重症心身障害児者の微細な反応を理解するための概念モデルの作成

创建概念模型来理解患有严重精神和身体残疾的儿童的微妙反应

基本信息

批准号：
21K10871
负责人：
横関恵美子
金额：
$ 2.66万
依托单位：
Shikoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K10871/
关键词：
重症心身障害快・不快普段の状態周波数解析表情解析ニューラルネットワークによる分析重回帰分析ロジスティック回帰分析ストレス観測データ機械学習ニューラルネットワーク分析重症心身障害児者微細な反応意思疎通 ICT機器概念モデル

项目摘要

2年目の計画は、1年目にストレス時の着目すべき表情筋の動きを明らかにした同様の方法で、重症児者のデータを分析し、B）心地良い時の予測モデルを作成し、重症児者の快・不快を理解するモデルの絞り込みを行い、概念モデルの予測を立てることであった。そこで、家族と専門職者の判断を目的変数としたロジスティック回帰分析と心拍数を目的変数とした重回帰分析によって、喀痰貯留に関するストレス時の表情筋の動きを抽出した。1年目のその結果を用いて、快・不快について判断が難しい場合についても、心拍数を目的変数とすることで、他の重症児者からも共通した概念を抽出することができた。また、心拍数に有意差がみられない場合や経験値によるアセスメントが難しい場合は、気道内の粘稠な分泌物の振動について、電子聴診器で録音した呼吸音を高速フーリエ変換による周波数スペクトルを比較することで、データの分類を行った。そして、喀痰貯留に関するストレス時の表情筋の動きとして3項目を明らかにした。この3項目の表情筋の動きを入力層に置き，「いつもと違う」ストレスがあるか「いつもと同じ」かどうかを精度よく出力できるネットワーク情報について、ROC 曲線およびAUCの値、交差エントロピーの誤差の違いを比較して、明らかにした。また、重症児者の心地良い時の予測モデルの作成には、母親が一緒にいる場合といない場合に着目した。この状況の違うデータを、ロジスティック回帰分析とニューラルネットワークによる分析によって確認したところ、母親の在・不在の２値分類ができ、重症児のポジティブな反応についても明らかにできる可能性を示すことができた。また、てんかん発作についても、出力層を３項目にすることで、てんかん発作に気づいた時点の妥当性、映像とAI技術を活用することで早期に発見の可能性があることを確認した。

第二年的计划是采用与第一年相同的方法，明确压力时应重点关注的面部肌肉运动，并分析危重儿童的数据，B）创建预测模型这项研究的目的是缩小理解重病儿童的快乐和不快的模型范围，并根据概念模型制定预测。因此，通过以家庭成员和专业人士的判断为客观变量的逻辑回归分析以及以心率为客观变量的多元回归分析，提取与痰潴留相关的压力期间的面部肌肉运动。利用第一年的结果，我们能够通过使用心率作为目标变量，从其他危重儿童中提取共同概念，即使在难以判断心率是愉快还是不愉快的情况下也是如此。另外，如果心率没有显着差异或者根据经验值难以评估，我们可以通过快速傅里叶变换分析电子听诊器记录的呼吸音的频谱来确定粘性分泌物的振动通过比较对数据进行分类。三个项目被确定为与痰潴留相关的压力期间的面部肌肉运动。将这三种面部肌肉运动放在输入层中，利用 ROC 曲线、AUC 值和交叉熵误差来计算能够准确输出压力是否“异常”或“与平常相同”的网络信息，并进行差异比较。并澄清。此外，为了创建一个预测模型来预测危重儿童何时感到舒适，他们关注的是母亲是否和他们在一起。当我们使用逻辑回归分析和神经网络分析在不同情况下确认这些数据时，我们能够对母亲是否在场或不在场进行二元分类，并且我们能够证明澄清重症阳性反应的可能性孩子们。此外，关于癫痫发作，我们确认通过使用三个输出层，注意到癫痫发作的时机是有效的，并且可以通过使用视频和人工智能技术及早检测到它。