JP2022184399A - Cognitive function determination system - Google Patents
Cognitive function determination system Download PDFInfo
- Publication number
- JP2022184399A JP2022184399A JP2021092221A JP2021092221A JP2022184399A JP 2022184399 A JP2022184399 A JP 2022184399A JP 2021092221 A JP2021092221 A JP 2021092221A JP 2021092221 A JP2021092221 A JP 2021092221A JP 2022184399 A JP2022184399 A JP 2022184399A
- Authority
- JP
- Japan
- Prior art keywords
- subject
- cognitive function
- abnormality
- server
- behavior
- 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
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、認知機能の異常を検出可能な認知機能判定システムの技術に関する。 The present invention relates to technology of a cognitive function determination system capable of detecting abnormalities in cognitive function.
従来、認知機能の異常を検出可能な認知機能判定システムの技術は公知となっている。例えば、特許文献１に記載の如くである。 Conventionally, technology of a cognitive function determination system capable of detecting abnormalities in cognitive function is publicly known. For example, it is as described in Patent Document 1.
特許文献１には、被験者の生体データ（脳血流データ、心拍データ、脈波データ、呼吸データ、体動データ等）を検出可能な生体データ検出センサと、被験者の生体データと認知症の症状に関するデータを比較して認知症の発症リスクを判定する認知症リスク判定装置と、を備える認知症リスク判定システム（認知機能判定システム）が記載されている。 Patent Document 1 discloses a biometric data detection sensor capable of detecting biometric data of a subject (cerebral blood flow data, heart rate data, pulse wave data, respiratory data, body motion data, etc.), biometric data of the subject and symptoms of dementia. A dementia risk determination system (cognitive function determination system) provided with a dementia risk determination device that determines the risk of developing dementia by comparing data related to is described.
特許文献１に記載の生体データ検出センサは、一定期間だけ被験者に貸し出され、被験者は自身の操作により生体データ検出センサを用いて生体データを検出する。具体的には、被験者は、生体データ検出センサからの近赤外線光を前額部（おでこ）等に照射して、その反射波によって生体データを検出する。こうして得られた生体データに基づいて、認知症の発症リスクが判定される。 The biometric data detection sensor described in Patent Literature 1 is lent to a subject for a certain period of time, and the subject detects biometric data using the biometric data detection sensor through his/her own operation. Specifically, the subject irradiates the forehead or the like with near-infrared light from the biological data detection sensor, and detects the biological data from the reflected wave. Based on the biological data thus obtained, the risk of developing dementia is determined.
しかしながら、特許文献１のように被験者自らが認知症の発症リスクを判定するために特別な検査（生体データの検出）を行うことは煩雑である。このため、このような検査を敬遠する被験者も一定数存在することが予想され、認知症の早期発見の観点から好ましくない。 However, it is complicated for a subject to perform a special examination (detection of biometric data) in order to determine the risk of developing dementia by the subject himself/herself as in Patent Document 1. For this reason, it is expected that there will be a certain number of subjects who avoid such examinations, which is not preferable from the viewpoint of early detection of dementia.
本発明は以上の如き状況に鑑みてなされたものであり、その解決しようとする課題は、認知機能の異常を簡便に検出可能な認知機能判定システムを提供することである。 The present invention has been made in view of the circumstances as described above, and the problem to be solved is to provide a cognitive function determination system that can easily detect abnormalities in cognitive function.
本発明の解決しようとする課題は以上の如くであり、次にこの課題を解決するための手段を説明する。 The problems to be solved by the present invention are as described above, and the means for solving the problems will now be described.
即ち、請求項１においては、対象者が利用する建物に設けられた設備の使用状況を検出可能することで、前記対象者の行動を検出可能な行動検出部と、前記行動検出部により検出された前記対象者の行動に関する実行動データと、予め学習した前記対象者の行動に関する学習行動データと、を比較して、前記対象者の認知機能の異常の有無を判定する認知機能判定部と、を具備するものである。 That is, in claim 1, by detecting the usage status of equipment provided in the building used by the subject, the behavior detection unit capable of detecting the behavior of the subject, and the behavior detected by the behavior detection unit a cognitive function determination unit that determines whether or not there is an abnormality in the cognitive function of the subject by comparing the executed motion data regarding the behavior of the subject with pre-learned learned behavior data regarding the behavior of the subject; is provided.
請求項２においては、前記認知機能判定部は、前記対象者が所定の行動を行った時間帯が、学習した時間帯と所定時間以上ずれている場合、若しくは、学習した行動を前記対象者が行っていない場合に、前記対象者の認知機能に異常が発生していると判定する行動時間判定処理を行うものである。
In
請求項３においては、前記認知機能判定部は、前記対象者が睡眠した時間帯が、学習した時間帯と所定時間以上ずれている場合、若しくは、睡眠をとっていない場合に、前記対象者の認知機能に異常が発生していると判定する睡眠時間判定処理を行うものである。 In claim 3, the cognitive function determination unit, when the time zone in which the subject slept is different from the time zone in which the subject was learned by a predetermined time or more, or when the subject does not sleep, It performs sleep time determination processing for determining that an abnormality has occurred in cognitive function.
