WO2021075368A1 - 診断装置 - Google Patents

診断装置 Download PDF

Info

Publication number
WO2021075368A1
WO2021075368A1 PCT/JP2020/038268 JP2020038268W WO2021075368A1 WO 2021075368 A1 WO2021075368 A1 WO 2021075368A1 JP 2020038268 W JP2020038268 W JP 2020038268W WO 2021075368 A1 WO2021075368 A1 WO 2021075368A1
Authority
WO
WIPO (PCT)
Prior art keywords
diagnostic device
subject
muscle
high frequency
frequency band
Prior art date
Application number
PCT/JP2020/038268
Other languages
English (en)
French (fr)
Inventor
三宅　美博
大樹 緒方
伊藤　浩之
Original Assignee
国立大学法人東京工業大学
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 国立大学法人東京工業大学 filed Critical 国立大学法人東京工業大学
Priority to JP2021552365A priority Critical patent/JP7576846B2/ja
Publication of WO2021075368A1 publication Critical patent/WO2021075368A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons

Definitions

  • This disclosure relates to a diagnostic device.
  • the weak mechanical vibration generated from muscles is called mechanomyogram and has been measured by microphones and accelerometers.
  • the mechanomyogram signal is very weak and susceptible to noise. Therefore, conventionally, the muscle sound signal has been specified as a component observed in a low frequency band of 15 Hz or less in the state of maximum muscle output. On the other hand, the high frequency band of 15 Hz or higher was buried under the noise floor, and no mechanomyogram signal was found in this region.
  • the muscle sound signal is generally measured in the state of maximum muscle output, and tremor and shaking occur at the same time. Since the frequency of this tremor overlaps with the low frequency band of the muscle sound signal near 10 Hz, which has been measurable in the past, it has been difficult to separate them. Therefore, it has been difficult to use the mechanomyogram signal for diagnosis of neurodegenerative diseases and the like.
  • the present disclosure has been made in view of such circumstances, and one of the exemplary purposes of the embodiment is to provide a diagnostic device based on a mechanomyogram signal.
  • the diagnostic device includes an acceleration sensor that can be attached to the subject and a processing device that diagnoses the subject based on a high frequency component (high frequency band) higher than a predetermined frequency contained in the muscle sound signal obtained from the output of the acceleration sensor. Be prepared.
  • the accelerometer has a low noise characteristic with a noise density lower than 100 ⁇ G / ⁇ Hz.
  • the present disclosure is novel in recognizing the existence of a mechanomyogram signal in a high frequency band whose existence has not been known in the past, and finding that this high frequency mechanomyogram signal can be diagnosed.
  • the accelerometer may have high sensitivity and low noise to the extent that this high-frequency muscle sound signal can be detected, and a specific numerical value of 100 ⁇ G / ⁇ Hz is only an example, for example, 300 ⁇ G / ⁇ Hz or 200 ⁇ G / ⁇ . It does not preclude the use of a Hz noise density sensor in this technology.
  • the predetermined frequency can be set between 10 and 30 Hz. Therefore, preferably, the predetermined frequency may be set between 15 and 20 Hz.
  • the mechanomyogram signal may be measured under non-resting conditions in which the subject generates force.
  • the force generated under non-resting conditions may be 50% or less of the maximum output.
  • the muscle output at the time of measurement can be significantly reduced, thereby preventing the generation of low frequency band noise due to the tremor, and the muscle sound signal derived from the non-tremor can be measured. It can be preferably 20% or less of the maximum output.
  • the lower the force generated under non-resting conditions the less the influence of tremor in the low frequency band, and the higher the S / N ratio of the mechanomyogram signal in the low frequency band can be measured.
  • the non-rest condition may be a state in which the subject pinches an object with a finger. This condition has a small load on the subject and is excellent in reproducibility.
  • the non-rest condition may be a state in which the subject raises the outer finger.
  • the non-resting condition may be a state in which the subject is externally weighted.
  • the mechanomyogram signal may be measured under resting conditions in which the subject does not generate force.
  • the processing device may make a diagnosis based on a low frequency component (low frequency band) lower than a predetermined frequency included in the muscle sound signal in addition to the high frequency component.
  • a low frequency component low frequency band
  • the accelerometer may be attached to the superficial muscle or flexor group muscle of the forearm on the dominant hand side of the subject.
  • the accelerometer may be attached to the superficial muscles of the palm on the dominant hand side of the subject. These are muscle groups on the surface side, and are suitable as targets for measuring muscle sound on the skin surface.
  • diagnosis based on a mechanomyogram signal becomes possible.
  • FIG. 5A is a diagram showing the acceleration sensor unit used in the experiment
  • FIG. 5B is a diagram showing the attachment of the sensor unit to the human body.
  • 6 (a) to 6 (c) are views showing a rest condition and a wrist flexion condition. It is a figure which shows an example of the measurement result obtained under the resting condition for a healthy elderly person.
  • FIG. 16 (a) is a diagram showing the energy (spectral area) of the healthy elderly (HE) and the healthy young (HY) in the frequency band of 15 Hz or higher
  • FIG. 16 (b) is a diagram showing the energy (spectral area) of the healthy elderly (HY).
  • FIG. 16 (b) is a diagram showing the energy (spectral area) of the healthy elderly (HY).
  • FIG. 16 (b) is a diagram showing the intermediate frequency of HE) and a healthy young person (HY).
  • 17 (a) to 17 (c) are diagrams for explaining the conditions of rest, lateral weighting, and lateral finger raising.
  • 18 (a) to 18 (c) are diagrams showing spectra obtained for PD patients and healthy elderly people under the three conditions of rest, lateral weighting, and lateral finger raising.
  • 19 (a) to 19 (c) are diagrams showing spectra obtained by a high-sensitivity sensor for PD patients and healthy elderly people under the three conditions of rest, lateral weighting, and lateral finger raising.
  • 20 (a) and 20 (b) are diagrams showing spectra obtained by a high-sensitivity sensor for PD patients and healthy elderly people.
  • 21 (a) and 21 (b) are diagrams showing a pinch condition and a rest condition.
  • FIG. 1 is a diagram showing a diagnostic device 100 according to an embodiment.
  • the diagnostic device 100 includes an acceleration sensor 102 and a processing device 104.
  • the acceleration sensor 102 is attached to the subject (patient) 2.
  • the acceleration sensor 102 has a high sensitivity characteristic having a sensitivity on the order of mG to ⁇ G or nG, and a low noise characteristic having a noise density of 100 ⁇ G / ⁇ Hz or less.
  • the accelerometer 102 may be attached to a location where changes in the mechanomyogram are likely to appear when measuring the mechanomyogram signal, and is typically attached to the upper limb 4 of the subject 2. More specifically, the accelerometer 102 is a muscle on the surface side of the upper limb 4, and may be attached to a muscle capable of measuring muscle sound on the skin surface. It is recommended to attach it to the superficial muscles of the palm.
  • the superficial muscles and flexor carpi ulnaris of the forearm include the circumflex inner muscle, flexor carpi ulnaris, long palm muscle, superficial finger flexor, extensor carpi ulnaris, arm radius, long flexor carpi ulnaris, and short Extensor carpi ulnaris, extensor carpi ulnaris, extensor carpi ulnaris, and extensor carpi ulnaris are exemplified.
  • Examples of the superficial muscles of the palm include the short mother-child abduction muscle, the short mother-child flexor muscle, the mother-child opponens muscle, the abductor digiti minimus muscle, the flexor digiti minimi muscle, and the opponens digiti minimus muscle.
  • the processing device 104 diagnoses the subject 2 based on a high frequency component higher than a predetermined frequency from the muscle sound signal obtained from the output of the acceleration sensor 102.
  • the predetermined frequency can be set between 10 Hz and 30 Hz.
  • the processing device 104 can be implemented by a combination of a computer and a software program, and can include a classifier obtained by machine learning.
  • This classifier implements a trained model in which muscle sound signals obtained for a patient with a specific disease and a healthy person are generated as training data (teacher data).
  • the classifier may be generated using SVM (Support Vector Machine) or deep learning.
  • SVM Serial Vector Machine
  • the feature of the present invention is what kind of information is used for diagnosing various diseases (that is, what is input to the discriminator), and the implementation and learning method of the discriminator are essential in the present invention. A known technique may be used instead of the target.
  • the discriminator may output the severity classification of Hoehn & Yahr (Hohn and Yahr) or the life dysfunction degree classification as an output. ..
  • the processing device 104 may extract a low frequency component lower than a predetermined frequency from the muscle sound signal and diagnose the subject 2 by the combination of the high frequency component and the low frequency component.
  • diagnosis is not limited to whether or not subject 2 has a specific pathology, and is simply a case of diagnosing deterioration of the function of the upper limbs (including hands, wrists, forearms and upper arms). Also includes.
  • the above is the configuration of the diagnostic device 100.
  • the present inventors have found that two types of muscle sounds can be detected by measuring muscle sounds using a high-sensitivity acceleration sensor 102 on the order of mG to ⁇ G.
  • One is a new mechanomyogram with a high frequency component ranging from 20 to 40 Hz.
  • By lowering the noise floor by increasing the sensitivity of the acceleration sensor 102 it becomes possible to measure high frequency components buried under the conventional noise floor.
  • this high frequency component is measured for patients with certain pathologies, significant differences may be seen with healthy individuals. Therefore, diagnosis is possible based on this high frequency component.
  • the other is a mechanomyogram signal derived from non-tremor that has a peak in the low frequency band near 10 Hz, which has been known conventionally. That is, by increasing the sensitivity of the accelerometer 102, the muscle output at the time of measurement can be significantly reduced, thereby preventing the generation of low frequency band noise due to the tremor and measuring the muscle sound signal derived from the non-tremor. become.
