JP2018015139A - 認知症検査システム - Google Patents
認知症検査システム Download PDFInfo
- Publication number
- JP2018015139A JP2018015139A JP2016146490A JP2016146490A JP2018015139A JP 2018015139 A JP2018015139 A JP 2018015139A JP 2016146490 A JP2016146490 A JP 2016146490A JP 2016146490 A JP2016146490 A JP 2016146490A JP 2018015139 A JP2018015139 A JP 2018015139A
- Authority
- JP
- Japan
- Prior art keywords
- subject
- dementia
- feature amount
- pause time
- information transmission
- 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.)
- Pending
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】 判定精度を向上した認知症検査システムを提供する。【解決手段】 認知症検査システム1は、被験者の視覚及び聴覚の少なくとも一方に働きかけて当該被験者に情報を伝達する情報伝達部11と、情報が伝達された被験者の反応を測定する測定部12と、測定部12の測定結果に基づいて異なる複数の特徴量を算出するとともに当該特徴量に基づいて被験者が認知症であるか否かを判定する制御部13と、を備える。測定部12が、被験者が発する音声を集音する集音部121を備えており、制御部13が、少なくとも、被験者が発する音声の音響的な特徴量である少なくとも1つの音響特徴量と、被験者が発する音声の言語的な特徴量である少なくとも1つの言語特徴量と、に基づいて、被験者が認知症であるか否かを判定する。【選択図】 図1
Description
本発明は、被験者が認知症であるか否かを判定する認知症検査システムに関する。
認知症を早期に発見することは、治療の開始や家族等によるサポートの開始の契機になるほか、交通事故等の突発的な事故の防止などにも役立つことから、非常に重要である。そのため、例えば一定の年齢以上の高齢者などの認知症に罹患する可能性がある者が、定期的に認知症の検査を受けるようにすると、好ましい。しかし、定期的に検査を受けることを面倒であると感じる人や、検査自体に抵抗がある人も少なくないため、認知症の早期発見が困難になっている。そこで、誰でも容易かつ気軽に認知症の検査を受けることができる認知症検査システムの提供が望まれている。
例えば、特許文献1では、質問に対する被験者の回答の正誤に基づいて、被験者が認知症であるか否かを判定する認知症検査システムが提案されている。しかし、この認知症検査システムでは、被験者が当該認知症検査システムを繰り返し使用している間に正解を覚えてしまうことで、認知症の判定精度が低下するという問題がある。
そこで、特許文献1で提案されている認知症検査システムの問題点を解消するために、被験者の回答の正誤などの内容を完全に無視して、被験者が発する音声の韻律特徴のみに基づいて認知症の有無を判定する認知症検査システムが、特許文献2において提案されている。
しかしながら、特許文献2で提案されている認知症検査システムでは、被験者が発する音声の韻律特徴のみに基づいて認知症の有無を判定するため、例えば初期の認知症患者のような健常者と変わらない韻律特徴の音声を発する被験者を、認知症ではないと誤って判定する可能性がある。したがって、この認知症検査システムでは、認知症患者の検出漏れが生じ易く、認知症の判定精度が低いという問題がある。
そこで、本発明は、認知症の判定精度を向上した認知症検査システムを提供する。
上記目的を達成するため、本発明は、被験者の視覚及び聴覚の少なくとも一方に働きかけて当該被験者に情報を伝達する情報伝達部と、前記情報が伝達された前記被験者の反応を測定する測定部と、前記測定部の測定結果に基づいて異なる複数の特徴量を算出するとともに、当該特徴量に基づいて前記被験者が認知症であるか否かを判定する制御部と、を備え、前記測定部が、前記被験者が発する音声を集音する集音部を備えており、前記制御部が、少なくとも、前記被験者が発する音声の音響的な特徴量である少なくとも1つの音響特徴量と、前記被験者が発する音声の言語的な特徴量である少なくとも1つの言語特徴量と、に基づいて、前記被験者が認知症であるか否かを判定することを第1の特徴とする認知症検査システムを提供する。
この認知症検査システムによれば、被験者が発する音声の音響特徴量及び言語特徴量に基づいて、被験者が認知症であるか否かが判定される。そのため、異なる複数の特徴量に基づいた多面的な判定が可能となる。
また、上記第1の特徴の認知症検査システムにおいて、前記情報伝達部が前記被験者に対して質問を伝達してから、前記被験者が発する音声を前記測定部が測定するまでの時間の長さであるポーズ時間と、前記被験者が発する音声の第1倍音と第3フォルマントの振幅差である声質と、前記被験者が発する音声の基本周波数の変動係数である基本周波数変動成分と、の少なくとも1つの前記音響特徴量に基づいて、前記制御部が、前記被験者が認知症であるか否かを判定すると、好ましい。
この認知症検査システムによれば、制御部が、認知症患者と健常者のそれぞれにおいて統計学的な有意差があるかその状態に近い音響特徴量に基づいて、被験者が認知症であるか否かを判定する。そのため、認知症の判定精度の向上を見込むことができる。
さらに、上記第1の特徴の認知症検査システムにおいて、前記制御部が、少なくとも前記ポーズ時間に基づいて前記被験者が認知症であるか否かを判定するものであり、前記情報伝達部が、少なくとも、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がある質問を前記被験者に対して伝達してもよい。
この認知症検査システムによれば、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がない質問になり、算出されるポーズ時間にも統計学的な有意差が無くなることを、防止することができる。
さらに、上記第1の特徴の認知症検査システムにおいて、前記情報伝達部が、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がある質問と、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がない質問と、のそれぞれを前記被験者に対して伝達してもよい。
