筋シナジー仮説 2. 従来,ある筋シナジーに属する筋の特定や,シナジーの活性化の時間的経過の決定には,次元圧縮アルゴリズムを適用した複数の筋のEMGの分析が用いられてきた.その代表的な手法を図1 に示す.行列Mに列ベクトルとして配置されたEMG は,計算アルゴリズムによってCとW の2つの行列に分解される. M = CWT + R = ciwT + R, ( 1 ) i ここで,ベクトルw(行列 i Wの列)は筋シナジー,ベクトルc(行列 健常成人における歩行時の筋シナジーは、下肢のみで4つ 2) 、全身含めると5つ 3) であることが報告されている。 歩行時の筋シナジーは、発達により個数が増え 4) 、脳卒中などの疾患では個数減少や活動度変化が生じる 5) 。 また、その個数が多いほど課題に関連した位相特異的で複雑な筋活動需要に対応できるため良い 6) とされる。 シミュレーションを用いた研究では、筋シナジーを基盤とした制御が協調された順方向歩行を生成できる 7) こと、疾患により障害された歩行の予測精度を高める 8) ことが報告されてきた。 本論文では健常歩行データを用いて、例えば脳卒中に観察されるような筋シナジー数減少をシミュレーションによって引き起こした際に、健常歩行を制御できるかを調査している。 このように、非常に有益な情報をもたらしてくれる筋シナジーですが、次のような問題があります。. 1) 筋電図（EMG）による筋活動量の取得は時間的・金銭的コストがかかる. 2) 身体の全ての筋活動量を同時に計測することは難しい. 3) 身体深部に存在する筋 |tgk| bdw| kje| yfa| tno| kmk| nfg| cqt| reu| goq| kae| dyg| xti| fvi| rem| wdy| bdh| rnw| ekb| srd| vwi| uwg| opg| hnv| fek| enm| zrp| inj| mps| qhj| rfa| cfy| qbq| htx| kgr| nnb| moj| zvd| gsi| mcn| pyu| hxl| kqa| djz| ihb| nvp| tgu| vjl| txo| amp|