  • This low frequency component may also show significant differences between patients with certain pathologies and healthy individuals. Therefore, diagnosis is possible based on this low frequency component.
  • the above is the configuration and measurement principle of the diagnostic device 100.
  • mechanomyogram measurement was performed on patients with neurodegenerative diseases such as Parkinson's disease, the peak of mechanomyogram in the high frequency band observed in healthy young people and healthy elderly people disappeared in the patients. I confirmed that I was there.
  • by detecting the presence or absence of this high frequency band mechanomyogram signal it is possible to construct a new diagnostic support system that did not exist in the past.
  • the results of experiments targeting patients with neurodegenerative diseases such as Parkinson's disease will be described below.
  • FIG. 2 is a diagram showing a state in which an acceleration sensor is attached to a subject. Details of the accelerometer will be described later.
  • two types of accelerometers a commercially available accelerometer and an accelerometer developed in the profit laboratory of Tokyo Institute of Technology (referred to as a high-sensitivity accelerometer or simply a high-sensitivity sensor in the present specification) were used.
  • the newly developed high-sensitivity accelerometer is a uniaxial Au weight capacitive accelerometer.
  • the mechanomyogram signal was measured under non-resting conditions in which the subject was allowed to perform an lateral finger raising motion.
  • the force generated by the subject under non-resting conditions is 20% or less of its maximum output.
  • 3 (a) and 3 (b) are diagrams showing the spectrum (vertical axis: 10 dB / div) of the muscle sound measured for the patient and the healthy subject.
  • (I) shows the measurement result by a commercially available accelerometer
  • (ii) shows the measurement result by a high-sensitivity accelerometer. From this measurement result, the existence of two types of mechanomyograms, which were conventionally buried in noise, became clear for the first time.
  • One is a new mechanomyogram signal having a high frequency component having a peak near 20 to 40 Hz
  • the other is a non-tremor-derived mechanomyogram signal having a peak in a low frequency band near 10 Hz. This is because the noise floor was lowered by increasing the sensitivity of the sensor, and the muscle output during measurement was significantly reduced to prevent the generation of low frequency band noise due to tremor.
  • FIG. 4 is a diagram showing a measurement spectrum (vertical axis: 5 dB / div) of muscle sound by a high-sensitivity acceleration sensor.
  • PD Parkinson's disease
  • PD is a progressive, permanent neuropathy caused by the gradual degeneration of substantia nigra dopaminergic neurons.
  • PD is associated with exercise and muscular dysfunction (References 1 and 2).
  • typical exercise-related symptoms such as bradykinesia, akinesia, muscle rigidity, and resting tremor appear in PD (Reference 3).
  • These symptoms significantly reduce the patient's quality of life.
  • PD is degenerative and permanent, it is important to diagnose and evaluate its severity as soon as possible (References 1 and 4).
  • Many PD patients suffer from a dysgraphia called micrographia, which causes abnormally small letters.
  • MMG mechanomyogram or mechanomyogram
  • the amplitude of MMG correlates with the power generated by muscles (Reference 8).
  • the normal tremor of a healthy person at rest is observed as an MMG of about 10 Hz with a spectral component (Burne 1984, in Gallasch 1997).
  • MMG has characteristics different from electromyography (EMG), which is another method for evaluating muscle function.
  • EMG represents an electronic signal that activates a motor unit.
  • the correlation between MMG amplitude and muscle strength disappears in fatigued muscles found in fresh muscles, whereas the correlation between EMG amplitudes and muscle strength is shown in both fresh and tired muscles (Reference 8). Therefore, MMG is expected to make up for and complement the shortcomings of EMG (Reference 7).
  • MMGs in use with maximum or near maximum force in PD patients have been investigated. Brown observed strong MMG at about 10 Hz and weak MMG at 40-50 Hz in the wrist extensor muscles of the forearm of PD patients during strong wrist flexion and extension compared to non-medicinal healthy individuals. I showed that. This change in MMG in PD patients is associated with electromyographic disappearance piper rhythm at 40-50 Hz, which is observed in healthy individuals with the best muscle contraction (Reference 9).
  • the reason why the MMG in use of weak force in PD patients, which may be related to the difficulty of using micrographs and tableware, is not yet clear is the technical limitation of MMG measurement.
  • Low MMG with weak muscle contraction is difficult to detect due to the limited resolution of MMG sensors such as small and lightweight microphones and accelerometers.
  • the high-frequency MMG is too small compared to the low-frequency MMG, the high-frequency MMG cannot be measured.
  • the power spectral density (PSD) of an MMG above 15 Hz is 100 to 1000 times smaller than the power spectral density (PSD) of about 5 Hz in PD patients holding a load below the maximum (Reference 10).
  • Diagnosis of PD is performed using multiple viewpoints such as movement disorders, CT, and the effects of L-dopa administration.
  • the discovery of movement disorders relied on a qualitative assessment by physician observation. Therefore, a major problem remains in the quantitative and objective evaluation of movement disorders. It is necessary to develop a system that can easily and quantitatively measure and evaluate the movement disorder of PD.
  • This study proposes devices and systems that support the diagnosis of PD using muscle sound measurement with a lightweight and highly sensitive accelerometer.
  • the purpose of this study is to investigate the MMG of PD patients while stressing weak muscles using a highly sensitive, compact and lightweight accelerometer.
  • the newly developed high-sensitivity accelerometer can detect PSD that is 10 times smaller than that on the market (Reference 12).
  • MMGs of PD patients, healthy elderly people, and healthy young people were investigated, and MMGs of PD patients for weak contraction of the extensor carpi radialis brevis muscle of the forearm under resting conditions and wrist flexion conditions. Clarified the characteristics of.
  • the specifications of the high-sensitivity accelerometer used in the experiment are as follows. ⁇ Noise density 100 ⁇ G / ⁇ Hz or less ⁇ Sensitivity 297fF / G ⁇ Sampling rate 85Hz or more ⁇ Weight 10g or more
  • This high-sensitivity acceleration sensor is a MEMS acceleration sensor that detects acceleration as a change in capacitance, and its sensitivity is defined as a change in capacitance per acceleration. Finally, the capacitance is converted into an electric signal such as a voltage signal by the capacitance detection circuit (C / V conversion circuit) and signal processed.
  • C / V conversion circuit the capacitance detection circuit
  • FIG. 5A is a diagram showing the acceleration sensor unit used in the experiment
  • FIG. 5B is a diagram showing the attachment of the sensor unit 110 to the human body.
  • the developed high-sensitivity accelerometer and a commercially available accelerometer (MPU6050 manufactured by InvenSence, USA, Reference 13) were fixed to one module board and housed in a special case. (See FIG. 5 (b)).
  • the weight of the sensor and the special box is 9.0 g, and the width, depth and height of the box are 20, 24 and 19 mm, respectively.
  • the noise of commercial and developed accelerometers is 400 ⁇ G / ⁇ Hz and 100 ⁇ G / ⁇ Hz, respectively.
  • the noise floor of the PSD of the developed accelerometer in terms of acceleration spectral density is -80 dB, which is 1/10 times lower than the -70 dB of the commercially available sensor.
  • the sampling rates of the developed high-sensitivity accelerometer and the commercially available accelerometer are 87.2 Hz and 90 Hz, respectively.
  • MMG measurement was performed under two conditions: rest condition and wrist flexion condition.
  • the accelerometer unit was secured to the abdominal muscles of the extensor carpi radialis longus on the dominant hand side of the participant using medical paper tape.
  • 6 (a) to 6 (c) are views showing a rest condition and a wrist flexion condition.
  • the microcontroller unit was attached to the upper arm using a special band. During the trial, participants shall sit in chairs and place their forearms on towels laid on the table. Under resting conditions, we ask participants to lightly open their fingers and relax. Participant's hand shape and wrist flexion angle were set under wrist flexion conditions. First, participants shall grab a cylinder 8 cm in diameter from above with all their fingers and thumbs, as shown in FIG. 6 (c).
  • the wrist flexion angle is set to 150 degrees using a triangle ruler (FIG. 6 (b)).
  • the experimenter shall pull the cylinder out of the participant's hand.
  • the experimenter checked the flexion angle to see if the participants maintained the angle. Another attempt was made when the participants were unable to maintain the angle.
  • participants are asked to close their eyes and stay still. Each condition was performed 3 times, and each participant was tested 6 times in total. The measurement was performed over 1 minute for each trial. There was a break of at least 1 minute between the trials. Participants were asked to move their arms slowly at the beginning of each trial for synchronization and calibration of the two accelerometers. Participants place their elbows on a towel and raise their forearms about 30 degrees.
  • the time and frequency domain characteristics of acceleration were used to analyze acceleration as muscle sounds.
  • the two accelerometer data are synchronized by matching the maximum values of arm movement at the start of each trial.
  • the acceleration of the developed sensor was divided by the maximum acceleration of the developed sensor and multiplied by the acceleration value of the commercially available sensor.
  • the power spectral density (PSD) was calculated using Welch's method. Of the acceleration data, the first 5 seconds were deleted and 50 seconds of data was used.
  • FIG. 7 is a diagram showing an example of measurement results obtained under resting conditions for healthy elderly people.
  • the upper row shows the output waveform of the accelerometer, and the horizontal axis shows the time in terms of the number of samples.