この認知症検査システムによれば、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がある質問のみを行う場合と比較して、認知症患者と健常者のそれぞれにおけるポーズ時間の有意差をさらに拡大することができる。したがって、認知症の判定精度の向上を見込むことができる。
また、上記第1の特徴の認知症検査システムにおいて、前記被験者が発する音声に含まれる単語の総数であるトークン数と、前記被験者が発する音声に含まれる重複を許さない単語の総数であるタイプ数を前記トークン数で除した値であるTTRと、の少なくとも一方の前記言語特徴量に基づいて、前記制御部が、前記被験者が認知症であるか否かを判定すると、好ましい。
この認知症検査システムによれば、制御部が、認知症患者と健常者のそれぞれにおいて統計学的な有意差がある言語特徴量に基づいて、被験者が認知症であるか否かを判定する。そのため、認知症の判定精度の向上を見込むことができる。
また、上記第1の特徴の認知症検査システムにおいて、前記測定部が、前記被験者を撮像する撮像部を備えており、前記制御部が、前記被験者の外見に関する特徴量である少なくとも1つの外見特徴量に基づいて、前記被験者が認知症であるか否かを判定してもよい。
この認知症検査システムによれば、制御部が、音響特徴量及び言語特徴量に加えて外見特徴量に基づいて、被験者が認知症であるか否かを判定する。そのため、さらに多面的な判定が可能になる。
さらに、上記第1の特徴の認知症検査システムにおいて、前記外見特徴量が、前記被験者が笑顔である画像の数を、画像の総数で除した値である笑顔率であると、好ましい。
この認知症検査システムによれば、制御部が、認知症患者と健常者のそれぞれにおいて統計学的な有意差がある状態に近い特徴量に基づいて、被験者が認知症であるか否かを判定する。そのため、認知症の判定精度の向上を見込むことができる。
さらに、上記第1の特徴の認知症検査システムにおいて、前記情報伝達部が、前記被験者の視覚及び聴覚の両方に働きかけて当該被験者に情報を伝達すると、好ましい。
この認知症検査システムによれば、被験者に対して情報を確実に伝達することが可能になり、被験者の見落としまたは聞き逃しに起因する認知症の判定精度の低下を抑制することができる。
また、本発明は、被験者の視覚及び聴覚の少なくとも一方に働きかけて当該被験者に情報を伝達する情報伝達部と、前記情報が伝達された前記被験者の反応を測定する測定部と、前記測定部の測定結果に基づいて少なくとも1つの特徴量を算出するとともに、当該特徴量に基づいて前記被験者が認知症であるか否かを判定する制御部と、を備え、前記制御部は、前記情報伝達部が前記被験者に対して質問を伝達してから、前記被験者が発する音声を前記測定部が測定するまでの時間の長さであるポーズ時間と、前記被験者が発する音声の第1倍音と第3フォルマントの振幅差である声質と、前記被験者が発する音声の基本周波数の変動係数である基本周波数変動成分と、前記被験者が発する音声に含まれる単語の総数であるトークン数と、前記被験者が発する音声に含まれる重複を許さない単語の総数であるタイプ数を前記トークン数で除した値であるTTRと、被験者が笑顔である画像の数を、画像の総数で除した値である笑顔率と、の少なくとも1つに基づいて、前記被験者が認知症であるか否かを判定することを第2の特徴とする認知症検査システムを提供する。
この認知症検査システムによれば、認知症患者と健常者のそれぞれにおいて統計学的な有意差があるかその状態に近い特徴量に基づいて、被験者が認知症であるか否かを判定することができる。
また、上記第2の特徴の認知症検査システムにおいて、前記制御部が、少なくとも前記ポーズ時間に基づいて前記被験者が認知症であるか否かを判定するものであり、前記情報伝達部が、少なくとも、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がある質問を前記被験者に対して伝達してもよい。
この認知症検査システムによれば、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がない質問になり、算出されるポーズ時間にも統計学的な有意差が無くなることを、防止することができる。
さらに、上記第2の特徴の認知症検査システムにおいて、前記情報伝達部が、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がある質問と、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がない質問と、のそれぞれを前記被験者に対して伝達してもよい。
この認知症検査システムによれば、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がある質問のみを行う場合と比較して、認知症患者と健常者のそれぞれにおけるポーズ時間の有意差をさらに拡大することができる。したがって、認知症の判定精度の向上を見込むことができる。
上記第1の特徴の認知症検査システムによれば、被験者が認知症であるか否かを、被験者が発する音声の音響特徴量及び言語特徴量という異なる複数の特徴量に基づいて多面的に判定するため、認知症患者の検出漏れを抑制して、認知症の判定精度を向上させることが可能になる。
また、上記第2の特徴の認知症検査システムによれば、認知症患者と健常者のそれぞれにおいて統計学的な有意差があるかその状態に近い特徴量に基づいて、被験者が認知症であるか否かを判定するため、認知症の判定精度の向上を見込むことができる。
最初に、本発明の実施形態に係る認知症検査システムの全体構成の一例について図面を参照して説明する。図1は、本発明の実施形態に係る認知症検査システムの全体構成の一例について示すブロック図である。
図1に示すように、認知症検査システム1は、情報伝達部11と、測定部12と、制御部13と、データベース14と、検査結果出力部15と、を備える。なお、本実施形態に係る認知症検査システム1は、被験者と対話を行い、その際の被験者の反応に基づいて当該被験者が認知症であるか否かを判断するものである。
情報伝達部11は、例えば液晶ディスプレイ等の表示装置とスピーカ等の音声出力装置で構成され、被験者の視覚及び聴覚に働きかけて当該被験者に情報を伝達する。ここで、情報伝達部11の一例について図面を参照して説明する。図2は、情報伝達部の一例を示す模式図である。
図2に示すように、情報伝達部11は、画像を表示する表示装置111と、音声を出力する音声出力装置112とを備える。表示装置111は、人を模した画像(アバター)111aと、テキスト111bとを表示する。情報伝達部11は、被験者と対話を行うために、被験者に対する質問を、音声出力装置112において音声として出力するとともに、表示装置111においてテキスト111bとして表示する。表示装置111が表示するアバター111aは、機械と対話する被験者の違和感や緊張を緩和するためのものであり、例えば、まばたきしたり、情報伝達部11が被験者に対して質問を伝達する際に口や頭全体が動いたり、被験者が回答する際にうなずいたりするなどの動作を行うものである。なお、表示装置111が表示する画像及び音声出力装置112が出力する音声のそれぞれのデータは、制御部13から与えられる。
