| Project/Area Number |
22K19833
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 62:Applied informatics and related fields
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
池田 和司 奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (10262552)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山川 俊貴 奈良先端科学技術大学院大学, 先端科学技術研究科, 客員教授 (60510419)
|
|---|
| Project Period (FY) |
2022-06-30 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000)
Fiscal Year 2024: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2023: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2022: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
|
|---|
| Keywords | 排便予測 / 腸音 / ヘルスケア / 排便障害 |
|---|
| Outline of Research at the Start |
介護における排泄の問題を解決するため、ウェアラブル腸音計を開発し腸音を利用した排便時刻を推定する。そのため、 以下のようにA) ウェアラブル腸音計の開発、B) 排便時刻推定アルゴリズムの開発、C) 排便時刻予測の実証実験、を行う。
ウェアラブル腸音計の開発では、多重マイク化及び信号処理技術により音を分離する技術を導入する。排便時刻推定アルゴリズムの開発では、機械学習アルゴリズムと逐次ベイズ推定を組み合わせて実現する。排便時刻予測の実証実験では、まずは電子聴診器により実証実験、その後に新規開発したウェアラブル腸音計で実証実験を行う。
|
| Outline of Annual Research Achievements |
本研究は腸音により排便を予測するシステムを開発することにより、介護者の負担を減らすとともに被介護者のQOLを向上させることを目的としており、A) ウェアラブル腸音計の開発、B) 排便時刻推定アルゴリズムの開発、C) 排便時刻予測の実証実験、を3本柱としている。2023年度は電子心音計を調達し実験データの取得に務めるとともに、昨年度の腸音による排便前後の分別問題に対し、ソース・フィルタモデルに基づくMFCC特徴量を用いることで、容易に分別ができることを示した。この結果は国際シンポジウム International Symposium on Community-centric Systems and Robots 2024 (CcSR 2024) で発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
データ取得のための予備実験は終了し、腸音取得の目処は立っている。また今年度に見つけたMFCC特徴量は便情報をよく含んでおり、今後の見通しは明るい。次の重要なステップは本実験によるデータ取得とウェアラブル腸音計の調達である。
|
| Strategy for Future Research Activity |
「5.研究実績の概要」で記載したAおよびCについてウェアラブル腸音計を調達し、データ取得を進めて排便予測の Proof-of-Conceptを実現する。 また、Bについてはデータ取得や特徴量選択を待つことなく、逐次ベイズ推定アルゴリズムを構築する。
|
