2023 Fiscal Year Research-status Report
Very Simple Health Checkup System Based on Radar Imaging of High-Dimensional Motion Information
| Project/Area Number |
23K11980
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
佐保 賢志 立命館大学, 理工学部, 准教授 (00732900)
|
|---|
| Project Period (FY) |
2023-04-01 – 2027-03-31
|
| Keywords | レーダイメージ / 起立着座解析 / 歩容分類 / 認知症リスク評価 |
|---|
| Outline of Annual Research Achievements |
2023年度の研究実施内容は以下の3点である。各項目で詳細を述べる。
（１）健康情報と紐づいたレーダデータの収集: 3件の健康診断イベントにおいて、高齢者をはじめとするイベント参加者の歩行及び起立着座データを収集した。認知症リスクを測るための簡易なテスト（RDST）及び転倒リスクや身体機能障害のリスクを判断できる質問紙を実施し、運動機能と関連するクラス分けが可能なデータベースを構築した。また、新たな試みとして、1回の椅子立ち座りテストだけでなく、従来の運動疫学研究で多く用いられてきた5回椅子たち座りテストについてもレーダデータを収集し、この運動からも高次運動情報を抽出することを狙った。
（２) 起立着座動作の運動時系列解析と運動異常度評価への応用方法探求: 起立着座動作について、レーダで得られた運動軌道イメージから抽出した速度及び加速度時系列の分析する手法を開発した。得られた時系列の増減と極値を調べ、それら被験者間の違いなどから運動異常度を解析する手法、及び高分解能時間周波数解析に基づく人体各部位の運動情報取得手法を開発した。
（３）歩行運動レーダイメージへのVision Transformerの適用による認知症リスク診断法の開発: （１）及び前年度までに取得したデータを活用し、認知症リスクの高い高齢者と低い高齢者を歩行のレーダイメージから分類することに成功した。レーダイメージを身体運動の特性に合わせて分割した各ブロックに分割する手法と、画像処理における先端的な手法であるVision Transformerを活用することで86%以上の精度で達成した。さらに、この精度が深層学習ベースの従来手法より高いことも示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究代表者の研究機関異動により当初計画とは1年目の実施内容は異なるものとなったものの、各研究課題を順調に実施できている。特に歩行運動レーダイメージの機械学習に基づく認知症リスク評価モデルは想定以上の判定精度を達成でき、この点の完成度は当初計画の目標に達している。一方で、起立着座の解析は基礎的な検討が引き続き必要なことも判明した。以上を総合的に判断し、上記区分の進捗状況とする。
|
| Strategy for Future Research Activity |
起立着座動作の解析については、基礎的な高次運動情報イメージング法の開発から必要なため、引き続きこの課題に注力する。また歩行データを用いた検討については、認知症リスクよりさらに困難な問題である軽度認知障害の分類モデルを実現可能かについても進めていく。
|
| Causes of Carryover |
研究代表者の異動により、本研究に携わる大学院生の数が予定より減った結果、研究成果発表及び実験のための旅費が当初予定より大幅に低い金額となった。関連して、大学院生による論文執筆もなかったため、英文校正料などその他に該当する経費の支出もなかった。以上の理由より次年度使用額が生じた。
次年度使用額は、本テーマを次年度担当することになった学生及び研究代表者の学会発表のための旅費、及び得られた成果をまとめた論文の英文校正料・論文投稿料として使用する計画とする。
|