測定部12は、例えばマイクロフォン等で構成される集音部121と、例えばCCD(Charge Coupled Device)イメージセンサやCMOS(Complementary Metal Oxide Semiconductor)イメージセンサ等で構成される撮像部122とを備える。集音部121は、被験者が発する音声を集音するために設けられており、撮像部122は被験者の表情等を撮像するために設けられている。例えば、集音部121は、被験者が図2に示す表示装置111と向かい合った場合に、被験者の音声を集音し易い位置に設けられる。撮像部122も同様であり、被験者が図2に示す表示装置111と向かい合った場合に、被験者の表情等を撮像し易い位置に設けられる。具体的に例えば、集音部121及び撮像部122は、表示装置111の周囲のベゼル等に設けられる。
制御部13は、例えばCPU(Central Processing Unit)などの演算装置と半導体メモリなどの記憶装置とで構成され、情報伝達部11が被験者に情報を伝達するために必要なデータ(表示装置111が表示する画像のデータ及び音声出力装置112が出力する音声のデータ)を情報伝達部11に与えたり、測定部12の測定結果(集音部121の集音により得られる音声のデータ及び撮像部122の撮像により得られる画像のデータ)に基づいて被験者が認知症であるか否かの判定を行うとともにその判定結果を表すデータを生成したりする。
データベース14は、例えばハードディスクや半導体メモリなどの記録装置で構成され、上記の制御部13が行う各種処理に必要なデータ(例えば、被験者に対する質問のデータ、アバター111aを表示するためのデータなど)を記録している。
検査結果出力部15は、例えば情報伝達部11と共通の表示装置111や音声出力装置112(またはこれとは別の表示装置や音声出力装置)、プリンター等の印刷装置、インターネットやLAN(Local Area Network)に接続可能な通信装置などで構成され、制御部13によって生成される被験者が認知症であるか否かを表す判定結果のデータを外部に出力する。例えば、検査結果出力部15が、表示装置111、音声出力装置112及び印刷装置の少なくとも1つである場合、検査結果出力部15は被験者に対して上記の判定結果を提示する。また例えば、検査結果出力部15が通信装置である場合、検査結果出力部15は被験者の親族や被験者のかかりつけの医療機関などに対して上記の判定結果のデータを送信する。
次に、本発明の実施形態に係る認知症検査システム1の動作の一例について説明する。
最初に、例えば、制御部13が、オペレータ(例えば被験者の親族等)または被験者による認知症検査システム1に対する所定の入力操作(例えばマウスやキーボード、タッチパネルなどの入力インタフェースを介した操作)が行われたことを検出することで、認知症の検査動作を開始する。また例えば、制御部13が、周知の顔検出技術に基づいて、撮像部122が撮像した画像のデータの中から所定の大きさ以上の顔を検出することで、認知症の検査動作を開始する。
認知症の検査動作が開始すると、まず、アバター111aが自己紹介(名前を名乗る)をしていると被験者が感じるように、制御部13が、データベース14から必要な画像及び音声のデータを読み出し、当該データを情報伝達部11に対して入力する。なお、以下では説明の簡略化のため、アバター111aの擬人的な動作の説明のみを行い、アバター111aが擬人的な動作をするために必要となる制御部13の動作(データベース14から必要な画像及び音声のデータを読み出し、当該データを情報伝達部11に対して入力する動作)については説明を省略する。
アバター111aが自己紹介を行うことによって、機械と対話する被験者の違和感や緊張を緩和することができる。また、アバター111aが自己紹介を行ったあと、アバター111aが被験者の自己紹介を促す(例えば、アバター111aが「お名前は何といいますか」という質問を行う)ことで、機械と対話する被験者の違和感や緊張をさらに緩和することができる。
次に、アバター111aは、被験者に対して質問を行う。例えば、アバター111aが、「今日は何月何日ですか」、「これまでで楽しかった思い出について話して下さい」、「今日はどうやってここまで来ましたか」の3つの質問を順番に行う。
このアバター111aによる質問が行われてから被験者の回答が完了するまでの間、測定部12が被験者の反応を測定する。なお、アバター111aは、被験者に質問を行ったにもかかわらず被験者が何らの回答もしない場合(即ち、被験者に対する1つの質問が終了してから集音部121が被験者の音声を集音しない状態が所定の時間続いたことを制御部13が検出した場合)、その質問の回答を待たずに次の動作を行ってもよい。この場合、被験者が答え難い質問ほど、アバター111aが回答を待つ時間を長くすると好ましい。また、アバター111aは、被験者が何らかの音声を発して回答した後に沈黙した場合(即ち、被験者に対する1つの質問が終了してから集音部121が被験者の音声を集音し、その後に集音部121が被験者の音声を集音しない状態が所定の時間続いたことを制御部13が検出した場合)、被験者の回答が完了したとして次の動作を行ってもよい。
そして、制御部13が、測定部12の測定結果に基づいて、被験者が認知症であるか否かを判定する。具体的に、制御部13は、測定部12の測定結果に基づいて異なる複数の特徴量を算出し、当該特徴量に基づいて被験者が認知症であるか否かを判定する。ここで、制御部13が算出する特徴量について、図面を参照して説明する。図3は、制御部が算出する特徴量を示した表である。
図3に示すように、制御部13は、被験者が発する音声の音響的な特徴量である音響特徴量に分類される「基本周波数変動成分」、「パワー」、「声質」及び「ポーズ時間」と、被験者が発する音声の言語的な特徴量である言語特徴量に分類される「トークン数」、「フィラー」、「TTR(Type Token Ratio)」、「難度」及び「発話速度」と、被験者の外見の特徴量である外見特徴量に分類される「笑顔率」との合計10個の特徴量を算出する。なお、上述のようにアバター111aが複数の質問(上述の例では3つ)を行う場合は、例えば質問毎に算出される10種類の特徴量を種類毎に平均化する(上述の例では3つを平均化する)ことで、最終的な10個の特徴量を算出する。
