9 FES のための歩行周期検出システムの開発と評価木澤悟武田康平 * Development and Evaluation of Gait Cycle Detection System for FES Satoru KIZAWA and Kohei TAKEDA ( 平成 26 年 12 月

Size: px

Start display at page:

Download "9 FES のための歩行周期検出システムの開発と評価木澤悟武田康平 * Development and Evaluation of Gait Cycle Detection System for FES Satoru KIZAWA and Kohei TAKEDA ( 平成 26 年 12 月"

ときくだら
4 years ago
Views:

1 9 FES のための歩行周期検出システムの開発と評価木澤悟武田康平 * Development and Evaluation of Gait Cycle Detection System for FES Satoru KIZAWA and Kohei TAKEDA ( 平成 26 年 2 月 2 日受理 ) After stroke or spinal cord injury, hemiplegic patients often suffer from drop foot. Recently, the correction of drop foot using functional electrical stimulation (FES) have been studied. FES is the technique that stimulate peripheral nerves using electrical current from external device to control muscle. Correction of gait using FES for drop foot patients is permitted by stimulation to common fibular nerve and dorsiflexion toe during swing phase, therefore it is needs device detecting swing phase on gait cycle. We have developed new system that combined tri-axial accelerometer and gyroscope attached on patellar tendon and the use of Neural Network learning, and proposed FES system for drop foot patient. In order to verify usability of system, we tested to non-handicapped person as a preliminary step of clinical trials. Keywords: Functional electrical stimulation (FES), Gait cycle detection, Hemiplegia, Inertia sensor. 緒言下垂足患者は歩行において爪先を十分な高さまで上げられず, 躓きやすく危険である. 近年, 脳の代わりに外部の装置から電気刺激を与える機能的電気刺激 ( 以下 FES) を用いた歩行再建が研究されている. FES を用いた下垂足患者の歩行再建においては, 遊脚期中に総腓骨神経を電気刺激して足を背屈させることで動作の再建が可能となる. このため, 歩行中遊脚期を検出する装置が必要である. 本研究では片麻痺患者の膝蓋腱上に慣性センサ ( 軸加速度センサおよび軸ジャイロセンサ ) を装着し,Neural Network( 以下 N.N.) と組み合わせることで遊脚期を推定するシステムを開発し, 歩行再建における新しい FES システムを提案した. またシステムの有用性を検証するため, 臨床実験の前段階として健常者を対象として実験を行った. 2. 実験装置 2.. 歩行周期推定システムの原理歩行は一定動作の繰り返しであり, 足が地面に付いている間を立脚期, 足が地面から離れている間を遊脚期という. 下垂足患者は遊脚期中につま先が上がらないため, 地面から十分な高さがとれず躓きやすい. FES を用いた下垂足患者の歩行再建では, 遊脚期中に総腓骨神経に電気刺激を与えることにより, つま先を上げさせることで歩行を補助する.FES による歩行再 * 秋田高専専攻科学生平成 27 年 2 月

