JP6832005B2 - Subject judgment device, method, and program - Google Patents
Subject judgment device, method, and program Download PDFInfo
- Publication number
- JP6832005B2 JP6832005B2 JP2017033899A JP2017033899A JP6832005B2 JP 6832005 B2 JP6832005 B2 JP 6832005B2 JP 2017033899 A JP2017033899 A JP 2017033899A JP 2017033899 A JP2017033899 A JP 2017033899A JP 6832005 B2 JP6832005 B2 JP 6832005B2
- Authority
- JP
- Japan
- Prior art keywords
- subject
- feature amount
- contact
- display unit
- finger
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 88
- 230000000694 effects Effects 0.000 claims description 70
- 230000003925 brain function Effects 0.000 claims description 55
- 230000006399 behavior Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000005057 finger movement Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 4
- 210000004556 brain Anatomy 0.000 claims description 3
- 230000008569 process Effects 0.000 description 45
- 230000001771 impaired effect Effects 0.000 description 26
- 206010012289 Dementia Diseases 0.000 description 21
- 230000009471 action Effects 0.000 description 16
- 208000010877 cognitive disease Diseases 0.000 description 12
- 208000027061 mild cognitive impairment Diseases 0.000 description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 230000006866 deterioration Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000005311 autocorrelation function Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003287 bathing Methods 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
Description
本発明は、被験者判断装置、方法、及びプログラムに関する。 The present invention relates to subject determination devices, methods, and programs.
従来、認知症の患者、例えば、軽度認知障害（ＭＣＩ：Ｍｉｌｄ Ｃｏｇｎｉｔｉｖｅ Ｉｍｐａｉｒｍｅｎｔ）の患者と脳機能に障害がない健常者とを識別する方法やシステムは、認知機能の検査に焦点が当てられている。例えば、質問紙を用いた記憶検査（特許文献１）、バイオマーカーを用いた検査法、及び磁気共鳴機能画像法（ｆＭＲＩ：ｆｕｎｃｔｉｏｎａｌ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ：）による脳画像診断などが主に用いられている。なお、関連する技術の認知症診断支援システムには、以下の特許文献２〜１０がある Traditionally, methods and systems for distinguishing patients with dementia, such as those with Mild Cognitive Impairment (MCI), from healthy individuals without impaired brain function have focused on testing cognitive function. .. For example, a memory test using a questionnaire (Patent Document 1), a test method using a biomarker, and a brain image diagnosis by a magnetic resonance imaging (fMRI) are mainly used. .. The dementia diagnosis support system of the related technology includes the following Patent Documents 2 to 10.
しかし、従来の方法では、全ての検査に数時間から数日かかり、被験者を判断することに時間がかかる。 However, with conventional methods, all tests take hours to days, and it takes time to judge the subject.
本開示の技術は、被験者の脳機能の状態を迅速に判断することが可能な被験者判断装置、方法、及びプログラムを提供することを目的とする。 An object of the present disclosure technique is to provide a subject determination device, a method, and a program capable of rapidly determining the state of a subject's brain function.
上記目的を達成するため、本開示の技術の第１の態様の被験者判断装置は、被験者が所定の活動をするための環境を表示する表示部と、前記被験者の身体的部位の状態を計測する計測部と、前記表示部により表示された前記環境で前記所定の動作をしようとした前記被験者の身体的部位の前記計測部により計測された状態から前記被験者の行動の特徴量を算出する特徴量算出部と、前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する判断部と、を備えている。 In order to achieve the above object, the subject determination device of the first aspect of the technique of the present disclosure measures the state of the display unit displaying the environment for the subject to perform a predetermined activity and the physical part of the subject. A feature amount for calculating the feature amount of the subject's behavior from the state measured by the measurement unit and the measurement unit of the physical part of the subject who tried to perform the predetermined movement in the environment displayed by the display unit. From the calculation unit, the feature amount of the behavior calculated by the feature amount calculation unit, and the determination value of the feature amount predetermined for determining the state of the brain function of the subject, the brain function of the subject It is equipped with a judgment unit that judges the state.
本開示の技術の表示部は、被験者が所定の活動をするための環境を表示する。第２の態様の表示部は、前記被験者が所定の活動をするための３次元環境を仮想的に表示する。 The display unit of the technique of the present disclosure displays the environment for the subject to perform a predetermined activity. The display unit of the second aspect virtually displays a three-dimensional environment for the subject to perform a predetermined activity.
計測部は、前記被験者の身体的部位の状態を計測する。 The measuring unit measures the state of the physical part of the subject.
特徴量算出部は、前記表示部により表示された前記環境で前記所定の動作をしようとした前記被験者の身体的部位の前記計測部により計測された状態から前記被験者の行動の特徴量を算出する。 The feature amount calculation unit calculates the feature amount of the behavior of the subject from the state measured by the measurement unit of the physical part of the subject who tried to perform the predetermined movement in the environment displayed by the display unit. ..
第３の態様では、前記行動の特徴量は、前記身体的部位の動きの時間的変化を表す量、前記身体的部位の動きの周波数変化を表す量、及び前記身体的部位の動きの非線形的変化を表す量の少なくとも１つである。 In the third aspect, the behavioral features are an amount representing a temporal change in the movement of the physical part, an amount representing a frequency change in the movement of the physical part, and a non-linear amount of the movement of the physical part. At least one of the quantities representing change.
判断部は、前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断することを含む。判断部は、前記被験者の脳機能の状態として、被験者が、脳機能に障害がない健常者であるか否かを判断する。判断部は、更に、脳機能に障害がない健常者でない場合に、当該障害の程度を判断する。 The determination unit determines the brain function of the subject from the feature amount of the behavior calculated by the feature amount calculation unit and the determination value of the feature amount predetermined for determining the state of the brain function of the subject. Includes determining the condition. The determination unit determines whether or not the subject is a healthy person who has no disorder in the brain function as the state of the brain function of the subject. The judgment unit further determines the degree of the disorder when the person is not a healthy person who has no disorder in the brain function.
第４の態様では、前記判定値は、学習により決定された値である。 In the fourth aspect, the determination value is a value determined by learning.
第５の態様では、前記所定の動作は、日常生活活動より複雑な手段的日常生活活動であり、前記判定値は、前記被験者が前記手段的日常生活活動をするのに支障のある者かを判断するための手段的日常生活活動支障判断判定値である。 In the fifth aspect, the predetermined movement is a means of daily living activity that is more complicated than the daily living activity, and the determination value determines whether the subject has an obstacle in performing the means of daily living activity. Means for making judgments Judgment value for obstacles to activities of daily living.
このように本開示の技術では、表示部により表示され且つ被験者が所定の活動をするための環境で前記所定の動作をしようとした前記被験者の身体的部位の、計測部が計測した状態から、前記被験者の行動の特徴量を算出する。算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する。 As described above, in the technique of the present disclosure, from the state measured by the measuring unit of the physical part of the subject who is displayed by the display unit and tries to perform the predetermined movement in the environment for the subject to perform the predetermined activity. The characteristic amount of the behavior of the subject is calculated. The state of the brain function of the subject is determined from the calculated feature amount of the behavior and the predetermined determination value of the feature amount for determining the state of the brain function of the subject.
よって、本開示の技術は、被験者の脳機能の状態を迅速に判断することができる。 Therefore, the technique of the present disclosure can quickly determine the state of brain function of a subject.
本開示の技術の第６の態様の被験者判断方法は、表示部が、被験者が所定の活動をするための環境を表示し、計測部が、前記被験者の身体的部位の状態を計測し、特徴量算出部が、前記表示部により表示された前記環境で前記所定の動作をしようとした前記被験者の身体的部位の前記計測部により計測された状態から前記被験者の行動の特徴量を算出し、判断部が、前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する。 The subject determination method according to the sixth aspect of the technique of the present disclosure is characterized in that the display unit displays the environment for the subject to perform a predetermined activity, and the measurement unit measures the state of the physical part of the subject. The amount calculation unit calculates the feature amount of the behavior of the subject from the state measured by the measurement unit of the physical part of the subject who tried to perform the predetermined movement in the environment displayed by the display unit. The judgment unit determines the brain function of the subject from the feature amount of the behavior calculated by the feature amount calculation unit and the predetermined determination value of the feature amount for determining the state of the brain function of the subject. Judge the condition.
第７〜第１０の態様は、第２〜第５の態様と同様である。 The seventh to tenth aspects are the same as the second to fifth aspects.
本開示の技術の第１１の態様の被験者判断プログラムは、コンピュータを、表示部により表示され且つ被験者が所定の活動をするための環境で前記所定の動作をしようとした前記被験者の身体的部位の、計測部が計測した状態から、前記被験者の行動の特徴量を算出する特徴量算出部、及び前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する判断部として機能させる。 The subject determination program according to the eleventh aspect of the technique of the present disclosure is a physical part of the subject who attempts to perform the predetermined movement in an environment in which the computer is displayed by a display unit and the subject performs a predetermined activity. From the state measured by the measurement unit, the feature amount calculation unit that calculates the feature amount of the behavior of the subject, the feature amount of the behavior calculated by the feature amount calculation unit, and the state of the brain function of the subject are determined. Therefore, it functions as a judgment unit for judging the state of the brain function of the subject from the predetermined judgment value of the feature amount.
第１１〜第１５の態様は、第２〜第５の態様と同様である。 The eleventh to fifteenth aspects are the same as the second to fifth aspects.
本開示の技術は、被験者の脳機能の状態を迅速に判断することができる。 The technique of the present disclosure can quickly determine the state of brain function of a subject.
