|
本研究は片麻痺患者における日常生活動作の計測情報に基づく症状・状態の推定手法の確立を目的とし，3Dデジタル人間モデル(3D-DHM)を用いた片麻痺患者のブルンストロームステージ(BS)分類手法の研究に取り組んだ．平成27年度においては以下の4つの成果を得た．
[成果1]本研究では複数台RGB-Dセンサで計測することで，什器や家具などによる被験者の遮蔽，いわゆるオクルージョンを抑制する．複数台RGB-Dセンサ情報の統合のためには，高精度なセンサ位置校正が必要となる．本研究では深度情報を用いた校正で，従来技術では±40 mm程度のところ±10 mm程度の精度を実現した．センサの計測誤差が±10 mmであるため，校正精度は極めて高い．
[成果2]複数台RGB-Dセンサ統合情報に基づき3D-DHMを構築した．従来の技術ではセンサ毎の計測位置偏差が大きいが，本研究で提案する被験者の向きを考慮する手法に加え，元々の位置校正精度の良さにより計測位置偏差が極めて小さい．このため，偏差の大小からオクルージョンの有無を判定可能となった．オクルージョンしている部位情報を破棄することで，複数台統合時の3D-DHMの妥当性の向上を実現した．
[成果3] 上記により生成した3D-DHMを上田らが提案したBS判定手法（上田法）に適用することで定量的かつ自動的なBS判定を実現した．システムは日常生活動作から上田法の試験運動を抽出可能であるため，被験者は指定された運動をする必要が無い．
[成果4]カメラ映像より被験者の運動とBSを抽出する．本研究では運動とBSに相当する運動パターンを抽出することを実現した．具体的には人間の腕模型を撮影し，確率学的に関節数と関節角度を抽出した．これらの拡張により，RGB-Dセンサを用いる場合と同様にBS判定可能であり，蓄積されたBS毎のDHMとのマッチングでもBS判定が可能になる．
|