2 木澤建のイメージを Fig.2- に示す図は麻痺側の足の踵悟武田康平 2.2. 遊脚期推定システムの構成にが装着されており Fig.2- に遊脚期推定システムの構成と装着図を示が OFF 状態になることで遊脚期を判断して FES シすシステムは遊脚期推定システム本体慣性センサステムからすねに貼られた電極パッドを通じて電気刺 ( 軸加速度センサ軸ジャイロセンサ) ヒールスイ激を送り(電気刺激 ON) 麻痺側のつま先を背屈させッチデータロガーから構成されデータロガーはてつま先を上げて歩行を再建する様子である従来歩行時の全てのセンサとの歩行状態をシステムでは靴底に取り付けたを用い記録するためのものであるなおおて遊脚期を検出していたが使用者の違和感やスイッよび慣性センサは右足に装着したまた N.N.学習おチの耐久性などの問題があったこれを改善するためよび推定精度の評価に用いるは靴底のに本研究では片麻痺患者の膝蓋腱上に軸加速度セ踵部に入れている次に各構成要素について述べるンサと軸ジャイロセンサを一体化した慣性センサを装着し Neural Network(以下 N.N.)と組み合わせることで遊脚期を推定するシステムを提案したその原理を Fig.2-2 に示す N.N.は人の脳神経系の情報処理データロガー遊脚期検出システム本体を模した機械学習の一種でパターン認識を得意とすると慣性センサの情報を基に N.N. 学習を行い学習によって得られた重み関数閾値およびプログラムをマイコンに書き込んで遊脚期推定システムを構築する学習後実装実験では軸加速度センサおよび軸ジャイロセンサの情報をマイコンに慣性センサ Fig.2- 遊脚期検出システムの装着図入力し慣性センサ情報をもとに推定システムによって遊脚期または立脚期を判定電気刺激装置を制御す ) 歩行周期検出システム本体 Fig.2- に歩行周期検出システム本体を示す本シスるテムはマイクロプロセッサに AVR マイコン ATmega28 を搭載したマイコンボード Arduino Uno を使用し N.N.によって算出された重み関数閾値およびプログラムを随時書き込むことができる組み込みシステムであるまたセンサから入力される信号を平滑化処理するローパスフィルタを搭載したこれは電気刺激立脚期(電気刺激OFF) 遊脚期(OFF 電気刺激ON) 立脚期(電気刺激OFF) ノイズを除去することで N.N.の学習を円滑化し誤作動を抑えるために用いたなお本装置は抵抗部が異なる基板に交換することで遮断周波数が変更できるが Fig.2- FES による下垂足患者の歩行再建先行研究の結果を踏まえ [Hz]に固定しているまたソフトウェア上で移動平均を用い推定システムに入力するセンサ情報を平滑化して精度を高めるよう工夫 Neural Network 制御信号センサ情報慣性センサしている遊脚期推定システム本体電気刺激電気刺激装置 Fig.2-2 遊脚期推定システム電極パッド Fig.2- 遊脚期検出システム本体秋田高専研究紀要第号

3 FESのための歩行周期検出システムの開発と評価 2) 慣性センサ ) データロガー慣性センサは Fig.2- に示す日立金属軸加速度セデータロガーは日置電機 MEMORY HILOGGER ンサH8CおよびFig.2-6に示す村田製作所ジャイロ 8 を使用し歩行中の加速度センサの X 方向 Y センサジャイロスターENC-R を基板上に搭載し方向 Z 方向の信号およびジャイロセンサの信号ヒたセンサの仕様を Table. に示す次に慣性センサールスイッチの波形マイコンから出力される遊脚期を膝に装着した図を Fig.2-8 に示す軸加速度セン指定信号を記録するサンプリング間隔は [msec] サの X 軸は遊脚期の上下方向 Y 軸は左右方向 Z 軸としたは前後方向の加速度を検知するまたジャイロセンサは Y 軸回りを測定し膝の回転角速度を検知する 2.. 実験の手順の概要実験の手順を Fig.2- に示す提案した推定システムに N.N.によるアルゴリズムを用いているそのため学習によって事前に重み関数や閾値といった学習パラメータを取得しておく必要がある予め事前の N.N. Fig.2- Fig.2-6 Fig.2-7 学習により重み関数と閾値を算出し組み込みシステ軸加速度センサ軸ジャイロセンサ一体型慣性センサムである遊脚期検出システムの Arduino マイコンに書き込む実装実験では慣性センサを入力信号とし Table. センサの仕様日立金属軸加速度センサH8C 供給電圧[V] 検出範囲[g] 感度[mV/deg/s] 応答性[Hz] 2.2~.6 ± 村田製作所軸ジャイロセンサENC-R 供給電圧[V] 検出範囲[g] 感度[mV/deg/s] 応答性[Hz] 2.7~.2 ±.67 て推定システムに入力し遊脚期の状態であると判断した時に推定信号を出力するそして臨床応用の場合はこの推定信号を刺激装置に入力し前脛骨筋を刺激し足を背屈させることになる以降で N.N.学習および実装実験の詳細を示す X軸加速度上下方向 N N 学習 Z軸加速度前後方向 Y軸回りの角速度膝の回転方向ジャイロ軸加速度センサ軸ジャイロセンサ入力信号データロガーセンサ情報の記録収集教師信号加速度 Y軸加速度左右方向 +Y +Z 実装実験 +X N.N学習遊脚期推定プログラムとN.Nの閾値重みをマイコンに書き込むシステムに入力 FES Arduinoマイコン軸加速度センサ軸ジャイロセンサ入力信号評価検証歩行周期検出システム Fig.2-8 慣性センサの膝装着図 ) 従来装置では遊脚期検出に用いたが本研究では電気刺激装置低周波治療器教師信号電極パッド Fig.2- 実験の手順 2... N.N.学習と組み込み N.N.学習の教師信号用及び遊脚期推定の評価用にヒ Fig.2- にデータロガーで記録された慣性センサ信ールスイッチ信号を用いる Fig.2-9 に示すようにヒー号と信号の例を示すフットスイッチルスイッチは靴の中敷きの踵部に固定されており被の信号は [V]が立脚状態 [V]が遊脚状態を示す験者に合わせ中敷きの大きさとスイッチの取り付け位 Fig.2-2 に N.N.の構造を示す N.N.では入力層中置を調節して使用する. 間層および出力層を構成する各要素(パーセプロトン) にそれぞれ重みをつけて合計しその値が閾値 θ を超えるとニューロンが発火し出力される本システムにおける N.N.学習は教師信号としての情報を N.N.の入力信号として膝に取り付けた軸加速度センサおよび軸ジャイロセンサの情報を用い出力信号が教師信号と一致するよう重み関数閾値を Fig.2-9 平成27年２月調整する N.N.の出力信号遊脚状態を示す Low 信号