音響特徴量に分類される特徴量のそれぞれは、被験者の音声の内容(音声に含まれる形態素や単語等)を解析することなく算出可能な、音声そのものに関する特徴量である。「基本周波数変動成分」は、被験者の音声における基本周波数(F0)の変動係数(標準偏差を平均値で除した値)である。「パワー」は、振幅の平均値である。「声質」は、被験者の音声における第1倍音(h1)と第3フォルマント(a3)の振幅差である。「ポーズ時間」は、アバター111aによる質問が終了した時点から被験者が発声するまでの時間の長さである。
言語特徴量に分類される特徴量のそれぞれは、音声の内容に関する特徴量であり、被験者の音声の内容(音声に含まれる形態素や単語等)を解析することで算出することができる。音声に含まれる形態素や単語の情報は、例えば、被験者の音声のデータに対して周知の音声認識方法を適用して被験者の音声を文字列に変換した上で、当該文字列に対して周知の形態素や単語の解析方法(例えば、Mecab)を適用することで得られる。「トークン数」は、被験者の音声に含まれる単語の総数である。「フィラー」は、『うー』や『あー』といった特定の意味を持たない語句の数である。「TTR」は、被験者の音声に含まれている重複を許さない単語の総数であるタイプ数をトークン数で除した値である。なお、TTRは、被験者が同じ単語を使用するほど、タイプ数が増えずにトークン数が増えるため、値が小さくなる。「難度」は、語句の難しさのレベルを数値で定義した所定の辞書に基づいて決定される全ての名詞の難しさのレベルの中間値である。「発話速度」は、被験者の発話時間を単語数で除した値である。
外見特徴量に分類される特徴量は、被験者の音声とは無関係に、被験者の外見のみから算出される特徴量である。「笑顔率」は、被験者が笑顔である画像(動画のフレーム)の数を、画像の総数で除した値である。なお、被験者が笑顔である画像か否かは、例えば、笑顔と非笑顔のそれぞれの画像のデータ(例えば、JAFFE(Japanese Female Facial Expression)データベースのデータ)を学習させて構築した判定方法(例えば、SVM(Support Vector Machine))を用いて分類することができる。
制御部13は、上記の10個(10次元)の特徴量に対して、所定の判定方法を適用することで、被験者が認知症であるか否かを判定する。この判定方法として、例えば、SVMやロジスティック回帰などの機械学習に基づいた判定方法が挙げられる。ただし、これらの判定方法は、事前の学習が必要であるため、認知症患者と健常者のそれぞれから得られた10個の特徴量を学習することで判定方法を構築しておく必要がある。
そして、制御部13は、被験者に対する認知症か否かの判定結果を表すデータを生成し、検査結果出力部15を介して外部に出力する。
ここで、認知症検査システム1における認知症の判定精度の検証結果について、図面を参照して説明する。図4は、本発明の実施形態に係る認知症検査システムにおける認知症の判定精度の検証結果について示したグラフである。なお、図4(a)は、判定方法としてSVMを採用した場合における認知症の判定精度の検証結果を示したグラフであり、図4(b)は、判定方法としてロジスティック回帰を採用した場合における認知症の判定精度の検証結果を示したグラフである。
図4(a)及び(b)に示すグラフは、leave-one-participant-out交差検証を用いて算出したROC曲線及びAUC(Area Under the Curve)値を示したグラフである。leave-one-participant-out交差検証とは、複数の標本の中から1つを抜き出した残りの標本(学習用の標本)を用いて判定方法を構築するとともに、抜き出した1つの標本(テスト用の標本)に対して当該判定方法を適用して判定結果を得る検証方法であって、全ての標本が1回はテスト用の標本になるようにして複数の判定結果を得る検証方法である。また、図4に示す検証結果は、認知症患者と健常者が半々である20人程度の協力者のそれぞれから上述の10個の特徴量を得るとともに、この10個の特徴量のセットを1つの標本として算出したものである。
ROC曲線は、特定の判定方法における陽性及び陰性の境界を決定付けるパラメータを変更しながら検証を行って得られる複数の検証結果を結んだ線であり、横軸が偽陽性率(陽性と判定されたが実際は陰性である割合)、縦軸が真陽性率(陽性と判定されて実際にも陽性である割合)である。また、図4(a)及び(b)に示すグラフにおいて、偽陽性率と真陽性率が一致する場合を表す斜めの破線は、陽性及び陰性を完全にランダムに判定する場合に相当する。そのため、ROC曲線が、当該破線よりも上側(ランダムに判定する場合よりも真陽性率が高い領域)にあり、当該破線から乖離しているほど、認知症の判定精度が高いと言える。また、AUC値は、ROC曲線の下側の面積の大きさを表しており、この値が最大値である1に近づくほど、認知症の判定精度が高いと言える。
図4(a)及び(b)に示すように、SVM及びロジスティック回帰のいずれを採用した場合のROC曲線も、上述した斜めの斜線よりも上側にあり、当該斜線から十分乖離している。さらに、SVM及びロジスティック回帰のいずれを採用した場合のAUC値も、最大値である1に極めて近い値(SVM:0.94、ロジスティック回帰:0.91)になっている。したがって、本発明の実施形態に係る認知症検査システム1は、認知症の判定精度が極めて高いことが分かる。
以上のように、本発明の実施形態に係る認知症検査システム1は、被験者が認知症であるか否かを、被験者が発する音声の音響特徴量及び言語特徴量という異なる複数の特徴量に基づいて多面的に判定する。そのため、認知症患者の検出漏れを抑制して、認知症の判定精度を向上させることが可能になる。
なお、図4に例示した検証結果は、上述した10個の特徴量を用いて被験者が認知症か否かを判定した場合の検証結果であるが、必ずしもこの10個の特徴量の全てを用いなくても認知症の判定精度を向上させることは可能である。特に、この10個の特徴量の中で、認知症の判定精度の向上に資するものを選択的に用いて被験者が認知症か否かを判定することによって、認知症の判定精度の向上を見込むことができる。
ここで、認知症の判定におけるそれぞれの特徴量の有意性について、図面を参照して説明する。図5は、認知症の判定におけるそれぞれの特徴量の有意性について示した表である。なお、図5に示す表の各情報は、図4の検証結果を得る過程で得られた個々の特徴量を分析することで得られたものである。
図5では、認知症の判定における有意性が高い特徴量から順番に並べている。また、図5に示す表における「p値」は、認知症患者と健常者のそれぞれの特徴量に対して検定を行うことで求められる有意差がないという確率であり、統計学的にはp値が0.05(5%)よりも小さければ有意差があると言える。また、図5に示す表における「認知症患者の傾向」は、「大」であれば認知症患者ほどその特徴量が大きくなる傾向があり、「小」であれば認知症患者ほどその特徴量が小さくなる傾向があることを表している。
