Research on the real-time fall prevention system using IMU sensors based on machine learning methods which can be used anywhere on daily basis
| Project/Area Number |
21K12798
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90150:Medical assistive technology-related
|
|---|
| Research Institution | Hokkaido Information University |
|---|
Principal Investigator |
戸谷 伸之 北海道情報大学, 医療情報学部, 准教授 (00340654)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
和田 親宗 九州工業大学, 大学院生命体工学研究科, 教授 (50281837)
北川 広大 八戸工業高等専門学校, その他部局等, 助教 (20965256)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
|
|---|
| Keywords | 歩容解析 / 転倒防止 / 機械学習 / IMU / 歩容分析 |
|---|
| Outline of Research at the Start |
本研究では，装着型のIMUを用いて日常的に歩行を観測し「転倒の危険性の有無」を判別する方式を提案する．さらにIMUを装着した被験者による歩行実験を行う．ここで取得されるIMUのデータとモーションキャプチャシステムにより得られる実際の歩容とを比較分析し，判別においてより効果の高いIMU装着部位や信号処理法を明らかにする．さらに歩容の個人差に柔軟に対応するため，機械学習を導入し，その判別精度向上の効果を分析する．これら実験・分析をとおして提案方式の有効性を検証する．
|
| Outline of Annual Research Achievements |
本研究の目的は，上肢のセンサで得られた加速度等のデータから転倒の危険性のある歩行等，歩容の異常を判別する方式を提案し，その判定精度の向上を図り，転倒防止システム実現の可能性を検証することである．
2022年度は，機械学習によってどの程度の精度で歩行状態の判別が可能かを調査することを目標として，以下の内容で研究を進めた．
転倒の危険性のある歩行として，これまでの主な判別対象である「足上げ高さの不足した歩行」に加え，「ふらつきのある歩行」についても重要視し分析を行った．「ふらつき歩行」は，転倒の危険性のある歩行状態として重要であると考えられる．ここでは加速度データの数値の大小だけでなく機械学習を適用した際の判別精度を求め，本方式の有効性について調べた．機械学習で用いる特徴量として，加速度データだけではなく他のパラメータの有効性についても調べた．検討複数のアルゴリズムを適用して分析した結果，特定のアルゴリズムにおいて特に高い正解率が得られ，本方式における歩容判別に有効であることが確認された．
また公開された歩容データを用いて回帰分析を行った．これまで足上げ高さが閾値を超えるかどうかで判別を行ってきたが，今回はさらに数種類の機械学習を用いた回帰分析により足上げ高さを推定した．この結果，特定のアルゴリズムを用いた場合に真値との相関が高くなることが明らかになった．
最終年度となる2023年度はこれまで求めてきた判定性能を踏まえ，具体的に転倒防止システムの実現方法について検討し，その有効性を調べていく予定である．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度は，転倒の危険のある歩行状態として「足上げ高さ」不足の閾値判定だけでなく，回帰分析によって「足上げ高さ」を比較的高い精度で推定できることが明らかとなった．また転倒の危険のある歩行状態として，これまでの「足上げ高さが不足した歩行」に加えて「ふらつきのある歩行」についても分析を開始した．「ふらつき歩行」の有無を判定することは，転倒の危険のある歩行を防止するために実現すべき課題であると考えている．これまでの分析では，上肢のデータから「ふらつき」の有無を高い正解率で判別可能であることが明らかとなった．
これらの研究成果から，2022年度の課題であった「機械学習による歩行の判別精度の調査」について順調に進めることが出来ているといえる．
|
| Strategy for Future Research Activity |
これまでの研究で，手首の加速度等のデータが「足上げ高さの不足」や「ふらつきの有無」の機械学習を用いた判別に利用できることを明らかにし，さらに回帰分析では「足上げ高さ」や「歩幅」を比較的高い精度で推定できることもわかった．これまで用いてきた実験データの条件下においては提案方式は有効であるといえるが，今後はより実用的な使用環境を想定した評価が必要である．
今後は具体的な利用方法を提案し，その使用条件を想定して実験・分析を進める．様々な使用条件下においても高い判定精度を維持できるように，利用するデータの種類や取得方法，判定に使用するデータ量や機械学習アルゴリズムについて最適化を図る．最終的に，達成可能な性能を踏まえて「転倒防止システム」の有効性を評価していきたい．
|
Report
(2 results)
Research Products
(4 results)