（第１の実施の形態）
図１には、被験者判断装置１００が示されている。図２（Ａ）には、手段的日常生活活動（ＩＡＤＬ：Ｉｎｓｔｒｕｍｅｎｔａｌ Ａｃｔｉｖｉｔｉｅｓ ｏｆ Ｄａｉｌｙ Ｌｉｖｉｎｇ）の第１の環境を仮想空間に表現した第１の画像が示されている。図２（Ｂ）には、手段的日常生活活動の、第１の環境とは異なる第２の環境を仮想空間に表現した第２の画像が示されている。図３には、被験者判断装置１００のブロック図が示されている。
(First Embodiment)
FIG. 1 shows the subject determination device 100. FIG. 2A shows a first image representing a first environment of instrumental activities of daily living (IADL) in a virtual space. FIG. 2B shows a second image of the means of daily living activities in which a second environment different from the first environment is represented in a virtual space. FIG. 3 shows a block diagram of the subject determination device 100.
図３に示すように、被験者判断装置１００は、人工現実感（ＶＲ：Virtual Reality）技術を用いて被験者が手段的日常生活活動をするための環境（ＩＡＤＬ環境）を仮想空間に表現した画像（図２（Ａ）又は図２（Ｂ））を表示するディスプレイ１２（図１も参照）を備えている。被験者判断装置１００は、ディスプレイ１２の画面に置かれた被験者の身体的部位、例えば、手の指のディスプレイ１２への接触／非接触の状態を計測するタッチセンサ１４を備えている。タッチセンサ１４は、ディスプレイ１２の画面に重ね合わせて設けられている。タッチセンサ１４は、静電容量方式のセンサであり、タッチセンサ１４の面上の静電容量値を検出する。タッチセンサ１４の面上の静電容量値を検出することで、タッチセンサ１４に近いまたは接触している指を検出することができる。 As shown in FIG. 3, the subject determination device 100 uses an artificial reality (VR: Virtual Reality) technique to represent an image (IADL environment) in which a subject performs instrumental activities of daily living (IADL environment) in a virtual space. A display 12 (see also FIG. 1) for displaying FIG. 2 (A) or FIG. 2 (B)) is provided. The subject determination device 100 includes a touch sensor 14 that measures a state of contact / non-contact with a physical part of the subject placed on the screen of the display 12, for example, the display 12 of a finger of a hand. The touch sensor 14 is provided so as to overlap the screen of the display 12. The touch sensor 14 is a capacitance type sensor, and detects a capacitance value on the surface of the touch sensor 14. By detecting the capacitance value on the surface of the touch sensor 14, it is possible to detect a finger that is close to or is in contact with the touch sensor 14.
また、被験者判断装置１００は、三脚上の雲台からの支柱に取り付けられ、ディスプレイ１２の画面に置かれた被験者の指の３次元位置を計測する３次元モーションセンサ１６（図１も参照）を備えている。 Further, the subject determination device 100 is attached to a support column from a pan head on a tripod, and a three-dimensional motion sensor 16 (see also FIG. 1) for measuring the three-dimensional position of the subject's finger placed on the screen of the display 12. I have.
更に、被験者判断装置１００は、ディスプレイ１２により表示された環境で所定の動作をしようとした被験者の指のディスプレイ１２への接触／非接触の状態又は当該指の３次元位置の状態から被験者の行動の特徴量を算出するコンピュータ１０を備えている。コンピュータ１０は、更に、算出された行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた特徴量の判定値とから、被験者の脳機能の状態を判断する。 Further, the subject determination device 100 determines the behavior of the subject from the state of contact / non-contact with the display 12 of the subject's finger trying to perform a predetermined action in the environment displayed by the display 12 or the state of the three-dimensional position of the finger. The computer 10 is provided for calculating the feature amount of the above. The computer 10 further determines the state of the subject's brain function from the calculated feature amount of the behavior and the determination value of the feature amount predetermined for determining the state of the subject's brain function.
コンピュータ１０は、ＣＰＵ２０、ＲＯＭ２２、ＲＡＭ２４、及び入出力インタフェース（Ｉ／Ｏ）２６を備えている。ＣＰＵ２０、ＲＯＭ２２、ＲＡＭ２４、及び入出力インタフェース（Ｉ／Ｏ）２６は、バス２８を介して相互に接続されている。 The computer 10 includes a CPU 20, a ROM 22, a RAM 24, and an input / output interface (I / O) 26. The CPU 20, ROM 22, RAM 24, and input / output interface (I / O) 26 are connected to each other via the bus 28.
ディスプレイ１２は、本開示の技術の表示部の１例である。タッチセンサ１４及び３次元モーションセンサ１６は、本開示の技術の計測部の１例である。コンピュータ１０のＣＰＵ２０は、本開示の技術の特徴量算出部及び判断部の１例である。 The display 12 is an example of a display unit of the technique of the present disclosure. The touch sensor 14 and the three-dimensional motion sensor 16 are examples of the measuring unit of the technique of the present disclosure. The CPU 20 of the computer 10 is an example of a feature amount calculation unit and a determination unit of the technique of the present disclosure.
ＲＯＭ２２には、後述する健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）が記憶されている。健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）は、ＲＯＭ２２から読み出され、ＲＡＭ２４に展開されて、ＣＰＵ２０によって実行される。 The ROM 22 stores a healthy person determination processing program (FIGS. 4, 8, 9, 9 and 11) and a threshold learning processing program (FIG. 12), which will be described later. The healthy person determination processing program (FIG. 4, FIG. 8, FIG. 9, FIG. 11) and the threshold learning processing program (FIG. 12) are read from the ROM 22, expanded in the RAM 24, and executed by the CPU 20.
図４には、健常者判断処理の１例が示されている。図４に示すように、ステップ４０２で、ディスプレイ１２が、ＩＡＤＬ環境を仮想空間に表現した画像（図２参照）を表示し、手段的日常生活活動のタスク（例えば、ランチボックスの準備等）を被験者が実行する間、被験者の指が画面に接触した接触開始時及び画面から離れた接触終了時を、タッチセンサ１４からの信号から検出する。 FIG. 4 shows an example of a healthy person determination process. As shown in FIG. 4, in step 402, the display 12 displays an image (see FIG. 2) representing the IADL environment in a virtual space, and performs a task of instrumental activities of daily living (for example, preparation of a lunch box). During the execution by the subject, the time when the subject's finger touches the screen and the time when the contact ends away from the screen are detected from the signal from the touch sensor 14.
ステップ４０４で、健常者判断処理で使用される変数ｎ、ＴＴｌ（ｎ）、ＴＴｌ（ｎ＋１）を１に初期化する。ステップ４０６で、被験者の指がディスプレイ１２に接触している複数の状態の各々を識別する変数ｎを１インクリメントする。 In step 404, the variables n, TTl (n), and TTl (n + 1) used in the healthy person determination process are initialized to 1. In step 406, the variable n that identifies each of the plurality of states in which the subject's finger is in contact with the display 12 is incremented by 1.
ステップ４０８で、第ｎ−１回目の接触の終了時から第ｎ回目の接触開始時までの間の時間Ｔｎを算出する。 In step 408, the time Tn from the end of the n-1th contact to the start of the nth contact is calculated.
図５には、手段的日常生活活動のタスクを被験者が実行する間の被験者の指が画面に接触した接触状態と画面から離れた非接触状態を示すグラフが示されている。図６には、被験者の指がディスプレイ１２に接触開始した時のタイミングに合わせてその前の接触の接触終了時からの時間間隔を示したグラフが示されている。 FIG. 5 shows a graph showing a contact state in which the subject's finger touches the screen and a non-contact state in which the subject's finger is away from the screen while the subject performs the task of instrumental activities of daily living. FIG. 6 shows a graph showing the time interval from the end of the previous contact in accordance with the timing when the subject's finger starts contacting the display 12.
本実施の形態で取り扱うデータは次の通りである。 The data handled in this embodiment is as follows.
ステップ４０８では、上記データに基づいて、図５及び図６に示すように、ｎ＝１ではＴ（１）が、ｎ＝２ではＴ（２）が、ｎ＝３ではＴ（３）・・・が算出される。 In step 408, based on the above data, as shown in FIGS. 5 and 6, T (1) at n = 1, T (2) at n = 2, T (3) at n = 3, and so on.・ Is calculated.
ステップ４１０で、ＴＴｌ（ｎ）←ＴＴｌ（ｎ）＋Ｔｎを計算する。 In step 410, TTl (n) ← TTl (n) + Tn is calculated.
ステップ４１２で、第ｎ回目の接触の終了時から第ｎ＋１回目の接触開始時までの間の時間Ｔｎ＋１を算出する。なお、ステップ４１２は、接触のタイミングが異なるだけで、具体的な計算は、ステップ４０８と同様である。 In step 412, the time Tn + 1 from the end of the nth contact to the start of the n + 1th contact is calculated. In step 412, only the contact timing is different, and the specific calculation is the same as in step 408.
ステップ４１４で、ＴＴｌ（ｎ＋１）←ＴＴｌ（ｎ＋１）＋Ｔｎ＋１を計算する。 In step 414, TTl (n + 1) ← TTl (n + 1) + Tn + 1 is calculated.
ステップ４１６で、変数ｎが、被験者の指がディスプレイ１２に接触している複数の状態の総数Ｎであるか否かを判断する。 In step 416, it is determined whether the variable n is the total number N of the plurality of states in which the subject's finger is in contact with the display 12.
ステップ４１６で、変数ｎが、被験者の指がディスプレイ１２に接触している複数の状態の総数Ｎであると判断されなかった場合には、時間Ｔｎ及び時間Ｔｎ＋１を算出していない接触している状態があるので、健常者判断処理はステップ４０６に戻る。 In step 416, if the variable n is not determined to be the total number N of the plurality of states in which the subject's finger is in contact with the display 12, time Tn and time Tn + 1 are not calculated. Since there is a state, the healthy person determination process returns to step 406.
一方、ステップ４１６で、変数ｎが、被験者の指がディスプレイ１２に接触している複数の状態の総数Ｎであると判断された場合には、全ての接触している状態について時間Ｔｎ及び時間Ｔｎ＋１を算出したので、健常者判断処理はステップ４１８に進む。 On the other hand, when it is determined in step 416 that the variable n is the total number N of the plurality of states in which the subject's finger is in contact with the display 12, the time Tn and the time Tn + 1 are set for all the contacting states. Is calculated, the healthy person determination process proceeds to step 418.