  • the lower row shows the power spectral density of the portion of the upper waveform surrounded by a rectangle.
  • FIG. 8 is a diagram showing an example of measurement results obtained under the condition of wrist flexion for a healthy elderly person.
  • FIG. 9 is a diagram showing an example of measurement results obtained under resting conditions for healthy young people.
  • FIG. 10 is a diagram showing an example of measurement results obtained under wrist flexion conditions for healthy young people.
  • FIG. 11 shows the spectrum of acceleration measured with a commercially available sensor and a high-sensitivity acceleration sensor placed on a horizontal plane for 1 minute.
  • the spectrum thus obtained shows the noise floor of each accelerometer.
  • the noise floor of the high-sensitivity accelerometer is 10 dB or more lower than that of the commercially available one.
  • FIG. 12 is a spectrum of acceleration of a PD patient measured by a high-sensitivity sensor under resting conditions and wrist flexion conditions.
  • FIG. 13 is a spectrum of acceleration of a healthy elderly person measured by a high-sensitivity sensor under resting conditions and wrist flexion conditions.
  • FIG. 14 is a spectrum of acceleration of healthy young people measured by a high-sensitivity sensor under resting conditions and wrist flexion conditions.
  • FIGS. 12 to 14 show the spectrum of acceleration measured by a high-sensitivity sensor under resting conditions and wrist flexion conditions for PD patients, healthy elderly people, and healthy young people, respectively.
  • the acceleration spectrum under rest and wrist flexion conditions is lower than the noise floor of commercially available sensors in many frequency bands. From this result, it was clarified that the high-sensitivity sensor measures minute muscle sounds that cannot be observed by commercially available sensors, especially in the high frequency band.
  • the spectra of rest and wrist flexion conditions are not different in PD patients.
  • the spectrum under the flexion condition of the wrist is higher than the spectrum under the resting condition of the healthy elderly and the healthy young people, especially in the high frequency band.
  • Non-Patent Document 14 discloses a finding that the activity of the subthalamic nucleus of the basal ganglia and the coherence of myoelectricity are attenuated in PD patients. That is, the diagnostic apparatus according to the present embodiment may be able to observe the activity of the subthalamic nucleus of the basal ganglia and the attenuation of the coherence of myoelectricity as the attenuation of the myophone signal in the high frequency band.
  • this coherence measurement could only be measured with deep brain stimulation, which required surgical insertion of electrodes into the basal ganglia in PD patients. According to this embodiment, it can be said that coherence can be easily measured without performing a surgical procedure.
  • FIG. 15 is a diagram showing spectra of healthy elderly people and healthy young people. It can be seen that both healthy elderly and healthy young people have increased power under flexion conditions compared to resting conditions in the high frequency band. Therefore, the energy (spectral area) was calculated in the frequency band of 15 Hz or higher, and it was verified that the power was statistically large.
  • the second task is to maintain the posture of the hand and forearm for 1 minute under the three conditions of rest, lateral weighting, and lateral finger raising.
  • 17 (a) to 17 (c) are diagrams for explaining the conditions of rest, lateral weighting, and lateral finger raising.
  • External weighting refers to applying weight from the back side of the hand with the palm facing down.
  • 18 (a) to 18 (c) are diagrams showing spectra obtained for PD patients and healthy elderly people under the three conditions of rest, lateral weighting, and lateral finger raising.
  • 19 (a) to 19 (c) are diagrams showing spectra obtained by a high-sensitivity sensor for PD patients and healthy elderly people under the three conditions of rest, lateral weighting, and lateral finger raising.
  • 20 (a) and 20 (b) are diagrams showing spectra obtained by a high-sensitivity sensor for PD patients and healthy elderly people.
  • the second task also shows a significant difference in the spectrum of the high frequency band between the PD patient and the elderly.
  • Experiment 3 The task of Experiment 3 was to hold the two conditions of pinch condition and rest condition for 40 seconds each with the dominant hand, and each condition was performed three times.
  • FIG. 21 (a) and 21 (b) are diagrams showing pinch conditions and rest conditions.
  • the pinch condition of FIG. 21 (a) is to pinch the clothespin with the middle finger, the index finger, and the thumb.
  • the range of motion is limited by sandwiching a rectangular parallelepiped with a width of 20 mm on the handle side of the clothespin.
  • the rest condition of FIG. 21 (b) keeps the palm naturally spread.
  • FIG. 22 is a diagram summarizing the participants of Experiment 3. PD patients are measured in the "On state" where antiparkinson's drugs are effective. In addition, it was decided to measure by hand on the side where tremor did not appear (symptom quasi-dominant side).
  • FIG. 23 is a diagram showing a mounting position of the sensor. The sensor was attached to the superficial abdominal muscles of the flexor pollicis brevis.
  • FIG. 24 is a diagram illustrating an analysis method. Welch's power spectral density (PSD) was calculated from the acceleration data. Then, it was divided into a low frequency band (5 to 15 Hz) and a high frequency band (15 to 35 Hz) in which tremor was observed, and the muscle sound spectral energy (area) of each band was calculated.
  • PSD power spectral density
  • 25 (a) and 25 (b) are diagrams showing the average spectra of healthy elderly people and PD patients. It can be seen that a weak muscle sound in the high frequency band hidden under the noise floor of the commercially available sensor is observed. In addition, weak mechanomyograms were observed in both PD patients and healthy elderly groups. It can also be seen that both PD patients and healthy elderly people have a larger mechanomyogram spectrum in all frequency bands under pinch conditions than under rest conditions.
  • 26 (a) and 26 (b) are diagrams showing energies in the low frequency band and the high frequency band.
  • ** indicates that the p-value is smaller than 0.01
  • *** indicates that the p-value is smaller than 0.001. It can be seen that in both the low-frequency band and the high-frequency band, both PD patients and healthy elderly people have increased muscle sound under flexion conditions rather than at rest conditions by exerting force.
  • FIG. 27 is a diagram showing spectra of PD patients and healthy elderly people measured under resting conditions. Under resting conditions, the PD patient group has a smaller spectrum than the healthy elderly group in both the low and high frequency bands.
  • FIGS. 28 (a) and 28 (b) are diagrams showing energies in the low frequency band and the high frequency band. Comparing the resting conditions, no significant difference was found between the healthy elderly and PD patients.
  • FIG. 29 is a diagram showing spectra of PD patients and healthy elderly people measured under pinch conditions. Under pinch conditions, the spectra of both groups are similar in the low frequency band, but it can be seen that in the high frequency band, the mechanomyogram of PD patients is lower than that of healthy elderly people.
  • 30 (a) and 30 (b) are diagrams showing energies in the low frequency band and the high frequency band. Comparing the pinch conditions, no significant difference was found between the healthy elderly and the PD patients in the low frequency band, but in the high frequency band, the PD patients were significantly smaller than the healthy elderly (p). ⁇ 0.05).
  • the diagnostic device may simply output a value having a correlation with the mechanomyogram signal in the high frequency band. For example, it is possible to evaluate the efficacy of a PD patient by comparing this value before and after administration of a specific drug.
  • the spectral energy of the high frequency band and the intermediate frequency have a correlation with the presence or absence of a neurodegenerative disease, but the information used for diagnosis is not limited to these.
  • the diagnosis may be made based on the shape of the spectrum, or if a clear peak exists, the diagnosis may be made based on the frequency of the peak.
  • Parkinson's disease syndrome normal pressure hydrocephalus, chronic subdural blood type, progressive supranuclear palsy, multiple system atrophy, cerebral brain
  • the present invention can also be applied to the diagnosis of corticobasal degeneration, multiple system atrophy, etc.).
  • the present invention can be applied to Alzheimer's disease, amyotrophic lateral sclerosis, flail and the like.
  • spectral energy or intermediate frequency is used for the analysis, but the statistical processing method is not limited to that, and the acceleration signal itself may be analyzed.
  • the amplitude of the acceleration signal and its root mean square (RMS) may be analyzed, or the peak value may be used.
  • RMS root mean square
  • MPF Mean Power Frequency
  • a temporal factor such as the reaction time of the muscle sound can be used.
  • the muscle sounds of a plurality of muscles may be analyzed by independent component analysis, principal component analysis, factor analysis, Non-negative matrix factorization (NMF), or the like.
  • the force generated by the subject under non-resting conditions is set to 20% or less of the maximum output, but even if the force is increased to about 50%, the mechanomyogram signal can be significantly measured against tremor and tremor. ..
  • the output under non-resting conditions can be determined according to the type of muscle to be measured, and it is better to reduce the ratio to the maximum output as the muscle strength increases.
  • the present technology can use an acceleration sensor having a noise density lower than a predetermined value, and the predetermined value can be said to exist between 100 ⁇ G / ⁇ Hz and 400 ⁇ G / ⁇ Hz. From this point of view, some aspects of the present disclosure can be grasped as follows.
  • a diagnostic device of some aspect can be attached to the subject, with an accelerometer having a noise density between 100 ⁇ G / ⁇ Hz and 400 ⁇ G / ⁇ Hz and below a predetermined value, and a mechanomyogram signal obtained from the output of the accelerometer.
  • a processing device for diagnosing a subject based on a high frequency component higher than a predetermined frequency included is provided.
  • the present invention relates to a diagnostic device.

