Successfully reported this slideshow.

歩行リハビリ支援のためのセンサ装着杖を 介した歩行動作認識手法の提案

1

Share

1 of 17
1 of 17

歩行リハビリ支援のためのセンサ装着杖を 介した歩行動作認識手法の提案

1

Share

Download to read offline

Description

DICOMO2017で発表した研究のスライドです.

Transcript

  1. 1. 歩⾏リハビリ⽀援のためのセンサ装着杖を 介した歩⾏動作認識⼿法の提案 〇⾼橋雄太1,⾳⽥恭宏1,藤本まなと1,荒川豊1,2 1. 奈良先端科学技術⼤学院⼤学 2. JSTさきがけ DICOMO 2017 セッション 1B 歩⾏者センシング 2017/6/28 1B-3
  2. 2. 研究背景 vリハビリ業界における課題 2 効果的なリハビリ⽀援に不可⽋ ⾼齢化社会 ⼈材不⾜ 評価が不⼗分に vリハビリ患者の歩⾏評価 § リハビリ患者の容体の把握 § 訓練やアドバイスの指針 § 回復具合の把握…
  3. 3. 本研究の⽬標 v⽇常の歩⾏センシングによるリハビリ⽀援 3 v ⽇常の歩⾏センシング § 低消費電⼒化 § 定量的な評価 § 歩⾏パラメータをロギング 〇 定期的な歩⾏評価 〇リハビリ⽀援者の業務の負担軽減 ◎ リハビリ⽀援への利⽤ § クラウドにデータを集約 § デバイスからデータを収集 § 収集タイミングは 帰宅時 or 通院時
  4. 4. 杖へのセンサデバイスの装着 v杖装着のメリット ⼈体に⾮接触 取り外し・装着が容易 ⾮対称な歩⾏へのロバスト性 ⇒ 実⽤性が⾼い vセンサデバイス SenStick (8種類のセンサ) § 加速度 (±4G) § ジャイロ (±500 rad/sec) § サンプリング周波数 50Hz § ファームウェアの開発が可能 4
  5. 5. (過去の) デバイスたち 5 v1 v2 SenStick 3種類のセンサ BLEモジュール Cortex-M0 3種類のセンサ BLEモジュール Cortex-M0 SD書き込み 充電回路 8種類のセンサ BLEモジュール Cortex-M4F フラッシュメモリ 充電回路
  6. 6. 歩⾏センシングと評価の流れ 6 杖の歩⾏検出 vセンシングパート 歩⾏パラメータ の抽出 デバイス内 ROM 歩⾏パラメータ の分析 歩⾏ 距離 転倒 リスク 歩⾏の 実⽤性 歩⾏ 速度 … v評価パート クラウド上 のDB § センサデバイス内で完結 § 計算リソース・記憶領域が少ない § クラウド上での処理 § 計算リソース・記憶領域が多い パラメータの ロギング 歩⾏ログの収集
  7. 7. デイケアセンタでの歩⾏データの収集 vライフケア総合研究所 「いこいの家26」 ⾼齢者5名 下肢装具使⽤者1名 施設のスタッフ2名 合計415歩 7mの歩⾏路 7 ビデオカメラ開始位置 計8名 ⾼齢者 下肢装具使⽤者
  8. 8. 杖による歩⾏データの特徴 8 v杖での歩⾏動作 v加速度データ (3回分) 合成加速度 加速度の差分 【特徴】 ①での合成の極⼤ピーク ②での合成の極⼩ピーク ③でのどちらかの極⼤ピーク