請求項４においては、前記認知機能判定部は、前記睡眠時間判定処理において、学習した睡眠時間に対する前記対象者の睡眠時間の増減に応じて、認知機能の異常の程度を判定するものである。 In claim 4, in the sleep time determination process, the cognitive function determination unit determines the degree of cognitive function abnormality according to an increase or decrease in sleep time of the subject with respect to the learned sleep time.
請求項５においては、前記認知機能判定部は、所定の期間において前記対象者が所定の行動を行った回数が、学習した回数と所定回数以上異なっている場合に、前記対象者の認知機能に異常が発生していると判定する行動回数判定処理を行うものである。 In claim 5, if the number of times the subject performed a predetermined action in a predetermined period differs from the number of times learned by a predetermined number or more, the cognitive function determination unit determines whether the subject's cognitive function It performs an action count determination process for determining that an abnormality has occurred.
請求項６においては、報知対象者に対する報知を行うことが可能な報知部をさらに具備し、前記認知機能判定部は、第一期間において、前記対象者の認知機能の異常の有無を判定し、前記第一期間よりも長い第二期間において、前記対象者の行動ごとに認知機能の異常の検出回数を算出し、前記第二期間における認知機能の異常の検出回数が所定の閾値以上となった場合、前記報知部を用いて前記報知対象者に対して認知機能の異常警告を発するものである。 In claim 6, further comprising a notification unit capable of performing notification to the notification target person, the cognitive function determination unit determines whether or not there is an abnormality in the cognitive function of the target person in the first period, In a second period longer than the first period, the number of detection times of cognitive function abnormality is calculated for each behavior of the subject, and the number of detection times of cognitive function abnormality in the second period is equal to or greater than a predetermined threshold. In this case, the notification unit is used to issue a cognitive function abnormality warning to the notification target person.
本発明の効果として、以下に示すような効果を奏する。 As effects of the present invention, the following effects are obtained.
請求項１においては、認知機能の異常を簡便に検出することができる。 In claim 1, an abnormality in cognitive function can be easily detected.
請求項２においては、認知機能の異常を容易に検出することができる。
In
請求項３においては、認知機能の異常を容易に検出することができる。 In claim 3, an abnormality in cognitive function can be easily detected.
請求項４においては、より詳細な認知機能の判定を行うことができる。 In claim 4, more detailed determination of cognitive function can be performed.
請求項５においては、認知機能の異常を容易に検出することができる。 In claim 5, an abnormality in cognitive function can be easily detected.
請求項６においては、報知対象者に対して、適切に警告を報知することができる。 In claim 6, a warning can be appropriately notified to the person to be notified.
以下では、図１を用いて、本発明の一実施形態に係る認知機能判定システム１００の構成について説明する。
The configuration of a cognitive
認知機能判定システム１００は、対象者Ｐ１の認知機能の異常の有無を判定するものである。本実施形態では一例として、高齢者を対象者Ｐ１として、当該高齢者の認知機能の異常の有無を判定する場合を想定している。認知機能判定システム１００は、主として電力センサ１１０、サーバ１２０及び端末１３０を具備する。
The cognitive
電力センサ１１０は、対象者Ｐ１が使用する各種設備（特に、日常生活において使用する設備）の消費電力を検出するものである。電力センサ１１０は、対象者Ｐ１が居住する建物（住宅１）の分電盤２に設けられる。電力センサ１１０は、分電盤２の分岐回路毎の電力を検出することができる。これによって電力センサ１１０は、各分岐回路に接続された設備の使用状況（使用されているか否か）を検出することができる。設備の使用状況を検出することで、間接的に、対象者Ｐ１の行動（どの設備を使用しているか）を検出することができる。
The
本実施形態では、電力センサ１１０による消費電力の検出の対象となる設備の一例として、調理機器（ＩＨ、電子レンジ等）、冷蔵庫、テレビ、ドライヤー、掃除機、洗濯機、エアコン、暖房器具、照明等を想定している。例えば調理機器の使用が検出された場合、間接的に、対象者Ｐ１が調理機器を使用したこと（ひいては、食事をしたこと）が検出される。またテレビの使用が検出された場合、間接的に、対象者Ｐ１がテレビを見たことが検出される。
In this embodiment, examples of facilities whose power consumption is detected by the