ステップ４１８で、mｅａｎＴＴｌ（ｎ）←ＴＴｌ（ｎ）／Ｎを計算する。mｅａｎＴＴｌ（ｎ）は、第ｎ−１回目の接触の終了時から第ｎ回目の接触開始時までの間の時間Ｔｎの平均値である。 In step 418, mean TTl (n) ← TTl (n) / N is calculated. meanTTl (n) is an average value of time Tn from the end of the n-1th contact to the start of the nth contact.
ステップ４２０で、mｅａｎＴＴｌ（ｎ＋１）←ＴＴｌ（ｎ＋１）／Ｎを計算する。mｅａｎＴＴｌ（ｎ＋１）は、第ｎ回目の接触の終了時から第ｎ＋１回目の接触開始時までの間の時間Ｔｎ＋１の平均値である。 In step 420, mean TTl (n + 1) ← TTl (n + 1) / N is calculated. meanTTl (n + 1) is the average value of the time Tn + 1 from the end of the nth contact to the start of the n + 1th contact.
ステップ４２２で、mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１）に対応する点を、図７に示すＰｏｉｎｃａｒｅ Ｐｌｏｔグラフにプロットする。 In step 422, the points corresponding to meanTTl (n) and meanTTl (n + 1) are plotted on the Poincare Plot graph shown in FIG.
図７には、Ｐｏｉｎｃａｒｅ Ｐｌｏｔグラフが示されている。Ｐｏｉｎｃａｒｅ Ｐｌｏｔグラフの横軸は、mｅａｎＴＴｌ（ｎ）であり、Ｐｏｉｎｃａｒｅ Ｐｌｏｔグラフの縦軸は、mｅａｎＴＴｌ（ｎ＋１）である。 FIG. 7 shows a Poincare Plot graph. The horizontal axis of the Poincare Plot graph is meanTTl (n), and the vertical axis of the Poincare Plot graph is meanTTl (n + 1).
ステップ４２４で、ステップ４２２でプロットされた点は、脳機能に障害がない健常者であることを示す判定値の範囲７０２内であるか否かを判断する。 In step 424, it is determined whether or not the points plotted in step 422 are within the range 702 of the determination value indicating that the person is a healthy person without impaired brain function.
mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１）は、前回の接触の終了時から今回の接触開始時までの間の時間に対応し、これは、ある動作をしてから次の動作を起こすまでの時間に対応する。よって、mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１）がより大きいと、ある動作をしてから次の動作を起こすまでに時間がよりかかることを示す。これは、ある動作をしてから、次にどんな動作をすればよいのかを決定し実行に移すまでに時間がよりかかっていること、つまり被験者が次の動作をするのに迷っていることをより示すことになる。 meanTTl (n) and meanTTl (n + 1) correspond to the time between the end of the previous contact and the start of the current contact, which is the time from one action to the next. Correspond. Therefore, when meanTTl (n) and meanTTl (n + 1) are larger, it is shown that it takes more time from one operation to the next. This means that it takes more time from one action to the next decision on what to do and to put it into action, that is, the subject is wondering what to do next. Will be shown more.
被験者が健常者であれば、mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１）に対応する点は、値が小さい領域７０２に位置する。領域７０２は、脳機能に障害がない健常者であると判断できる判定値の範囲である。被験者の認知症の程度が重くなると、mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１）に対応する点は、値が大きくなり、領域７０４の領域に位置する。領域７０４は、重い認知症であると判断できる判定値の範囲である。なお、領域７０２と領域７０４との間の領域は、軽度認知障害の領域である。 If the subject is a healthy subject, the points corresponding to meanTTl (n) and meanTTl (n + 1) are located in the small value region 702. Region 702 is a range of determination values that can be determined to be a healthy person without impaired brain function. As the degree of dementia in the subject becomes more severe, the points corresponding to meanTTl (n) and meanTTl (n + 1) become larger in value and are located in the region of region 704. Region 704 is a range of determination values that can be determined to be severe dementia. The region between the region 702 and the region 704 is a region of mild cognitive impairment.
ステップ４２４で、ステップ４２２でプロットされた点は、脳機能に障害がない健常者であることを示す判定値（しきい値）の範囲７０２内であると判断された場合には、ステップ４２６で、ディスプレイ１２に、脳機能に障害がない健常者であることを示す情報を表示する。 In step 424, if it is determined that the points plotted in step 422 are within the range 702 of the judgment value (threshold value) indicating that the person is a healthy person without impaired brain function, the point is determined in step 426. , Display 12 shows information indicating that the person is a healthy person without impaired brain function.
ステップ４２４で、ステップ４２２でプロットされた点は、健常者であることを示す判定値の範囲７０２内であると判断されなかった場合には、ステップ４２８で、ディスプレイ１２に、脳機能に障害がない健常者でないことを示す情報を表示する。 If it is not determined in step 424 that the points plotted in step 422 are within the range 702 of the determination value indicating that the person is a healthy person, the display 12 has a disorder in brain function in step 428. Display information indicating that you are not a healthy person.
以上説明したように、本開示の技術では、手段的日常生活活動の環境を仮想空間に画像で表現する。当該画像上での被験者の指の状態（接触状態）から被験者の行動の特徴量（mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１））を算出する。算出された行動の特徴量と、被験者が脳機能に障害がない健常者であるか否かを判断するために予め定められた特徴量の判定値の範囲７０２とから、被験者が健常者であるか否かを判断する。 As described above, in the technique of the present disclosure, the environment of means of daily living is represented by an image in a virtual space. From the state of the subject's finger (contact state) on the image, the feature amounts of the subject's behavior (meanTTl (n) and meanTTl (n + 1)) are calculated. The subject is a healthy subject from the calculated behavioral features and the range 702 of the predetermined feature amount judgment value for determining whether or not the subject is a healthy subject without impaired brain function. Judge whether or not.
このように、従来の方法のように質問紙を用いた記憶を検査したり磁気共鳴機能画像法による脳画像を診断したりすることと比較すると、本開示の技術では、被験者が健常者であるか否かを迅速に判断することができる。 As described above, in the technique of the present disclosure, the subject is a healthy person, as compared with the conventional method of examining the memory using the questionnaire and diagnosing the brain image by the magnetic resonance function imaging method. It is possible to quickly judge whether or not it is.
また、被験者の指の動きを基準とした行動に即して判断しているので、被験者が健常者であるか否かをより精度よく判断することができる。 In addition, since the judgment is made according to the behavior based on the movement of the finger of the subject, it is possible to more accurately judge whether or not the subject is a healthy person.
なお、ステップ４２２でプロットされた点が、領域７０４に位置する場合には、認知症であることを示す情報を表示し、領域７０２でも領域７０４でもない位置に位置する場合には、軽度の認知症であることを示す情報を表示するようにしてもよい。これにより、認知症の程度に応じた情報を表示することができる。 When the points plotted in step 422 are located in the area 704, information indicating dementia is displayed, and when the points are located in a position other than the area 702 or the area 704, the cognition is mild. Information indicating that the patient has dementia may be displayed. This makes it possible to display information according to the degree of dementia.
被験者が脳機能に障害がない健常者である範囲７０２、重い認知症の被験者の範囲７０４、軽度認知障害の患者の範囲（範囲７０２と範囲７０４との間の範囲）は、多数の被験者の実験結果から求めたり、後述する機械学習（図１２）で求めたりしてもよい。 The range 702 in which the subjects are healthy subjects without impaired brain function, the range 704 in the subjects with severe dementia, and the range in the patients with mild cognitive impairment (range between range 702 and range 704) are experiments of many subjects. It may be obtained from the result or may be obtained by machine learning (FIG. 12) described later.
ところで、従来の被験者判断方法では、日常生活活動（ＡＤＬ：Ａｃｔｉｖｉｔｉｅｓ ｏｆ Ｄａｉｌｙ Ｌｉｖｉｎｇ）において支障がある場合に、軽度認知障害の患者であると判断されている。なお、日常生活活動は、日常生活を営む上で、普通に行っている行為や行動のことである。具体的には、食事や排泄、整容、移動、入浴等の基本的な行動を指す。 By the way, according to the conventional subject determination method, a patient with mild cognitive impairment is determined to be a patient when there is an obstacle in activities of daily living (ADL: Activities of Daily Living). Activities of daily living are actions and behaviors that are normally performed in daily life. Specifically, it refers to basic behaviors such as eating, excreting, dressing, moving, and bathing.
しかし、軽度認知障害の患者には、日常生活活動において支障はないが、日常生活活動よりも複雑で高次な動作である手段的日常生活活動において機能低下が見られる者がいることが分かってきている。 However, it has become clear that some patients with mild cognitive impairment do not have any problems in activities of daily living, but have functional deterioration in activities of daily living, which is a more complicated and higher-order movement than activities of daily living. ing.
よって、軽度認知障害の患者を特定する新たなスクリーニング指標として、行動指標に着目する必要性がある。しかし、従来、手段的日常生活活動において軽度認知障害の患者と脳機能に障害がない健常者を識別する有効な特徴量の選定、機能低下を検出する技術が確立されていなかった。 Therefore, it is necessary to pay attention to the behavioral index as a new screening index for identifying patients with mild cognitive impairment. However, conventionally, a technique for selecting an effective feature amount for distinguishing a patient with mild cognitive impairment and a healthy person without impaired brain function in means of daily living and detecting functional deterioration has not been established.
しかし、本開示の技術では、手段的日常生活活動の環境を仮想空間に表現した画像上での被験者の指の状態から被験者が脳機能に障害がない健常者であるか否かを判断する。よって、本開示の技術は、健常者判断処理を、手段的日常生活活動において軽度認知障害の患者と健常者を識別する有効な特徴量の選定、機能低下を検出する技術として確立することができる。 However, in the technique of the present disclosure, it is determined whether or not the subject is a healthy person without impaired brain function from the state of the subject's finger on the image expressing the environment of means of daily living in a virtual space. Therefore, the technique of the present disclosure can establish the healthy person judgment process as a technique for selecting an effective feature amount for distinguishing a patient with mild cognitive impairment and a healthy person in means of daily living activities and detecting functional deterioration. ..