図5に示すように、音響特徴量である「ポーズ時間」及び「声質」、言語特徴量である「TTR」及び「トークン数」は、p値が0.05よりも小さくなっている。そのため、これらの特徴量の少なくとも1つに基づいて被験者が認知症であるか否かを判定することで、認知症の判定精度の向上を見込むことができる。ただし、上述の実施形態のように、音響特徴量と言語特徴量の両方に基づいた多面的な判定を行った方が、認知症の判定精度の向上を見込むことができるため、好ましい。
また、外見特徴量である「笑顔率」及び音響特徴量である「基本周波数変動成分」は、p値が0.05を僅かに上回るのみである。そのため、「笑顔率」または「基本周波数変動成分」に基づいて被験者が認知症であるか否かを判定することでも、認知症の判定精度の向上を見込むことができる。即ち、「ポーズ時間」、「声質」、「TTR」、「トークン数」、「笑顔率」及び「基本周波数変動成分」の少なくとも1つに基づいて被験者が認知症であるか否かを判定することで、認知症の判定精度の向上を見込むことができる。また、「笑顔率」は外見特徴量であるから、音響特徴量及び言語特徴量の少なくとも一方と組み合わせることで、異なる複数の特徴量に基づいた多面的な判定が可能になり、さらなる認知症の判定精度の向上を見込むことができる。
<<変形等>>
[1] 図5に示す特徴量の中で最もp値が小さいポーズ時間は、質問の内容の影響を受けやすい。具体的に、上述した「今日は何月何日ですか」のポーズ時間のp値は0.02、「これまでで楽しかった思い出について話して下さい」のポーズ時間のp値は0.04であり、いずれも統計学的な有意差がある。一方、「今日はどうやってここまで来ましたか」のポーズ時間は、認知症患者も健常者も同様の大きさになってしまい、統計学的な有意差がないものとなった。
[1] 図5に示す特徴量の中で最もp値が小さいポーズ時間は、質問の内容の影響を受けやすい。具体的に、上述した「今日は何月何日ですか」のポーズ時間のp値は0.02、「これまでで楽しかった思い出について話して下さい」のポーズ時間のp値は0.04であり、いずれも統計学的な有意差がある。一方、「今日はどうやってここまで来ましたか」のポーズ時間は、認知症患者も健常者も同様の大きさになってしまい、統計学的な有意差がないものとなった。
アバター111aが被験者に対して行う質問の全てを、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がない質問にすると、算出されるポーズ時間にも統計学的な有意差が無くなることが容易に予想される。そのため、アバター111aが、少なくとも、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がある質問を被験者に対して行うようにすると、好ましい。
ところで、図5に示すポーズ時間のp値は、上述の実施形態で述べたようにアバター111aが被験者に対して3つの質問を行った場合における3つのポーズ時間を平均化した場合の値であり、具体的には0.003である。この値は、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がある上記の質問のポーズ時間のp値(0.02または0.04)よりも十分に低い。このような値になった理由として、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がある質問に加えて、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がない質問を行うことによって、被験者の性格等の個人差に起因する影響が緩和され、認知症患者と健常者の全体的な差異が強調されたことが考えられる。
したがって、アバター111aが、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がある質問と、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がない質問とのそれぞれを被験者に対して行うようにすると、認知症患者と健常者のそれぞれにおけるポーズ時間に統計学的な有意差がある質問のみを行う場合と比較して、認知症患者と健常者のそれぞれにおけるポーズ時間の有意差をさらに拡大することができる。したがって、認知症の判定精度の向上を見込むことができる。
[2] 上述の実施形態では、アバター111aが事前に決められた3つの質問を行う場合について例示しているが、これらの質問に加えて(または代えて)、アバター111aが制御部13によってランダムで選択された質問を行うようにしてもよい。ただし、制御部13が、上記[1]で説明したような認知症の判定に適した内容及び組み合わせの質問を選択すると、好ましい。
また、認知症検査システム1の使用が想定される状況に応じて、質問の内容を決めると好ましい。例えば、自宅のパソコンを認知症検査システム1として使用することが想定される場合、「今日はどうやってここまで来ましたか」の質問ではなく、「朝食は何を食べましたか」などの質問を行ってもよい。
[3] 上述の実施形態では、アバター111aが画像である場合について例示しているが(図2参照)、アバターはロボット等の立体的な物体であってもよい。ただし、アバターを画像とした方が、認知症検査システム1の構成を簡略化することができるため、好ましい。
また、上述の実施形態では、情報伝達部11が被験者の視覚及び聴覚の両方に働きかけて当該被験者に情報を伝達する場合について例示しているが、情報伝達部11が、被験者の視覚及び聴覚の一方のみに働きかけて当該被験者に情報を伝達してもよい。ただし、上述の実施形態のように、情報伝達部11が被験者の視覚及び聴覚の両方に働きかけて当該被験者に情報を伝達すると、被験者に対して情報を確実に伝達することが可能になり、被験者の見落としまたは聞き逃しに起因する認知症の判定精度の低下を抑制することができるため、好ましい。
[4] 本発明の実施形態に係る認知症検査システム1は、その構成要素の全てを一体の装置(例えば、被験者が使用するパソコンやタブレットなどの端末装置)で構成してもよいし、複数の装置で構成してもよい。認知症検査システム1を複数の装置で構成する場合、例えば、制御部13の一部(例えば、情報伝達部11に与えるべきデータをデータベース14から選択して読み出す部分、被験者が認知症であるか否かを判定する部分)及びデータベース14をウェブサーバで構成し、その他の構成要素を被験者が使用する端末装置で構成してもよい。
本発明は、被験者が認知症であるか否かを判定する認知症検査システムに利用可能である。
1 : 認知症検査システム
11 : 情報伝達部
111 : 表示装置
111a: アバター
111b: テキスト
112 : 音声出力装置
12 : 測定部
121 : 集音部
122 : 撮像部
13 : 制御部
14 : データベース
15 : 検査結果出力部
11 : 情報伝達部