なお、各種設備の使用状況を検出する方法は、電力センサ１１０によって分岐回路毎の電力を検出する方法に限るものではなく、種々の方法を用いることが可能である。例えば、分電盤２の主幹回路の電力（主幹電力）を検出し、その電力の波形を分析することで、使用されている機器を識別して把握することも可能である。また、分電盤２の電力を検出するのではなく、各種設備自身の稼働状況（各種設備の電源のオン・オフ、各種設備が接続されたコンセントの電力等）を直接検出することも可能である。また、住宅１に各種設備の使用状況を把握（管理）するシステム（例えば、ＨＥＭＳ：Ｈｏｍｅ Ｅｎｅｒｇｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ 等）が設けられている場合は、そのシステムが把握している情報を利用することも可能である。
Note that the method of detecting the usage status of various facilities is not limited to the method of detecting the power of each branch circuit by the
サーバ１２０は、電力センサ１１０の検出結果に基づいて各種処理を行うものである。サーバ１２０は、例えばクラウド上に設けられた仮想サーバ（クラウドサーバ）により構成される。サーバ１２０は、電力センサ１１０からの情報を取得することで、各種設備の使用状況を把握することができる。サーバ１２０は、各種設備の使用状況に基づいて、対象者Ｐ１の認知機能の異常の有無を判定することができる。またサーバ１２０は、後述する端末１３０との間で、各種情報を送受信することができる。
The
端末１３０は、各種情報を表示することが可能なものである。端末１３０は、対象者Ｐ１の認知機能の異常の有無を把握すべき者（例えば、対象者Ｐ１の家族、親戚等）によって所持される。本実施形態では、対象者Ｐ１の家族Ｐ２が端末１３０を所持しているものとする。端末１３０は、例えば対象者Ｐ１の家族Ｐ２が携帯可能な機器（例えば、スマートフォンやタブレット端末等）によって構成される。端末１３０は、サーバ１２０からの情報を適宜の方法（液晶画面への表示、音声等）で対象者Ｐ１の家族Ｐ２に報知することができる。
The
以上の如く構成された認知機能判定システム１００を用いることで、対象者Ｐ１の認知症の予兆や発症を発見することができる。
By using the cognitive
例えば、認知症の症状としては、「記憶障害」、「見当識障害」、「実行機能障害」、「昼夜逆転」等が考えられる。 For example, symptoms of dementia may include "memory impairment", "disorientation", "executive dysfunction", "day-night reversal", and the like.
「記憶障害」は、新しいことが覚えられない、以前覚えていたはずの記憶が欠損する等の症状が発生する障害である。対象者Ｐ１に「記憶障害」が発症すると、食事をしたことを忘れて再度食事をとるようになる、掃除したことを忘れて再度掃除をするようになる、等の行動の変化（異常）が生じることが想定される。 “Memory disorder” is a disorder in which symptoms such as inability to remember new things and loss of memories that should have been remembered before occur. When the subject P1 develops "memory disorder", behavioral changes (abnormalities) such as forgetting to eat and eating again, forgetting to clean and cleaning again, etc. expected to occur.
「見当識障害」は、「いつ、どこ、だれ」など、自分の置かれた状況が把握できなくなる障害である。対象者Ｐ１に「見当識障害」が発症すると、夏なのに暖房をつけるようになる、家の中の場所がわからなくなりトイレや風呂場に行けなくなる、外出したら帰れなくなる、等の行動の変化（異常）が生じることが想定される。 "Disorientation" is a disability that makes it impossible to grasp one's situation, such as "when, where, and who." When subject P1 develops "disorientation", behavioral changes (abnormality) such as turning on the heater even in the summer, losing track of places in the house and being unable to go to the toilet or bathroom, and being unable to return home after going out ) is expected to occur.
「実行機能障害」は、段取りや計画を立てて順序よく物事を行うことができなくなる障害である。対象者Ｐ１に「実行機能障害」が発症すると、食事の準備ができなくなる、電化製品の使い方が分からなくなる、等の行動の変化（異常）が生じることが想定される。 “Executive dysfunction” is the inability to organize, plan, and do things in an orderly fashion. When the subject P1 develops "executive dysfunction", it is assumed that behavioral changes (abnormalities) such as the inability to prepare meals, the inability to understand how to use electrical appliances, and the like occur.
「昼夜逆転」は、睡眠・覚醒のリズムが崩れて昼と夜が逆転する障害である。対象者Ｐ１に「昼夜逆転」が発症すると、本来睡眠をとっているはずの時間帯（夜中）に活動する等の行動の変化（異常）が生じることが想定される。 “Reversal of day and night” is a disorder in which day and night are reversed due to disruption of the sleep-wake rhythm. When the subject P1 develops "day-night reversal", it is assumed that behavioral change (abnormality) occurs, such as being active during a time zone (midnight) when the subject P1 should be sleeping.