（第２の実施の形態）
次に、本開示の技術の第２の実施の形態を説明する。第２の実施の形態の構成は、第１の実施の形態と同様であるので、以下、構成の説明を省略し、健常者判断処理を説明する。
(Second Embodiment)
Next, a second embodiment of the technique of the present disclosure will be described. Since the configuration of the second embodiment is the same as that of the first embodiment, the description of the configuration will be omitted below, and the healthy person determination process will be described.
図８には、第２の実施の形態における健常者判断処理の１例が示されている。 FIG. 8 shows an example of the healthy person determination process in the second embodiment.
図８のステップ８０２で、ディスプレイ１２が、ＩＡＤＬ環境を仮想空間に表現した画像（図２参照）を表示し、手段的日常生活活動のタスク（例えば、ランチボックスの準備等）を被験者が実行する間、被験者の指がスクリーンに接触した接触開始時、スクリーンから離れた接触終了時、接触回数Ｔ、及び、手段的日常生活活動のタスクを遂行するのに要したタスク遂行時間ＡＴを、タッチセンサ１４からの信号から検出する。 In step 802 of FIG. 8, the display 12 displays an image (see FIG. 2) representing the IADL environment in a virtual space, and the subject executes a task of instrumental activities of daily living (for example, preparation of a lunch box). During the period, the touch sensor determines the number of contacts T at the start of contact when the subject's finger touches the screen, the end of contact away from the screen, and the task execution time AT required to perform the task of instrumental activities of daily living. Detect from the signal from 14.
ステップ８０４で、第２の実施の形態における健常者判断処理で使用する変数ｔ、ＴＴｌ（ｔ）を０に初期化する。 In step 804, the variables t and TTl (t) used in the healthy person determination process in the second embodiment are initialized to 0.
ステップ８０６で、被験者の指がディスプレイ１２に接触している複数の状態の各々を識別する変数ｔを１インクリメントする。 In step 806, the variable t that identifies each of the plurality of states in which the subject's finger is in contact with the display 12 is incremented by 1.
ステップ８０８で、第ｔ−１回目の接触の終了時から第ｔ回目の接触開始時までの間の時間Ｔｔを算出する。 In step 808, the time Tt between the end of the t-1st contact and the start of the tth contact is calculated.
ステップ８１０で、ＴＴｌ（ｔ）←ＴＴｌ（ｔ）＋Ｔｎを計算する。 In step 810, TTl (t) ← TTl (t) + Tn is calculated.
ステップ８１２で、被験者の指がディスプレイ１２に接触している複数の状態の各々を識別する変数ｔが、被験者の指がディスプレイ１２に接触している複数の状態の総数Ｔであるか否かを判断する。 In step 812, whether or not the variable t that identifies each of the plurality of states in which the subject's finger is in contact with the display 12 is the total number T of the plurality of states in which the subject's finger is in contact with the display 12. to decide.
ステップ８１２で、変数ｔが総数Ｔであると判断されなかった場合には、ＴＴｌ（ｔ）が計算されていない接触の状態があるので、健常者判断処理は、ステップ８０６に戻る。 If it is not determined in step 812 that the variables t are the total number T, there is a contact state in which the TTl (t) has not been calculated, so the healthy person determination process returns to step 806.
一方、ステップ８１２で、変数ｔが総数Ｔであると判断された場合には、全ての接触の状態についてＴＴｌ（ｔ）が計算されたので、健常者判断処理は、ステップ８１４に進む。 On the other hand, when it is determined in step 812 that the variables t are the total number T, TTl (t) has been calculated for all the contact states, so that the healthy person determination process proceeds to step 814.
ステップ８１４で、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆを、ｒＯｆｆ←（ΣＴＴｌ（ｔ））／ＡＴから、計算する。 In step 814, the ratio rOff of the screen non-contact time to the task execution time is calculated from rOff ← (ΣTTl (t)) / AT.
ステップ８１６で、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆが、被験者が脳機能に障害がない健常者である場合の判定値であるしきい値Ｒｔｈ以下であるか否かを判断する。なお、しきい値Ｒｔｈは、本開示の技術の「判定値」の１例である。 In step 816, it is determined whether or not the ratio rOff of the non-contact time of the screen to the task execution time is equal to or less than the threshold value Rth, which is a determination value when the subject is a healthy person without impaired brain function. .. The threshold value Rth is an example of the "determination value" of the technique of the present disclosure.
タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆがより大きいことは、被験者が次の動作をするのに迷っていることをより示すことになる。被験者が健常者であれば、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆは、所定値より小さい。この所定値がしきい値Ｒｔｈである。 A larger ratio of screen non-contact time to task execution time, rOff, more indicates that the subject is at a loss to perform the next action. If the subject is a healthy person, the ratio rOff of the non-contact time of the screen to the task execution time is smaller than a predetermined value. This predetermined value is the threshold value Rth.
ステップ８１６で、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆが、被験者が脳機能に障害がない健常者である場合の判定値であるしきい値Ｒｔｈ以下であると判断された場合には、ステップ８１８で、脳機能に障害がない健常者であることを示す情報を、ディスプレイ１２に表示する。 In step 816, when it is determined that the ratio rOff of the non-contact time of the screen to the task execution time is equal to or less than the threshold value Rth, which is a determination value when the subject is a healthy person without impaired brain function. Displays information on the display 12 indicating that the person is a healthy person without impaired brain function in step 818.
ステップ８１６で、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆが、被験者が健常者である場合の判定値であるしきい値Ｒｔｈ以下であると判断されなかった場合には、ステップ８２０で、脳機能に障害がない健常者でないことを示す情報を、ディスプレイ１２に表示する。 In step 816, if it is not determined that the ratio rOff of the non-contact time of the screen to the task execution time is equal to or less than the threshold value Rth, which is the determination value when the subject is a healthy person, in step 820. , Information indicating that the person is not a healthy person without impaired brain function is displayed on the display 12.
以上説明したように第２の実施の形態では、被験者の指の動きを基準とした行動に即して、被験者が脳機能に障害がない健常者であるか否かを判断している。よって、第２の実施の形態では、被験者が健常者であるか否かを迅速に判断することができる。また、第２の実施の形態では、被験者が健常者であるか否かをより精度よく判断することができる。 As described above, in the second embodiment, it is determined whether or not the subject is a healthy person without impaired brain function according to the behavior based on the movement of the finger of the subject. Therefore, in the second embodiment, it is possible to quickly determine whether or not the subject is a healthy person. Further, in the second embodiment, it is possible to more accurately determine whether or not the subject is a healthy person.
なお、しきい値を、認知症の程度に応じて定め、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆと認知症の程度に応じたしきい値とから、被験者の認知症の程度を判断し、認知症の程度に応じた情報を表示するようにしてもよい。 The threshold value is set according to the degree of dementia, and the degree of dementia of the subject is determined from the ratio rOff of the non-contact time of the screen to the task execution time and the threshold value according to the degree of dementia. Judgment may be made and information according to the degree of dementia may be displayed.
第２の実施の形態でも、健常者判断処理を、手段的日常生活活動において軽度認知障害の患者と健常者を識別する有効な特徴量の選定、機能低下を検出する技術として確立することができる。 Also in the second embodiment, the healthy person judgment process can be established as a technique for selecting an effective feature amount for distinguishing a patient with mild cognitive impairment and a healthy person in means of daily living activities and detecting functional deterioration. ..
被験者が脳機能に障害がない健常者である場合の判定値であるしきい値Ｒｔｈは、多数の被験者の実験結果から求めたり、後述する機械学習（図１２）で求めたりしてもよい。 The threshold value Rth, which is a determination value when the subject is a healthy person without impaired brain function, may be obtained from the experimental results of a large number of subjects, or may be obtained by machine learning (FIG. 12) described later.
（第３の実施の形態）
次に、本開示の技術の第３の実施の形態を説明する。第３の実施の形態の構成は、第１の実施の形態と同様であるので、以下、構成の説明を省略し、健常者判断処理を説明する。
(Third Embodiment)
Next, a third embodiment of the technique of the present disclosure will be described. Since the configuration of the third embodiment is the same as that of the first embodiment, the description of the configuration will be omitted below, and the healthy person determination process will be described.
図９には、第３の実施の形態における健常者判断処理の１例が示されている。 FIG. 9 shows an example of a healthy person determination process according to the third embodiment.
図９のステップ９０２で、ディスプレイ１２が、ＩＡＤＬ環境を仮想空間に表現した画像（図２参照）を表示し、手段的日常生活活動のタスク（例えば、ランチボックスの準備等）を被験者が実行する間、所定時間毎に、被験者の指の３次元位置を、３次元モーションセンサ１６からの信号から検出する。 In step 902 of FIG. 9, the display 12 displays an image (see FIG. 2) representing the IADL environment in a virtual space, and the subject executes a task of instrumental activities of daily living (for example, preparation of a lunch box). During a predetermined time, the three-dimensional position of the subject's finger is detected from the signal from the three-dimensional motion sensor 16.
ステップ９０４で、各位置の速度のノルムを計算する。 In step 904, the velocity norm at each position is calculated.
ステップ９０６で、各位置の速度のノルムに基づいて、タスクの開始から終了までのデータを抽出する。 In step 906, data from the start to the end of the task is extracted based on the velocity norm at each position.
図１０には、手段的日常生活活動のタスクを実行する間、被験者の指の速度のノルムを示すグラフが示されている。手段的日常生活活動のタスクは複数の行動から成り立つ。各行動での指の速度のノルムは、当該行動が開始される時は０であり、当該行動を実行するに従って徐々に大きくなり、最大値になってから当該行動の終了に向けて、徐々に小さくなり、終了時は０となる。図１０に示すように、手段的日常生活活動のタスクを実行する間、被験者の指の動きは、連続した２点間到達運動の特徴を示す。 FIG. 10 shows a graph showing the norm of finger velocity of a subject while performing a task of instrumental activities of daily living. The task of instrumental activities of daily living consists of multiple actions. The norm of finger velocity in each action is 0 when the action is started, gradually increases as the action is performed, reaches a maximum value, and then gradually increases toward the end of the action. It becomes smaller and becomes 0 at the end. As shown in FIG. 10, while performing the task of instrumental activities of daily living, the subject's finger movements are characteristic of continuous two-point reaching movements.