Landscapes

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

Abstract

診断装置（１００）は、加速度センサ（１０２）および処理装置（１０４）を備える。加速度センサ（１０２）は、被験者（２）に取り付け可能であり、そのノイズ密度は、１００μＧ／√Ｈｚより低い。処理装置（１０４）は、加速度センサ（１０２）の出力から得られる筋音信号に含まれる所定周波数より高い高周波数成分にもとづいて、被験者（２）を診断する。

Description

診断装置
　本開示は、診断装置に関する。
　筋肉から発生する微弱な力学的振動は筋音と呼ばれ、マイクロフォンや加速度センサで計測されてきた。しかしながら筋音信号は非常に微弱であり、ノイズの影響を受けやすい。したがって従来では、筋音信号は、最大筋出力の状態において１５Ｈｚ以下の低周波数帯に観測される成分として特定されてきた。一方１５Ｈｚ以上の高周波数帯はノイズフロアの下に埋もれており、この領域に筋音信号は見出されていなかった。
Jankovic, J. Parkinson's disease: clinical features and diagnosis. J. Neurol. Neurosurg. Psychiatry 79, 368-376 (2008). Post, B., Merkus, M. P., De Haan, R. J., Speelman, J. D. & CARPA Study Group. Prognostic factors for the progression of Parkinson's disease: a systematic review. Mov. Disord. 22, 1839-1851 (2007). Fahn, S. Clinical aspects of Parkinson disease. In Parkinson's Disease: Molecular and Therapeutic Insights form Model Systems, eds. R. Nass, S. Przedborski, (Elsevier Inc., Amsterdam, 2008), pp. 3-48. Jankovic, J., Rajput, A. H., McDermott, M. P. & Perl, D. P. The evolution of diagnosis in early Parkinson disease. Arch. Neurol. 57, 369-372 (2000). Hausdorff, J. M. Gait dynamics in Parkinson's disease: common and distinct behavior among stride length, gait variability, and fractal-like scaling. Chaos 19, 026113 (2009). Hass, C. J. et al. Quantitative normative gait data in a large cohort of ambulatory persons with Parkinson's disease. PLoS One 7, e42337 (2012). Ibitoye, M. O. et al. Mechanomyography and muscle function assessment: A review of current state and prospects. Clin. Biomech. 29, 691-704 (2016). Orizio, C. et al. The surface Mechanomyogram as a tool to describe the influence of fatigue on biceps brachii motor unit activation strategy. Historical basis and novel evidence. Eur. J. Appl. Physiol, 90, 326-336 (2003). Brown, J. Muscle sounds in Parkinson's disease. Lancet, 349, 533-535 (1997). Marusiak, J. et al. EMG and MMG activities of agonist and antagonist muscles in Parkinson's disease patients during absolute submaximal load holding. J. Electromyogr. Kines. 19, 903-914 (2009). Marusiak, J. et al. Electromyography and mechanomyography of elbow agonists and antagonists in Parkinson disease. Muscle Nerve. 40, 240-248 (2009). Posatskiy, A. O. & Chau, T. The effects of motion artifact on mechanomyography: A comparative study of microphones and accelerometers. J. Electromyogr. Kines. 22, 320-324 (2012). MPU-6000 and MPU-6050 Product Specification Rev. 3.4, [Online] Available: https://store.invensense.com/datasheets/invensense/MPU-6050_DataSheet_V3%204.pdf Uri E. Ramirez Pasos et. al., "Levodopa Modulates FunctionalConnectivity in the Upper Beta Band Between Subthalamic Nucleus and Muscle Activity in Tonic and Phasic Motor Activity Patterns in Parkinson’s Disease",　Frontiers in Human Neuroscience, July 2019, Volume 13, Article 223.
　筋音信号は、最大筋出力の状態で計測するのが一般であり、震顫（ふるえ）や揺れが同時発生する。この震顫の周波数は、従来測定可能であった筋音信号の１０Ｈｚ付近の低周波帯域と重複しているため、それらを分離することが困難であった。したがって筋音信号を、神経変性疾患などの診断に利用することは困難であった。
　本開示は係る状況に鑑みてなされたものであり、そのある態様の例示的な目的のひとつは、筋音信号にもとづく診断装置の提供にある。
　本開示のある態様は診断装置に関する。診断装置は、被験者に取り付け可能な加速度センサと、加速度センサの出力から得られる筋音信号に含まれる所定周波数より高い高周波数成分（高周波帯）にもとづいて、被験者を診断する処理装置と、を備える。加速度センサは、ノイズ密度が１００μＧ／√Ｈｚより低い低ノイズ特性を有している。
　高感度・低ノイズの加速度センサを用いることで、従来、ノイズフロアに埋もれて存在が知られていなかった筋音信号の高周波数成分を測定可能となる。そして、この高周波数成分を解析することにより、たとえば、神経変性疾患をはじめとする診断が可能となり、あるいはその他の疾患や、運動機能の低下の診断が可能となる。なお本開示は、従来存在が知られていなかった高周波帯域の筋音信号の存在を認識し、この高周波筋音信号が診断できることを見いだしたことが新規であると言える。したがって加速度センサは、この高周波筋音信号を検出できる程度に、高感度かつ低ノイズであればよく、１００μＧ／√Ｈｚという具体的な数値は例示に過ぎず、たとえば３００μＧ／√Ｈｚあるいは２００μＧ／√Ｈｚのノイズ密度のセンサを本技術に利用することを除外するものではない。
　所定周波数は、１０～３０Ｈｚの間に定められることができる。依り好ましくは所定周波数は、１５～２０Ｈｚの間に定めてもよい。
　筋音信号は、被験者が力を発生した非安静条件下において測定されてもよい。
　非安静条件下で発生する力は、最大出力の５０％以下であってもよい。これにより計測時の筋出力を大幅に低減させることができ、それにより震顫による低周波数帯ノイズの発生を防止し、非震顫由来の筋音信号を測定できるようになる。好ましくは最大出力の２０％以下とすることができる。非安静条件下で発生する力を低くするほど、低周波数帯の震顫の影響を低減し、低周波数帯の筋音信号を高いＳ／Ｎ比で測定することが可能となる。
　非安静条件は、被験者が指で物をつまんだ状態であってもよい。この条件は、被験者に与える負荷が少なく、また再現性に優れている。
　非安静条件は、被験者が外側指上げを行った状態であってもよい。
　非安静条件は、被験者に外側加重を与えた状態であってもよい。
　筋音信号は、被験者が力を発生しない安静条件下において測定されてもよい。
　処理装置は、高周波数成分に加えて、筋音信号に含まれる所定周波数より低い低周波数成分（低周波帯）にもとづいて、診断を行ってもよい。
　加速度センサは、被験者の利き手側の前腕の浅層筋または撓側群筋に取り付けてもよい。あるいは加速度センサは、被験者の利き手側の手掌の浅層筋に取り付けてもよい。これらは表面側にある筋群であり、皮膚表面での筋音計測対象として好適である。