そこで本実施形態の認知機能判定システム１００は、上述のような対象者Ｐ１の行動の変化を検出し、この行動の変化に基づいて当該対象者Ｐ１の認知機能の異常の有無を判定する。そして、必要に応じて対象者Ｐ１の家族Ｐ２に、対象者Ｐ１の認知機能の異常を報知する。これによって対象者Ｐ１の家族Ｐ２は、対象者Ｐ１の認知症の予兆や発症を把握することができ、早期に適切な対応（治療等）をとることができる。
Therefore, the cognitive
以下では、この認知機能判定システム１００による一連の処理の概要について説明する。
Below, an outline of a series of processes by the cognitive
図２に示すように、サーバ１２０は、住宅１に設けられた各種設備を、使用頻度に応じて分類して記憶している。具体的にはサーバ１２０は、各種設備を、毎日使用する設備（分類（１））と、毎日ではないが週に１回以上使用する設備（分類（２））に分類して記憶している。例えば図２に示した例では、調理機器（ＩＨ、電子レンジ）、冷蔵庫、テレビ、ドライヤー等は毎日使用されるため、分類（１）に分類されている。また掃除機、洗濯機等は毎日使用されるわけではないが週に１回以上使用されるため、分類（２）に分類されている。
As shown in FIG. 2, the
さらにサーバ１２０は、特定の季節に限定して使用される設備についても、分類（１）又は分類（２）に分類して記憶している。例えば図２に示した例では、エアコンや暖房器具は、必要な季節（夏や冬）に毎日使用されるため、分類（１）に分類されている。図２では分類（２）には特に例を挙げていないが、例えば梅雨の時期にのみ洗濯乾燥機を使用する場合、この洗濯乾燥機は分類（２）に分類することができる。
Furthermore, the
なお、サーバ１２０は、予め電力センサ１１０の検出結果を学習し、この学習結果に基づいて各種設備を分類することができる。すなわち、所定の期間における各種設備が使用される頻度を判定し、この頻度に基づいて分類（１）又は（２）に分類することができる。また、学習した結果を用いるのではなく、認知機能判定システム１００の製造・販売者や利用者等によって任意に分類を決定することも可能である。
Note that the
サーバ１２０は、分類された設備ごとに適宜の処理を行うことで、対象者Ｐ１の認知機能の異常の有無を判定し、必要に応じて対象者Ｐ１の家族Ｐ２に認知機能の異常に関する報知を行う。
The
具体的には、サーバ１２０は、分類（１）に分類された設備について、一日毎（毎日）の使用状況（ひいては、対象者Ｐ１の行動）を検出し、この検出結果に基づいて対象者Ｐ１の認知機能の異常の有無を判定する処理を行う。以下、この処理を「日毎処理」と称する。サーバ１２０は、日毎処理において、判定対象となった行動、異常の有無、判定の理由を互いに紐付けて記憶する。
Specifically, the
またサーバ１２０は、一週間の間に上記日毎処理によって異常が検知された回数を、行動毎に算出する。そして、所定回数以上異常が検知された行動について、端末１３０を用いてアラート（警告）を発報する。以下、この処理を「週間結果通知」と称する。週間結果通知によって、端末１３０を所持している対象者Ｐ１の家族Ｐ２は、対象者Ｐ１の所定の行動に異常が発生していること、ひいては、認知機能が低下しているおそれがあることを把握することができる。
The
一方、サーバ１２０は、分類（２）に分類された設備について、一週間毎（毎週）の使用状況（ひいては、対象者Ｐ１の行動）を検出し、この検出結果に基づいて対象者Ｐ１の認知機能の異常の有無を判定する処理を行う。以下、この処理を「週毎処理」と称する。サーバ１２０は、週毎処理において、判定対象となった行動、異常の有無、判定の理由を互いに紐付けて記憶する。
On the other hand, the
またサーバ１２０は、一か月の間に上記週毎処理によって異常が検知された回数を、行動毎に算出する。そして、所定回数以上異常が検知された行動について、端末１３０を用いてアラートを発報する。以下、この処理を「月間結果通知」と称する。これによって、端末１３０を所持している対象者Ｐ１の家族Ｐ２は、対象者Ｐ１の行動に異常が発生していること、ひいては、認知機能が低下しているおそれがあることを把握することができる。
The
このように、認知機能判定システム１００では、使用頻度の異なる設備（分類（１）及び分類（２））に応じた各処理を行うことで、対象者Ｐ１の認知機能の異常の有無を判定し、対象者Ｐ１の家族Ｐ２にアラートを発報することができる。
Thus, in the cognitive
以下では、上述の認知機能判定システム１００の処理内容（日毎処理、週毎処理、週間結果通知及び月間結果通知）について、具体的に説明する。
Below, the processing contents (daily processing, weekly processing, weekly result notification, and monthly result notification) of the above-described cognitive
各種処理の前提として、サーバ１２０は、予め（上記日毎処理等の処理を行うよりも前に）、住宅１の各種設備の使用状況を所定の期間（例えば、２週間～１か月程度）に亘って検出することで、対象者Ｐ１の行動の傾向を学習し、その情報（学習行動データ）を記憶している。具体的には、サーバ１２０は、電力センサ１１０の検出結果に基づいて、対象者Ｐ１が一日の生活の中で行う行動とその時間帯を検出し、時間帯ごとに対象者Ｐ１が行う行動を把握している。図３の表の「学習結果」には、その一例を示している。