ステップ９０８で、抽出したデータに基づいて、自己相関関数を計算する。 In step 908, the autocorrelation function is calculated based on the extracted data.
ステップ９１０で、自己相関関数に基づいて、手段的日常生活活動のタスクを実行する際の被験者の指の動作の基本周波数ｆを計算する。 In step 910, the fundamental frequency f of the subject's finger movements when performing the task of instrumental activities of daily living is calculated based on the autocorrelation function.
ステップ９１２で、手段的日常生活活動のタスクを実行する際の被験者の指の動作の基本周波数ｆが、被験者が脳機能に障害がない健常者であると判断できる基本周波数のしきい値Ｆｔｈ以上か否かを判断する。なお、しきい値Ｆｔｈは、本開示の技術の「判定値」の１例である。 In step 912, the fundamental frequency f of the subject's finger movement when performing the task of means of daily living is equal to or greater than the threshold value Fth of the fundamental frequency at which the subject can be determined to be a healthy person without impaired brain function. Judge whether or not. The threshold value Fth is an example of the "determination value" of the technique of the present disclosure.
被験者が脳機能に障害がない健常者であれば、次の行動を迷わずに実行するので、行動に要する時間は短く、基本周波数は大きい。しかし、被験者の認知症が進むと、行動の内容を迷い、各行動が長くなり、行動に要する時間は長く、基本周波数は小さい。 If the subject is a healthy person with no impairment in brain function, the next action is executed without hesitation, so that the time required for the action is short and the fundamental frequency is large. However, as the subject's dementia progresses, the content of the action is lost, each action becomes longer, the time required for the action is longer, and the fundamental frequency is small.
しきい値Ｆｔｈは被験者が脳機能に障害がない健常者であると判断できる基本周波数のしきい値である。 The threshold value Fth is a threshold value of the fundamental frequency at which the subject can be judged to be a healthy person without impaired brain function.
ステップ９１２で、手段的日常生活活動のタスクを実行する際の被験者の指の動作の基本周波数ｆが、被験者が健常者であると判断できる基本周波数のしきい値Ｆｔｈ以上と判断された場合には、ステップ９１４で、脳機能に障害がない健常者であることを示す情報を、ディスプレイ１２に表示する。 In step 912, when it is determined that the fundamental frequency f of the finger movement of the subject when executing the task of the means of daily living is equal to or greater than the threshold value Fth of the fundamental frequency at which the subject can be determined to be a healthy person. Displays information on the display 12 indicating that the person is a healthy person having no disorder in brain function in step 914.
ステップ９１２で、手段的日常生活活動のタスクを実行する際の被験者の指の動作の基本周波数ｆが、被験者が健常者であると判断できる基本周波数のしきい値Ｆｔｈ以上と判断されなかった場合には、ステップ９１６で、脳機能に障害がない健常者でないことを示す情報を、ディスプレイ１２に表示する。 In step 912, when the fundamental frequency f of the finger movement of the subject when executing the task of the means of daily living activity is not determined to be equal to or higher than the threshold value Fth of the fundamental frequency at which the subject can be determined to be a healthy person. In step 916, information indicating that the person is not a healthy person without impaired brain function is displayed on the display 12.
以上説明したように第３の実施の形態では、被験者の指を基準にした行動に即して、被験者が脳機能に障害がない健常者であるか否かを判断している。よって、第３の実施の形態では、被験者が健常者であるか否かを迅速に判断することができる。また、第３の実施の形態では、被験者が健常者であるか否かをより精度よく判断することができる。 As described above, in the third embodiment, it is determined whether or not the subject is a healthy person who has no disorder in brain function according to the behavior based on the finger of the subject. Therefore, in the third embodiment, it is possible to quickly determine whether or not the subject is a healthy person. Further, in the third embodiment, it is possible to more accurately determine whether or not the subject is a healthy person.
なお、しきい値を、認知症の程度に応じて定め、手段的日常生活活動のタスクを実行する際の被験者の指の動作の基本周波数ｆと認知症の程度に応じたしきい値とから、被験者の認知症の程度を判断し、認知症の程度に応じた情報を表示するようにしてもよい。 The threshold value is determined according to the degree of dementia, and is based on the fundamental frequency f of the subject's finger movement when performing the task of instrumental activities of daily living and the threshold value according to the degree of dementia. , The degree of dementia of the subject may be determined, and information according to the degree of dementia may be displayed.
第３の実施の形態でも、健常者判断処理を、手段的日常生活活動において軽度認知障害の患者と健常者を識別する有効な特徴量の選定、機能低下を検出する技術として確立することができる。 Also in the third embodiment, the healthy person judgment process can be established as a technique for selecting an effective feature amount for distinguishing a patient with mild cognitive impairment and a healthy person in means of daily living activities and detecting functional deterioration. ..
被験者が健常者であると判断できる基本周波数のしきい値Ｆｔｈは、多数の被験者の実験結果から求めたり、後述する機械学習（図１２）で求めたりしてもよい。 The threshold value Fth of the fundamental frequency at which the subject can be determined to be a healthy person may be obtained from the experimental results of a large number of subjects, or may be obtained by machine learning (FIG. 12) described later.
（第４の実施の形態）
次に、本開示の技術の第４の実施の形態を説明する。第４の実施の形態の構成は、第１の実施の形態と同様であるので、以下、構成の説明を省略し、健常者判断処理を説明する。
(Fourth Embodiment)
Next, a fourth embodiment of the technique of the present disclosure will be described. Since the configuration of the fourth embodiment is the same as that of the first embodiment, the description of the configuration will be omitted below, and the healthy person determination process will be described.
図１１には、第４の実施の形態における健常者判断処理の１例が示されている。 FIG. 11 shows an example of a healthy person determination process according to the fourth embodiment.
図１１のステップ１１０２で、ディスプレイ１２が、ＩＡＤＬ環境を仮想空間に表現した画像（図２参照）を表示し、手段的日常生活活動のタスク（例えば、ランチボックスの準備等）を被験者が実行する間、所定時間毎に、被験者の指の３次元位置を、３次元モーションセンサ１６からの信号から検出する。 In step 1102 of FIG. 11, the display 12 displays an image (see FIG. 2) representing the IADL environment in a virtual space, and the subject executes a task of instrumental activities of daily living (for example, preparation of a lunch box). During a predetermined time, the three-dimensional position of the subject's finger is detected from the signal from the three-dimensional motion sensor 16.
ステップ１１０４で、上記所定時間毎の各位置の速度のノルムを計算する。 In step 1104, the norm of velocity at each position for each predetermined time is calculated.
ステップ１１０６で、各位置の速度のノルムに基づいて、タスクの開始から終了までのデータを抽出する。 In step 1106, data from the start to the end of the task is extracted based on the velocity norm at each position.
ステップ１１０８で、抽出したデータと、自己回帰モデルとに基づいて、自己回帰モデルの自己回帰係数（１０次元）ｋ１〜ｋ１０を計算する。 In step 1108, the autoregressive coefficients (10 dimensions) k1 to k10 of the autoregressive model are calculated based on the extracted data and the autoregressive model.
ここで、自己回帰モデルは、 Here, the autoregressive model is
ｘ（ｌ）＝Σｍ ｉ＝１ａｍ（ｉ）・ｘ（ｌ−ｉ）＋ε x (l) = Σ m i = 1 a m (i) · x (l-i) + ε
である。 Is.
ｘ（ｌ）は、あるタイミングの指の速度である。ｘ（ｌ−ｉ）は、ｘ（ｌ）のタイミングより上記所定時間前の指の速度である。ａｍ（ｉ）は、自己回帰係数（１０次元）である。εは予測誤差である。 x (l) is the speed of the finger at a certain timing. x (li) is the speed of the finger before the predetermined time from the timing of x (l). a m (i) is the autoregressive coefficients (10-D). ε is the prediction error.
ステップ１１１０で、自己回帰モデルの自己回帰係数ｋ（ｋ１〜ｋ１０）が、各次元のしきい値Ｋｔｈ（Ｋｔｈ１〜Ｋｔｈ１０）以下か否かを判断する。なお、しきい値Ｋｔｈは、本開示の技術の「判定値」の１例である。
In step 1110, it is determined whether or not the autoregressive coefficient k (k1 to k10) of the autoregressive model is equal to or less than the threshold value Kth (Kth1 to Kth10) of each dimension. The threshold value Kth is an example of the "determination value" of the technique of the present disclosure.
人は認知症が進むに従って、行動に不規則性が大きくなり、次の位置を予測するための自己回帰係数は大きくなる。被験者が脳機能に障害がない健常者であると判断できる自己回帰係数が予め定められ、これが、各次元の自己回帰係数のしきい値である。 As people develop dementia, their behavior becomes more irregular and the autoregressive coefficient for predicting the next position increases. An autoregressive coefficient that can be determined that the subject is a healthy person without impaired brain function is predetermined, and this is the threshold value of the autoregressive coefficient of each dimension.
自己回帰モデルの自己回帰係数ｋ１〜ｋ１０の半数以上が、各次元のしきい値Ｋｔｈ１〜Ｋｔｈ１０より小さいと判断された場合に、ステップ１１１０の判定は肯定判定となる。この場合には、ステップ１１１２で、脳機能に障害がない健常者であることを示す情報を、ディスプレイ１２に表示する。 When it is determined that more than half of the autoregressive coefficients k1 to k10 of the autoregressive model are smaller than the threshold values Kth1 to Kth10 of each dimension, the determination in step 1110 is an affirmative determination. In this case, in step 1112, information indicating that the person is a healthy person without impaired brain function is displayed on the display 12.