　なお、以上の構成要素を任意に組み合わせたもの、あるいは本開示の表現を、方法、装置などの間で変換したものもまた、本開示の態様として有効である。
　本開示のある態様によれば、筋音信号にもとづく診断が可能となる。
実施の形態に係る診断装置を示す図である。 被験者に加速度センサを取り付けた様子を示す図である。 図３（ａ）、（ｂ）は、患者と健常者について測定された筋音のスペクトルを示す図である。 高感度加速度センサによる筋音の測定スペクトルを示す図である。 図５（ａ）は、実験で用いた加速度センサユニットを示す図であり、図５（ｂ）は、センサユニットの人体への取り付けを示す図である。 図６（ａ）～（ｃ）は、安静条件と手首の屈曲条件を示す図である。 健常高齢者について安静条件下で得られた測定結果の一例を示す図である。 健常高齢者について手首の屈曲条件下で得られた測定結果の一例を示す図である。 健常若年者について安静条件下で得られた測定結果の一例を示す図である。 健常若年者について手首の屈曲条件下で得られた測定結果の一例を示す図である。 市販のセンサと高感度センサを水平面に１分間載置した状態で測定された加速度のスペクトルを示す図である。 安静条件および手首の屈曲条件下において、高感度センサによって測定されたＰＤ患者の加速度のスペクトルを示す図である。 安静条件および手首の屈曲条件下で、高感度センサによって測定された健常高齢者の加速度のスペクトルを示す図である。 安静条件および手首の屈曲条件下で、高感度センサによって測定された健常若年者の加速度のスペクトルである。 健常高齢者および健常若年者のスペクトルを示す図である。 図１６（ａ）は、健常高齢者（ＨＥ）および健常若年者（ＨＹ）の１５Ｈｚ以上の周波数帯のエネルギー（スペクトルの面積）を示す図であり、図１６（ｂ）は、健常高齢者（ＨＥ）および健常若年者（ＨＹ）の中間周波数を示す図である。 図１７（ａ）～（ｃ）は、安静、外側加重、外側指上げの条件を説明する図である。 図１８（ａ）～（ｃ）は、安静、外側加重、外側指上げの３条件下において、ＰＤ患者と健常高齢者について得られたスペクトルを示す図である。 図１９（ａ）～（ｃ）は、安静、外側加重、外側指上げの３条件下において、ＰＤ患者と健常高齢者について、高感度センサにより得られたスペクトルを示す図である。 図２０（ａ）、（ｂ）は、ＰＤ患者と健常高齢者について、高感度センサにより得られたスペクトルを示す図である。 図２１（ａ）、（ｂ）は、ピンチ条件と安静条件を示す図である。 実験３の参加者をまとめた図である。 センサの取り付け位置を示す図である。 分析方法を説明する図である。 図２５（ａ）、（ｂ）は、健常高齢者およびＰＤ患者の平均スペクトルを示す図である。 図２６（ａ）、（ｂ）は、低周波帯と高周波帯のエネルギーを示す図である。 安静条件下で測定されたＰＤ患者と健常高齢者のスペクトルを示す図である。 図２８（ａ）、（ｂ）は、低周波帯と高周波帯のエネルギーを示す図である。 ピンチ条件下において測定されたＰＤ患者と健常高齢者のスペクトルを示す図である。 図３０（ａ）、（ｂ）は、低周波帯と高周波帯のエネルギーを示す図である。
　以下、本発明を好適な実施の形態をもとに図面を参照しながら説明する。各図面に示される同一または同等の構成要素、部材、処理には、同一の符号を付するものとし、適宜重複した説明は省略する。また、実施の形態は、発明を限定するものではなく例示であって、実施の形態に記述されるすべての特徴やその組み合わせは、必ずしも発明の本質的なものであるとは限らない。
　図１は、実施の形態に係る診断装置１００を示す図である。診断装置１００は、加速度センサ１０２と、処理装置１０４を備える。
　加速度センサ１０２は、被験者（患者）２に取り付けられる。加速度センサ１０２は、感度がｍＧ～μＧあるいはｎＧオーダーの高感度特性と、ノイズ密度が１００μＧ／√Ｈｚ以下である、低ノイズ特性を有する。加速度センサ１０２の取り付け位置は、筋音信号を測定する際に、筋音信号の変化が現れやすい場所を選択すればよく、典型的には、被験者２の上肢４に取り付けるとよい。より具体的には、加速度センサ１０２は、上肢４の表面側にある筋肉であり、皮膚表面での筋音計測が可能な筋肉に取り付けるとよく、前腕の浅層筋、撓側群筋あるいは、手掌の浅層筋に取り付けるとよい。前腕の浅層筋と撓側群筋としては、円回内筋、撓側主根屈筋、長掌筋、浅指屈筋、尺側手根屈筋、腕橈骨筋、長撓側手根伸筋、短撓側手根伸筋、指伸筋、小指伸筋、尺側手根伸筋が例示される。手掌の浅層筋としては、短母子外転筋、短母子屈筋、母子対立筋、小指外転筋、短小指屈筋、小指対立筋が例示される。
　処理装置１０４は、加速度センサ１０２の出力から得られる筋音信号から、所定の周波数より高い高周波数成分にもとづいて、被験者２を診断する。所定周波数は、１０Ｈｚ～３０Ｈｚの間に定めることができる。たとえば処理装置１０４は、コンピュータとソフトウェアプログラムの組み合わせで実装することができ、機械学習によって得られた識別器を含むことができる。この識別器は、特定疾病の患者と、健常者について得られた筋音信号を学習データ（教師データ）として生成した学習済みモデルを実装したものである。識別器は、ＳＶＭ（サポートベクターマシン）や、深層学習を用いて生成してもよい。なお、本発明における特徴は、各種疾病の診断に、どのような情報を利用するか（つまり何を識別器の入力とするか）であって、識別器の実装や学習方法は本発明において本質的ではなく、公知技術を用いればよい。
　パーキンソン病（Parkinson's disease:PD）診断用の診断装置１００の場合、識別器は、Hoehn & Yahr（ホーン・ヤール）の重症度分類を出力としてもよいし、生活機能障害度分類を出力としてもよい。
　また処理装置１０４は、筋音信号から、所定周波数より低い低周波数成分を抽出し、高周波数成分と低周波数成分の組み合わせによって、被験者２を診断してもよい。
　ここでいう「診断」は、被験者２が特定の病理に罹患しているか否かに限定されず、単に、上肢（手、手首、前腕や上腕を含む）の機能の低下を診断するような場合も含む。
　以上が診断装置１００の構成である。本発明者らは、ｍＧ～μＧオーダーの高感度加速度センサ１０２を用いて筋音を計測することで、２種類の筋音を検出できることを見いだした。ひとつは２０～４０Ｈｚ付近にわたる高周波数成分の新しい筋音信号である。加速度センサ１０２の高感度化によってノイズフロアを低下させたことで、従来のノイズフロアの下に埋もれていた高周波成分が測定可能となる。後述の実験で説明するように、この高周波成分をある種の病理の患者について測定すると、健常者との間で有意な差が見られる場合がある。したがってこの高周波成分にもとづいて、診断が可能となる。
　もうひとつは従来から知られている１０Ｈｚ近傍の低周波数帯にピークを持つ非震顫由来の筋音信号である。つまり、加速度センサ１０２の高感度化により、計測時の筋出力を大幅に低減させることができ、それにより震顫による低周波数帯ノイズの発生を防止し、非震顫由来の筋音信号を測定できるようになる。この低周波成分についても、ある種の病理の患者と健常者との間で有意な差が見られる場合がある。したがってこの低周波成分にもとづいて、診断が可能となる。
　以上が診断装置１００の構成および測定の原理である。このような筋音計測を、パーキンソン病などの神経変性疾患の患者に対して実施したところ、健常若年者や健常高齢者において観察される高周波数帯の筋音のピークが、患者において消失していることを確認した。つまりこの高周波数帯の筋音信号の有無を検出することで、従来は存在しなかった新しい診断支援システムを構築することができる。以下、パーキンソン病などの神経変性疾患の患者を対象とした実験結果を説明する。
Ｉ　実験１
　図２は、被験者に加速度センサを取り付けた様子を示す図である。加速度センサの詳細は後述する。実験では、市販の加速度センサと、東京工業大学益研究室で開発された加速度センサ（本明細書において、高感度加速度センサ、あるいは単に高感度センサと称する）の２種類を用いた。新規開発された高感度加速度センサは、１軸Ａｕ錘の静電容量型加速度センサである。この実験では、被験者に、外側指上げ動作を行わせた非安静条件下で、筋音信号を測定した。なお、以下で説明するいくつかの実験において、非安静条件下において被験者が発生する力は、その最大出力の２０％以下としている。
　図３（ａ）、（ｂ）は、患者と健常者について測定された筋音のスペクトル（縦軸：１０ｄＢ／ｄｉｖ）を示す図である。（i）は市販の加速度センサによる測定結果を、（ii）高感度加速度センサによる測定結果を示す。この測定結果から、従来はノイズに埋もれていた２種類の筋音の存在が初めて明らかになった。ひとつは２０～４０Ｈｚ付近にピークを持つ高周波数成分の新しい筋音信号であり、もう一つは１０Ｈｚ近傍の低周波数帯にピークを持つ非震顫由来の筋音信号である。これはセンサの高感度化によってノイズフロアを低下させたこと、および、計測時の筋出力を大幅に低減させ震顫による低周波数帯ノイズの発生を防止したことによる。
　図４は、高感度加速度センサによる筋音の測定スペクトル（縦軸：５ｄＢ／ｄｉｖ）を示す図である。高感度加速度センサによる筋音計測をパーキンソン病などの神経変性疾患の患者において実施したところ、健常者において観察される２０～４０Ｈｚ付近の高周波数帯の筋音のピークが、患者では消失していることが分かった。
　この実験結果から、この高周波数帯の筋音信号を測定することで、従来は存在しなかった早期診断支援システムを構築することができることが分かる。
II　実験２
１．　導入
