[論文レビュー] Predictive Analysis for Detection of Human Neck Postures using a robust integration of kinetics and kinematics

Korupalli V Rajesh Kumar, Susan Elias|arXiv (Cornell University)|Mar 12, 2020

Ergonomics and Musculoskeletal Disorders参考文献 27被引用数 4

ひとこと要約

本稿では、IMUからの運動学的データとOpenSimでシミュレートされた筋骨格モデルからの力学的データを統合することで、ランダムフォレスト機械学習を用いて100%の正確さで人間の首の姿勢を予測するスマートネックバンドシステムを提案する。この手法は、インertialセンサデータと被験者固有の首筋骨格モデリングを融合させることで、予防医療用途における不適切な姿勢のリアルタイム検出を可能にする。

ABSTRACT

Human neck postures and movements need to be monitored, measured, quantified and analyzed, as a preventive measure in healthcare applications. Improper neck postures are an increasing source of neck musculoskeletal disorders, requiring therapy and rehabilitation. The motivation for the research presented in this paper was the need to develop a notification mechanism for improper neck usage. Kinematic data captured by sensors have limitations in accurately classifying the neck postures. Hence, we propose an integrated use of kinematic and kinetic data to efficiently classify neck postures. Using machine learning algorithms we obtained 100% accuracy in the predictive analysis of this data. The research analysis and discussions show that the kinetic data of the Hyoid muscles can accurately detect the neck posture given the corresponding kinematic data captured by the neck-band. The proposed robust platform for the integration of kinematic and kinetic data has enabled the design of a smart neck-band for the prevention of neck musculoskeletal disorders.

研究の動機と目的

• 首の筋骨格疾患を予防するため、リアルタイムで人間の首の姿勢を検出する堅牢なシステムの開発。
• 運動学的データのみに依存する手法の限界を克服するため、筋肉力からの力学的データを統合し、姿勢分類の正確性を向上させる。
• 不適切な首の使用に対してタイムリーなアラートを提供するウェアラブルスマートネックバンドの設計。
• IMUで得られる運動学的データとOpenSimでシミュレートされた力学的データを組み合わせることで、姿勢予測の有効性を検証する。
• 統合された運動学的および力学的データを用いた機械学習による高精度な予測分析を達成する。

提案手法

• エラスティックなネックバンドに搭載されたIMUが、首の運動タスク中に被験者のリアルタイムの運動学的データ（加速度、位置、速度）を収集する。
• 被験者固有のOpenSim筋骨格モデルに、関節の主要な解剖学的ランドマークに位置するマーカーを用いた機能的キャリブレーション手法により、ネックバンドのIMUからの運動学的データをマッピングする。
• OpenSimの逆運動学（IK）ツールがマーカーのデータを処理し、関節の運動学的状態を表すモーションファイル（.mot）を生成する。
• OpenSimの計算筋肉制御（CMC）ツールが.motファイルを用いて筋肉の力、活性化度、腱の力を計算し、特に舌骨筋群の力学的データを生成する。
• 運動学的および力学的データ（加速度、位置、腱の力）を抽出し、機械学習分類の入力特徴量として使用する。
• 統合されたデータを用いてランダムフォレスト分類器を学習およびテストし、9つの異なる首の姿勢を高精度に予測する。

実験結果

リサーチクエスチョン

• RQ1 運動学的データと力学的データを統合することで、運動学的データのみに依存する手法よりも、首の姿勢分類の正確性が向上するか？
• RQ2 ウェアラブルネックバンドからのIMUベースの運動学的データが、OpenSimの筋骨格モデル内ですばやくマッピングされ、シミュレーション可能か？
• RQ3 特にランダムフォレストを含む機械学習モデルは、統合された運動学的および力学的特徴量を用いて、どの程度首の姿勢を分類できるか？
• RQ4 提案されたシステムは、リアルタイムで不適切な首の姿勢を信頼性高く検出し、ユーザーに通知できるか、筋骨格疾患の予防に寄与できるか？
• RQ5 舌骨筋の腱の力データを力学的入力として用いた場合、システムの予測性能はどの程度か？

主な発見

• ランダムフォレスト分類器は、IMUからの運動学的データ（加速度および位置）を用いて、9つの異なる首の姿勢を100%の正確さで予測した。
• 同じ分類器は、OpenSimモデル内の舌骨筋の腱の力から導出された力学的データを用いても、首の姿勢を100%の正確さで予測した。
• IMUの運動学的データとOpenSimでシミュレートされた力学的データの統合により、姿勢分類の信頼性と正確性が顕著に向上した。
• IMUデータをOpenSimモデルに機能的キャリブレーションすることで、首関節の運動学的状態と筋肉力ダイナミクスの正確な再構成が可能になった。
• 予測分析を用いたリアルタイムでの不適切な首の姿勢検出の可能性が、本システムにより明確に示され、予防医療応用の支援が可能であることが確認された。
• 結果から、運動学的データのみでは限界がある場合でも、舌骨筋からの力学的データが、姿勢分類に非常に特徴的な信号を提供することが確認された。