  9. 9. 歩⾏検出アルゴリズム ⓪ RVを超えると検知開始 ① 𝑃"が閾値を超え, 𝑇"が閾値の範囲内 ② 𝑃$が閾値を超え, 𝑇$が閾値の範囲内 ③ 𝑃%もしくは𝑃&が閾値を超える ④ 全ての条件を満たしたら⼀突きと判断 9 合成加速度 加速度の差分 閾値の決め⽅ • デイケアセンタで収集したデー タから各パラメータの値を算出 • 各パラメータの平均と標準偏差 を求め閾値を定義
  10. 10. 歩⾏距離推定のためのパラメータ 10 § 歩⾏速度 ⇒ 歩⾏能⼒評価の基本項⽬ § 歩⾏距離がわかれば,歩⾏速度がわかる v⼀突きのデータから得られるパラメータ (28項⽬) パラメータの種類 時間 ⾓度 加速度
  11. 11. 重回帰による歩⾏距離推定 11 v重回帰モデルの構築𝑝"& : x軸の⾓度の最⼩ 𝑝"( : x軸の⾓度の最⼤値と 最⼩値の差 距離 m 距離 m 𝑝"& 𝑝"( v相関分析 𝑑 = 𝑏, + 𝑏" 𝑝"& + 𝑏$ 𝑝"( 𝑏, = 0.265 𝑏" = −0.0138 𝑏$ = 0.695 ×10:$ 最⼩⼆乗法でフィッティング 𝑝"& 𝑝"( 各軸の⾓度の変化 ⻘:x, 緑:y, ⾚:z
  12. 12. 評価実験 v⽬的 「歩⾏検出」「歩⾏距離の推定」の精度の評価 v内容 直線に対し⾃由に歩⾏ 10回杖を突いたら停⽌,歩⾏距離を測定 (1⼈2回) v実験協⼒者 普段杖を使⽤していない健常者8名 v歩⾏検出,歩⾏距離推定のモデル リハビリ施設で収集したデータで作成したものを使⽤ 12
  13. 13. 歩⾏動作の検出結果 13 v結果 160歩中 153歩検出 検出精度 : 95.56% v検出できなかった原因 床への接触 インパクトの誤検出
  14. 14. 歩⾏距離推定の結果 14 § ⼀突きごとに対して距離推定 ⇒ ⼗回推定したものを加算 v推定精度 平均 : 83.79%, 標準偏差 : 8.63% 最⼤ : 95.56%, 最⼩ : 68.82% ⼈による 精度のばらつき ※全ての歩⾏動作が検 出されたとして推定
  15. 15. まとめ v⽇常歩⾏のセンシングによるリハビリ⽀援を⽬標 v杖での歩⾏センシングを提案 v歩⾏検出アルゴリズムと歩⾏距離推定⼿法を提案 v歩⾏検出精度は95.56%, 歩⾏距離推定精度は83.79% v歩⾏距離推定がある程度できることがわかった 15
  16. 16. 今後の展開 v歩⾏データの収集 § 歩⾏検出のロバスト性の向上 § 歩⾏距離の推定精度の向上 (90%以上) v歩⾏センシングデバイスのファームウェア開発 § センサデータのリアルタイム処理 § 連続動作時間の検証 vセンシングデータの分析 § 転倒リスク § 杖の使い⽅の評価 16
  17. 17. リハビリ患者の歩⾏評価 v歩⾏の仕⽅の評価 17 v歩⾏の実⽤性の評価 § 理学療法⼠や医師による ⽬視による判断 【テスト】 10m歩⾏テスト 6分間歩⾏テスト Timed Up and Go Stops walking when talking 【分類】 Fuctional Ambulation Categories 実⽤的歩⾏能⼒分類 § 定量的な評価⼿法が提案 § ⼤がかりな装置が必要 § 訪問リハビリ患者への対応が困難 § 計測者が必要 § 環境構築が必要 § テスト時の転倒のリスク § 業務の負担の増⼤ q 定期的な歩⾏評価が困難 q リハビリ⽀援者の業務の負担が増⼤