8 Time(sec) Fig.2- N.N.シミュレーション結果の一例 2..2. 実装実験による遊脚期検出用いるまた N.N.学習によって得られた重み関数と実装実験は前述の N.N.学習で得られた重み関数及閾値を用いて出力した遊脚期推定波形がヒールスイび閾値を遊脚期推定システム本体に搭載した Arduino ッチの遊脚期信号に近似しているかを確かめるためのマイコンに書き込んだ後遊脚期検出システム本体シミュレーションを行うその結果の一例を Fig.

4 2 木澤悟武田康平または立脚状態を示す High 信号を出力するよう設計ることを考慮し N.N.の構造は各センサ情報において現時点時点前および 2 時点前からなる 2 のパーセプロトンを持つ入力層 8 のパーセプロトンからなる中間層出力層をとした学習はオフラインで行い学習法には誤差逆伝播法(Back-Propagation 法)をソフトウェアは MATLAB Neural Network Toolbox をした先行研究の結果を踏まえ動的なシステムであ Time(sec) Fig.2- N.N.シミュレーション結果の一例実装実験による遊脚期検出用いるまた N.N.学習によって得られた重み関数と実装実験は前述の N.N.学習で得られた重み関数及閾値を用いて出力した遊脚期推定波形がヒールスイび閾値を遊脚期推定システム本体に搭載した Arduino ッチの遊脚期信号に近似しているかを確かめるためのマイコンに書き込んだ後遊脚期検出システム本体シミュレーションを行うその結果の一例を Fig.2- 慣性センサデータロガーを装着しに示す実線は事前に学習で得たの状て行うデータロガーを用いて信号と況破線は N.N.の学習結果の出力である図よりシ信号を記録し PC 上で解析を行って評ミュレーション上では N.N.推定と実際の遊脚期は十価する評価方法については次に示す分一致しているといえるその後学習で求められた各要素の重み関数閾値を遊脚期検出システム本体の 2.. 推定精度の評価方法 Arduino マイコンに書き込み実装実験を行うなお従来遊脚期の判断にはを用いて刺各データの時点間のサンプリング周期はマイコンの激のタイミングの信号を FES システムに送っていた処理速度を考慮し [msec]としておりこれに合わせが開発した遊脚期推定システムはソフトウェアを使てデータロガーに取得するサンプリング時間もったシステムなため時間的な遅れが避けられない [msec]に同調してあるその遅れについては.[sec]前後であれば特に問題がないといわれているまた推定エラーはリハビリ機器に対する信頼性や安全性に直結する問題であるので遊脚期検出システムの信頼性を評価するため以下の 2 点について検討を行った. 遊脚期開始および遊脚期終了の遅れ時間 2. 歩行中の推定出力エラー Fig.2- に評価方法を示す破線は本システムの N.N. の出力信号実線は信号である前述のとおりは踵部に装着され ON 状態は踵部が地面に接地し始めてからつま先が離れるまでの立脚期 OFF 状態は足が地面を離れてから踵が地 Fig.2- 学習用のセンサ情報と教師信号面に付き始めるまで直前までの遊脚期であるよって信号の立下りエッジが遊脚期開始時間信号の立ち上がりエッジが遊脚期終了時間となるこのことからシステムの出力信号とフットスイッチ信号を比較し立下りエッジのずれが遊脚期開始遅れ時間立ち上が入力出力りエッジのずれが遊脚期終了遅れ時間となる FES による歩行再建においてはより正確なタイミングでの電遊脚期情報気刺激を求められるためこの遅れ時間が短いほど推教師信号: 情報定システムの精度が高いものとする実験では右足のセンサ情報学習により w j,i wk 歩ごとの遊脚期開始遅れ遊脚期終了遅れを求めて学習アルゴリズム誤差逆伝播法 Fig.2-2 N.N の構造 j 決定それぞれの右足の総歩数の遊脚期開始遅れの平均値および遊脚期終了遅れの平均値を用いて評価したまた本来出力してはいけないタイミングに推定信号が出秋田高専研究紀要第号