　パーキンソン病（ＰＤ：Perkinson's disease）は、黒質のドーパミン作動性ニューロンの段階的な変性によって引き起こされる進行性の永続的な神経障害である。ＰＤは運動と筋肉機能障害を伴う（文献１，２）。たとえば、運動緩慢、無動、筋肉硬直、安静時振戦などの典型的な運動関連の症状がＰＤに現れることが報告されている（文献３）。これらの症状は、患者の生活の質を著しく低下させる。ＰＤは退行性で永続的であるため、可能な限り早期にその重症度を診断および評価することが重要である（文献１，４）。多くのＰＤ患者は，字が異常に小さくなる小字症と呼ばれる書字障害に苦しんでいる。別の例では、多くのＰＤ患者が筋肉機能障害のために、食器を使用するのが困難であった。
　最近、骨格筋の機械的活動を評価するために、筋音またはメカノミオグラフィ（ＭＭＧ）に焦点が当てられており、筋肉収縮からの微小筋肉振動が、小型軽量のコンデンサーマイク、加速度センサ、または皮膚の圧電接触センサによって測定される（文献７）。
　たとえば、ＭＭＧの振幅は、筋肉の生成されたパワーと相関する（文献８）。安静時の健常者の通常の振戦は、スペクトル成分を伴う約１０ＨｚのＭＭＧとして観察される（Burne 1984, in Gallasch 1997）。ＭＭＧは、筋肉機能を評価する別の方法である筋電図（ＥＭＧ）とは異なる特徴を有している。ＥＭＧは、運動単位を活性化する電子信号を表す。ＭＭＧの振幅と筋力の相関関係は、新鮮な筋肉で見られる疲労筋では消失するが、ＥＭＧの振幅と筋力の相関関係は、新鮮な筋肉と疲労した筋肉の両方で示される（文献８）。したがって、ＭＭＧはＥＭＧの欠点を補い、補完することが期待されている（文献７）。
　ＰＤ患者のＭＭＧを調べる研究はわずかに報告されている。たとえばＰＤ患者における最大または最大に近い力の使用中のＭＭＧが調査されていた。Brownは、薬を飲んでいない健康な人と比較して、手首の強い屈曲および伸展中に、ＰＤ患者の前腕の手首伸筋で、約１０Ｈｚで強いＭＭＧと４０－５０Ｈｚで弱いＭＭＧが観察されたことを示した。ＰＤ患者のこのＭＭＧの変化は、４０～５０Ｈｚでの筋電図の消失パイパーリズムに関連するものであり、これは最高の筋肉収縮で健康な人に観察されるものである（文献９）。
　マルシアクらは、手首に最大以下の負荷（２ｋｇ）を保持した状態でＰＤ患者の上肢の筋肉を測定したところ、約５Ｈｚ付近において、健常者群と比較して、より高いＭＭＧが観察されたことを明らかにした（文献１０）。この高いＭＭＧは、最大下の筋収縮中にしばしば観察されるＰＤの動作振戦によって引き起こされるものと考えられる。
　しかしながら、顕微鏡写真や食器の使用の難しさに関連しているであろうＰＤ患者での弱い力の使用中のＭＭＧはまだ明かでないその理由は、ＭＭＧの測定の技術的な制限である。筋肉の弱い収縮を伴う低ＭＭＧは、小型軽量のマイクや加速度センサなど、ＭＭＧのセンサの解像度の制限のため、検出が困難である。特に、高域のＭＭＧは低域のＭＭＧに比べて小さすぎるため、高域のＭＭＧは測定不可能であった。例えば、１５Ｈｚを超えるＭＭＧのパワースペクトル密度（ＰＳＤ）は、最大以下の負荷を保持しているＰＤ患者の約５Hzのパワースペクトル密度（ＰＳＤ）よりも１００～１０００倍小さい（文献１０）。
　ＰＤの診断は、運動障害、ＣＴ、Ｌ－ドーパ投与の効果など、複数の視点を使用して実施される。しかし、運動障害の発見は、医師の観察による定性的評価に依存していた。したがって、運動障害の定量的かつ客観的な評価には大きな問題が残っている。ＰＤの運動障害を簡単かつ定量的に測定および評価できるシステムを開発する必要がある。この研究は、軽量で高感度の加速度センサによる筋肉音測定を使用してＰＤの診断を支援する装置やシステムを提案するものである。
　この研究の目的は、高感度の小型軽量の加速度センサを使用して、弱い筋力に負担をかけている間のＰＤ患者のＭＭＧを調査することである。新たに開発された高感度加速度センサは、市販のものよりも１０倍小さいＰＳＤを検出可能である（文献１２）。この実験では、ＰＤ患者、健常高齢者、健常若年者のＭＭＧを調査し、安静条件下および手首の屈曲条件下における、前腕の長橈側手根伸筋の筋腹の弱い収縮に対するＰＤ患者のＭＭＧの特徴を明らかにした。
２．　実験装置および方法
　実験に用いた高感度加速度センサの仕様は以下のとおりである。
　・ノイズ密度　１００μＧ／√Ｈｚ以下
　・感度　２９７ｆＦ／Ｇ
　・サンプリングレート　８５Ｈｚ以上
　・重量　１０ｇ以上
　この高感度加速度センサは、ＭＥＭＳ加速度センサであり、加速度を静電容量の変化として検出するものであり、その感度は、加速度あたりの静電容量変化として定義される。最終的には、静電容量は、静電容量検出回路（Ｃ／Ｖ変換回路）によって電圧信号などの電気信号に変換され、信号処理される。
　図５（ａ）は、実験で用いた加速度センサユニットを示す図であり、図５（ｂ）は、センサユニット１１０の人体への取り付けを示す図である。開発した高感度加速度センサと市販の加速度センサ（米国InvenSence社製MPU6050、文献１３）は１つのモジュールボードに固定され、特別なケースに収容した。（図５（ｂ）を参照）。センサと特殊ボックスの重量は９．０ｇで、ボックスの幅、奥行き、高さはそれぞれ２０，２４，１９ｍｍである。商用および開発された加速度センサのノイズは、それぞれ４００μＧ／√Ｈｚおよび１００μＧ／√Ｈｚである。加速度スペクトル密度における開発された加速度センサのＰＳＤのノイズフロアは－８０ｄＢであり、市販センサの－７０ｄＢよりも１／１０倍に低減されている。開発した高感度加速度センサおよび市販の加速度センサそれぞれのサンプリングレートは、８７．２Ｈｚおよび９０Ｈｚである。
３．　実験手法
　ＭＭＧの測定手法は以下の通りである。
　・自発運動
　　…手首の伸展または屈曲
　　…握力計を保持して一定の力を与える
　・外部負荷
　　…一定の重みを保持
　・休憩
　　…自発的な運動や外部負荷なし
　ＭＭＧ測定は、安静条件と手首の屈曲条件の２つの条件下で実施した。加速度センサユニットは、医療用紙テープを使用して、参加者の利き手側の長橈側手根伸筋の腹筋に固定した。図６（ａ）～（ｃ）は、安静条件と手首の屈曲条件を示す図である。マイクロコントローラーユニットは、特別なバンドを使用して上腕に取り付けた。トライアル中、参加者は椅子に座り、テーブルに敷いたタオルの上に前腕を置くものとする。安静条件下で、参加者に指を軽く開いてリラックスするように依頼している。手首の屈曲条件下で、参加者の手の形と手首の屈曲角度を設定した。最初に、図６（ｃ）に示すように、参加者はすべての指と親指で、直径８ｃｍのシリンダーを上からつかむものとする。次に、三角定規を使用して手首の屈曲角度を１５０度に設定する（図６（ｂ））。最後に、実験者が参加者の手からシリンダーを引っ張るものとする。手首の屈曲条件下での試行の直後に、実験者は参加者が角度を維持しているかどうか屈曲角度を確認した。参加者が角度を保つことができなかったとき、別の試行を行った。試験中、参加者は目を閉じて動かないように求められている。各条件は３回実施され、各参加者に対して合計６回の試験を実施した。測定は試行ごとに1分かけて行った。トライアル間で、少なくとも１分間休憩を設けた。２つの加速度センサの同期とキャリブレーションのために、参加者に、各試行の開始時にゆっくりと腕を動かすように求めた。参加者は、肘をタオルの上に置いて前腕を約３０度上げる。
４．　統計的方法
　筋肉音としての加速度の分析には、加速度の振幅および周波数特性など、加速度の時間および周波数領域の特徴を使用した。各試行の開始時の腕の動きの最大値を一致させることにより、２つの加速度センサデータの同期をとっている。２つのセンサのキャリブレーションでは、開発されたセンサの加速度を、開発されたセンサの加速度の最大値で割り、市販のセンサの加速度の値で乗算した。ＭＭＧの周波数特性を調べるために、Welchの方法を使用してパワースペクトル密度（ＰＳＤ）を計算した。加速度データのうち、最初の５秒を削除し、５０秒のデータを使用した。
　図７は、健常高齢者について安静条件下で得られた測定結果の一例を示す図である。上段は、加速度センサの出力波形であり、横軸は時間をサンプル数で示したものである。下段は、上段の波形のうち、矩形で囲んだ部分のパワースペクトル密度である。
　図８は、健常高齢者について手首の屈曲条件下で得られた測定結果の一例を示す図である。図９は、健常若年者について安静条件下で得られた測定結果の一例を示す図である。図１０は、健常若年者について手首の屈曲条件下で得られた測定結果の一例を示す図である。
５．　結果と考察
　図１１は、市販のセンサと高感度加速度センサを水平面に１分間載置した状態で測定された加速度のスペクトルを示す。こうして得られたスペクトルは、各加速度センサのノイズフロアを示す。高感度加速度センサのノイズフロアは、市販のものよりも１０ｄＢ以上低くなっている。
　図１２は、安静条件および手首の屈曲条件下で、高感度センサによって測定されたＰＤ患者の加速度のスペクトルである。
　図１３は、安静条件および手首の屈曲条件下で、高感度センサによって測定された健常高齢者の加速度のスペクトルである。
　図１４は、安静条件および手首の屈曲条件下で、高感度センサによって測定された健常若年者の加速度のスペクトルである。
　図１２～図１４は、ＰＤ患者、健常高齢者、および健常若年者それぞれについて、安静条件および手首屈曲条件の下で、高感度センサによって測定された加速度のスペクトルを示している。高感度センサでは、安静条件下と手首の屈曲条件下での加速度スペクトルは、多くの周波数帯域で市販のセンサのノイズフロアよりも低くなっている。この結果から、高感度センサは、特に高周波数帯域では市販のセンサでは観測できない微小筋音を測定していることが明らかになった。安静条件と手首の屈曲条件のスペクトルは、ＰＤ患者で違いはみられない。一方、手首の屈曲条件下でのスペクトルは、特に高周波数帯域で、健常高齢者および健常若年者の安静条件下でのスペクトルよりも高いことがわかる。