111 : 表示装置
111a: アバター
111b: テキスト
112 : 音声出力装置
12 : 測定部
121 : 集音部
122 : 撮像部
13 : 制御部
14 : データベース
15 : 検査結果出力部
Claims (11)
- 被験者の視覚及び聴覚の少なくとも一方に働きかけて当該被験者に情報を伝達する情報伝達部と、
前記情報が伝達された前記被験者の反応を測定する測定部と、
前記測定部の測定結果に基づいて異なる複数の特徴量を算出するとともに、当該特徴量に基づいて前記被験者が認知症であるか否かを判定する制御部と、を備え、
前記測定部が、前記被験者が発する音声を集音する集音部を備えており、
前記制御部が、少なくとも、前記被験者が発する音声の音響的な特徴量である少なくとも1つの音響特徴量と、前記被験者が発する音声の言語的な特徴量である少なくとも1つの言語特徴量と、に基づいて、前記被験者が認知症であるか否かを判定することを特徴とする認知症検査システム。 - 前記情報伝達部が前記被験者に対して質問を伝達してから、前記被験者が発する音声を前記測定部が測定するまでの時間の長さであるポーズ時間と、前記被験者が発する音声の第1倍音と第3フォルマントの振幅差である声質と、前記被験者が発する音声の基本周波数の変動係数である基本周波数変動成分と、の少なくとも1つの前記音響特徴量に基づいて、前記制御部が、前記被験者が認知症であるか否かを判定することを特徴とする請求項1に記載の認知症検査システム。
- 前記制御部が、少なくとも前記ポーズ時間に基づいて前記被験者が認知症であるか否かを判定するものであり、
前記情報伝達部が、少なくとも、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がある質問を前記被験者に対して伝達することを特徴とする請求項2に記載の認知症検査システム。 - 前記情報伝達部が、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がある質問と、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がない質問と、のそれぞれを前記被験者に対して伝達することを特徴とする請求項3に記載の認知症検査システム。
- 前記被験者が発する音声に含まれる単語の総数であるトークン数と、前記被験者が発する音声に含まれる重複を許さない単語の総数であるタイプ数を前記トークン数で除した値であるTTRと、の少なくとも一方の前記言語特徴量に基づいて、前記制御部が、前記被験者が認知症であるか否かを判定することを特徴とする請求項1〜4のいずれか1項に記載の認知症検査システム。
- 前記測定部が、前記被験者を撮像する撮像部を備えており、
前記制御部が、前記被験者の外見に関する特徴量である少なくとも1つの外見特徴量に基づいて、前記被験者が認知症であるか否かを判定することを特徴とする請求項1〜5のいずれか1項に記載の認知症検査システム。 - 前記外見特徴量が、前記被験者が笑顔である画像の数を、画像の総数で除した値である笑顔率であることを特徴とする請求項6に記載の認知症検査システム。
- 前記情報伝達部が、前記被験者の視覚及び聴覚の両方に働きかけて当該被験者に情報を伝達することを特徴とする請求項1〜7のいずれか1項に記載の認知症検査システム。
- 被験者の視覚及び聴覚の少なくとも一方に働きかけて当該被験者に情報を伝達する情報伝達部と、
前記情報が伝達された前記被験者の反応を測定する測定部と、
前記測定部の測定結果に基づいて少なくとも1つの特徴量を算出するとともに、当該特徴量に基づいて前記被験者が認知症であるか否かを判定する制御部と、を備え、
前記制御部は、
前記情報伝達部が前記被験者に対して質問を伝達してから、前記被験者が発する音声を前記測定部が測定するまでの時間の長さであるポーズ時間と、
前記被験者が発する音声の第1倍音と第3フォルマントの振幅差である声質と、
前記被験者が発する音声の基本周波数の変動係数である基本周波数変動成分と、
前記被験者が発する音声に含まれる単語の総数であるトークン数と、
前記被験者が発する音声に含まれる重複を許さない単語の総数であるタイプ数を前記トークン数で除した値であるTTRと、
被験者が笑顔である画像の数を、画像の総数で除した値である笑顔率と、
の少なくとも1つに基づいて、前記被験者が認知症であるか否かを判定することを特徴とする認知症検査システム。 - 前記制御部が、少なくとも前記ポーズ時間に基づいて前記被験者が認知症であるか否かを判定するものであり、
前記情報伝達部が、少なくとも、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がある質問を前記被験者に対して伝達することを特徴とする請求項9に記載の認知症検査システム。 - 前記情報伝達部が、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がある質問と、認知症患者と健常者のそれぞれにおける前記ポーズ時間に統計学的な有意差がない質問と、のそれぞれを前記被験者に対して伝達することを特徴とする請求項10に記載の認知症検査システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016146490A JP2018015139A (ja) | 2016-07-26 | 2016-07-26 | 認知症検査システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016146490A JP2018015139A (ja) | 2016-07-26 | 2016-07-26 | 認知症検査システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018015139A true JP2018015139A (ja) | 2018-02-01 |
Family
ID=61075346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016146490A Pending JP2018015139A (ja) | 2016-07-26 | 2016-07-26 | 認知症検査システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018015139A (ja) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018050847A (ja) * | 2016-09-27 | 2018-04-05 | パナソニックIpマネジメント株式会社 | 認知機能評価装置、認知機能評価方法、およびプログラム |
KR20190129561A (ko) * | 2018-05-11 | 2019-11-20 | 서원대학교산학협력단 | 경도 진단 정보 획득 방법 |