5 FESのための歩行周期検出システムの開発と評価力されるあるいは本来出力されるべきタイミング ) 学習で得られた閾値重み関数を遊脚期推定で出力されない波形を推定エラーとする推定出力エシステム本体内の Arduino マイコンに書きラーは下垂足患者の歩行再建において危険な要素であ込むるため開発したシステムの安全性や信頼性に関わる ) 実装実験では )と同じ直線コースを約そのため推定エラー数および全体の歩数に占める推秒間歩行しその時に信号定エラーの割合を求めその値が小さいものほど信頼信号をデータロガーに記録性が高いものとする実験では右足の総歩数に占めるエラー回数の割合をエラー率とし評価した遊脚期終了遅れ遊脚期開始遅れする ) 実装実験で記録した各信号データのうち 9 秒分を抽出し遊脚期開始遅れ終了遅れ時 N.N推定エラー間及び推定エラーについて評価した Fig.- 基本実験の歩行コース.2. 実験結果 Fig.2- 遊脚期推定の信頼性の評価方法. 基本実験(水平直線歩行) Fig.-2(a),(b)はそれぞれ実装実験における学習時間 6 秒の場合と学習時間9 秒の場合のヒールスイッチと開発したシステムの推定出力の波形の比較はじめに開発した遊脚期推定システムが通常のの一例である破線は N.N.による推定出力実線は平坦な直線歩行において遊脚期を推定できるかどうの出力である学習時間 6 秒およかの基礎的な実験を行ったまた本来は下垂足患者び学習時間 9 秒では信号と N.N.推に臨床実験を行い本システムの有効性を確認すべき定出力が概ね一致しており十分に遊脚期を推定でではあるがシステムの安全性と信頼性を検証するたきているといえる遊脚期開始遅れにおいて遅れめに健常者名で水平な床面で直線歩行を行った時間のタイミングは被験者人とも遅れ時間が. [sec]~.2[sec]の間に集中し概ね.[sec]付近の遅.. 実験内容実装実験は予め学習により重み閾値パラメータをれとなった Table.2 には N.N.出力波形から読み取った被験者 A E の人の平均遊脚期開始遅れ時間装置に設定しておく必要があるが N.N.学習に使用す平均遊脚期終了遅れ時間およびエラー率を示す Fi るデータ長さを 6 秒と 9 秒の 2 種類用意し学習時 g.- は各被験者の平均した遊脚期開始遅れ時間の間の違いによる推定精度を比較したこれは先行研究比較であり奥行きが学習時間 6 秒と 9 秒の違いにより得られている知見で学習に用いるデータ量がであるグラフから平均遊脚期開始遅れは学習時間推定結果に影響するためであるしかしながらデーの違いによる差異は見られず Table.2 からも学習タ量を増やすと計算時間がかかるため先行研究で得時間 6 秒の時は平均の遅れは.[sec] 学習時られた結果から 6 秒以上のデータ量があれば概ね良間 9 秒の時は平均の遅れは.[sec]であること好な結果が得られているので 6 秒と 9 秒を比較検から違いは見られない Fig.- は各被験者の平均し討した以下に実験手順を示すた遊脚期終了遅れ時間の比較であり奥行きが学習 ) はじめに学習用のデータを取得するために時間 6[sec]と 9[sec]の違いであるグラフから遊 Fig.- に示す平面床の直線コースを約脚期終了遅れは学習時間が長い 9[sec]の方が若干秒間通常歩行をし被験者の軸加速度セ遅れが少ないことが読み取れる Table.2 から学習ンサ軸ジャイロセンサ時間 6[sec]の時は.8[sec]であり学習時間 9 信号をデータロガーで記録する [sec]のときは.6[sec]であることから学習時間が 2) 学習用データとして各センサ情報ヒールス長い方が若干精度が上がっているといえる Fig. イッチ信号のうち 6 秒間 9 秒間分のデー - に各学習時間におけるエラー率の比較を示すタを抽出しそれぞれの時間分で N.N.学習縦軸には推定エラー率横軸には被験者奥行きにを行って重み関数閾値を算出するは学習時間を 2 通りとった図より学習時間が長平成27年２月

