| 研究課題/領域番号 |
21K12798
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分90150:医療福祉工学関連
|
|---|
| 研究機関 | 北海道情報大学 |
|---|
研究代表者 |
戸谷 伸之 北海道情報大学, 医療情報学部, 教授 (00340654)
|
|---|
| 研究分担者 |
和田 親宗 九州工業大学, 大学院生命体工学研究科, 教授 (50281837)
北川 広大 八戸工業高等専門学校, その他部局等, 助教 (20965256)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 歩容解析 / 転倒防止 / 機械学習 / IMU / 歩容分析 |
|---|
| 研究開始時の研究の概要 |
本研究では，装着型のIMUを用いて日常的に歩行を観測し「転倒の危険性の有無」を判別する方式を提案する．さらにIMUを装着した被験者による歩行実験を行う．ここで取得されるIMUのデータとモーションキャプチャシステムにより得られる実際の歩容とを比較分析し，判別においてより効果の高いIMU装着部位や信号処理法を明らかにする．さらに歩容の個人差に柔軟に対応するため，機械学習を導入し，その判別精度向上の効果を分析する．これら実験・分析をとおして提案方式の有効性を検証する．
|
| 研究実績の概要 |
本研究の目的は，手首に装着したセンサで得られた加速度等のデータから転倒の危険性のある歩行など歩容の異常を判別する方式を提案し，その判定精度の向上を図り，転倒防止への有効性を検証することである．
2023年度は歩行速度を機械学習に取り入れることによって足上げ高さの推定精度を高められることを明らかにした．また歩行者の身長や体重，年齢が推定精度に大きく関与しないことも確かめられ，提案方式が広く一般的に適用できることがわかった．
研究機関全体を通じて，転倒の危険性のある「足上げ高さの不足した歩行」および「ふらつきのある歩行」に着目し，これらの歩行について手首の加速度データを用いて検出する方式を提案しその性能について調べた．ここでは機械学習を適用した際の判別精度を求め，提案方式の有効性について調べた．機械学習で用いる特徴量として，加速度データだけではなく他のパラメータの有効性についても調べた．複数のアルゴリズムを適用して分析した結果，足上げ高さの不足やふらつき歩行などについて高い正解率が得られ，本方式における歩容判別に有効であることが確認された．また歩容データを用いた回帰分析では，閾値による判別だけでなく数種類の機械学習を用いた回帰分析により足上げ高さを推定し，特定のアルゴリズムを用いた場合に真値との相関が高くなることが明らかになった．
手首の加速度を用いる提案手法は，現段階ではセンサを下肢に装着する方式による先行研究の推定精度には及ばないものの，簡易な歩容推定法としては高い推定精度が得られ，有効性が確かめられたと考えられる．
|