KR20190129559A (ko) * | 2018-05-11 | 2019-11-20 | 서원대학교산학협력단 | 경도 진단 기구 |
WO2020054186A1 (ja) * | 2018-09-12 | 2020-03-19 | 株式会社Fronteo | 認知症予測装置、予測モデル生成装置および認知症予測用プログラム |
WO2020195163A1 (ja) * | 2019-03-26 | 2020-10-01 | パナソニックIpマネジメント株式会社 | 認知機能検査方法、プログラム、及び認知機能検査システム |
JP2020181422A (ja) * | 2019-04-25 | 2020-11-05 | キヤノン株式会社 | 医療診断支援システム、医療診断支援装置、医療診断支援方法及びプログラム |
JP2021058573A (ja) * | 2019-10-08 | 2021-04-15 | サントリーホールディングス株式会社 | 認知機能予測装置、認知機能予測方法、プログラム及びシステム |
KR20210091561A (ko) * | 2020-01-14 | 2021-07-22 | 주식회사 바이칼에이아이 | 인공지능 기술을 활용한 경도 인지 장애 감지 방법 및 장치 |
KR20210108281A (ko) * | 2020-02-25 | 2021-09-02 | 광운대학교 산학협력단 | 인지장애 진단 모니터링 시스템, 서버 및 진단 모니터링 방법 |
JP2022500801A (ja) * | 2018-09-05 | 2022-01-04 | アルトイダ リミテッド | モバイル装置のユーザの認知状態を判定するための装置、方法、及びプログラム |
JP7033355B1 (ja) | 2021-08-18 | 2022-03-10 | 友康 無藤 | 診断補助装置、診断補助方法及び診断補助プログラム |
WO2022054677A1 (ja) * | 2020-09-08 | 2022-03-17 | テルモ株式会社 | プログラム、情報処理装置、情報処理方法及び情報処理システム |
CN114596960A (zh) * | 2022-03-01 | 2022-06-07 | 中山大学 | 基于神经网络和自然对话的阿尔兹海默症风险预估方法 |
WO2023275975A1 (ja) * | 2021-06-29 | 2023-01-05 | 日本電気株式会社 | 認知機能推定装置、認知機能推定方法及び記憶媒体 |
KR102519725B1 (ko) * | 2022-06-10 | 2023-04-10 | 주식회사 하이 | 사용자의 인지 기능 상태를 식별하는 기법 |
WO2023229016A1 (ja) * | 2022-05-25 | 2023-11-30 | 積水化学工業株式会社 | 医療連携システム、医療連携方法、及びプログラム |
-
2016
- 2016-07-26 JP JP2016146490A patent/JP2018015139A/ja active Pending
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018050847A (ja) * | 2016-09-27 | 2018-04-05 | パナソニックIpマネジメント株式会社 | 認知機能評価装置、認知機能評価方法、およびプログラム |
KR102180929B1 (ko) * | 2018-05-11 | 2020-11-19 | 서원대학교산학협력단 | 경도인지장애 진단 기구 |
KR20190129561A (ko) * | 2018-05-11 | 2019-11-20 | 서원대학교산학협력단 | 경도 진단 정보 획득 방법 |
KR20190129559A (ko) * | 2018-05-11 | 2019-11-20 | 서원대학교산학협력단 | 경도 진단 기구 |
KR102180937B1 (ko) * | 2018-05-11 | 2020-11-19 | 서원대학교산학협력단 | 경도인지장애 진단 정보 획득 방법 |
JP2022500801A (ja) * | 2018-09-05 | 2022-01-04 | アルトイダ リミテッド | モバイル装置のユーザの認知状態を判定するための装置、方法、及びプログラム |
JP2020042659A (ja) * | 2018-09-12 | 2020-03-19 | 株式会社Fronteo | 認知症予測装置、予測モデル生成装置および認知症予測用プログラム |
CN112470143A (zh) * | 2018-09-12 | 2021-03-09 | 株式会社Fronteo | 痴呆症预测装置、预测模型生成装置及痴呆症预测用程序 |
WO2020054186A1 (ja) * | 2018-09-12 | 2020-03-19 | 株式会社Fronteo | 認知症予測装置、予測モデル生成装置および認知症予測用プログラム |
JPWO2020195163A1 (ja) * | 2019-03-26 | 2020-10-01 | ||
WO2020195163A1 (ja) * | 2019-03-26 | 2020-10-01 | パナソニックIpマネジメント株式会社 | 認知機能検査方法、プログラム、及び認知機能検査システム |
JP7145427B2 (ja) | 2019-03-26 | 2022-10-03 | パナソニックIpマネジメント株式会社 | 認知機能検査システム、及びプログラム |
JP2020181422A (ja) * | 2019-04-25 | 2020-11-05 | キヤノン株式会社 | 医療診断支援システム、医療診断支援装置、医療診断支援方法及びプログラム |
JP7327987B2 (ja) | 2019-04-25 | 2023-08-16 | キヤノン株式会社 | 医療診断支援システム、医療診断支援装置、医療診断支援方法及びプログラム |
JP2021058573A (ja) * | 2019-10-08 | 2021-04-15 | サントリーホールディングス株式会社 | 認知機能予測装置、認知機能予測方法、プログラム及びシステム |
JP7390268B2 (ja) | 2019-10-08 | 2023-12-01 | サントリーホールディングス株式会社 | 認知機能予測装置、認知機能予測方法、プログラム及びシステム |
KR102314213B1 (ko) * | 2020-01-14 | 2021-10-19 | 주식회사 바이칼에이아이 | 인공지능 기술을 활용한 경도 인지 장애 감지 방법 및 장치 |