　この実験結果は、ＰＤ患者の場合、高周波帯域の筋音信号が減弱することを示していると言える。非特許文献１４には、大脳基底核の視床下核の活動と筋電のコヒーレンスがＰＤ患者では減弱しているという知見が開示されている。つまり本実施形態に係る診断装置は、大脳基底核の視床下核の活動と筋電のコヒーレンスの減弱を、高周波帯域の筋音信号の減弱として観測できている可能性がある。従来では、このコヒーレンスの計測は、深部脳刺激療法でしか計測できておらず、これは、ＰＤ患者に、外科的に基底核に電極を挿入する必要があった。本実施形態によれば、外科的な処置を行わずに、簡易にコヒーレンスを測定できていると言える。
　図１５は、健常高齢者および健常若年者のスペクトルを示す図である。健常高齢者、健常若年者ともに高周波数帯で、安静条件下に比べて、屈曲条件下でのパワーが増大していることがわかる。そこで、１５Ｈｚ以上の周波数帯でエネルギー（スペクトルの面積）を計算し、統計的にパワーが大きいことを検定した。図１６（ａ）は、健常高齢者（ＨＥ）および健常若年者（ＨＹ）の１５Ｈｚ以上の周波数帯のエネルギー（スペクトルの面積）を示す図である。健常高齢者、健常若年者ともに、屈曲時に高周波数帯のエネルギーが増大することがわかる（ｐ＜０．０１）。また高齢者と若年者とでは有意な差は見いだせない（ｐ＝０．９４７）。
　なお、個人間で平均すると高周波数帯のピークが見えないため、１５Ｈｚ以上の周波数帯で中間周波数（median power frequency; MdPFあるいはMF）、すなわちスペクトル面積を２分する周波数を計算し，周波数方向のスペクトルのシフトを検定することとした。図１６（ｂ）は、健常高齢者（ＨＥ）および健常若年者（ＨＹ）の中間周波数を示す図である。健常高齢者、健常若年者ともに、屈曲時に、中間周波数が上昇すること、つまりより高い周波数にスペクトルがシフトすることがわかる（ｐ＜０．００１）。また高齢者と若年者とでは有意な差は見いだせない（ｐ＝０．４５７）。
　続いて、別の課題について行った実験結果を説明する。第２の課題は、安静、外側加重、外側指上げの３つの条件下で、手と前腕の姿勢を１分間、保持させるものである。図１７（ａ）～（ｃ）は、安静、外側加重、外側指上げの条件を説明する図である。外側加重は、掌を下に向けた状態で、手の甲側から加重を与えることをいう。
　測定は、市販センサと高感度センサを用いて行った。図１８（ａ）～（ｃ）は、安静、外側加重、外側指上げの３条件下において、ＰＤ患者と健常高齢者について得られたスペクトルを示す図である。
　図１９（ａ）～（ｃ）は、安静、外側加重、外側指上げの３条件下において、ＰＤ患者と健常高齢者について、高感度センサにより得られたスペクトルを示す図である。
　図２０（ａ）、（ｂ）は、ＰＤ患者と健常高齢者について、高感度センサにより得られたスペクトルを示す図である。
　第２の課題によっても、ＰＤ患者と高齢者とでは、高周波数帯のスペクトルに有意な差が認められることが分かる。
III　実験３
　実験３の課題は、利き手で、ピンチ条件と、安静条件の２条件をそれぞれ４０秒保持するものであり、各条件を３試行ずつ行った。
　図２１（ａ）、（ｂ）は、ピンチ条件と安静条件を示す図である。図２１（ａ）のピンチ条件は、中指と人差し指、親指で洗濯ばさみをつまむものである。洗濯ばさみの持ち手側には、幅２０ｍｍの直方体を挟むことにより、可動域を制限している。図２１（ｂ）の安静条件は、掌を自然に広げた状態を保つものである。
　図２２は、実験３の参加者をまとめた図である。ＰＤ患者は、抗パーキンソン薬が効いている"Ｏｎ状態"にて計測を行っている。また振戦が現れていない側（症状準優位側）の手で計測するものとした。図２３は、センサの取り付け位置を示す図である。センサは、短母指屈筋浅頭の腹筋に取り付けた。
　続いて、実験３における分析方法を説明する。図２４は、分析方法を説明する図である。加速度データからウェルチのパワースペクトル密度（ＰＳＤ）を算出した。そして、振戦が見られる低周波数帯（５～１５Ｈｚ）と高周波数帯（１５～３５Ｈｚ）に分け、それぞれの帯域の筋音スペクトルエネルギー（面積）を計算した。
　図２５（ａ）、（ｂ）は、健常高齢者およびＰＤ患者の平均スペクトルを示す図である。市販センサのノイズフロアの下に隠れていた高周波帯の微弱な筋音が観測されていることが分かる。また、ＰＤ患者及び健常高齢者の両群において微弱な筋音が観測されている。またＰＤ患者も健常高齢者も、ピンチ条件において安静条件よりも、全周波帯の筋音スペクトルが大きいことが分かる。
　図２６（ａ）、（ｂ）は、低周波帯と高周波帯のエネルギーを示す図である。図中、＊＊は、ｐ値が０．０１より小さいことを、＊＊＊は、ｐ値が０．００１より小さいことを示す。低周波帯と高周波帯の両方においてＰＤ患者、健常高齢者ともに、力を入れることで安静条件下より屈曲条件下の方が筋音が増加することが分かる。
　図２７は、安静条件下において測定されたＰＤ患者と健常高齢者のスペクトルを示す図である。安静条件下では、低周波帯と高周波帯両方で、ＰＤ患者群の方が健常高齢者群よりもスペクトルが小さくなる。
　図２８（ａ）、（ｂ）は、低周波帯と高周波帯のエネルギーを示す図である。安静条件同士を比較すると、健常高齢者とＰＤ患者との間に、有意な差は見いだせない。
　図２９は、ピンチ条件下で測定されたＰＤ患者と健常高齢者のスペクトルを示す図である。ピンチ条件下では、低周波帯では両群のスペクトルは同程度であるが、高周波帯では健常高齢者よりＰＤ患者の筋音が低いことが分かる。
　図３０（ａ）、（ｂ）は、低周波帯と高周波帯のエネルギーを示す図である。ピンチ条件同士を比較すると、低周波帯では、健常高齢者とＰＤ患者との間に、有意な差は見いだせないが、高周波帯では、ＰＤ患者は、健常高齢者に比べて有意に小さい（ｐ＜０．０５）。
　この実験結果は、ピンチ条件下において、筋音信号の高周波成分を測定することにより、ＰＤ患者と健常高齢者を有意に判別することができることを示している。
　以上、本発明について、実施の形態をもとに説明した。この実施の形態は例示であり、それらの各構成要素や各処理プロセスの組み合わせにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。以下、こうした変形例について説明する。
　本明細書で説明した実験は、主にＰＤ患者を対象としたものであるが、診断装置の適用範囲はそれに限定されず、さまざまな疾患の診断に利用することができる。また診断装置は、高周波帯の筋音信号と相関を有する値を単に出力するのみであってもよい。たとえば、あるＰＤ患者に、特定の薬を投与した前後で、この値を比較することで、薬効を評価したりすることが可能となる。
　実施の形態では、高周波帯のスペクトルエネルギーや中間周波数が、神経変性疾患の有無と相関を有することを示したが、診断に利用する情報はこれらに限定されない。たとえば、よりスペクトルの形状にもとづいて診断を行ってもよいし、明確なピークが存在する場合には、そのピークの周波数にもとづいて診断を行ってもよい。
　実施形態では、ＰＤ診断について説明したが、ＰＤに症状が似ていてＰＤではないパーキンソン病症候群（正常圧水頭症，慢性硬膜下血種，進行性核上性麻痺，多系統萎縮症，大脳皮質基底核変性症，多発性楽な梗塞など）の診断にも本発明は適用可能である。そのほか、アルツハイマー病、筋委縮性側索硬化症、フレイルなどにも本発明は適用可能である。
　実施形態では、解析に、スペクトルエネルギーや中間周波数を用いたが、統計処理の手法はそれに限定されず、加速度信号そのものを解析してもよい。あるいは、加速度信号の振幅とその平均二乗平方根（Root Mean Squeare: RMS）を解析してもよいし、そのピークの値を用いてもよい。あるいは、その他のパワースペクトルの特徴、たとえば平均周波数（Mean Power Frequency:MPF）などを用いることもできる。もしくは、筋音の反応時間などの時間的因子を用いることもできる。また、複数筋の筋音を独立成分分析、主成分分析、因子分析、または、Non negative matrix factorization（NMF）などにより分析しても良い。
　実施形態では、非安静条件下において被験者が発生する力を、その最大出力の２０％以下としたが、５０％程度まで高めたとしても、震顫や揺れに対して有意に筋音信号を測定できる。非安静条件下における出力は、測定する筋肉の種類に応じて定めることができ、大きい筋力ほど、最大出力に対する割合を値を小さくする方がよい。
　実験では、ノイズ密度が１００μＧ／√Ｈｚである低ノイズセンサと、ノイズ密度が４００μＧ／√Ｈｚである市販センサとの対比によって、前者では、高周波帯の筋音信号を検出でき、後者では、高周波帯の筋音信号を検出できないという知見を得た。言い換えれば、本技術は、ノイズ密度が所定値より低い加速度センサを利用できると言え、その所定値は、１００μＧ／√Ｈｚ～４００μＧ／√Ｈｚの間に存在すると言える。この観点から、本開示のある態様は、以下のように把握できる。
　ある態様の診断装置は、被験者に取り付け可能であり、ノイズ密度が１００μＧ／√Ｈｚ～４００μＧ／√Ｈｚの間に存在する所定値より低い加速度センサと、加速度センサの出力から得られる筋音信号に含まれる所定周波数より高い高周波数成分にもとづいて、被験者を診断する処理装置と、を備える。
　実施の形態にもとづき、具体的な語句を用いて本発明を説明したが、実施の形態は、本発明の原理、応用を示しているにすぎず、実施の形態には、請求の範囲に規定された本発明の思想を逸脱しない範囲において、多くの変形例や配置の変更が認められる。
　本発明は、診断装置に関する。
　１００　診断装置
　１０２　加速度センサ
　１０４　処理装置