6 木澤悟武田康平い 9[sec]の方が推定エラーが改善されていることが. 分かる Table.2 から学習時間 6 秒の時は平均エラー Time[sec] 2 2 率.2% 学習時間 9 秒の時はエラー率.8%であり本システムの N.N.学習に基づく遊脚期を推定する出 (a)学習時間 6 秒力は N.N.学習時間を 6 秒間から 9 秒間に長くすることより推定エラー率を約 27%減少させることが可. Time[sec] 2 2 能になり事前の学習時間を長くすれば推定エラーを減少させ遊脚期の推定の精度を高めることができ (b)学習時間 9 秒ると考えられる. Fig.-2 信号との比較基本実験. 応用実験学習データ6[sec]. 学習データ9[sec] 実験内容基本実験の結果から本研究で提案する遊脚期推定.6 システムが平地では有効であることが確かめられた応用実験では本システムのさらなる実用性を検証するために階段昇降を想定し階段と踊り場を含むコースで上昇歩行および下降歩行を行い遊脚期を推定可能 Fig.- 平均遊脚期開始遅れ時間の比較であるか検討した応用実験に用いた階段コースを平均遊脚期終了遅れ[sec] Fig.- に示す階から踊り場までが段踊り場. 学習データ6[sec] から 2 階までが 6 段 2 階から踊り場まで段踊. 学習データ9[sec] り場から階までが 9 段となっており健常者における右足の総ステップ数は平均歩である実験手順 F.7 エラー率[%] Fig.- 平均遊脚期終了遅れ時間の比較 % 学習データ6[sec] % 学習データ9[sec] 2F %.6% 2% % % 7.%.2% 2.%.9%.%.8% 6.%.2% F.% Fig.- 階段コース Fig.- エラー率の比較 Table.2 基本実験の結果右側総歩数[歩] 学習データ6秒平均遊脚期終了遅れ[sec] エラー歩数[歩] エラー率[ ] 右側総歩数[歩] 学習データ9秒平均遊脚期終了遅れ[sec] エラー歩数[歩] エラー率[ ] 平均秋田高専研究紀要第号