KR20210091561A (ko) * | 2020-01-14 | 2021-07-22 | 주식회사 바이칼에이아이 | 인공지능 기술을 활용한 경도 인지 장애 감지 방법 및 장치 |
KR102329954B1 (ko) * | 2020-02-25 | 2021-11-22 | 광운대학교 산학협력단 | 인지장애 진단 모니터링 시스템, 서버 및 진단 모니터링 방법 |
KR20210108281A (ko) * | 2020-02-25 | 2021-09-02 | 광운대학교 산학협력단 | 인지장애 진단 모니터링 시스템, 서버 및 진단 모니터링 방법 |
WO2022054677A1 (ja) * | 2020-09-08 | 2022-03-17 | テルモ株式会社 | プログラム、情報処理装置、情報処理方法及び情報処理システム |
WO2023275975A1 (ja) * | 2021-06-29 | 2023-01-05 | 日本電気株式会社 | 認知機能推定装置、認知機能推定方法及び記憶媒体 |
JP7033355B1 (ja) | 2021-08-18 | 2022-03-10 | 友康 無藤 | 診断補助装置、診断補助方法及び診断補助プログラム |
JP2023027916A (ja) * | 2021-08-18 | 2023-03-03 | 友康 無藤 | 診断補助装置、診断補助方法及び診断補助プログラム |
CN114596960A (zh) * | 2022-03-01 | 2022-06-07 | 中山大学 | 基于神经网络和自然对话的阿尔兹海默症风险预估方法 |
CN114596960B (zh) * | 2022-03-01 | 2023-08-08 | 中山大学 | 基于神经网络和自然对话的阿尔兹海默症风险预估方法 |
WO2023229016A1 (ja) * | 2022-05-25 | 2023-11-30 | 積水化学工業株式会社 | 医療連携システム、医療連携方法、及びプログラム |
KR102519725B1 (ko) * | 2022-06-10 | 2023-04-10 | 주식회사 하이 | 사용자의 인지 기능 상태를 식별하는 기법 |
US11850059B1 (en) | 2022-06-10 | 2023-12-26 | Haii Corp. | Technique for identifying cognitive function state of user |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018015139A (ja) | 認知症検査システム | |
JP6263308B1 (ja) | 認知症診断装置、認知症診断方法、及び認知症診断プログラム | |
Lansford et al. | Vowel acoustics in dysarthria: Speech disorder diagnosis and classification | |
JP2020522028A (ja) | 音声に基づく医療評価 | |
US11848079B2 (en) | Biomarker identification | |
CN111315302A (zh) | 认知功能评估装置、认知功能评估系统、认知功能评估方法及程序 | |
JP2004310034A (ja) | 対話エージェントシステム | |
JP7390268B2 (ja) | 認知機能予測装置、認知機能予測方法、プログラム及びシステム | |
JP2006071936A (ja) | 対話エージェント | |
US20200261014A1 (en) | Cognitive function evaluation device, cognitive function evaluation system, cognitive function evaluation method, and non-transitory computer-readable storage medium | |
Do et al. | Clinical screening interview using a social robot for geriatric care | |
WO2016092103A1 (en) | Device, system and method for assessing information needs of a person | |
JP7183483B1 (ja) | 自動的で客観的な症状の重症度スコア | |
Sevitz et al. | Obtaining objective clinical measures during telehealth evaluations of dysarthria | |
JP2018169506A (ja) | 会話満足度推定装置、音声処理装置および会話満足度推定方法 | |
CN114429817A (zh) | 一种老年人健康风险预测方法、系统及电子设备 | |
Dhakal et al. | IVACS: I ntelligent v oice A ssistant for C oronavirus Disease (COVID-19) S elf-Assessment | |
JP2021110895A (ja) | 難聴判定装置、難聴判定システム、コンピュータプログラム及び認知機能レベル補正方法 | |
WO2021172039A1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US20230207073A1 (en) | Program, information processing device, and information processing method | |
JP6724279B2 (ja) | ストレスマネジメント支援システム | |
Alghowinem et al. | Beyond the words: analysis and detection of self-disclosure behavior during robot positive psychology interaction | |
KR102455859B1 (ko) | 온라인 비대면 언어발달장애의 검사를 위한 전자 장치, 시스템 및 이들의 제어 방법 | |
JP2021058231A (ja) | 認知機能推定方法、コンピュータプログラム及び認知機能推定装置 | |
WO2022054675A1 (ja) | プログラム、情報処理装置及び情報処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20160826 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160826 |