考察

表

7

各動作における誤識別の割合

切断者の被験者

1

に関しては，筋電パターンを出力可能な前腕回内，手首掌 屈，5指握り，母指屈曲の

4

パターン，切断者の被験者

2

に関しては手首掌屈，

手首背屈，

5

指握り，

5

指開き，

4

・

5

指屈曲の

5

パターンに限定して計測を行っ た．

図

29 識別された動作パターンの時系列 (切断者 1

全試行)

図

30 識別された動作パターンの時系列 (切断者 2

全試行)

図

31

識別された動作パターンの時系列

(

切断者

1

代表区間

)

図

32 識別された動作パターンの時系列 (切断者 2

代表区間)

切断者での実験結果を見ると，手首の掌屈を手首の回内と誤識別している(図

31)

．図

26

～図

29

を見ると，識別される動作パターンを安定させることで，数 フレームのノイズ的な誤識別を修正することに成功している．しかしながら，場 合によっては誤識別した状態を安定維持してしまい，逆に識別率を低下させる 要因ともなることがわかった．図

32

から，切断者

2

に関しては

4・5

指屈曲に バイアスしている傾向も見て取れる．結果的に，切断者

1

は

67.7

±

3.66%

から

72.6±3.73%へ，

切断者

2

は

38.5±5.83%から 70.9±7.61%への精度向上となった．

これらの結果により，筋電パターンを安定化させる目的は達成された．

筋電義手が実用的に用いられるためには，少なくとも

90%

の識別率が必要で あると言われている[54]．従来の多自由度筋電パターン識別は，その識別率を実 現させるために，電極数の多さ

[56][19]

や学習時間の長さ

[42]

が問題となってい た．この観点から，本フィルタは，3チャンネルの少ない電極数と，1秒以下の 少ない学習時間で，回外・回内動作を除いた

7

動作を識別対象とした際，

90%

以 上の識別率が実現され，義手として有効に用いられる可能性が示唆される．しか しながら被験者によっては全動作の

9

動作対象で

90%

を超える識別率を出して おり，習熟により

9

動作識別も実用的に運用できる可能性がある．

切断者への適用については，被験者

1

に関して，従来手法の識別率が

68%

で あったのに対し，提案手法では

73%となり，有意差は見られなかったものの，有

意傾向である可能性が示唆された

(p<0.06)

．被験者

2

に関しては，

38.5%

から

70.9%への識別率向上となり，有意差が認められた(p<0.05)．識別安定化フィルタ

は，特に多くの筋電パターンを識別し，識別が不安定になった際に有効なフィル タであるため，健常者に比べ識別クラス数の少なかった切断者

1

での実験では，

効果が少なかった可能性がある．しかしながら，切断者は日常生活において，物 体を持ち上げるなど，定常的に力を入れて義手を使用する状況が多いため

[57]

， 筋電パターン識別が非常に安定となる本手法は有効に働くと考えられる．

識別安定化フィルタによる報酬の入力誤り修正に関しては，報酬による識別 器の修正アルゴリズムについて述べる

4

章において検証する．

第 4 章

オペラント学習を用いた

識別器修正アルゴリズム

第 4 章 オペラント学習を用いた識別器修正ア

ドキュメント内 博士（工学）の学位申請論文 (ページ 59-68)