As a premise of various processes, the
例えば、サーバ１２０は、調理機器（ＩＨ、電子レンジ）が使用されたことを検出した場合、その時間帯を学習する。これを所定の期間繰り返し行い、対象者Ｐ１が普段どの時間帯に調理機器を使用するか、対象者Ｐ１の行動を把握する。またサーバ１２０は、住宅１の照明が消されたこと等から間接的に対象者Ｐ１が就寝したことを検出し、対象者Ｐ１の睡眠時間を学習する。
For example, when
なお、エアコンや暖房器具は必要な季節（夏や冬）にしか使われないなど、対象者Ｐ１の行動は季節に応じて変化する。そこでサーバ１２０は、季節ごとに対象者Ｐ１の行動の傾向を学習し、以下で説明する日毎処理等を行う場合には、その時点での季節に応じた学習結果を使用する。
The subject P1's behavior changes depending on the season, such as using air conditioners and heaters only in the necessary seasons (summer and winter). Therefore, the
また、サーバ１２０は、上記日毎処理等の処理の対象となる期間では、住宅１の各種設備の使用状況（ひいては、対象者Ｐ１の行動）を常時検出して、その情報（実行動データ）を記憶している。より具体的には、サーバ１２０は、対象者Ｐ１が実際にどの時間帯にどのような行動を行ったのかを記憶している。図３の表の「検出結果」には、その一例を示している。
In addition, the
まず、図４から図７を用いて日毎処理について説明する。 First, daily processing will be described with reference to FIGS. 4 to 7. FIG.
サーバ１２０は、毎日所定の時間に、日毎処理を行う。なお、サーバ１２０は、対象者Ｐ１が夜間にきちんと眠っているかどうかを判定する必要があるため、対象者Ｐ１が睡眠していると思われる時間帯の最中に日毎処理を行うのは好ましくない。そこで本実施形態に係るサーバ１２０は、対象者Ｐ１が確実に起床していると思われる時間帯（例えば、午前１０時等）に日毎処理を実行するものとする。
The
ステップＳ１０１において、サーバ１２０は、記憶している対象者Ｐ１の行動の中から、直近の２４時間（例えば午前１０時に日毎処理を行う場合、前日の午前９時から当日の午前９時まで）の行動を抽出する。この２４時間が、日毎処理による判定の対象となる期間となる。以下、この期間を「日毎処理対象期間」と称する。サーバ１２０は、ステップＳ１０１の処理を行った後、ステップＳ１０２に移行する。
In step S101, the
ステップＳ１０２において、サーバ１２０は、ステップＳ１０１で抽出された各行動の時間を確認し、最後に対象者Ｐ１が行動を行ったことが検出されてから所定の時間（Ｘ１時間）が経過しているか否かを判定する。対象者Ｐ１が最後に行動を行ってからＸ１時間以上経過している場合とは、言い換えると、対象者Ｐ１の行動がＸ１時間以上検出されていないということである。すなわちこの場合、対象者Ｐ１が倒れているなど、何らかの非常事態が生じている可能性がある。なお、所定の時間（Ｘ１時間）の値は任意に設定することができるが、特に、対象者Ｐ１に非常事態が生じていることが推認できる程度の時間（例えば、１２時間、２４時間など）が設定されることが望ましい。
In step S102, the
サーバ１２０は、対象者Ｐ１が最後に行動を行ってからＸ１時間以上経過していると判定した場合、ステップＳ１０３に移行する。一方、サーバ１２０は、対象者Ｐ１が最後に行動を行ってからＸ１時間以上経過していないと判定した場合、ステップＳ１０４に移行する。
When the
ステップＳ１０３において、サーバ１２０は、端末１３０を用いて所定のアラートを発報する。このアラートを確認した家族Ｐ２は、対象者Ｐ１に非常事態が生じていることを認識することができ、対象者Ｐ１の住宅１に向かうなどの対応をとることができる。
In step S103,
なお、このようなステップＳ１０１～ステップＳ１０３の処理は、対象者Ｐ１に非常事態が生じていることを確認することができる処理であるため、一日に一度だけ（午前１０時に）実行するのではなく、常時実行するようにしてもよい。これによって、より迅速に対象者Ｐ１の非常事態に対応することができる。サーバ１２０は、ステップＳ１０３の処理を行った後、ステップＳ１０４に移行する。
It should be noted that the processing of steps S101 to S103 as described above is processing that can confirm that the subject P1 is in an emergency situation, so it may not be executed only once a day (at 10:00 a.m.). Alternatively, it may be executed all the time. As a result, it is possible to respond to the emergency of the subject P1 more quickly. After performing the process of step S103, the
ステップＳ１０４において、サーバ１２０は、対象者Ｐ１の活動時間帯（起床して活動している時間帯）における行動に基づいて、対象者Ｐ１の行動に異常が発生しているか否かを判定する。以下、この処理を「活動時間帯判定」と称する。以下では図５を用いて、活動時間帯判定について説明する。
