| Project/Area Number |
23K17321
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Pioneering)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 20:Mechanical dynamics, robotics, and related fields
|
|---|
| Research Institution | Hiroshima University |
|---|
Principal Investigator |
辻 敏夫 広島大学, 先進理工系科学研究科(工), 教授 (90179995)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
島谷 康司 県立広島大学, 保健福祉学部(三原キャンパス), 教授 (00433384)
秋山 倫之 岡山大学, 医歯薬学域, 准教授 (10379737)
古居 彬 広島大学, 先進理工系科学研究科(工), 准教授 (30868237)
土居 裕和 長岡技術科学大学, 工学研究科, 准教授 (40437827)
竹内 章人 独立行政法人国立病院機構岡山医療センター(臨床研究部), 成育医療推進室, 新生児科医師 (40731386)
曽 智 広島大学, 先進理工系科学研究科(工), 准教授 (80724351)
|
|---|
| Project Period (FY) |
2023-06-30 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥25,610,000 (Direct Cost: ¥19,700,000、Indirect Cost: ¥5,910,000)
Fiscal Year 2026: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000)
Fiscal Year 2025: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
Fiscal Year 2024: ¥8,320,000 (Direct Cost: ¥6,400,000、Indirect Cost: ¥1,920,000)
Fiscal Year 2023: ¥7,280,000 (Direct Cost: ¥5,600,000、Indirect Cost: ¥1,680,000)
|
|---|
| Keywords | 乳児自発運動 / 基底運動 / 発達障害 / 深層学習 / 運動評価 |
|---|
| Outline of Research at the Start |
本研究では，乳児自発運動を構成する根本的な運動因子，いわば『基底運動』を発見し，乳児の運動発達を包括的に評価可能な新手法の創出を目的とする．まず，ビデオカメラとマットレス内蔵の音響センサを用い，乳児の自発運動を非拘束／非接触に計測可能な新しいマルチセンシング手法を確立する．次に，独自の深層潜在空間モデルと統計的因子分解に基づき，乳児の基底運動を特定する機械学習法を開発する．そして，基底運動の経時変化と発達障害との関係を明らかにするとともに，基底運動評価インデックスを提案し，超早期での発達障害の診断支援が可能なシステムの実現を目指す．
|
| Outline of Annual Research Achievements |
本研究では，自発運動を構成する根本的な運動因子，いわば「基底運動」の発見と抽出を目指す．具体的には，(A) 乳児の自発運動を非拘束かつ非接触で計測可能なマルチセンシング手法の確立，(B) 乳児の基底運動を解析する手法の開発，(C) 発達段階に応じた基底運動の経時的評価と発達障害との関連性の解明，(D) 発達評価システムおよび臨床データベースの構築，という4つの研究項目から構成される．各研究項目の進捗状況は以下のとおりである．
(A) ビデオカメラによる乳児運動の動画像に加えて，視線運動を含むデータセットを整備した．自閉症スペクトラム障害（ASD）の早期兆候は運動特徴や社会的コミュニケーション特徴に現れることが知られており，視線特徴は社会的コミュニケーション能力と強く関連する．動画像と視線のマルチセンシングにより，ASDの兆候をより早期かつ効果的に予測できる可能性がある．
(B) 周波数に着目した運動解析手法を開発した．動画像から乳児の骨格座標を推定し，身体部位ごとの運動量に短時間フーリエ変換を適用し，その結果に非負値テンソル因子分解（NTF）を適用することで，運動を周波数成分ごとの複数の基底成分に分解する手法を提案した．この手法により抽出した基底特徴および時系列特徴を機械学習モデルに入力することで，高精度でASDリスクを予測可能であることを示した（国際会議SII2025で発表）．
(C) 生後4ヶ月，10ヶ月，18ヶ月時の視線特徴と，生後18ヶ月時点でのASDリスクとの関連性を調べ，視線特徴を用いたASDリスクの識別可能性を評価した（国際会議SII2025で発表）．さらに，運動情報に加えて出生前のポリ塩化ビフェニル（PCB）曝露レベルを用いて，生後18ヶ月時点でのASDリスクおよび5歳時点での行動問題との関連性を分析した（Scientific Reports, 2025）．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2024年度は，前年度まで進めてきた動画像データセットに加え，視線データセットを整備することで，(A)に関するマルチセンシング法の確立に貢献した．また，実環境での運用が可能な発達障害スクリーニング技術の実現に向け，スマートフォンで撮影した動画像に対する運動評価の予備的解析を開始した．(B)については，骨格推定および非負値テンソル因子分解に基づく新たな運動解析法を提案し，その成果を国際会議論文として発表した．(C)では，新生児・乳幼児期の視線特徴と発達障害リスクとの関係を解析し，その成果を国際会議論文として発表した．現在，動画像を含むマルチモーダル分析へと内容を拡張し，国際学術雑誌への投稿に向けて論文をまとめている最中である．以上より，本研究課題はおおむね順調に進展していると判断した．
|
| Strategy for Future Research Activity |
引き続き，運動解析手法の構築および発達障害との関係解析を深化させ，得られた研究成果のさらなる学術論文化を進める．特に，現状は非負値テンソル因子分解（NTF）によって得られた因子テンソルから平均・標準偏差などの統計的特徴を抽出し，それらを機械学習モデルの入力としているが，今後はより精度と効率性を向上させるため，解析から予測までを一貫して処理可能なend-to-end型の新たなアプローチを模索する予定である．
また，今年度に予備的解析を開始したスマートフォンのRGBカメラで撮影した動画像を用いた運動評価についても，引き続き注力する．特に，実際の撮影環境で避けられない手ブレや，乳幼児自身の位置変動といった要因による影響を低減するため，よりロバストで信頼性の高い運動解析アルゴリズムの開発を推進していく予定である．さらに，開発するアルゴリズムの性能評価を進め，実環境での有効性を確認し，その成果を早期に実用化へ繋げることを目指す．
|
