健常者と脳卒中後の6次元上肢等尺性ゲーム中の神経運動行動の特徴付け：エンドエフェクタ型リハビリテーションロボットインターフェース設計への示唆
Characterizing Healthy & Post-Stroke Neuromotor Behavior During 6D Upper-Limb Isometric Gaming: Implications for Design of End-Effector Rehabilitation Robot Interfaces
健常者と脳卒中患者の等尺性軌道追跡タスク中の力出力、筋活動、ゲーム成績を分析し、インターフェース設計が行動に与える影響や病理的特徴の検出可能性、HMMによる筋電図分類法を提案した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Ajay Anand, Gabriel Parra, Chad A. Berghoff, Laura A. Hallock
分類: cs.RO, cs.HC
原文アブストラクト
Successful robot-mediated rehabilitation requires designing games and robot interventions that promote healthy motor practice. However, the interplay between a given user's neuromotor behavior, the gaming interface, and the physical robot makes designing system elements -- and even characterizing what behaviors are "healthy" or pathological -- challenging. We leverage our OpenRobotRehab 1.0 open access data set to assess the characteristics of 13 healthy and 2 post-stroke users' force output, muscle activations, and game performance while executing isometric trajectory tracking tasks using an end-effector rehabilitation robot. We present an assessment of how subtle aspects of interface design impact user behavior; an analysis of how pathological neuromotor behaviors are reflected in end-effector force dynamics; and a novel hidden Markov model (HMM)-based neuromotor behavior classification method based on surface electromyography (sEMG) signals during cyclic motions. We demonstrate that task specification (including which axes are constrained and how users interpret tracking instructions) shapes user behavior; that pathology-related features are detectable in 6D end-effector force data during isometric task execution (with significant differences between healthy and post-stroke profiles in force error and average force production at $p=0.05$); and that healthy neuromotor strategies are heterogeneous and inherently difficult to characterize. We also show that our HMM-based models discriminate healthy and post-stroke neuromotor dynamics where synergy-based decompositions reflect no such differentiation. Lastly, we discuss these results' implications for the design of adaptive end-effector rehabilitation robots capable of promoting healthier movement strategies across diverse user populations.
関連論文
- 精神と身体のエンゲージメントを融合したフロー理論ベースの上肢リハビリ向けマルチモーダル制御フレームワークリハビリテーションロボティクス
- 頭頸部の動きを回復するための生体模倣視線制御リハビリテーションロボティクス
- ロボット支援上肢タスク特異的トレーニングのための可変的な理学療法士-患者間相互作用の学習リハビリテーションロボティクス
- 見て、学んで、支援する：動画からの模倣学習による安全で自己ペースなロボットリハビリテーションリハビリテーションロボティクス
- 時系列基盤モデルによるロボット上肢評価の精度を保ったままの評価時間短縮リハビリテーションロボティクス
- 脳卒中後の固有感覚障害に対する個別化ロボット訓練が手機能と固有感覚処理を改善：ランダム化比較試験リハビリテーションロボティクス
