文献

J-GLOBAL ID：202202225615906590   整理番号：22A0429463

マニュアルマテリアルハンドリング活動中の3D身体姿勢と腰仙モーメント予測のための改良型人工ニューラルネットワーク【JST・京大機械翻訳】

Improved artificial neural networks for 3D body posture and lumbosacral moment predictions during manual material handling activities

著者 (3件)： Mohseni Mahdi (Department of Mechanical Engineering, Sharif University of Technology, Tehran, Iran) ,  Aghazadeh Farzad (Department of Mechanical Engineering, Sharif University of Technology, Tehran, Iran) ,  Arjmand Navid (Department of Mechanical Engineering, Sharif University of Technology, Tehran, Iran)
資料名： Journal of Biomechanics  (Journal of Biomechanics)
巻： 131  ページ： Null  発行年： 2022年 
JST資料番号： D0632A  ISSN： 0021-9290  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 筋骨格損傷のリスクを評価するための生体力学モデルに必要な身体姿勢測定アプローチは,通常,実際の職場での使用に対して,費用がかかり,または非現実的である。したがって,著者らは,最近,いくつかの個人の測定した姿勢データに基づいて,3つの人工ニューラルネットワーク(ANNs)を開発し,全身3D姿勢(体主関節に位置する15のマーカーの座標),分節方向(14体のセグメントのEuler角),および静的手動材料処理(ANN_Posture,ANN_Angle,およびANN_Moment)中の腰仙(L5-S1)モーメントを予測した。これらのANNsは,種々の静的MMH活動に対して,3Dマーカー座標(RMSE=7.0cm),セグメント方向(RMSE=29.9°)およびL5-S1モーメント(RMSE=16.5N.m)を正確に予測するための入力として,作業者の体高,体重(ANN_Momentのみ),手-負荷3D位置,およびその質量を必要とする。本研究は,これらのANNsへの新しい入力として,参加者の膝屈曲角(すなわち,リフティング技術:ストループ,セミスクワット,およびフルスクワット)と体重を導入することによって,異常値除去とデータ正規化(ANNの精度を改善する有効なツールとして)とデータ正規化を実施することにより,これらのANNの精度をさらに改善することを目的とした。結果は,新しいANN_Posture,ANN_Angle,およびANN_MomentのRMSEが,それぞれ,~43%,10%,および29%(元のANNで7.0cm,29.9°,および16.5Nmから,それぞれ,4.0cm,27.0°,および11.8Nm)減少することを示した。ANNの予測力におけるこのような顕著な改善は,実際の職場における最小in vivoデータ収集を必要とする代替姿勢予測アプローチとしてのそれらの有効性をさらに確認する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  *三次元 ,  *モーメント ,  データ収集 ,  有効性 ,  正規化
準シソーラス用語： Euler角 ,  分節 ,  職場 , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工ニューラルネットワーク ,  姿勢予測 ,  腰仙部モーメント ,  脊椎 ,  リフティング技術 ,  膝屈曲角

分類 (2件)： 筋骨格系・皮膚モデル  (EL02040R) ,  運動器系の疾患  (GG03000T)

タイトルに関連する用語 (10件)： マニュアル ,  マテリアルハンドリング ,  活動 ,  3D ,  身体 ,  姿勢 ,  腰 ,  モーメント ,  予測 ,  人工ニューラルネットワーク