Description

DICOMO2017で発表した研究のスライドです.

Transcript

  1. 1. 歩⾏リハビリ⽀援のためのセンサ装着杖を 介した歩⾏動作認識⼿法の提案 〇⾼橋雄太1,⾳⽥恭宏1,藤本まなと1,荒川豊1,2 1. 奈良先端科学技術⼤学院⼤学 2. JSTさきがけ DICOMO 2017 セッション 1B 歩⾏者センシング 2017/6/28 1B-3
  2. 2. 研究背景 vリハビリ業界における課題 2 効果的なリハビリ⽀援に不可⽋ ⾼齢化社会 ⼈材不⾜ 評価が不⼗分に vリハビリ患者の歩⾏評価 § リハビリ患者の容体の把握 § 訓練やアドバイスの指針 § 回復具合の把握…
  3. 3. 本研究の⽬標 v⽇常の歩⾏センシングによるリハビリ⽀援 3 v ⽇常の歩⾏センシング § 低消費電⼒化 § 定量的な評価 § 歩⾏パラメータをロギング 〇 定期的な歩⾏評価 〇リハビリ⽀援者の業務の負担軽減 ◎ リハビリ⽀援への利⽤ § クラウドにデータを集約 § デバイスからデータを収集 § 収集タイミングは 帰宅時 or 通院時
  4. 4. 杖へのセンサデバイスの装着 v杖装着のメリット ⼈体に⾮接触 取り外し・装着が容易 ⾮対称な歩⾏へのロバスト性 ⇒ 実⽤性が⾼い vセンサデバイス SenStick (8種類のセンサ) § 加速度 (±4G) § ジャイロ (±500 rad/sec) § サンプリング周波数 50Hz § ファームウェアの開発が可能 4
  5. 5. (過去の) デバイスたち 5 v1 v2 SenStick 3種類のセンサ BLEモジュール Cortex-M0 3種類のセンサ BLEモジュール Cortex-M0 SD書き込み 充電回路 8種類のセンサ BLEモジュール Cortex-M4F フラッシュメモリ 充電回路
  6. 6. 歩⾏センシングと評価の流れ 6 杖の歩⾏検出 vセンシングパート 歩⾏パラメータ の抽出 デバイス内 ROM 歩⾏パラメータ の分析 歩⾏ 距離 転倒 リスク 歩⾏の 実⽤性 歩⾏ 速度 … v評価パート クラウド上 のDB § センサデバイス内で完結 § 計算リソース・記憶領域が少ない § クラウド上での処理 § 計算リソース・記憶領域が多い パラメータの ロギング 歩⾏ログの収集
  7. 7. デイケアセンタでの歩⾏データの収集 vライフケア総合研究所 「いこいの家26」 ⾼齢者5名 下肢装具使⽤者1名 施設のスタッフ2名 合計415歩 7mの歩⾏路 7 ビデオカメラ開始位置 計8名 ⾼齢者 下肢装具使⽤者
  8. 8. 杖による歩⾏データの特徴 8 v杖での歩⾏動作 v加速度データ (3回分) 合成加速度 加速度の差分 【特徴】 ①での合成の極⼤ピーク ②での合成の極⼩ピーク ③でのどちらかの極⼤ピーク
  9. 9. 歩⾏検出アルゴリズム ⓪ RVを超えると検知開始 ① 𝑃"が閾値を超え, 𝑇"が閾値の範囲内 ② 𝑃$が閾値を超え, 𝑇$が閾値の範囲内 ③ 𝑃%もしくは𝑃&が閾値を超える ④ 全ての条件を満たしたら⼀突きと判断 9 合成加速度 加速度の差分 閾値の決め⽅ • デイケアセンタで収集したデー タから各パラメータの値を算出 • 各パラメータの平均と標準偏差 を求め閾値を定義
  10. 10. 歩⾏距離推定のためのパラメータ 10 § 歩⾏速度 ⇒ 歩⾏能⼒評価の基本項⽬ § 歩⾏距離がわかれば,歩⾏速度がわかる v⼀突きのデータから得られるパラメータ (28項⽬) パラメータの種類 時間 ⾓度 加速度
  11. 11. 重回帰による歩⾏距離推定 11 v重回帰モデルの構築𝑝"& : x軸の⾓度の最⼩ 𝑝"( : x軸の⾓度の最⼤値と 最⼩値の差 距離 m 距離 m 𝑝"& 𝑝"( v相関分析 𝑑 = 𝑏, + 𝑏" 𝑝"& + 𝑏$ 𝑝"( 𝑏, = 0.265 𝑏" = −0.0138 𝑏$ = 0.695 ×10:$ 最⼩⼆乗法でフィッティング 𝑝"& 𝑝"( 各軸の⾓度の変化 ⻘:x, 緑:y, ⾚:z
  12. 12. 評価実験 v⽬的 「歩⾏検出」「歩⾏距離の推定」の精度の評価 v内容 直線に対し⾃由に歩⾏ 10回杖を突いたら停⽌,歩⾏距離を測定 (1⼈2回) v実験協⼒者 普段杖を使⽤していない健常者8名 v歩⾏検出,歩⾏距離推定のモデル リハビリ施設で収集したデータで作成したものを使⽤ 12
  13. 13. 歩⾏動作の検出結果 13 v結果 160歩中 153歩検出 検出精度 : 95.56% v検出できなかった原因 床への接触 インパクトの誤検出
  14. 14. 歩⾏距離推定の結果 14 § ⼀突きごとに対して距離推定 ⇒ ⼗回推定したものを加算 v推定精度 平均 : 83.79%, 標準偏差 : 8.63% 最⼤ : 95.56%, 最⼩ : 68.82% ⼈による 精度のばらつき ※全ての歩⾏動作が検 出されたとして推定
  15. 15. まとめ v⽇常歩⾏のセンシングによるリハビリ⽀援を⽬標 v杖での歩⾏センシングを提案 v歩⾏検出アルゴリズムと歩⾏距離推定⼿法を提案 v歩⾏検出精度は95.56%, 歩⾏距離推定精度は83.79% v歩⾏距離推定がある程度できることがわかった 15
  16. 16. 今後の展開 v歩⾏データの収集 § 歩⾏検出のロバスト性の向上 § 歩⾏距離の推定精度の向上 (90%以上) v歩⾏センシングデバイスのファームウェア開発 § センサデータのリアルタイム処理 § 連続動作時間の検証 vセンシングデータの分析 § 転倒リスク § 杖の使い⽅の評価 16
  17. 17. リハビリ患者の歩⾏評価 v歩⾏の仕⽅の評価 17 v歩⾏の実⽤性の評価 § 理学療法⼠や医師による ⽬視による判断 【テスト】 10m歩⾏テスト 6分間歩⾏テスト Timed Up and Go Stops walking when talking 【分類】 Fuctional Ambulation Categories 実⽤的歩⾏能⼒分類 § 定量的な評価⼿法が提案 § ⼤がかりな装置が必要 § 訪問リハビリ患者への対応が困難 § 計測者が必要 § 環境構築が必要 § テスト時の転倒のリスク § 業務の負担の増⼤ q 定期的な歩⾏評価が困難 q リハビリ⽀援者の業務の負担が増⼤

More Related Content

Related Books

Free with a 30 day trial from Scribd

See all

Related Audiobooks

Free with a 30 day trial from Scribd

See all

×