2021 Fiscal Year Annual Research Report
| Project/Area Number |
19K22735
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
渡邉 高志 東北大学, 医工学研究科, 教授 (90250696)
|
|---|
| Project Period (FY) |
2019-06-28 – 2022-03-31
|
| Keywords | 転倒予測 / 慣性センサ / ニューラルネットワーク / 歩隔 / 睡眠 |
|---|
| Outline of Annual Research Achievements |
転倒の発生後検出や転倒しやすさのリスク評価ではなく，転倒発生の兆候をとらえる技術の開発を目的として，運動学的情報による転倒発生の兆候の推定法の開発と，自律神経系が関わる生体情報や睡眠情報の利用の有効性を検討した．
前年度まで，転倒リスクの評価について，単一指標での評価では不十分であることを確認し，より直接的に転倒に関わる指標として，慣性センサを利用し，歩行立脚初期の足部異常運動の検出・評価法，ニューラルネットワーク（ANN）を用いてパラメータ調整を不要としたストライド長と歩行速度の推定法，歩行事象タイミングの自動検出法の開発を行ってきた．この結果をもとに，下腿部に装着した慣性センサでストライド長と歩行速度の推定法を構築して，片麻痺者でのストライドの誤検出低減と推定精度の安定化の可能性を確認し，実用的方法への展開を進めた．また，歩行時のふらつきに関係するバランス評価のため，ANNによる身体重心位置推定法を構築した．そして，起床時のふらつき感覚と睡眠に関連する様々な指標，血圧，心拍との関係を健常者で調査し，総睡眠時間とふらつき感覚との間に相関がみられた．上記の評価指標等を利用してふらつき感覚を定量化し，睡眠情報との関係を詳細に調べる必要はあるが，総睡眠時間の利用可能性が示唆され，転倒発生の予測のための評価への応用が期待される．
一方，転倒発生の兆候を歩容変化でとらえるために，転倒に関わる歩隔変化に基づく歩容変化をANNで検出する方法を前年度までに開発してきた．この方法をもとに，教師無し学習による歩行パターン分類の実現可能性を確認し，さらに，検出された歩容変化の要因の分類可能性を示唆する結果を得た．これらにより，正常な歩行データを事前に取得しておくことで，未知の歩行変化でも，変化の発生検出とその変化の要因の分類が可能になることが示唆され，転倒発生の兆候の推定につながると期待される．
|