一方、自己回帰モデルの自己回帰係数ｋ１〜ｋ１０の半数以上が、各次元のしきい値Ｋｔｈ１〜Ｋｔｈ１０より小さいと判断されなかった場合に、ステップ１１１０の判定は否定判定となる。この場合には、ステップ１１１４で、脳機能に障害がない健常者でないことを示す情報を、ディスプレイ１２に表示する。 On the other hand, if it is not determined that more than half of the autoregressive coefficients k1 to k10 of the autoregressive model are smaller than the threshold values Kth1 to Kth10 of each dimension, the determination in step 1110 is a negative determination. In this case, in step 1114, information indicating that the person is not a healthy person without impaired brain function is displayed on the display 12.
以上説明したように第４の実施の形態では、被験者の指を基準にした行動に即して、被験者が脳機能に障害がない健常者であるか否かを判断している。よって、第４の実施の形態では、被験者が健常者であるか否かを迅速に判断することができる。また、第４の実施の形態では、被験者が健常者であるか否かをより精度よく判断することができる。 As described above, in the fourth embodiment, it is determined whether or not the subject is a healthy person who has no disorder in the brain function according to the behavior based on the finger of the subject. Therefore, in the fourth embodiment, it is possible to quickly determine whether or not the subject is a healthy person. Further, in the fourth embodiment, it is possible to more accurately determine whether or not the subject is a healthy person.
なお、しきい値を、認知症の程度に応じて定め、自己回帰モデルの自己回帰係数ｋと認知症の程度に応じたしきい値とから、被験者の認知症の程度を判断し、認知症の程度に応じた情報を表示するようにしてもよい。 The threshold value is determined according to the degree of dementia, and the degree of dementia of the subject is judged from the autoregressive coefficient k of the autoregressive model and the threshold value according to the degree of dementia. Information may be displayed according to the degree of.
第４の実施の形態でも、健常者判断処理を、手段的日常生活活動において軽度認知障害の患者と健常者を識別する有効な特徴量の選定、機能低下を検出する技術として確立することができる。 Also in the fourth embodiment, the healthy person judgment process can be established as a technique for selecting an effective feature amount for distinguishing a patient with mild cognitive impairment and a healthy person in means of daily living activities and detecting functional deterioration. ..
自己回帰モデルの自己回帰係数ｋ１〜ｋ１０のしきい値Ｋｔｈ１〜Ｋｔｈ１０は、多数の被験者の実験結果から求めたり、後述する機械学習（図１２）で求めたりしてもよい。 The threshold values Kth1 to Kth10 of the autoregressive coefficients k1 to k10 of the autoregressive model may be obtained from the experimental results of a large number of subjects, or may be obtained by machine learning (FIG. 12) described later.
次に、第１の実施の形態〜第４の実施の形態のしきい値を、正解データからの機械学習で求める処理を説明する。正解データからの機械学習で求める場合には、第１の実施の形態〜第４の実施の形態の全ての健常者判断処理の結果を利用する。 Next, a process of obtaining the threshold value of the first embodiment to the fourth embodiment by machine learning from the correct answer data will be described. When obtaining by machine learning from the correct answer data, the results of all the healthy person judgment processes of the first embodiment to the fourth embodiment are used.
図１２には、判定値学習処理の１例が示されている。 FIG. 12 shows an example of the determination value learning process.
図１２のステップ１２０２で、判定値学習処理で使用する変数ｄ、ｑを０に初期化する。 In step 1202 of FIG. 12, the variables d and q used in the determination value learning process are initialized to 0.
ステップ１２０４で、第１の実施の形態〜第４の実施の形態の各しきい値を識別する変数ｑを１インクリメントする。 In step 1204, the variable q that identifies each threshold value of the first embodiment to the fourth embodiment is incremented by one.
ステップ１２０６で、変数ｑで識別されるしきい値Ｔｈｑに予め定めた値Δｔｑを加算することにより、しきい値Ｔｈｑを変化させる。 In step 1206, the threshold value Thq is changed by adding a predetermined value Δtq to the threshold value Thq identified by the variable q.
ステップ１２０８で、変数ｑがしきい値の総数Ｑに等しいか否かを判断する。 In step 1208, it is determined whether the variable q is equal to the total number Q of the thresholds.
ステップ１２０８で、変数ｑがしきい値の総数Ｑに等しいと判断されなかった場合には、変化させていないしきい値があるので、しきい値学習処理は、ステップ１２０４に戻る。 If it is not determined in step 1208 that the variable q is equal to the total number Q of the thresholds, the threshold learning process returns to step 1204 because there is an unchanged threshold.
ステップ１２０８で、変数ｑがしきい値の総数Ｑに等しいと判断された場合には、全てのしきい値を変化させたので、しきい値学習処理は、ステップ１２１０に進む。 If it is determined in step 1208 that the variable q is equal to the total number of thresholds Q, all the thresholds have been changed, so the threshold learning process proceeds to step 1210.
ステップ１２１０で、上記のように変化されたしきい値に基づいて、第１の実施の形態〜第４の実施の形態の全ての健常者判断処理を実行する。 In step 1210, all the healthy person determination processes of the first embodiment to the fourth embodiment are executed based on the threshold value changed as described above.
具体的には、上記のように変化されたしきい値に基づいて、第１の実施の形態の健常者判断処理の図４のステップ４０４〜４２４を実行する。上記のように変化されたしきい値に基づいて、第２の実施の形態の健常者判断処理の図８のステップ８０４〜８１６を実行する。上記のように変化されたしきい値に基づいて、第３の実施の形態の健常者判断処理の図９のステップ９０４〜９１２を実行する。上記のように変化されたしきい値に基づいて、第４の実施の形態の健常者判断処理の図１１のステップ１１０４〜１１１０を実行する。なお、各実施の形態の健常者判断処理では、既に実行して得られた指の状態（接触状態や３次元位置）のデータを用いる。 Specifically, steps 404 to 424 of FIG. 4 of the healthy person determination process of the first embodiment are executed based on the threshold value changed as described above. Based on the threshold value changed as described above, steps 804 to 816 of FIG. 8 of the healthy person determination process of the second embodiment are executed. Based on the threshold value changed as described above, steps 904 to 912 of FIG. 9 of the healthy person determination process of the third embodiment are executed. Based on the threshold value changed as described above, steps 1104-1110 of FIG. 11 of the healthy person determination process of the fourth embodiment are executed. In the healthy person determination process of each embodiment, the data of the finger state (contact state and three-dimensional position) already executed and obtained is used.
しきい値を変化させて実施した各実施の形態の健常者判断処理での健常者であるか否かの判断結果と、別に実験して得た各患者の健常者か否かの実験結果のデータ（正解データ）とから、真陽性率と偽陽性率とを計算する。 The judgment result of whether or not the patient is a healthy person in the healthy person judgment process of each embodiment carried out by changing the threshold value, and the experimental result of whether or not each patient is a healthy person obtained by a separate experiment. From the data (correct answer data), the true positive rate and the false positive rate are calculated.
真陽性率は、脳機能に障害がない健常者である被験者が上記しきい値を用いた健常者判断処理で健常者であると正しく判断できた割合である。偽陽性率は、脳機能に障害がない健常者でない被験者が上記しきい値を用いた健常者判断処理で健常者であると誤って判断された割合である。 The true positive rate is the rate at which a subject who is a healthy person without impaired brain function can be correctly judged to be a healthy person by the healthy person judgment process using the above threshold value. The false positive rate is the rate at which a non-healthy subject without impaired brain function is erroneously determined to be a healthy subject by the healthy subject determination process using the above threshold value.
ステップ１２１２で、計算された真陽性率及び偽陽性率に対応する点を、真陽性率及び偽陽性率グラフにプロットする。図１３には、真陽性率及び偽陽性率グラフが示されている。 In step 1212, the points corresponding to the calculated true positive rate and false positive rate are plotted on the true positive rate and false positive rate graph. FIG. 13 shows a true positive rate and a false positive rate graph.
ステップ１２１４で、ステップ１２０４〜１２１２を実行した回数ｄが、所定回数Ｄに等しいか否か判断する。 In step 1214, it is determined whether or not the number of times d of executing steps 1204 to 1212 is equal to the predetermined number of times D.
ステップ１２１４で、ステップ１２０４〜１２１２を実行した回数ｄが所定回数Ｄに等しいと判断されなかった場合には、ステップ１２１６で、ステップ１２０４〜１２１２を実行した回数ｄを１インクリメントして、しきい値学習処理は、ステップ１２０４に戻る。 If it is not determined in step 1214 that the number of times d of executing steps 1204 to 1212 is equal to the predetermined number of times D, the number of times d of executing steps 1204 to 1212 is incremented by 1 in step 1216 to obtain a threshold value. The learning process returns to step 1204.
ステップ１２１４で、ステップ１２０４〜１２１２を実行した回数ｄが所定回数Ｄに等しいと判断された場合には、しきい値学習処理は、ステップ１２１８に進む。 If it is determined in step 1214 that the number of times d of executing steps 1204 to 1212 is equal to the predetermined number of times D, the threshold learning process proceeds to step 1218.
以上の処理（ステップ１２０４〜１２１２）を所定回数Ｄ実行すると、図１３に示すように真陽性率及び偽陽性率グラフが完成する。 When the above processing (steps 1204 to 1212) is executed a predetermined number of times D, the true positive rate and false positive rate graphs are completed as shown in FIG.
ステップ１２１８で、プロット結果に基づいて、各しきい値を決定する。 At step 1218, each threshold is determined based on the plot results.
