Sept. 12 2019
Room D Medical, Healthcare & Sports
Chair：Yoshihiro Kuroda(Univ. of Tsukuba)
- 6D-01
- Basic Study on Inducing Communication using Miniscape Game Reflecting Eating Related Behavior
〇Hibiki Yonahara(The University of Tokyo)、Mio Nishiyama(Mitsubishi Electric Corporation)、Toshiki Takeuchi(The University of Tokyo)、Takuji Narumi(The University of Tokyo)、Tomohiro Tanikawa(The University of Tokyo)、Michitaka Hirose(The University of Tokyo) - 社会全体の健康寿命の延伸のため、高齢者がコミュニケーションを取って心身の健康を保つことは重要であるが、SNSを活用する高齢者は多くない。本研究では、食事をテーマにすることでSNS利用のハードルを下げ、食関連行動を反映する箱庭ゲームを用いてインセンティブを与え、コミュニケーションを誘発するシステムの構築を目指す。スマートフォン用アプリケーションを用いて実験を行い、SNS利用行動の変化を評価した。
- 6D-02
- A system using a 360-degree camera to connect patients in the closed space and their families
〇Shiho Joko(the Graduate School of Osaka Institute of Technology)、Mieko Ohsuga(Osaka Institute of Technology)、Yuma Tada(Osaka International Cancer Institute)、Jun Ishikawa(Osaka International Cancer Institute) - 家族と離れ閉鎖空間で治療する造血幹細胞移植患者は「家族やペットに会いたい」「買うものを自分で選びたい」との願望をも持つ．そこで遠隔にある360°カメラのリアルタイム映像と音声を，ネットワークを介して病室の患者にHMDかプロジェクションマッピングで提示して家族と繋ぐシステムを開発している．患者は撮影者の撮影方向に依らず自由に視点を操ることができる．撮影者は患者の視点が分かる機能の追加に取り組んでいる．
- 6D-03
- Support System for Endoscopic Surgery by Visual Stimulation Linked to the Endoscope Posture using 3DCG Model of Patient and Omnidirectional Image of Operating Room
〇Machiko Ogawa(Meiji University)、KENTARO FUKUCHI(Meiji University) - 内視鏡手術において手術時間を短縮するには身体部位や手術器具の位置姿勢の把握を瞬時に行う必要があるが，内視鏡映像のみで行うのは難しい．我々はモニタ上に表示された内視鏡映像の周囲に，内視鏡の姿勢に連動して変化する視覚刺激を提示するシステムを構築した．視覚刺激には手術室内の全天球画像を用いることで方位を瞬時に把握することを支援し，また患者の身体を簡易な3DCGで提示し身体部位の位置姿勢の把握を支援する．
- 6D-04
- Virtual reality simulation for training of endonasal robotic suturing using multiple difficulty levels
〇Saul Alexis HEREDIA PEREZ(The Univerity of Tokyo) - Although robotic systems support neurosurgeons in the realization of complex surgical tasks, a properly training curriculum is required for skills acquisition. We propose the use of VR simulation for training of endonasal dura mater suturing using multiple difficulty levels.
- 6D-05
- It’s more than I can get，period pain.
〇Chihiro Asada(Konan University)、Naoya Hara(Konan University)、Naoki Azuma(Konan University)、Kotori Tsutsumi(Konan University)、Yuta Otsuka(Konan University)、Reo Goda(Konan University)、Kentaro Ishida(Konan University)、Wataru Omori(Konan University)、Takahiro Asahi(Konan University) - 月経に関する認識の差を埋めるため,電気刺激と振動覚刺激を組み合わせた独自の周波数,振幅を発生させることにより,子宮収縮感のある痛みを持続的に下腹部に与えるデバイスを作成した.また,日常行動を加速度センサで検出し,腹部に取り付けた水による重量感と検出した値に応じた速さで出血機構から温感提示することで,重量感,血が垂れる感覚を与える.これらの要素を組み合わせ,誰でも月経を体験することを可能にした.
- 6D-06
- Squat training system to change load based on Locomo's risk level prediction
〇WATARU SAKODA(Hiroshima University)、Ramin Tadayon(Arizona State University)、Antonio Ramirez(Hiroshima University)、Swagata Das(Hiroshima University)、Yusuke Kishishita(Hiroshima University)、Masataka Yamamoto(Hiroshima University)、YUICHI KURITA(Hiroshima University、JST PRESTO) - 本研究では，人工筋をアクチュエータとしたアシストスーツを用いて，ロコモティブシンドロームのリスクを低減するためのエクサゲームを開発する．第一にAdaptive Neural Network（ANN）を用いて，スクワット運動時の関節角度などからロコモのリスクをリアルタイムで予測する．予測されたリスクレベルに応じて，アシストスーツに取り付けた人工筋の駆動方法を変えて，スクワット時の負荷量を調整する．
- 6D-07
- State of walking of elderly people in Mixed Reality and its influence
〇Daigo Ikeno(TOKYO CITY UNIVERSITY)、SHIGEHO NODA(Riken)、HIDEO MIYACHI(TOKYO CITY UNIVERSITY) - 障害物を伴う実験はそれを仮想的に表示することで安全に配慮した測定を行うことができる。しかし現実と仮想の認識にずれが生じてしまうことが判明している。そこでHMDを使用したビデオスルー型MR環境を構築し、この環境において光学式モーションキャプチャシステムを用い、脚部に合計6つのマーカーを装着し、歩行の様子を計測した。本研究では現実環境とVR環境においての歩行様態の差異を評価するための指標を検討する。
- 6D-08
- Development of an MR inline skate for leg muscle training
〇Naoto Nishi(Osaka Institute of Technology)、Kojiro Yano(Osaka Institute of Technology) - 下肢の筋肉は全体の筋肉量の約三分の二を占め、動かすことにより全身運動に近い効果が得られるため、下肢筋力の重要性が注目されている。しかし、現在リリースされているVRアプリは殆どが腕による操作が中心であり、全身を用いたアプリに関しては、高価な専用機材を設置する必要がある。本研究では安価で下肢筋力のトレーニングを行えるアプリとして、HMDおよびスライドボードを用いたMRインラインスケートアプリを提案する。
- 6D-09
- Prediction of ping-pong ball trajectory based on neural network using player’s body motions
〇JIANYU CHEN(The University of Tokyo)、TAO MORISAKI(The University of Tokyo)、ANSHENG WANG(The University of Tokyo)、YASUTOSHI MAKINO(The University of Tokyo)、HIROYUKI SHINODA(The University of Tokyo) - In this study, we predict the trajectory of a ping-pong ball base on a neural network using players’ body motions. It will show which motions causing mistakes, therefore making table tennis training more effective.