In step S104, the
サーバ１２０は、図５のステップＳ２０１からステップＳ２０４までの処理を、分類（１）に分類された対象者Ｐ１の行動毎に繰り返す。また、一日に複数回行われる行動（例えば、調理機器（ＩＨ、電子レンジ）を使用する、テレビを観る、など）に対しては、その回数分だけ処理を行う。以下、ステップＳ２０１からステップＳ２０４までの各処理について説明する。
The
ステップＳ２０１において、サーバ１２０は、日毎処理対象期間において、判定の対象となる行動が検出されているか否かを判定する。具体的には、サーバ１２０は、対象者Ｐ１が行う行動として学習されているもの（例えば、図３に示す調理機器（ＩＨ、電子レンジ）の使用等）が、日毎処理対象期間において検出されているか否かを判定する。
In step S<b>201 , the
サーバ１２０は、判定の対象となる行動が検出されている場合、ステップＳ２０２に移行する。一方、サーバ１２０は、判定の対象となる行動が検出されていない場合、ステップＳ２０４に移行する。
The
ステップＳ２０２において、サーバ１２０は、学習結果に対して、検出された対象者Ｐ１の行動の時間帯のズレが所定の時間（Ｘ２時間）以内か否かを判定する。なお、時間帯のズレの算出方法は特に限定するものではなく、両者（学習された行動と、検出された行動）の時間帯が変化しているか否かを判定可能なものであればよい。例えば、両者が重複していない時間を合計して算出する方法や、両者の行動の開始時間同士のズレと終了時間同士のズレを合計して算出する方法等が考えられる。また、所定の時間（Ｘ２時間）の値は任意に設定することができるが、特に、対象者Ｐ１に認知症の症状が発症していることが推認できる程度の時間（例えば、１時間、２時間など）が設定されることが望ましい。
In step S202, the
サーバ１２０は、学習結果に対して対象者Ｐ１の行動の時間帯のズレがＸ２時間以内である場合、ステップＳ２０３に移行する。一方、サーバ１２０は、学習結果に対して対象者Ｐ１の行動の時間帯のズレがＸ２時間より大きい場合、ステップＳ２０４に移行する。
The
ステップＳ２０３において、サーバ１２０は、判定の対象となった行動について、正常であると判定する。サーバ１２０は、この判定対象となった行動、異常の有無、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「テレビ」、「異常なし」、「実施タイミングのズレがＸ２時間以内」という情報を互いに紐付けて記憶する。
In step S203, the
一方、ステップＳ２０１又はステップＳ２０２から移行したステップＳ２０４において、サーバ１２０は、判定の対象となった行動について、異常であると判定する。
On the other hand, in step S204 after shifting from step S201 or step S202, the
ここで、ステップＳ２０１からステップＳ２０４へと移行する場合（ステップＳ２０１でＮＯである場合）とは、対象者Ｐ１が毎日行うはずの行動が、一日（日毎処理対象期間）の間に一度も行われていないことを示している。この場合、対象者Ｐ１に記憶障害、見当識障害、実行機能障害等の、何らかの認知症の症状が発症していることが推認される。サーバ１２０は、この判定対象となった行動、異常の有無、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「調理機器（ＩＨ、電子レンジ）」、「異常あり」、「本日実施されていない」という情報を互いに紐付けて記憶する。
Here, the case where the process proceeds from step S201 to step S204 (NO in step S201) means that the behavior that the subject P1 should perform every day does not occur even once during the day (daily processing target period). indicates that it is not In this case, it is presumed that some symptoms of dementia, such as memory impairment, disorientation, and executive dysfunction, have developed in subject P1. The
また、ステップＳ２０２からステップＳ２０４へと移行する場合（ステップＳ２０２でＮＯである場合）とは、対象者Ｐ１が普段とは異なる時間に所定の行動を行っていることを示している。この場合、対象者Ｐ１に記憶障害、見当識障害、実行機能障害、昼夜逆転等の、何らかの認知症の症状が発症していることが推認される。サーバ１２０は、この判定対象となった行動、異常の有無、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「洗濯機」、「異常あり」、「実施タイミングのズレがＸ２時間より大きい」という情報を互いに紐付けて記憶する。