真陽性率及び偽陽性率との関係から、理想のプロット点は、（偽陽性率、真陽性率）＝（０，０.８）である。ステップ１２１８で、（偽陽性率、真陽性率）＝（０，０.８）をプロットしたしきい値を、各しきい値として決定する。以後、各実施の形態での健常者判断処理のしきい値は、ステップ１２１８で決定されたしきい値が用いられる。 From the relationship between the true positive rate and the false positive rate, the ideal plot point is (false positive rate, true positive rate) = (0.8.8). In step 1218, a threshold value plotted with (false positive rate, true positive rate) = (0.8.8) is determined as each threshold value. Hereinafter, as the threshold value of the healthy person determination process in each embodiment, the threshold value determined in step 1218 is used.
（変形例）
以上説明した第１の実施の形態〜第４の実施の形態の各々では異なる特徴量量を、対応する判定値（しきい値）と比較して、被験者が脳機能に障害のない健常者であるか否かを判断している。本開示の技術は、これに限定されない。１つのタスクで、図４のステップ４０２〜４２４、図８のステップ８０２〜８１６、図９のステップ９０２〜９１２、図１１のステップ１１０２〜１１１０の少なくとも２つを実行する。各実行の結果、全ての結果、過半数、又は少なくとも１つで、被験者が脳機能に障害のない健常者であると判断された場合に、被験者は脳機能に障害のない健常者であることを示す情報を、ディスプレイ１２に表示する。そうでなければ、被験者は脳機能に障害がない健常者でないことを示す情報を、ディスプレイ１２に表示する。
以上説明した各実施の形態では、タスクは、手段的日常生活活動のタスクとしている。本開示の技術は、これに限定されない。タスクは、手段的日常生活活動よりも複雑でなく低次な動作である日常生活活動のタスクでもよい。身体的部位としては、手の指の他に、各活動に応じて、足の指、頭、肩等であてもよい。
(Modification example)
In each of the first to fourth embodiments described above, different feature quantities are compared with the corresponding determination values (threshold values), and the subject is a healthy subject with no impairment in brain function. It is judged whether or not there is. The techniques of the present disclosure are not limited to this. In one task, at least two of steps 402 to 424 of FIG. 4, steps 802 to 816 of FIG. 8, steps 902 to 912 of FIG. 9, and steps 1102 to 1110 of FIG. 11 are executed. If the result of each execution, all results, the majority, or at least one, determines that the subject is a healthy person without impaired brain function, the subject is a healthy person without impaired brain function. The indicated information is displayed on the display 12. Otherwise, the subject displays information on the display 12 indicating that he / she is not a healthy person without impaired brain function.
In each of the embodiments described above, the task is a task of instrumental activities of daily living. The techniques of the present disclosure are not limited to this. The task may be a task of activities of daily living that is less complicated and lower than instrumental activities of daily living. The physical parts may be toes, head, shoulders, etc., depending on each activity, in addition to the fingers of the hand.
以上説明した各実施の形態では、ディスプレイ１２は、人工現実感技術を用いて被験者が手段的日常生活活動をするための環境を仮想空間に表現した画像を表示する。本開示の技術は、これに限定されない。ディスプレイ１２は、被験者が手段的日常生活活動又は日常生活活動をするための環境を２次元に表現した画像を表示してもよい。 In each of the embodiments described above, the display 12 displays an image in which the environment for the subject to perform means of daily living activities in a virtual space by using the artificial reality technique. The techniques of the present disclosure are not limited to this. The display 12 may display a two-dimensional image of the subject's means of daily living activities or the environment for performing activities of daily living.
以上説明した各実施の形態では、ＲＯＭ２２に、健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）が記憶されている。本開示の技術は、これに限定されない。例えば、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、又はＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリなどの任意の可搬型の記憶媒体に先ずは健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）を記憶させておいてもよい。この場合、記憶媒体の健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）が被験者判断装置１００にインストールされ、インストールされたプログラムがＣＰＵ２０によって実行される。 In each of the above-described embodiments, the healthy person determination processing program (FIGS. 4, 8, 9, and 11) and the threshold learning processing program (FIG. 12) are stored in the ROM 22. The techniques of the present disclosure are not limited to this. For example, a healthy person determination processing program (FIG. 4, FIG. 8, FIG. 9, FIG. 11) and the threshold learning processing program (FIG. 12) may be stored. In this case, a healthy person determination processing program (FIG. 4, FIG. 8, FIG. 9, FIG. 11) and a threshold value learning processing program (FIG. 12) of the storage medium are installed in the subject determination device 100, and the installed program is the CPU 20. Is executed by.
また、通信網（図示省略）を介して被験者判断装置１００に接続される他のコンピュータ又はサーバ装置等の記憶部に健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）を記憶させておき、健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）が被験者判断装置１００の要求に応じてダウンロードされるようにしてもよい。この場合、ダウンロードされた健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）がＣＰＵ２０によって実行される。 In addition, a healthy person judgment processing program (FIGS. 4, 8, 9, 11) is stored in a storage unit of another computer or server device connected to the subject determination device 100 via a communication network (not shown). The threshold learning processing program (FIG. 12) is stored, and the healthy person judgment processing program (FIG. 4, FIG. 8, FIG. 9, FIG. 11) and the threshold value learning processing program (FIG. 12) of the subject determination device 100 are stored. It may be downloaded upon request. In this case, the downloaded healthy person determination processing program (FIG. 4, FIG. 8, FIG. 9, FIG. 11) and the threshold learning processing program (FIG. 12) are executed by the CPU 20.
また、上記各実施の形態で説明した被験者判断処理及びしきい値学習処理はあくまでも一例である。従って、主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよいことは言うまでもない。また、被験者判断処理及びしきい値学習処理に含まれる各処理は、ＦＰＧＡ又はＡＳＩＣ等のハードウェア構成のみで実現されてもよいし、コンピュータを利用したソフトウェア構成とハードウェア構成との組み合わせで実現されてもよい。 Further, the subject judgment process and the threshold value learning process described in each of the above embodiments are merely examples. Therefore, it goes without saying that unnecessary steps may be deleted, new steps may be added, or the processing order may be changed within a range that does not deviate from the purpose. Further, each process included in the subject judgment process and the threshold learning process may be realized only by a hardware configuration such as FPGA or ASIC, or realized by a combination of a software configuration using a computer and a hardware configuration. May be done.
以上、この発明の実施の形態について図面を参照して詳述してきたが、具体的な構成はこの実施の形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。 Although the embodiments of the present invention have been described in detail with reference to the drawings, the specific configuration is not limited to the embodiments, and includes designs and the like within a range that does not deviate from the gist of the present invention. ..
本明細書に記載された全ての文献、特許出願及び技術規格は、個々の文献、特許出願及び技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に参照により取り込まれる。 All documents, patent applications and technical standards described herein are to the same extent as if the individual documents, patent applications and technical standards were specifically and individually stated to be incorporated by reference. Incorporated by reference in the book.
１２ ディスプレイ
１４ タッチセンサ
１６ ３次元モーションセンサ
２０ ＣＰＵ
12 Display 14 Touch sensor 16 3D motion sensor 20 CPU
Claims (12)
前記被験者の身体的部位の状態を計測する計測部と、
前記表示部により表示された前記環境で所定の動作をしようとした前記被験者の身体的部位の前記計測部により計測された状態から前記被験者の行動の特徴量を算出する特徴量算出部と、
前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する判断部と、
を備えた被験者判断装置であって、
前記特徴量は、
ｎを、被験者の指が前記表示部に接触している複数の状態の各々を識別する変数とすると、前記表示部への第ｎ−１回目の接触の終了時から第ｎ回目の接触開始時までの間の時間Ｔｎの平均値及び前記表示部への第ｎ回目の接触の終了時から第ｎ＋１回目の接触開始時までの間の時間Ｔｎ＋１の平均値、
前記所定の活動のタスク遂行時間に占める前記表示部への前記被験者の指の非接触時間の割合、
前記所定の活動のタスクを実行する際の前記被験者の指の動作の基本周波数、又は、
前記被験者の指の３次元位置の速度のノルムと自己回帰モデルとに基づく、自己回帰モデルの自己回帰係数である、
被験者判断装置。 A display unit that displays the environment for the subject to perform a predetermined activity,
A measuring unit that measures the state of the physical part of the subject,
A feature amount calculation unit that calculates the feature amount of the subject's behavior from the state measured by the measurement unit of the physical part of the subject who tried to perform a predetermined movement in the environment displayed by the display unit.
The state of the brain function of the subject is determined from the feature amount of the behavior calculated by the feature amount calculation unit and the determination value of the feature amount predetermined for determining the state of the brain function of the subject. Judgment department and
A subject determination apparatus equipped with,
The feature amount is
Assuming that n is a variable that identifies each of the plurality of states in which the subject's finger is in contact with the display unit, from the end of the n-1st contact with the display unit to the start of the nth contact. The average value of the time Tn and the average value of the time Tn + 1 from the end of the nth contact with the display unit to the start of the n + 1th contact.
The ratio of the non-contact time of the subject's finger to the display unit in the task execution time of the predetermined activity,
The fundamental frequency of the subject's finger movements when performing the task of the predetermined activity, or
It is an autoregressive coefficient of the autoregressive model based on the norm of the velocity of the three-dimensional position of the subject's finger and the autoregressive model.
Subject judgment device .
請求項１に記載の被験者判断装置。 The display unit virtually displays a three-dimensional environment for the subject to perform a predetermined activity.
The subject determination device according to claim 1.
請求項１又は請求項２に記載の被験者判断装置。 The determination value is a value determined by learning.
The subject determination device according to claim 1 or 2.
前記判定値は、
前記被験者が前記手段的日常生活活動をするのに支障のある者かを判断するための手段的日常生活活動支障判断判定値である、
請求項１〜請求項３の何れか１項に記載の被験者判断装置。 The predetermined activity is a means of daily living activity that is more complicated than the activity of daily living.
The judgment value is
It is a means judgment value for determining whether the subject has an obstacle in performing the means activities of daily living.
The subject determination device according to any one of claims 1 to 3.
