文献

J-GLOBAL ID：202202234522538056   整理番号：22A1176264

慢性脳卒中後患者の歩行中の非負行列因子分解による運動モジュールを抽出するための異なる低域フィルタにおける歩行サイクル数の決定方法【JST・京大機械翻訳】

How to Decide the Number of Gait Cycles in Different Low-Pass Filters to Extract Motor Modules by Non-negative Matrix Factorization During Walking in Chronic Post-stroke Patients

著者 (7件)： Chujo Yuta (Department of Physical Medicine and Rehabilitation, Kansai Medical University Hospital, Hirakata, Japan) ,  Chujo Yuta (Department of Physical Medicine and Rehabilitation, Kansai Medical University, Hirakata, Japan) ,  Mori Kimihiko (Faculty of Rehabilitation, Kansai Medical University, Hirakata, Japan) ,  Kitawaki Tomoki (Department of Mathematics, Kansai Medical University, Hirakata, Japan) ,  Wakida Masanori (Faculty of Rehabilitation, Kansai Medical University, Hirakata, Japan) ,  Noda Tomoyuki (Brain Information Communication Research Laboratory Group, Advanced Telecommunications Research Institutes International (ATR), Kyoto, Japan) ,  Hase Kimitaka (Department of Physical Medicine and Rehabilitation, Kansai Medical University, Hirakata, Japan)
資料名： Frontiers in Human Neuroscience (Web)  (Frontiers in Human Neuroscience (Web))
巻： 16  ページ： 803542  発行年： 2022年 
JST資料番号： U7072A  ISSN： 1662-5161  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 表面筋電図(EMG)信号から非負行列因数分解(NNMF)を用いて,人間の歩行中の運動モジュールを同定した。健康な参加者における運動モジュールの抽出は,低域フィルタ(LPF)のようなEMG信号の前処理の変化により影響される。しかし,異なる段階を有する脳卒中後患者における必要な歩行サイクル(GC)の数のような異なる前処理法の効果は,不明のままである。著者らは,GCsの数が脳卒中後患者におけるLPFsの考慮において抽出された運動モジュールに影響を及ぼすことを明確にすることを目的とした。全体で,10人の慢性脳卒中後患者が地上歩行路で自己選択速度で歩行し,EMGシグナルは麻痺下肢の8筋肉から記録された。GCsの数を検証するために,5つのGC条件,すなわち,25(参照条件),20,15,10および5ゲートサイクルを3つのLPF(4,10および15Hz)でセットした。最初に,モジュールの数,変動性(VAF),およびNNMFアルゴリズムによって抽出された筋肉重み付けを,条件の間で比較した。次に,異なるGCs間の活性化タイミングプロファイルが統一された修正NNMFアルゴリズムを実行し,GC間でよりロバストに筋肉重み付けを比較した。モーターモジュールの数は,GCsに関係なく,有意差はなかった。異なるGCsにおけるVAFと筋肉重量の差は,4HzのLPFで減少した。15のGCsまたはそれ以下の筋肉重量は,修正NNMFを用いた25GCsのそれらと有意に異なっていた。従って,異なるGCによる変動性抽出運動モジュールは,より低いLPFで抑制されると結論した。しかし,脳卒中後患者の歩行中の運動モジュールのより代表的な抽出には20のGCが必要であった。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  速度 ,  電動機 ,  前処理 ,  *低域フィルタ ,  筋電図 ,  *患者 ,  下肢 ,  *歩行 ,  麻痺性疾患 ,  *脳卒中 ,  重みづけ ,  ロバスト性
準シソーラス用語： 表面筋電図 ,  *歩行周期 ,  *非負行列因子分解 , 【Automatic Indexing@JST】

著者キーワード (6件)： モータモジュール ,  非負行列因数分解 ,  低域フィルタ ,  歩行サイクル ,  歩行 ,  脳卒中後患者

分類 (3件)： リハビリテーション  (GB06000Z) ,  神経系疾患の治療一般  (GN05010N) ,  生体計測  (EL03020C)

引用文献 (25件)：

• Ao D., Shourijeh M. S., Patten C., Fregly B. J. (2020). Evaluation of synergy extrapolation for predicting unmeasured muscle excitations from measured muscle synergies. Front. Comput. Neurosci. 14:588943. doi: 10.3389/fncom.2020.588943
• Balasubramanian C. K., Neptune R. R., Kautz S. A. (2009). Variability in spatiotemporal step characteristics and its relationship to walking performance post-stroke. Gait Posture 29 408-414. doi: 10.1016/j.gaitpost.2008.10.061
• Banks C. L., Pai M. M., McGuirk T. E., Fregly B. J., Patten C. (2017). Methodological choices in muscle synergy analysis impact differentiation of physiological characteristics following stroke. Front. Comput. Neurosci. 11:78. doi: 10.3389/fncom.2017.00078
• Barroso F. O., Torricelli D., Molina-Rueda F., Alguacil-Diego I. M., Cano-de-la-Cuerda R., Santos C., et al (2017). Combining muscle synergies and biomechanical analysis to assess gait in stroke patients. J. Biomech. 63 98-103. doi: 10.1016/j.jbiomech.2017.08.006
• Barroso F. O., Torricelli D., Moreno J. C., Taylor J., Gomez-Soriano J., Bravo-Esteban E., et al (2014). Shared muscle synergies in human walking and cycling. J. Neurophysiol. 112 1984-1998. doi: 10.1152/jn.00220.2014

タイトルに関連する用語 (8件)： 慢性 ,  脳卒中 ,  歩行 ,  非負行列因子分解 ,  運動 ,  モジュール ,  低域フィルタ ,  歩行サイクル