Further, the case of shifting from step S202 to step S204 (NO in step S202) indicates that the subject P1 is performing a predetermined action at an unusual time. In this case, it is presumed that some symptoms of dementia, such as memory impairment, disorientation, executive dysfunction, and day-night reversal, have developed in subject P1. The
サーバ１２０は、ステップＳ２０１からステップＳ２０４までの処理を、対象者Ｐ１の行動毎、かつその回数分だけ繰り返し行う。これによってサーバ１２０は、対象者Ｐ１の行動毎、かつ回毎に、異常が発生しているか否かを判定することができる。その後サーバ１２０は、図４のステップＳ１０５に移行する。
The
図４のステップＳ１０５において、サーバ１２０は、対象者Ｐ１が就寝してから起床するまでの時間帯における行動に基づいて、対象者Ｐ１の行動に異常が発生しているか否かを判定する。以下、この処理を「就寝～起床時間帯判定」と称する。以下では図６及び図７を用いて、就寝～起床時間帯判定について説明する。
In step S105 of FIG. 4, the
図６のステップＳ３０１において、サーバ１２０は、記憶している対象者Ｐ１の行動から、対象者Ｐ１が就寝して起床するまでの時間帯を判定する。サーバ１２０は、ステップＳ３０１の処理を行った後、ステップＳ３０２に移行する。
In step S301 of FIG. 6, the
ステップＳ３０２において、サーバ１２０は、学習結果に対して、検出された対象者Ｐ１が就寝して起床するまでの時間帯（睡眠時間帯）のズレが所定の時間（Ｘ３時間）以内か否かを判定する。時間帯のズレの算出方法は特に限定するものではなく、ステップＳ２０２で例示したような方法により算出することができる。なお、所定の時間（Ｘ３時間）の値は任意に設定することができるが、特に、対象者Ｐ１に認知症の症状が発症していることが推認できる程度の時間（例えば、１時間、２時間など）が設定されることが望ましい。
In step S302, the
サーバ１２０は、学習結果に対して対象者Ｐ１の睡眠時間帯のズレがＸ３時間以内であると判定した場合、図７のステップＳ３０８に移行する。一方、サーバ１２０は、学習結果に対して対象者Ｐ１の睡眠時間帯のズレがＸ３時間より大きいと判定した場合、ステップＳ３０３に移行する。
When the
なお、図６に示した例では、学習結果に対する対象者Ｐ１の睡眠時間帯のズレを判定するものとしたが、これだけではなく、例えば対象者Ｐ１が日毎処理対象期間の間に睡眠をとっているか否かを判定することも可能である。例えば対象者Ｐ１が睡眠を全くとっていない場合、ステップＳ３０３に移行するようにしてもよい。 In the example shown in FIG. 6, the deviation of the sleep time period of the subject P1 with respect to the learning result is determined. It is also possible to determine whether or not there is For example, if the subject P1 is not sleeping at all, the process may proceed to step S303.
ステップＳ３０３において、サーバ１２０は、対象者Ｐ１の睡眠時間が、予め学習した睡眠時間に比べて長くなったか否かを判定する。サーバ１２０は、対象者Ｐ１の睡眠時間が長くなっていないと判定した場合、ステップＳ３０４に移行する。一方、サーバ１２０は、対象者Ｐ１の睡眠時間が長くなったと判定した場合、ステップＳ３０５に移行する。
In step S303, the
ステップＳ３０４において、サーバ１２０は、対象者Ｐ１の睡眠時間帯における行動（睡眠）について、異常であると判定する。すなわち、睡眠時間が長くなったわけではないのに、その時間帯のズレが大きくなっている場合（ステップＳ３０２でＮＯ、かつ、ステップＳ３０３でＮＯ）には、対象者Ｐ１に実行機能障害、見当識障害、昼夜逆転等の、何らかの認知症の症状が発症していることが推認される。サーバ１２０は、この判定対象となった行動（睡眠）、異常の有無、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「睡眠」、「異常あり」、「実施タイミングのズレがＸ３時間より大きい」という情報を互いに紐付けて記憶する。
In step S304, the
サーバ１２０は、ステップＳ３０４の処理を行った後、図７のステップＳ３０８に移行する。
After performing the process of step S304, the
一方、ステップＳ３０３から移行したステップＳ３０５において、サーバ１２０は、対象者Ｐ１の睡眠時間帯における行動について、注意が必要であると判定する。ここで、注意（が必要）という判定は、「正常」とは言えないものの、ステップＳ３０４の「異常」という判定よりは異常の程度が低い（軽微である）とする判定である。
On the other hand, in step S305 after shifting from step S303, the
