表面筋電位の確率的生成モデルと信号解析

筋収縮時に発生する表面筋電位信号（electromyogram: EMG）は，人の動作意図や筋収縮に関連する様々な情報を含んでおり，ロボット義手の制御や神経筋疾患の診断など幅広く利用されています．筋電位信号は，古くから平均ゼロのガウス分布に従うと仮定され，この仮定に基づき様々な信号処理や解析手法が開発されてきました．一方，近年の研究では，筋収縮度の変化や筋疲労の有無など筋活動の特徴変化により，筋電位信号が非ガウスな性質を示す場合があることが実験的に報告されています．そのため，従来のガウス分布モデルに基づくアプローチでは，筋電位信号に含まれている特徴を十分に扱えているとはいえませんでした． そこで本研究では，近年報告されている筋電位信号の非ガウス性が，筋電位信号の振幅（=分散）の不確実性により生じていると仮定し，これを表現可能な確率的生成モデルを構築することで，新たな信号解析法の創出に取り組んでいます． このモデルは筋疲労の解析や筋活動の定量化といった信号解析にとどまらず，動作識別のための学習・推論の基盤としても活用しています．近年では，スケール混合モデルの生成的な性質と識別モデルの分類性能を組み合わせたハイブリッド学習へと展開し，確率モデルの解釈性と深層学習の識別性能を両立させる枠組みの構築に取り組んでいます．