Claims (13)

  1. 　被験者に取り付け可能であり、ノイズ密度が１００μＧ／√Ｈｚよりも低い加速度センサと、
    　前記加速度センサの出力から得られる筋音信号に含まれる所定周波数より高い高周波数成分にもとづいて、前記被験者を診断する処理装置と、
    　を備えることを特徴とする診断装置。
  2. 　前記所定周波数は、１０～３０Ｈｚの間に定められることを特徴とする請求項１に記載の診断装置。
  3. 　前記筋音信号は、前記被験者が力を発生した非安静条件下において測定されることを特徴とする請求項１または２に記載の診断装置。
  4. 　前記非安静条件下において発生する力は、最大出力の５０％以下あることを特徴とする請求項３に記載の診断装置。
  5. 　前記非安静条件は、前記被験者が指で物をつまんだ状態であることを特徴とする請求項３または４に記載の診断装置。
  6. 　前記非安静条件は、前記被験者が外側指上げを行った状態であることを特徴とする請求項３から５のいずれかに記載の診断装置。
  7. 　前記非安静条件は、前記被験者に外側加重を与えた状態であることを特徴とする請求項３から６のいずれかに記載の診断装置。
  8. 　前記処理装置は、前記高周波数成分のスペクトルエネルギーを計算することを特徴とする請求項１から７のいずれかに記載の診断装置。
  9. 　前記処理装置は、前記高周波数成分の中間周波数を計算することを特徴とする請求項１から８のいずれかに記載の診断装置。
  10. 　前記筋音信号は、前記被験者が力を発生しない安静条件下において測定されることを特徴とする請求項１から９のいずれかに記載の診断装置。
  11. 　前記処理装置は、前記高周波数成分に加えて、前記筋音信号に含まれる前記所定周波数より低い低周波数成分にもとづいて、診断を行うことを特徴とする請求項１から１０のいずれかに記載の診断装置。
  12. 　前記加速度センサは、前記被験者の利き手側の前腕の浅層筋または撓側群筋に取り付けられることを特徴とする請求項１から１１のいずれかに記載の診断装置。
  13. 　前記加速度センサは、前記被験者の利き手側の手掌の浅層筋に取り付けられることを特徴とする請求項１から１１のいずれかに記載の診断装置。
PCT/JP2020/038268 2019-10-16 2020-10-09 診断装置 WO2021075368A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021552365A JP7576846B2 (ja) 2019-10-16 2020-10-09 診断装置

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201962915849P 2019-10-16 2019-10-16
US62/915,849 2019-10-16
JP2020-063842 2020-03-31
JP2020063842 2020-03-31

Publications (1)

Publication Number Publication Date
WO2021075368A1 true WO2021075368A1 (ja) 2021-04-22

Family

ID=75538468

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/038268 WO2021075368A1 (ja) 2019-10-16 2020-10-09 診断装置

Country Status (1)

Country Link
WO (1) WO2021075368A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009297206A (ja) * 2008-06-12 2009-12-24 Tohoku Univ 非侵襲的な人の筋の損傷状態を評価する測定システム
US20110196262A1 (en) * 2010-02-05 2011-08-11 The Research Foundation Of State University Of New York Real-time assessment of absolute muscle effort during open and closed chain activities
JP2015066401A (ja) * 2013-10-01 2015-04-13 公益財団法人ヒューマンサイエンス振興財団 興奮収縮連関の障害の有無の判定補助方法
JP2015217282A (ja) * 2014-05-20 2015-12-07 三郎 佐古田 中枢神経疾患患者の運動機能評価方法
JP2016511651A (ja) * 2013-01-21 2016-04-21 カラ ヘルス, インコーポレイテッドCala Health, Inc. 振戦を抑制する装置及び方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009297206A (ja) * 2008-06-12 2009-12-24 Tohoku Univ 非侵襲的な人の筋の損傷状態を評価する測定システム
US20110196262A1 (en) * 2010-02-05 2011-08-11 The Research Foundation Of State University Of New York Real-time assessment of absolute muscle effort during open and closed chain activities
JP2016511651A (ja) * 2013-01-21 2016-04-21 カラ ヘルス, インコーポレイテッドCala Health, Inc. 振戦を抑制する装置及び方法
JP2015066401A (ja) * 2013-10-01 2015-04-13 公益財団法人ヒューマンサイエンス振興財団 興奮収縮連関の障害の有無の判定補助方法
JP2015217282A (ja) * 2014-05-20 2015-12-07 三郎 佐古田 中枢神経疾患患者の運動機能評価方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ITO, HIROYUKI ET AL.: "A high-sensitivity MEMS accelerometer technology for sign measurement", PROCEEDINGS OF THE SOCIETY OF INSTRUMENT AND CONTROL ENGINEERS INFORMATION DIVISION ACADEMIC LECTURE, 23 November 2019 (2019-11-23), pages 42, 43 *
KOGA, T. ET AL.: "High-sensitivity inertial sensor module to measure hidden micro muscular sounds", 2019 IEEE BIOMEDICAL CIRCUITS AND SYSTEMS CONFERENCE (BIOCAS, 17 October 2019 (2019-10-17), pages 1 - 4, XP033644680, DOI: 10.1109/BIOCAS.2019.8919151 *

Also Published As

Publication number Publication date
JPWO2021075368A1 (ja) 2021-04-22

Similar Documents

Publication Publication Date Title
Ibitoye et al. Mechanomyography and muscle function assessment: A review of current state and prospects
Vial et al. How to do an electrophysiological study of tremor
Søgaard et al. Evidence of long term muscle fatigue following prolonged intermittent contractions based on mechano-and electromyograms
Meigal et al. Novel parameters of surface EMG in patients with Parkinson’s disease and healthy young and old controls
Rissanen et al. Analysis of EMG and acceleration signals for quantifying the effects of deep brain stimulation in Parkinson’s disease
Blangsted et al. Voluntary low-force contraction elicits prolonged low-frequency fatigue and changes in surface electromyography and mechanomyography
Rocha et al. Weighted-cumulated S-EMG muscle fatigue estimator
Castillo et al. Wearable MMG-plus-one armband: Evaluation of normal force on mechanomyography (MMG) to enhance human-machine interfacing
Ao et al. Characterization of stroke-and aging-related changes in the complexity of EMG signals during tracking tasks
Borg et al. Diagnostic value of quantitative sensory testing (QST) in carpal tunnel syndrome
Dehem et al. Assessment of upper limb spasticity in stroke patients using the robotic device REAplan
Marusiak et al. EMG and MMG activities of agonist and antagonist muscles in Parkinson’s disease patients during absolute submaximal load holding
Askari et al. An EMG-based system for continuous monitoring of clinical efficacy of Parkinson's disease treatments
Norali et al. Surface electromyography signal processing and application: A review
Andrade et al. Human tremor: origins, detection and quantification
Popović Maneski et al. A new method and instrumentation for analyzing spasticity
Rissanen et al. Analysis of dynamic voluntary muscle contractions in Parkinson's disease
Bhat et al. A novel approach to detect localized muscle fatigue during isometric exercises
Turk et al. Reliability and sensitivity of a wrist rig to measure motor control and spasticity in poststroke hemiplegia
Standring et al. Distribution of tremorogenic activity among the major superficial muscles of the upper limb in persons with essential tremor
Norali Human breathing classification using electromyography signal with features based on mel-frequency cepstral coefficients
WO2021075368A1 (ja) 診断装置
Kumar et al. Real time monitoring of muscle fatigue and muscle disorder of biceps brachii using Surface Electromyography (sEMG)
Yoshitake et al. Laser-detected lateral muscle displacement is correlated with force fluctuations during voluntary contractions in humans
JP7576846B2 (ja) 診断装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20875678

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021552365

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20875678

Country of ref document: EP

Kind code of ref document: A1