Development of an objective evaluation tool that captures signs of dementia in the elderly using non-contact gait measurement technique and artificial intelligence

开发客观评估工具，利用非接触式步态测量技术和人工智能捕捉老年人痴呆症的迹象

基本信息

批准号：
21H03280
负责人：
栗田耕一
金额：
$ 11.07万
依托单位：
Kindai University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
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-21H03280/
关键词：
歩行計測認知症非接触計測静電誘導歩行動作高齢者

项目摘要

本研究は高齢者の認知症の「兆し」を歩行機能の低下から検知する技術を開発することを目的としている。独自開発した超高感度静電誘導電流検出センサを使用し、被験者に装置を装着することなく歩行信号を検出するシステムを蓄積する。計測した歩行データを学習データとして、機械学習や深層学習により学習モデルを構築する。得られた学習モデルを用い、高齢者が認知症に至る前にその「兆し」を捉えるディープラーニングを用いたAIによる客観的評価ツールを確立する。当該年度は主に、学習モデルの構築と深層学習による認知症の兆し検出と不自由歩行パターンの評価及び学習モデルの検証を実施した。歩行パターンとして、すくみ足歩行、片麻痺歩行、体幹不安定歩行等の歩行波形のスカログラムを学習データとして、深層学習により歩行機能障害の程度を識別する学習モデルを構築した。識別に用いたニューラルネットワークは畳み込みニューラルネットワーク（CNN）である。その結果、約93%の精度で歩行機能障害の程度を識別可能であることを明らかにした。

这项研究的目的是开发一种技术，通过步行功能下降来检测老年人痴呆症的“迹象”。使用独特开发的超高灵敏度静电感应电流检测传感器，我们将积累一个无需在受试者身上安装设备即可检测步行信号的系统。使用测量的步行数据作为学习数据，利用机器学习和深度学习构建学习模型。利用获得的学习模型，我们将建立一个利用人工智能的客观评估工具，利用深度学习在老年人发展之前捕捉痴呆症的“迹象”。本财年，我们主要构建了学习模型，利用深度学习检测痴呆症迹象，评估不稳定的行走模式，并对学习模型进行验证。使用冻结、偏瘫和躯干步态不稳定等步态模式的步态波形尺度图作为学习数据，我们构建了一个学习模型，利用深度学习来识别步态功能障碍的程度。用于识别的神经网络是卷积神经网络（CNN）。结果显示，步态功能障碍程度的识别准确率约为 93%。