マルチモーダルセンシングと⽣成モデルを⽤いた脊髄損傷患者の重症度分類

カテゴリ：部門大会

論文No：10P4-PS-23

グループ名：【E】第42回「センサ・マイクロマシンと応用システム」シンポジウム

発行日：2025/11/3

タイトル(英語)：Severity Classification of Spinal Cord Injury Patients Using Multimodal Sensing and Generative Models

著者名：*谷口 信人（神戸大学）, 吉倉 崚⼈（神戸大学）, 杉本 達也（神戸大学）（神戸赤十字病院）, 和泉 慎太郎（神戸大学）, 川口 博（神戸大学）

著者名(英語)：

キーワード：脊髄損傷,下肢伸展挙上,表面筋電図,条件付き変分オートエンコーダ,t 分布型確率的近傍埋め込み,Spinal cord injury,Straight Leg Raising,Surface EMG,Conditional Variational Autoencoder,t-SNE

要約(日本語)：本研究は、脊髄損傷患者の重症度を客観的に評価するため、SLR動作中の表面筋電図とモーションセンサを用いた解析手法を提案する。患者37名と健常者22名から得たデータを条件付き変分オートエンコーダにより潜在表現へ変換し、t-SNEとk近傍法で分類した。SCIMスコアに基づく潜在空間の偏りが確認され、三群分類では精度54.86%に留まったが、中等度を統合した二群分類では73〜76%の精度を達成した。

要約(英語)：This study proposes a method for classifying spinal cord injury severity using surface EMG during Straight Leg Raise. Data from 37 patients and 22 healthy subjects were analyzed with a CVAE, t-SNE, and k-NN. Results showed CVAE latent representations correlated with SCIM severity, enabling objective rehabilitation assessment.

PDFファイルサイズ：1,016Kバイト