[論文レビュー] Unsupervised decoding of spinal motor neuron spike trains for estimating hand kinematics following targeted muscle reinnervation

Arash Andalib, Dario Farina+5 more|arXiv (Cornell University)|Jan 1, 2019

Muscle activation and electromyography studies参考文献 29被引用数 2

ひとこと要約

本論文では、上肢用電気筋電図（EMG）信号から運動ニューロンのスパイクトレインを抽出する非教師付きデコーディング手法を提案する。主成分分析（PCA）を用いて、同時に比例制御可能な上肢用人工肢の手の運動学的推定をリアルタイムで実現する。本手法は、スパイクトレインを人工肢の自由度（DoF）に一致する低次元空間に投影することで、最大3自由度の正確な推定を達成し、訓練データの削減やハードウェア制約に対しても頑健であることを示した。

ABSTRACT

The performance of upper-limb prostheses is currently limited by the relatively poor functionality of unintuitive control schemes. This paper proposes to extract, from multichannel electromyographic signals (EMG), motor neuron spike trains and project them into lower dimensional continuous signals, which are used as multichannel proportional inputs to control the prosthetic's actuators. These control signals are an estimation of the common synaptic input that the motor neurons receive. We use the simplest of metric learning approaches known as principal component analysis (PCA), as a linear unsupervised metric projection to extract the spectral information of high dimensional data into the subspace of the prosthetic hand degrees of freedom. We also investigate the importance of a rotation in the projection space that best aligns the PCA subspace with the space of degrees of freedom of the prosthetic hand, to attempt to approximate the sparseness properties of the motor axes (which are orthogonal), while no sparseness is enforced by PCA. Proof of concept for the feedforward path (open loop) is given by successful estimation of concurrent movements with up to three degrees of freedom. We also analyze and quantify the performance of the proposed decoding algorithm under implementation constraints and hardware limitations and propose a space-time subsampling strategy, to maximize projection fidelity, in each extracted source over time. The results confirm that the proposed decoding approach can directly project the motor neuron spike trains into kinematics for simultaneous and proportional prosthesis control that can be extended to multiple degrees of freedom. We show that the method is robust to reducing the training data in space (number of sources) and time, which makes it potentially suitable for clinical applications.

研究の動機と目的

• 臨床的実用性のある非教師付き手法を開発し、脊髄運動ニューロンのスパイクトレインを、筋電義肢の連続的運動学的制御信号に変換すること。
• 現在の制御方式が離散的・逐次的な運動指令に依存するか、低並列性を持つパターン認識に依存するという制限を克服すること。
• スパイクトレインを、スパarsityを強制しない形で、義手の自由度に一致する低次元部分空間に投影すること。
• 限られた空間的・時間的訓練データという実装制約下での手法の性能を評価すること。

提案手法

• 標的筋の再神経支配（TMR）部位からの多チャンネル表面EMG記録を用い、運動ニューロンのスパイクトレイン活動を捉える。
• 主成分分析（PCA）を非教師付き線形マッピング手法として用い、スペクトル情報の抽出と次元削減を実行する。
• PCA部分空間における回転を実行し、その空間を義手の自由度に一致させることで、信号の忠実度を向上させ、直交する運動軸に近づける。
• ハードウェアおよび計算制約下で投影忠実度を最大化するために、空間的・時間的サブサンプリング戦略を採用する。
• 得られた低次元信号を、複数の義手自由度を同時に比例制御する連続的入力として使用する。
• 開ループでの推定を用いて、最大3自由度の同時手の運動を評価した。

実験結果

リサーチクエスチョン

• RQ1 EMGに由来する運動ニューロンスパイクトレインの非教師付きPCAベースの投影は、連続的な手の運動学的推定を正確に行えるか？
• RQ2 スパイクトレインを義手自由度空間に投影する際、部分空間の回転が運動学的推定の忠実度をどのように向上させるか？
• RQ3 空間的（EMGチャンネル数）および時間的（訓練期間）データの削減に対して、デコーディング手法はどの程度頑健であるか？
• RQ4 教師ありラベルなしで、複数の義手自由度を同時に比例制御できるか？
• RQ5 提案された空間的・時間的サブサンプリング戦略は、ハードウェア制限下でも投影忠実度をどのように維持するか？

主な発見

• 本手法は、EMG信号の非教師付きPCAベースのデコーディングにより、最大3自由度の同時運動を正確に推定できた。
• PCA部分空間の回転により、義手自由度空間に一致させることで、運動学的推定の正確性が顕著に向上した。
• アルゴリズムは、空間的（EMGチャンネル数）および時間的（訓練期間）の両方のデータ削減に対し、頑健であることが示され、臨床的実用性が向上した。
• 提案された空間的・時間的サブサンプリング戦略により、高い投影忠実度が維持され、ハードウェア制約下でのリアルタイム実装が可能になった。
• 本手法により、ラベル付き訓練データやパターン認識を必要とせず、運動ニューロンスパイクトレインを連続的運動学的制御信号に直接マッピングできるようになった。
• 結果から、PCAベースの非教師付きデコーディングが、同時に比例制御可能な筋電義肢制御の実用的でスケーラブルな解決策であることが確認された。