2016 Fiscal Year Annual Research Report
Early Detection of Dementia Based on the Bayesian Classification Using Voice-fNIRS Signals during Cognitive Tasks
| Project/Area Number |
25280100
|
|---|
| Research Institution | Nagoya Institute of Technology |
|---|
Principal Investigator |
加藤 昇平 名古屋工業大学, 工学(系)研究科(研究院), 教授 (70311032)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
本間 昭 社会福祉法人浴風会認知症介護研究・研修東京センター, その他部局等, 上席研究員 (40081707) [Withdrawn]
遠藤 英俊 国立研究開発法人国立長寿医療研究センター, その他部局等, 長寿医療研修センター長 (80501121)
|
|---|
| Project Period (FY) |
2013-04-01 – 2017-03-31
|
| Keywords | 認知症スクリーニング / 脳血流解析 / 発話音韻解析 / 多重ロジスティック回帰分析 / ランダムフォレスト / ディープ・ニューラル・ネットワーク |
|---|
| Outline of Annual Research Achievements |
ごく早期の認知症の発見・予防を目とした認知機能障害のスクリーニングは、益々進む社会の高齢化において大いに期待される技術である。本研究では、医療介護施設向けの装置（近赤外分光法fNIRS測定装置内蔵）ならびに、携帯電話等通信端末に組込まれるソフトウェア（音声データ分析）として、音声韻律・脳血流のデータマイニングアプローチに基づく認知症の早期スクリーニングを開発する。研究課題最終年度である平成28年度は、昨年度までの研究成果を総合して、認知症スクリーニングの応用ソフトウェアを開発・整備するとともに、実用的な計測機器・ソフトウェアシステムとして地域社会ネットワークに展開できる品質・機能へ向上させるために、以下の項目を実施した。
・ランダムフォレスト・アルゴリズムは、弱学習器として決定木を用い、それらを多数用意することで全体の精度を向上するアルゴリズムである。このアルゴリズムを実装し、前述の音声データを用いて判別モデルを構築する実験を実施した。
・Deep Learningアルゴリズムは、近年の計算機性能の飛躍的な向上により深層学習とよばれる人工知能の技術が様々な応用分野で注目されている。本研究項目は、深層学習の一つであるディープ・ニューラル・ネットワーク（DNN）を用いた判別モデルを構築した。DNNとは多層構造のニューラルネットワークを用いた機械学習である。十分なパラメータ調整には時間を要するもののより適切なパラメータを探索することで結果が向上する様子が示唆された。また、今実験で得られた特徴量は線形判別手法に相応しいものであるため、DNNでの学習に相応しい入力特徴量へ変更することにより、大きく性能が向上する可能性が考察された。今後も、他の判別アルゴリズムをさらに検討し、特徴量の抽出・選択と判別モデルの構築を一体化した深層学習のアプローチを検討するなどして、判別性能の向上を追求したい。
|
| Research Progress Status |
28年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
28年度が最終年度であるため、記入しない。
|
| Causes of Carryover |
28年度が最終年度であるため、記入しない。
|
| Expenditure Plan for Carryover Budget |
28年度が最終年度であるため、記入しない。
|