計測部が、前記被験者の身体的部位の状態を計測し、
特徴量算出部が、前記表示部により表示された前記環境で所定の動作をしようとした前記被験者の身体的部位の前記計測部により計測された状態から前記被験者の行動の特徴量を算出し、
判断部が、前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する、
ことを含む被験者判断方法であって、
前記特徴量は、
ｎを、被験者の指が前記表示部に接触している複数の状態の各々を識別する変数とすると、前記表示部への第ｎ−１回目の接触の終了時から第ｎ回目の接触開始時までの間の時間Ｔｎの平均値及び前記表示部への第ｎ回目の接触の終了時から第ｎ＋１回目の接触開始時までの間の時間Ｔｎ＋１の平均値、
前記所定の活動のタスク遂行時間に占める前記表示部への前記被験者の指の非接触時間の割合、
前記所定の活動のタスクを実行する際の前記被験者の指の動作の基本周波数、又は、
前記被験者の指の３次元位置の速度のノルムと自己回帰モデルとに基づく、自己回帰モデルの自己回帰係数である、
被験者判断方法。 The display unit displays the environment for the subject to perform a predetermined activity,
The measuring unit measures the state of the physical part of the subject,
The feature amount calculation unit calculates the feature amount of the behavior of the subject from the state measured by the measurement unit of the physical part of the subject who tried to perform a predetermined operation in the environment displayed by the display unit.
The judgment unit determines the brain function of the subject from the feature amount of the behavior calculated by the feature amount calculation unit and the predetermined determination value of the feature amount for determining the state of the brain function of the subject. Judge the condition,
It is a subject judging method, including,
The feature amount is
Assuming that n is a variable that identifies each of the plurality of states in which the subject's finger is in contact with the display unit, from the end of the n-1st contact with the display unit to the start of the nth contact. The average value of the time Tn and the average value of the time Tn + 1 from the end of the nth contact with the display unit to the start of the n + 1th contact.
The ratio of the non-contact time of the subject's finger to the display unit in the task execution time of the predetermined activity,
The fundamental frequency of the subject's finger movements when performing the task of the predetermined activity, or
It is an autoregressive coefficient of the autoregressive model based on the norm of the velocity of the three-dimensional position of the subject's finger and the autoregressive model.
Subject judgment method.
請求項５に記載の被験者判断方法。 The display unit virtually displays a three-dimensional environment for the subject to perform a predetermined activity.
The subject determination method according to claim 5.
請求項５又は請求項６に記載の被験者判断方法。 The determination value is a value determined by learning.
The subject determination method according to claim 5 or 6.
前記判定値は、
前記被験者が前記手段的日常生活活動をするのに支障のある者かを判断するための手段的日常生活活動支障判断判定値である、
請求項５〜請求項７の何れか１項に記載の被験者判断方法。 The predetermined activity is a means of daily living activity that is more complicated than the activity of daily living.
The judgment value is
It is a means judgment value for determining whether the subject has an obstacle in performing the means activities of daily living.
The subject determination method according to any one of claims 5 to 7.
表示部により表示され且つ被験者が所定の活動をするための環境で所定の動作をしようとした前記被験者の身体的部位の、計測部が計測した状態から、前記被験者の行動の特徴量を算出する特徴量算出部、及び
前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する判断部
として機能させる被験者判断プログラムであって、
前記特徴量は、
ｎを、被験者の指が前記表示部に接触している複数の状態の各々を識別する変数とすると、前記表示部への第ｎ−１回目の接触の終了時から第ｎ回目の接触開始時までの間の時間Ｔｎの平均値及び前記表示部への第ｎ回目の接触の終了時から第ｎ＋１回目の接触開始時までの間の時間Ｔｎ＋１の平均値、
前記所定の活動のタスク遂行時間に占める前記表示部への前記被験者の指の非接触時間の割合、
前記所定の活動のタスクを実行する際の前記被験者の指の動作の基本周波数、又は、
前記被験者の指の３次元位置の速度のノルムと自己回帰モデルとに基づく、自己回帰モデルの自己回帰係数である、
被験者判断プログラム。 Computer,
The feature amount of the behavior of the subject is calculated from the state measured by the measuring unit of the physical part of the subject who is displayed by the display unit and tries to perform a predetermined movement in the environment for the subject to perform a predetermined activity. From the feature amount calculation unit, the feature amount of the behavior calculated by the feature amount calculation unit, and the predetermined determination value of the feature amount for determining the state of the brain function of the subject, the subject's brain. It is a subject judgment program that functions as a judgment unit to judge the state of function.
The feature amount is
Assuming that n is a variable that identifies each of the plurality of states in which the subject's finger is in contact with the display unit, from the end of the n-1st contact with the display unit to the start of the nth contact. The average value of the time Tn and the average value of the time Tn + 1 from the end of the nth contact with the display unit to the start of the n + 1th contact.
The ratio of the non-contact time of the subject's finger to the display unit in the task execution time of the predetermined activity,
The fundamental frequency of the subject's finger movements when performing the task of the predetermined activity, or
It is an autoregressive coefficient of the autoregressive model based on the norm of the velocity of the three-dimensional position of the subject's finger and the autoregressive model.
Subject judgment program.
請求項９に記載の被験者判断プログラム。 The display unit virtually displays a three-dimensional environment for the subject to perform a predetermined activity.
The subject determination program according to claim 9.
請求項９又は請求項１０に記載の被験者判断プログラム。 The determination value is a value determined by learning.
Subject judgment program according to claim 9 or claim 1 0.
前記判定値は、
前記被験者が前記手段的日常生活活動をするのに支障のある者かを判断するための手段的日常生活活動支障判断判定値である、
請求項９〜請求項１１の何れか１項に記載の被験者判断プログラム。 The predetermined activity is a means of daily living activity that is more complicated than the activity of daily living.
The judgment value is
It is a means judgment value for determining whether the subject has an obstacle in performing the means activities of daily living.
The subject determination program according to any one of claims 9 to 11.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017033899A JP6832005B2 (en) | 2017-02-24 | 2017-02-24 | Subject judgment device, method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017033899A JP6832005B2 (en) | 2017-02-24 | 2017-02-24 | Subject judgment device, method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018138136A JP2018138136A (en) | 2018-09-06 |
| JP6832005B2 true JP6832005B2 (en) | 2021-02-24 |
Family
ID=63451327
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017033899A Active JP6832005B2 (en) | 2017-02-24 | 2017-02-24 | Subject judgment device, method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6832005B2 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020022303A1 (en) | 2018-07-24 | 2020-01-30 | 日本電気株式会社 | Communication system |
| WO2023096416A1 (en) * | 2021-11-25 | 2023-06-01 | 한국과학기술정보연구원 | Personalized dementia diagnosis method and apparatus therefor |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06301477A (en) * | 1993-04-16 | 1994-10-28 | Kyoto Densoku Kk | Input device for pointed position of three-dimensional space |
| JP2001079050A (en) * | 1999-09-16 | 2001-03-27 | Japan Science & Technology Corp | Rehabilitation unit for high function disorder of brain |
| US7161579B2 (en) * | 2002-07-18 | 2007-01-09 | Sony Computer Entertainment Inc. | Hand-held computer interactive device |
| JP2014510557A (en) * | 2011-01-25 | 2014-05-01 | ノバルティス アーゲー | System and method for medical use of motion imaging and capture |
| CA2856089C (en) * | 2011-11-16 | 2023-01-24 | Veronique Deborah Bohbot | Computer generated three dimensional virtual reality environment for improving memory |
| WO2016145372A1 (en) * | 2015-03-12 | 2016-09-15 | Akili Interactive Labs, Inc. | Processor implemented systems and methods for measuring congnitive abilities |
-
2017
- 2017-02-24 JP JP2017033899A patent/JP6832005B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018138136A (en) | 2018-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6122130B2 (en) | Cerebral dysfunction evaluation method, cerebral dysfunction evaluation apparatus and program thereof | |
| JP4622702B2 (en) | Video surveillance device | |
| CN112673378B (en) | Device for generating estimator, monitoring device, method for generating estimator, and program for generating estimator | |
| CN102209488B (en) | Image processing equipment and method and faultage image capture apparatus and method | |
| TWI543744B (en) | Adaptive visual performance testing system | |
| JP4635179B2 (en) | Cognitive ability measuring device and cognitive ability measuring method | |
| JP6291107B2 (en) | Cerebral dysfunction evaluation method, cerebral dysfunction evaluation apparatus and program thereof | |
| EP3164055A1 (en) | Eye condition determination system | |
| JP6832005B2 (en) | Subject judgment device, method, and program | |
| WO2014009758A1 (en) | Device to determine visuo-spatial ability | |
| CN111128369A (en) | Method and device for evaluating Parkinson's disease condition of patient | |
| CN112219234A (en) | Physiological stress of a user of a virtual reality environment | |
| JP2021505264A (en) | Devices, systems and methods for detecting a patient's physical activity | |
| US9959635B2 (en) | State determination device, eye closure determination device, state determination method, and storage medium | |
| JP7177276B2 (en) | SYSTEM, COMPUTER PROGRAM AND METHOD FOR TMT EXAMINATION RESULT DISPLAY | |
| WO2015125759A1 (en) | Aging analysis method and aging analysis device | |
| JP2018038753A (en) | Walking analysis method and walking analyzer | |
| JP2021092883A (en) | Information processing device, information processing method, and program | |
| JP2015029609A6 (en) | Preference evaluation method, preference evaluation apparatus and program | |
| WO2023054268A1 (en) | Cognitive function evaluation method, cognitive function testing method, system, and computer program | |
| KR101643744B1 (en) | Device and method for detecting user fixation pupillary response | |
| TWI756644B (en) | System and method to identify differences between physiologically-identified significant portions of a target and machine-identified significant portions and related computer-readable medium | |
| JP2019162288A (en) | Determination value calculation device, method and program, and micro error occurrence determination device, method and program | |
| US20230027320A1 (en) | Movement Disorder Diagnostics from Video Data Using Body Landmark Tracking | |
| JP6090653B2 (en) | Fatigue determination device, fatigue determination method, and program thereof |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20190225 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20190225 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191113 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200925 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200929 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201127 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210105 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210118 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6832005 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |