理部は、筋特徴データファイルを参照して、各データの筋名に対する左右'伸 筋屈筋の別'筋部位分類を求め、各データを伸筋'屈筋で分類するステップと、 処理部は、神経分岐データファイルを参照して、各データを同一末梢神経内で 木構造の根元から分岐する葉順に並び替えるステップと、
処理部は、各データの筋名により神経幾何データファイルから神経番号を求め、 神経番号により神経伝導時間データを参照して神経伝導時間を求めて、各デー タを同一部位の異なる末梢神経間で伝導時間が短い順に並び替えるステップ と、
処理部は、筋順位、左右、伸筋'屈筋、筋部位分類を対応して筋順位データフ アイルに記憶するステップと、
処理部は、筋順位データファイルから読み出した各筋を、左右、伸筋'屈筋、筋 部位分類に基づき分類し、筋順位に従い、中心軸から離れるにつれて筋順位の 高いものから低いものを並べ、設定された表示形式により予め定められた神経断 面又は時空間に配置するステップと、
処理部は、神経断面又は時空間配置に従い、各神経番号に対する配置を表す 脊髄断面座標データを作成し、脊髄神経断面座標データファイルに記憶するス亍 ップと、
を含む運動情報一神経情報変換方法。 2. 神経番号、脊髄名、筋名、脊髄と筋肉との間の神経線名または神経線名列を 対応して記憶した表と、且つ、神経線名の始点と終点の座標を対応して記憶した 表を含む神経幾何データファイルと、
末梢神経名と神経線名または神経線名列とを対応して記憶し、神経線名と伝 導速度を対応して記憶する神経特徴データファイルと、
神経番号に対し神経伝導時間を記憶した神経伝導時間データファイルと、 筋名に対して、筋を支配する脊髄名と末梢神経名を対応して記憶した神経一筋 対応データファイルと、
脊髄神経系を、脊髄を根とし、筋を葉とする木構造で表現した神経分岐データ ファイ レと、
筋順位に対して、左右'伸筋屈筋の別'筋部位の分巔を含む筋の特徴を表す情 報とを対応して記憶した筋順位データファイルと、
筋名と、左右'伸筋屈筋の別'筋部位の分類を含む筋の特徴を表す情報を対 応して記憶した筋特徴データファイルと、
対応する屈筋群と伸筋群に属する筋名を記憶した伸筋一屈筋対応データフアイ ルと、
時刻に対する筋運動情報を記憶した筋運動データファイルと、
神経番号に対し、脊髄断面における神経の空間配置を記憶した脊髄神経断面 座標データファイルと、
各前記ファイルに対して読出し及び 又は書き込みを行い、神経の空間配置 又は時空間配置を求め、運動情報から神経情報に変換するための処理部と を備えた運動情報一神経情報変換装置における運動情報一神経情報変換プロ グラムであって、
処理部は、入力部又は他の装置から、神経断面を表す脊髄名、運動データ、 表示形式を設定するステップと、
処理部は、神経幾何データファイルから、設定された脊髄名に基づき、各神経 番号について、脊髄名、脊髄神経を支配する筋名、ひとつ又は複数の神経線名 を抽出するステップと、
処理部は、抽出した神経線名に基づき、神経幾何データファイルを参照して、 神経線の始点名と終点名を求め、始点名及び終点名の座標を検索することによ リ、各神経線名の神経線の長さを計算するステップと、
処理部は、計算された各神経線の長さと、神経線名に従い神経特徴データファ ィルから読み出した神経伝導速度に基づき、ひとつ又は複数の神経線で表され た任意の脊髄から任意の筋までの神経路の神経信号伝導時間を計算するステ ップと、
処理部は、神経番号に対応して神経信号伝導時間を神経伝導時間データに記 憶するステップと、
処理部は、設定された脊髄名に基づき、神経一筋対応データファイルを参照し て該脊髄名の脊髄を支配する筋名と末梢神経を抽出してデータを形成し、形成し たデータを末梢神経により分類するステップと、
処理部は、筋特徴データファイルを参照して、各データの茚名に対する左右'伸 筋屈筋の別 ·筋部位分類を求め、各データを伸筋'屈筋で分類するステップと、 処理部は、神経分岐データファイルを参照して、各データを同一末梢神経内で 木構造の根元から分岐する葉順に並び替えるステップと、
処理部は、各データの筋名により神経幾何データファイルから神経番号を求め、 神経番号により神経伝導時間データを参照して神経伝導時間を求めて、各デー タを同一部位の異なる末梢神経間で伝導時間が短い順に並び替えるステップ と、
処理部は、筋順位、左右、伸筋 '屈筋、筋部位分類を対応して筋順位データフ アイルに記憶するステップと、
処理部は、筋順位データファイルから読み出した各筋を、左右、伸筋'屈筋、筋 部位分類に基づき分類し、筋順位に従い、中心軸から離れるにつれて筋順位の 高いものから低いものを並べ、設定された表示形式により予め定められた神経断 面又は時空間に配置するステップと、
処理部は、神経断面又は時空間配置に従い、各神経番号に対する配置を表す 脊髄断面座標データを作成し、脊髄神経断面座標データファイルに記憶するステ ップと、
をコンピュータに実行させるための運動情報一神経情報変換プログラム。 3. 神経番号、脊髄名、筋名、脊髄と筋肉との間の神経線名または神経線名列を 対応して記憶した表と、且つ、神経線名の始点と終点の座標を対応して記憶した 表を含む神経幾何データファイルと、
末梢神経名と神経線名または神経線名列とを対応、して記憶し、神経線名と伝 導速度を対応して記憶する神経特徴データファイルと、
神経番号に対し神経伝導時間を記憶した神経伝導時間データファイルと、 筋名に対して、筋を支配する脊髄名と末梢神経名を対応して記憶した神経一筋 対応データファイルと、
脊髄神経系を、脊髄を根とし、筋を葉とする木構造で表現した神経分岐データ フアイノレと、
筋順位に対して、左右 ·伸筋屈筋の別'筋部位の分類を含む筋の特徴を表す情 報とを対応して記憶した筋順位データファイルと、
筋名と、左右'伸筋屈筋の別'筋部位の分類を含む筋の特徴を表す情報を対 応して記憶した筋特徴データファイルと、
対応する屈筋群と伸筋群に属する筋名を記憶した伸筋一屈筋対応データフアイ ルと、
時刻に対する筋運動情報を記憶した筋運動データファイルと、
神経番号に対し、脊髄断面における神経の空間配置を記憶した脊髄神経断面 座標データファイルと、
各前記ファイルに対して読出し及び 又は書き込みを行い、神経の空間配置 又は時空間配置を求め、運動情報から神経情報に変換するための処理部と を備えた運動情報一神経情報変換装置における運動情報一神経情報変換プロ グラムを記録したコンピュータ読み取り可能な記録媒体であって、
処理部は、入力部又は他の装置から、神経断面を表す脊髄名、運動データ、 表示形式を設定するステップと、
処理部は、神経幾何データファイルから、設定された脊髄名に基づき、各神経 番号について、脊髄名、脊髄神経を支配する筋名、ひとつ又は複数の神経線名 を抽出するステップと、
処理部は、抽出した神経線名に基づき、神経幾何データファイルを参照して、 神経線の始点名と終点名を求め、始点名及び終点名の座標を検索することによ リ、各神経線名の神経線の長さを計算するステップと、
処理部は、計算された各神経線の長さと、神経線名に従い神経特徴データファ ィルから読み出した神経伝導速度に基づき、ひとつ又は複数の神経線で表され た任意の脊髄から任意の筋までの神経路の神経信号伝導時間を計算するステ ップと、
処理部は、神経番号に対応して神経信号伝導時間を神経伝導時間データに記 憶するステップと、
処理部は、設定された脊髄名に基づき、神経一筋対応データファイルを参照し て該脊髄名の脊髄を支配する筋名と末梢神経を抽出してデータを形成し、形成し たデータを末梢神経により分類するステップと、
処理部は、筋特徴データファイルを参照して、各データの筋名に対する左右'伸 筋屈筋の別 ·筋部位分類を求め、各データを伸筋'屈筋で分類するステップと、 処理部は、神経分岐データファイルを参照して、各データを同一末梢神経内で 木構造の根元から分岐する葉順に並び替えるステップと、
処理部は、各データの筋名により神経幾何データファイルから神経番号を求め、 神経番号により神経伝導時間データを参照して神経伝導時間を求めて、各デー タを同一部位の異なる末梢神経間で伝導時間が短い順に並び替えるステップ 処理部は、筋順位、左右、伸筋'屈筋、筋部位分類を対応して筋順位データフ アイルに記憶するステップと、
処理部は、筋順位データファイルから読み出した各筋を、左右、伸筋'屈筋、筋 部位分類に基づき分類し、筋順位に従い、中心軸から離れるにつれて筋順位の 高いものから低いものを並べ、設定された表示形式により予め定められた神経断 面又は時空間に配置するステップと、
処理部は、神経断面又は時空間配置に従い、各神経番号に対する配置を表す 脊髄断面座標データを作成し、脊髄神経断面座標データファイルに記憶するス亍 ップと、
をコンピュータに実行させるための運動情報一神経情報変換プログラムを記録し たコンピュータ読み取り可能な記録媒体。
PCT/JP2004/012772 2004-06-15 2004-08-27 運動情報−神経情報変換装置及び方法、運動情報−神経情報変換プログラム及び該プログラムを記録した記録媒体 WO2005122895A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2004-176455 2004-06-15
JP2004176455A JP4016112B2 (ja) 2004-06-15 2004-06-15 運動情報−神経情報変換装置及び方法、運動情報−神経情報変換プログラム及び該プログラムを記録した記録媒体

Publications (1)

Publication Number Publication Date
WO2005122895A1 true WO2005122895A1 (ja) 2005-12-29

Family

ID=35509397

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2004/012772 WO2005122895A1 (ja) 2004-06-15 2004-08-27 運動情報−神経情報変換装置及び方法、運動情報−神経情報変換プログラム及び該プログラムを記録した記録媒体

Country Status (2)

Country Link
JP (1) JP4016112B2 (ja)
WO (1) WO2005122895A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112040858A (zh) * 2017-10-19 2020-12-04 脸谱科技有限责任公司 用于识别与神经肌肉源信号相关的生物结构的系统和方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5768021B2 (ja) * 2012-08-07 2015-08-26 日本電信電話株式会社 歩容測定装置、方法及びプログラム
JP6515070B2 (ja) * 2016-07-29 2019-05-15 日本電信電話株式会社 筋活動推定装置、方法およびプログラム
JP6515069B2 (ja) * 2016-07-29 2019-05-15 日本電信電話株式会社 筋活動解析装置、方法およびプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11192214A (ja) * 1998-01-05 1999-07-21 Sony Corp 脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法
JP2001286451A (ja) * 2000-04-07 2001-10-16 Rikogaku Shinkokai 筋電信号の正規化基準値算出方法、内的力基準値算出方法、収縮度算出方法、内的力算出方法及びこれらの装置
JP2002186588A (ja) * 2000-12-22 2002-07-02 Pasuko:Kk 人体数値管理システム及び人体モデリングシステム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11192214A (ja) * 1998-01-05 1999-07-21 Sony Corp 脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法
JP2001286451A (ja) * 2000-04-07 2001-10-16 Rikogaku Shinkokai 筋電信号の正規化基準値算出方法、内的力基準値算出方法、収縮度算出方法、内的力算出方法及びこれらの装置
JP2002186588A (ja) * 2000-12-22 2002-07-02 Pasuko:Kk 人体数値管理システム及び人体モデリングシステム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
OOTAKE M, NAKAMURA Y.: "Shinkei Kaibogaku ni Motozuku Ningen no Taisei Shinkeikei ni Kinshihai Model.", THE JAPAN SOCIETY OF MECHANICAL ENGINEERS HAKKO., vol. 2004, 18 June 2004 (2004-06-18), pages 2P2-H-60(1) - 2P2-H-60(4), XP002996274 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112040858A (zh) * 2017-10-19 2020-12-04 脸谱科技有限责任公司 用于识别与神经肌肉源信号相关的生物结构的系统和方法
CN112040858B (zh) * 2017-10-19 2024-06-07 元平台技术有限公司 用于识别与神经肌肉源信号相关的生物结构的系统和方法

Also Published As

Publication number Publication date
JP4016112B2 (ja) 2007-12-05
JP2006000132A (ja) 2006-01-05

Similar Documents

Publication Publication Date Title
US10698492B2 (en) Wearable electronic, multi-sensory, human/machine, human/human interfaces
Farrer et al. The role of proprioception in action recognition
Gribble et al. Role of cocontraction in arm movement accuracy
US10437335B2 (en) Wearable electronic, multi-sensory, human/machine, human/human interfaces
Bobbert et al. Humans adjust control to initial squat depth in vertical squat jumping
Land et al. From action representation to action execution: exploring the links between cognitive and biomechanical levels of motor control
JPH01502005A (ja) 運動の調和を分析する装置および方法
WO2010095636A1 (ja) 筋張力推定法及び装置
JP2001054507A (ja) 筋電位情報を利用したモーションキャプチャー装置とその制御方法、並びにこれを用いた電気刺激装置、力触覚呈示装置とこれらの制御方法
Cleather et al. Lower-extremity musculoskeletal geometry affects the calculation of patellofemoral forces in vertical jumping and weightlifting
Prentice et al. Artificial neural network model for the generation of muscle activation patterns for human locomotion
Tahayori et al. Rambling and trembling in response to body loading
Proske et al. Two senses of human limb position: methods of measurement and roles in proprioception
Tyldesley et al. Muscles, nerves and movement: In human occupation
JP2001025510A (ja) 電気刺激装置及び電気刺激を用いた力触覚呈示装置並びにこれらの制御方法
WO2006027869A1 (ja) 運動学習支援装置及び方法、運動学習支援プログラム及び該プログラムを記録した記録媒体
JP2001029485A (ja) 電気刺激装置及び電気刺激を用いた力触覚呈示装置並びにこれらの制御方法
CN209203256U (zh) 基于视觉-肌电生物反馈的肌肉损伤康复训练系统
WO2005122895A1 (ja) 運動情報−神経情報変換装置及び方法、運動情報−神経情報変換プログラム及び該プログラムを記録した記録媒体
Levin et al. Validity of virtual reality environments for sensorimotor rehabilitation
McMillan et al. Tyldesley and grieve's muscles, nerves and movement in human occupation
Tadayon et al. Automatic exercise assistance for the elderly using real-time adaptation to performance and affect
Cushion et al. Differences in motor control strategies of jumping tasks, as revealed by group and individual analysis
Schnoz On the role of trapezius co-activity and unfavourable motor unit patterns in the development of muscle disorders in human-computer interaction
Shokouhyan et al. Time-delay estimation in biomechanical stability: a scoping review

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BW BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE EG ES FI GB GD GE GH GM HR HU ID IL IN IS KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NA NI NO NZ OM PG PH PL PT RO RU SC SD SE SG SK SL SY TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GM KE LS MW MZ NA SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IT LU MC NL PL PT RO SE SI SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
NENP Non-entry into the national phase

Ref country code: DE

WWW Wipo information: withdrawn in national office

Country of ref document: DE

122 Ep: pct application non-entry in european phase