7 FESのための歩行周期検出システムの開発と評価は基本実験と同様はじめに慣性センサ及びヒールス時間は被験者によって上昇より下降の方が遅れ時間イッチを装着した状態で歩行して N.N.学習用データが小さかったり逆に下降より上昇の方が遅れ時間がを採取し N.N.学習によって得られた重み関数閾値小さかったり被験者によって遅れ時間の違いがみらを遊脚期検出システム内の Arduino マイコンに書きれる平均した遊脚期終了遅れ時間についても被験込みその後実装実験を行って評価したなお階者によって上昇より下降の方が遅れ時間が小さかった段の段数は限られているため学習用データ学習時り逆に下降より上昇の方が遅れ時間が小さかったり間の違いによる比較検討はしていない被験者によって遅れ時間の違いがみられあまり上昇と下降で遅れ時間の差は見受けられない Table. からも上昇の場合の平均遊脚期開始遅れ時間.27[sec].2. 実験結果 Fig.-2(a),(b)はそれぞれの実装実験において階段上下降の場合の平均遊脚期開始遅れ.2[sec]であり一昇の場合と階段下降の場合のと開発し方上昇の場合の平均遊脚期終了遅れ時間.2[sec] たシステムの推定出力の波形の比較である破線は下降の場合平均遊脚期終了遅れ時間.2[sec]である N.N.による推定出力実線はの出力でことから上昇と下降での時間的な違いはないことがある Fig.-2(a),(b)に示した水平直線歩行の基本実験言えるしかしながら平均遊脚期開始遅れと平均遊脚の結果と比べ推定波形がやや遅れて出力されている期終了遅れとで比較した場合上昇においては遊脚ことが分かるがはの出期開始遅れが.27[sec] 遊脚期終了遅れが.2[sec] 力と概ね一致しており遊脚期を十分推定できているであり約半分程度遅れが小さいことが分かる一均した遊脚期開始遅れ時間の比較を示す図の奥行きは上昇と下降の違いである Fig.- には被験者人をまとめた平均した遊脚期終了遅れ時間の比較を示す図の奥行きは上昇と下降の違いである Table. にはグラフから読み取った被験者 A~E の人分の階段昇降の平均遊脚期開始遅れ時間平均遊脚期終了遅れ時ことが分かる Fig.- には被験者人をまとめた平上昇. 下降間およびエラー率を示す平均した遊脚期開始遅れ Fig.- 平均遊脚期開始遅れの比較 Time[sec] 2 2 (a) 階段上昇. Time[sec] 2 2 平均遊脚期終了遅れ[sec].. 上昇. 下降 (b) 階段下降 Fig.-2 信号との比較応用実験..2.9 Fig.- 平均遊脚期終了遅れの比較 Table. 応用実験の結果上昇下降平成27年２月右側総歩数歩平均遊脚期終了遅れ[sec] エラー歩数歩エラー率[%] 右側総歩数歩平均遊脚期終了遅れ[sec] エラー歩数歩エラー率[%] %.8% 8.8% 8.% 2.% % 8.% 9.% 2.9% 8.6% 平均 % %

8 6 木澤悟武田康平方下降においても平均遊脚期開始遅れが.2[sec] たが平均遊脚期終了遅れは若干の改善が見られた平均遊脚期終了遅れが.2[sec]であり上昇同様に半これは学習時間が長くなったことにより歩行の情報が分程度で遊脚期終了遅れの方が遅れが小さく精度が良 N.N.学習に十分反映されたためであると考えられるいと言えるまた基本実験の水平直線歩行と比べた本システムは平坦な直線歩行においては歩行中遊脚期場合平均遊脚期開始遅れ時間は約. 倍程度遅くなを十分に推定できているといえるり平均遊脚期終了遅れ時間においても約 2 倍程度遅階段と踊り場を組み合わせた応用実験では階段上くなっており水平直線歩行よりは若干精度が減少昇下降共に基本実験に比べ平均遊脚期開始遅れ時間している Fig.- に被験者 A~E の人の上昇と下降は約. 倍程度遅くなり平均遊脚期終了遅れ時間にの違いによるエラー率の比較を示す縦軸は推定エラおいても約 2 倍程度遅くなっており水平直線歩行よー率横軸は被験者奥行き軸は上昇と下降の違いでりは若干精度が減少した概ね遊脚期の推定ができある被験者によって上昇と下降の推定エラーに大きているといえるが遊脚期推定システムの実用化に向な差がないと言える Table. から人の平均値でみけてはさらなる改善が必要である遅れ時間及びエラるとエラー率は上昇で % 下降で 7%程度でありー率の増加の原因として階段コースの長さの都合に若干下降において精度が良いと言えるが平均的によって十分な N.N.学習時間を確保できなかったこと %程度の推定エラーが生じている基本実験の水平が考えられる今後の課題として遅れ時間およびエ歩行のエラー率に比べ推定エラーが増加し推定精ラー率を改善する方法として階段を回だけでなく度が低くなっている推定エラーが増加した要因とし複数回往復して事前の N.N.学習量を増やすことが考て考えられることは水平歩行実行とは異なり階段のえられる段数が多くとれず結果として学習用のデータ量が小さくなり N.N.による学習が十分でなくなり様々な参考文献状況に対応する汎化能力の低下が考えられるその他推定エラー率を抑えるためには事前の学習量を増や ) 工藤木澤, 慣性センサを用いた歩行周期検出シすために階段を回だけ上り下りするのではなくステムの評価, 独立行政法人国立高等専門学校数回往復させて学習量を増やす必要があると思われる機構秋田工業高等専門学校研究紀要第 9 エラー率[%] 号,pp9-6,(2.2) 上昇下降 ) Tomite, T., Shimada, Y., Matsunaga, T., Sasaki, K., Yoshikawa, T., Iwami, T., Gait Cycle Detection Using Tri-Axial Accelerometer and a Gyroscope in Hemiplegic Patients, Akita journal of medicine, 8(-), pp.-, (22.2) Fig.- エラー率の比較. 結言提案したシステムの有効性を検証するため臨床実験の前段階として健常者に対して実験を行った基本実験では単純なコースにおいて N.N.学習に用いるデータの長さによる違いを検証し応用実験ではより実践的な階段と踊り場を含むコースで実験を行った平坦な直線歩行である基本実験では N.N.学習時間を 6 秒間から 9 秒間に長くすることより推定エラー率を約 27%減少させることができた平均遊脚期開始遅れは学習時間 6 秒 9 秒での違いは見られなかっ秋田高専研究紀要第号

CopyrightC2017 一般社団法人日本機械学会 U00102 ニューラルネットワークを用いた FES サイクリングの電気刺激タイミング推定 Estimation of electrical stimulation pattern in FES cycling using neural net

CopyrightC2017 一般社団法人日本機械学会 U00102 ニューラルネットワークを用いた FES サイクリングの電気刺激タイミング推定 Estimation of electrical stimulation pattern in FES cycling using neural net U00102 ニューラルネットワークを用いた FES サイクリングの電気刺激タイミング推定 Estimation of electrical stimulation pattern in FES cycling using neural network 学村岡拓 *1, 正小松瞭 *1 *1, 正巖見武裕正小林義和 *2, 正木澤悟 *2, 松永俊樹 *3, 島田洋一 Taku MURAOKA *1,

9 FES のための歩行周期検出システムの開発と評価 木澤悟 武田康平 * Development and Evaluation of Gait Cycle Detection System for FES Satoru KIZAWA and Kohei TAKEDA ( 平成 26 年 12 月

9 FES のための歩行周期検出システムの開発と評価木澤悟武田康平 * Development and Evaluation of Gait Cycle Detection System for FES Satoru KIZAWA and Kohei TAKEDA ( 平成 26 年 12 月