2023 Fiscal Year Annual Research Report

Development of an objective evaluation tool that captures signs of dementia in the elderly using non-contact gait measurement technique and artificial intelligence

Research Project

Project/Area Number	21H03280
Research Institution	Kindai University
Principal Investigator	栗田耕一近畿大学, 工学部, 教授 (90455171)
Project Period (FY)	2021-04-01 – 2024-03-31
Keywords	歩行計測 / 認知症 / 非接触計測 / 静電誘導
Outline of Annual Research Achievements	歩行動作をバイオメカニクス的な視点で研究されることが一般的ですが、歩行動作による電気的な側面に注目した研究はこれまであまり行われていませんでした。本研究では高齢者の認知症の「兆し」を歩行機能の低下から検知する技術を開発することを目的として研究を実施しました。この目的を達成するため、まず超高感度静電誘導電流検出技術を使用し、被験者に装置を一切装着せずに自然な歩行動作を検出するセンサを開発しました。これにより、従来の静電誘導センサを高感度化し、感度を約10倍向上させた超高感度静電誘導センサを製作しました。さらに、静電誘導センサで検出した歩行信号を学習データとして機械学習（信号の特徴に基づいて識別するカスケード分類器）や深層学習（畳み込みニューラルネットワークやLSTMなど）を行い、左右の非対称性や片麻痺歩行動作の検出、及び歩行動作の不自由の程度の識別を試みました。本研究では歩行障害を模擬するため、健常者の右足首にアンクルウエイトを装着し、アンクルウエイトの重さに応じた4つのタスクの歩行信号を検出しました。この模擬不自由歩行動作を超高感度静電誘導センサで検出した結果、歩行の不自由の程度に応じた特徴が現れていることを明らかにしました。さらに、歩行波形をウェーブレット変換してスカログラムを得ました。これらのスカログラムを深層学習の学習データとして使用し、被験者の模擬片麻痺歩行動作の不自由の程度を検出することを試みました。その結果、CNNの平均識別正答率は83.0%であり、歩行の僅かな非対称性を非接触で簡便に検出可能であることを確認しました。これにより、高齢者の歩行機能評価技術のひとつとして有望であることが分かりました。
Research Progress Status	令和5年度が最終年度であるため、記入しない。
Strategy for Future Research Activity	令和5年度が最終年度であるため、記入しない。