2020 Fiscal Year Annual Research Report
Designing a safe and comfortable treatment environment using ambient sensor and AI
| Project/Area Number |
19H04414
|
|---|
| Research Institution | Nagoya City University |
|---|
Principal Investigator |
横山 清子 名古屋市立大学, 大学院芸術工学研究科, 教授 (50174868)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
鈴木 賢一 名古屋市立大学, 大学院芸術工学研究科, 教授 (00242842)
内田 恵 名古屋市立大学, 医薬学総合研究院(医学), 講師 (00569254)
梅谷 智弘 甲南大学, 知能情報学部, 准教授 (10397630)
塙 大 名古屋市立大学, 大学院芸術工学研究科, 准教授 (50422506)
渡邊 裕司 名古屋市立大学, 大学院理学研究科, 准教授 (60314100)
明智 龍男 名古屋市立大学, 医薬学総合研究院(医学), 教授 (80281682)
奥山 徹 名古屋市立大学, 医薬学総合研究院(医学), 教授 (80349349)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | アンビエントセンサー / 面圧分布センサー / スマートウォッチ / 自律神経活動バランス / 寝姿勢推定 / 療養環境 / せん妄 |
|---|
| Outline of Annual Research Achievements |
本研究では、プライバシー保護の観点から監視カメラが利用できない療養環境において、ベッドや患者の着衣などに装着するセンサー、身体に装着するウェアラブルセンサーからの出力データを用い、事故の予防やせん妄発症の予兆検知を機械学習により行うことを目的とする。
ベッド面の面圧分布センサー上での10数名の実験参加者を対象として、寝返り、起き上がり動作の測定実験を実施した。動作前後の重心位置の左右および上下方向の差、動作中の左右および上下の速度ベクトル、および加速度ベクトルを入力とし、ビデオから判別した寝返り、起き上がり動作をラベルとした機械学習によりこれらの動作を識別できる可能性を得ている。
夜間覚醒やせん妄発症に伴う自律神経活動バランスの変化や乱れを検出するためには、心電図拍動間隔時系列の周波数情報が必要となる。一方でスマートウォッチやベッド面装着センサーから得られる心拍情報は、心電図拍動間隔時系列と比較して時間分解能が低いため、センサーから得られる心拍情報の周波数解析は自律神経活動バランス評価に適さない。スマートウォッチで測定される心拍情報と心電図の同期測定を行い、心電図R-R間隔から算出される自律神経活動バランス指標をスマートウォッチの心拍情報から算出される時間領域指標を用い、機械学習による回帰モデルを作成した。これによりスマートウォッチやベッド面装着型バイタルセンサーを活用した高精度の自律神経活動バランス評価により、夜間覚醒や自律神経活動バランスの乱れの早急な検知への応用が可能となる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初のベッド面圧センサー、ウェアラブルセンサーを活用した入院患者の行動や心身状態推定の目的に対して、面圧センサーからの寝姿勢の判別はほぼ計画どおりに実施できている。また、当初身体の動きのみの推定を予定していたが、夜間覚醒検知やせん妄の予兆予測のためには、自律神経活動バランスの高精度の推定が必要との判断から、スマートウォッチやベッド面装着型バイタルセンサーから得られる心拍情報を活用した自律神経活動バランス推定モデルを構築できたことは当初の計画より進展した内容と考えている。しかし、コロナ禍に伴い共同研究先の病院での測定実施の困難さや、臨床を主とする共同研究者の勤務状況への配慮から、臨床的観点での検討が実施できなかったことは反省点と考えている。
|
| Strategy for Future Research Activity |
R3年度の最終年度の研究実施に向けて、ベッド面圧センサーからの寝姿勢判別については、重心位置の情報のみでなく、２次元情報としての機械学習への入力も検討しこれらを論文として執筆する予定である。
看護師や直近の入院経験者を対象としたWeb調査により入院中の行動(動作)調査を実施する。Web調査で抽出された動作を高齢実験参加者がベッド上で演じた際の腕に装着した加速度・角速度センサーデータを取得し、療養環境での日常的な動作のデータベースを作成する。入院患者の危険状態の検知やせん妄予測に活用するために、日常的な動作データに対する異常値判定モデルを構築する。
|
