病院や介護施設のベッドで寝ている患者さんを見守るための低価格で信頼性の高い見守りシステム（MIMAMORIシステム）を実現するためのハードウェア開発に関するプレゼンテーションです． 第32回日本ロボット学会学術講演会（RSJ2014）で発表した資料を改良したものになります． 本プロジェクトの詳細は以下のサイトをご覧ください． http://robotics.naist.jp/~atsutoshi-i/mimamori/

1. 低価格患者見守りシステムの開発
第一報オープンソースハードウェアと
ソフトウェアを用いたシステム構築
音田恭宏（奈良高専）
池田篤俊（奈良先端科学技術大学院大学）
上田悦子（奈良高専）
第32回日本ロボット学会学術講演会1
○

2. 2
研究背景
病院や介護施設等における離床時の転倒･転落が問題
＞転倒･転落により、捻挫や骨折を誘発
＞深夜においては発見が遅れ、重症化するリスク
転倒･転落の防止を目的とした見守りシステムが必要

3. 従来の見守りシステムの問題点
第32回日本ロボット学会学術講演会3
〇患者への負担
〇精度の問題
〇コストの問題
Ex．クリップセンサ
＞衣類にクリップを装着する拘束感
Ex.カメラ映像による見守り
＞プライバシーの問題
Ex.マットセンサ
＞センサが反応しないように避ける
＞寝返りに反応する
･経済的
･人的

4. 提案する患者見守りシステム
低価格で高信頼な患者見守りシステム
（MIMAMORIシステム）の開発
●アプローチ
既存のデバイスのみで構築し低価格化
機械学習を用いて離床や危険な状態を検出して
迅速に看護師に通知し、転倒・転落の防止を図る
非接触・非拘束のセンサを用いることで低患者負担
スイッチのみによる操作で運用を簡単に
第32回日本ロボット学会学術講演会4

5. 見守りシステムの運用イメージ
第32回日本ロボット学会学術講演会
5
各患者の頭上のMIMAMORIデバイスを用いて
患者を同時に見守り､危険を検出し，
看護士（ナースステーション）に通知
Safety
Danger
Safety
ナースステーション
見守りデバイス

6. MIMAMORIデバイス
2A AC
Adaptor
USB2.0
特徴
・スイッチ類のみでデバイスの操作が可能
・サイズが13.5×13.5×5[cm]で設置場所を取らない
・低価格（3万程度）
第32回日本ロボット学会学術講演会6

7. MIMAMORIデバイス｜センサ構成
2A AC
Adaptor
USB2.0
Xtion PRO LIVE
深度センサ（Xtion PRO LIVE）
・非接触・非拘束で患者の負担が低い
・カラー画像に比べて心理的抵抗感が低い
・赤外線レーザを用いており、環境光の変化に強い
第32回日本ロボット学会学術講演会7

8. MIMAMORIデバイス｜計算機構成
2A AC
Adaptor
USB2.0
Raspberry Pi
Raspberry Pi
・小型かつ低価格なPC
・低レベルI/OやUSBポートを搭載
第32回日本ロボット学会学術講演会8

9. 状態判別アルゴリズム（概要）
N=1
第32回日本ロボット学会学術講演会9
入力画像の前処理
特徴量抽出
状態識別
2
2 2 2 2
2 2 2 2 3
N=0
N=2
深度画像を入力
ベッドより下のデータを除去
ベッド領域の切り取り
患者のみの深度画像
ベッド領域
HLAC特徴量を計算
SVMを用いて識別

10. 状態判別アルゴリズム
入力画像の前処理深度画像を入力
ベッドより下のデータを除去
ベッド領域の切り取り
患者のみの深度画像
第32回日本ロボット学会学術講演会10
ベッド領域
ベッド上の切り抜きでは、入力深度画像の不要な情報を除去
入力深度画像を
ベッドからの深度画像に変換する

11. 状態判別アルゴリズム
入力画像の前処理深度画像を入力
ベッドより下のデータを除去
ベッド領域の切り取り
ベッド上のみの深度画像
第32回日本ロボット学会学術講演会11
ベッド領域
ベッド上の切り抜きでは、入力深度画像の不要な情報を除去
あらかじめ計算したベッド領域を用いて
ベッド領域のみの深度画像に変換

12. 状態判別アルゴリズム
入力画像の前処理深度画像を入力
ベッドより下のデータを除去
ベッド領域の切り取り
ベッド上のみの深度画像
第32回日本ロボット学会学術講演会12
ベッド領域
ベッド上の切り抜きでは、入力深度画像の不要な情報を除去
変換した深度画像を射影変換し
80×40ピクセルの深度画像に正規化

13. N=1
N=1
第32回日本ロボット学会学術講演会13
特徴量抽出
状態識別
2
2 2 2 2
2 2 2 2 3
N=0
N=2
HLAC特徴量を計算
SVMを用いて識別
特徴量抽出
・35次元のHLAC特徴量を計算
・SVMでの識別精度を高めるため低次元化
2
2 2 2 2
2 2 2 2 3
N=0
N=2
状態判別アルゴリズム

14. N=1
状態判別アルゴリズム
第32回日本ロボット学会学術講演会14
特徴量抽出
状態識別
2
2 2 2 2
2 2 2 2 3
N=0
N=2
HLAC特徴量を計算
SVMを用いて識別
状態識別
・HLAC特徴量からSVMを用いて2クラスに状態識別

15. 状態識別精度の評価実験
単位[cm]
深度センサ
8月6日ロボティクス研究室研究会15
90
180
220
深度センサ
60
150

16. “患者の状態が安全”と定義“患者の状態が危険”と定義
第32回日本ロボット学会学術講演会16
識別対象
ベッド上で寝ている
ベッド上で上体を起こしている
ベッドから出ようとしている
ベッド柵に体を預けている
教師データで学習2,003枚，未学習2,672枚
教師データで学習2,004枚，未学習2,837枚
教師データで学習2,005枚，未学習3,476枚
教師データで学習2,004枚，未学習3,492枚

17. “患者の状態が安全”と定義“患者の状態が危険”と定義
安全危険
安全95.2% 4.8%
危険6.4% 93.6%
第32回日本ロボット学会学術講演会17
識別結果
ベッド上で寝ている
ベッド上で上体を起こしている
ベッドから出ようとしている
ベッド柵に体を預けている
教師データで学習2,003枚，未学習2,672枚
教師データで学習2,004枚，未学習2,837枚
教師データで学習2,005枚，未学習3,476枚
教師データで学習2,004枚，未学習3,492枚
実際の状態
識別結果

18. 第32回日本ロボット学会学術講演会18
まとめ
・低価格、低負担、高信頼な見守りデバイスを提案
＞市販デバイス（XtionとRaspberry Pi）を利用
＞3つのスイッチだけで操作可能
＞HLAC特徴量とSVMを用いて患者の状態を識別
・状態判別の基礎評価実験
＞安全状態：95%以上、危険状態：93%以上の識別率

19. 謝辞
奈良県西和医療センター
整形外科医小杉先生
奈良県総合リハビリテーションセンター
院長宮内先生
ロボティクス研究室
http://robotics.naist.jp/
連絡先（池田篤俊）
atsutoshi-i@is.naist.jp
第32回日本ロボット学会学術講演会19

20. 第32回日本ロボット学会学術講演会20