| 研究課題/領域番号 |
18H03070
|
|---|
| 研究機関 | 新潟大学 |
|---|
研究代表者 |
山村 健介 新潟大学, 医歯学系, 教授 (90272822)
|
|---|
| 研究分担者 |
定方 美恵子 新潟大学, 医歯学系, 教授 (00179532)
白石 葉子 三重県立看護大学, 看護学部, 教授 (10305500)
江川 広子 明倫短期大学, 歯科衛生士学科, 教授 (10310492)
内山 美枝子 新潟大学, 医歯学系, 教授 (10444184)
小野 高裕 新潟大学, 医歯学系, 教授 (30204241)
黒瀬 雅之 岩手医科大学, 歯学部, 准教授 (40397162)
岡本 圭一郎 新潟大学, 医歯学系, 准教授 (50382338)
佐藤 大祐 新潟大学, 研究推進機構, 助教 (70778703)
佐々木 誠 岩手大学, 理工学部, 准教授 (80404119)
長谷川 真奈 新潟大学, 医歯学系, 特任助教 (90779620)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | 嚥下 / むせ / 機械学習 / 筋電図 / 介護 |
|---|
| 研究実績の概要 |
近年、要介護者・脳卒中有病率は増加の一途を辿り、摂食・嚥下障害を有したまま自宅退院となる患者が増加している。そのため、有病者の誤嚥性肺炎の重症化を防ぐために、在宅でのアセスメントの充実による早期発見・予防へと移すことが求められている。我々の研究目的は、アセスメントで用いられる「むせ」の際に得られる生体信号を基に「むせ」を予測し、予測された「むせ」が生じる前に外部刺激を加えることで円滑な嚥下遂行させるシステム開発のための基本データを得ることである。2019年度はこれまで行ってきた健常者における負荷嚥下モデルを用いた機械学習用プラットフォームの学習精度を向上させるために、多層ニューラルネットワークと畳み込みニューラルネットワークの二つを組み合わせたモデルを採用し、その有効性を検討した。また、機械学習への入力データとして、新たに記録した生体信号である筋電図に連続ウェーブレット変換を施した2次元データ（スカログラム）を用いた。嚥下時の“飲み込み易さ”についての5段階の官能評価を教師データとし、入力データがどの官能評価に対応するかを推定させ、推定結果と教師データを比較学習することで、生体信号（筋電図）から「飲み込み易さ」を判断するプラットフォームを構築した。構築されたプラットフォームは、推定結果に対する正答率によって評価した。正答率は、学習に用いたデータに対する正答率と学習には用いていないデータに対する正答率の二つを算出した。機械学習に用いたデータに対しては約90%の正答率が得られ、学習に用いていないデータに対する正答率も約80%前後であることが明らかになった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
順調に推移している。嚥下時の生体信号を用いて嚥下を評価するための機械学習用プラットフォームを構築する上で、多層ニューラルネットワークと畳み込みニューラルネットワークの二つを組み合わせたモデルが有用であること、機械学習の入力データとして、筋電図に連続ウェーブレット変換を施した2次元データ（スカログラム）が有用であることが明らかになった。特に2次元データであるスカログラムは近年その進歩が著しい画像解析のプラットフォームとの相性が良く、今後さらなる学習精度向上が見込まれる。
|
| 今後の研究の推進方策 |
引き続き健常ボランティアを対象に、負荷嚥下モデルを用いた生体機能計測と機械学習用プラットフォームの構築およびその検証を行う。20年度は筋電図に加え、喉頭周囲に三軸圧センサを配置して嚥下時喉頭挙上を検出し、これら生体信号を連続ウェーブレット変換した2次元データを入力信号として用いる。これらのデータを材料に、多層ニューラルネットワークと畳み込みニューラルネットワークの二つを組み合わせたモデルを用いて、嚥下時筋電図と喉頭挙上運動を結びつける特徴量を見出し、機械学習用プラットフォームを構築し、その有効性を検討する。
|