ステップＳ３０３からステップＳ３０５へ移行する場合（ステップＳ３０３でＹＥＳ）とは、対象者Ｐ１の睡眠時間が長くなっていることから、対象者Ｐ１の認知機能が低下しているのではなく、単に対象者Ｐ１が疲れているだけの可能性も考えられる。そこで本実施形態では、ステップＳ３０５において「異常」よりも軽微な「注意」という判定を行っている。サーバ１２０は、この判定対象となった行動（睡眠）、異常の有無、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「睡眠」、「注意が必要」、「実施タイミングのズレがＸ３時間より大きく、かつ、睡眠時間が長くなった」という情報を互いに紐付けて記憶する。サーバ１２０は、ステップＳ３０５の処理を行った後、ステップＳ３０６に移行する。
When the process proceeds from step S303 to step S305 (YES in step S303), since the sleep time of the subject P1 is longer, the cognitive function of the subject P1 is not degraded, but the subject simply It is also possible that P1 is just tired. Therefore, in this embodiment, in step S305, a judgment of "caution", which is milder than "abnormality", is made. The
ステップＳ３０６において、サーバ１２０は、対象者Ｐ１の睡眠時間帯のズレによって活動時間帯（本来の睡眠時間帯以外の時間帯）が減少し、これによって検出された対象者Ｐ１の行動に影響が出ているか否かを判定する。例えばサーバ１２０は、活動時間帯判定（図５参照）で異常と判定された行動（ステップＳ２０４参照）が本来行われるはずの時間帯と、検出された対象者Ｐ１の睡眠時間が重複している場合には、対象者Ｐ１の睡眠時間帯のズレによって当該行動に影響が出ている（睡眠時間帯のズレによって当該行動が異常と判定されている）と判定することができる。
In step S306, the
サーバ１２０は、対象者Ｐ１の睡眠時間帯のズレによって、検出された対象者Ｐ１の行動に影響が出ていると判定した場合、ステップＳ３０７に移行する。一方、サーバ１２０は、対象者Ｐ１の睡眠時間帯のズレによって、検出された対象者Ｐ１の行動に影響が出ていないと判定した場合、図７のステップＳ３０８に移行する。
When the
ステップＳ３０７において、サーバ１２０は、ステップＳ３０５の判定結果を「注意」から「異常」へと変更する。このようにサーバ１２０は、睡眠時間が長くなったことにより（ステップＳ３０３でＹＥＳ）、対象者Ｐ１が本来行うべき行動に影響が出ている場合には（ステップＳ３０６でＹＥＳ）、対象者Ｐ１にとって好ましくない状況であることが想定されるため、判定結果の異常の程度を「注意」から「異常」へと引き上げる。サーバ１２０は、ステップＳ３０７の処理を行った後、図７のステップＳ３０８に移行する。
In step S307, the
図７のステップＳ３０８において、サーバ１２０は、対象者Ｐ１が就寝して起床するまでの時間帯（睡眠時間帯、ステップＳ３０１参照）において、対象者Ｐ１の行動（睡眠以外の行動）を検出したか否かを判定する。サーバ１２０は、睡眠時間帯において対象者Ｐ１の行動を検出していないと判定した場合、ステップＳ３０９に移行する。一方、サーバ１２０は、睡眠時間帯において対象者Ｐ１の行動を検出したと判定した場合、ステップＳ３１０に移行する。
In step S308 of FIG. 7, the
ステップＳ３０９において、サーバ１２０は、対象者Ｐ１の睡眠時間帯における行動について、正常であると判定する。サーバ１２０は、この判定対象となった行動、異常の有無、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「睡眠」、「異常なし」、「睡眠時間帯に行動検出なし」という情報を互いに紐付けて記憶する。サーバ１２０は、ステップＳ３０９の処理を行った後、日毎処理（図４参照）を終了する。
In step S309, the
一方、ステップＳ３０８から移行したステップＳ３１０において、サーバ１２０は、睡眠時間帯に検出された対象者Ｐ１の行動の中に、トイレ及びそれに関連する行動以外の行動があったか否かを判定する。
On the other hand, in step S310 after moving from step S308, the
具体的には、睡眠時間帯にトイレに行く場合、それに関連して何らかの行動を行うことが想定される。例えば対象者Ｐ１は、トイレに行く場合には、トイレの照明を点灯させるだけでなく、トイレに行く際の視界を確保するために寝室や廊下等の照明を点灯させるものと想定される。サーバ１２０は、このようなトイレに行くのに関連する行動（必要な行動）以外に、何らかの行動があったか否かを判定する。なお、トイレに関連する行動の種別は、サーバ１２０が学習したり、認知機能判定システム１００の製造・販売者や利用者等によって決定することが可能である。
Specifically, when going to the bathroom during sleeping hours, it is assumed that some action is taken in relation to it. For example, when the target person P1 goes to the bathroom, it is assumed that he/she not only turns on the lighting of the restroom but also turns on the lighting of the bedroom, hallway, etc. in order to ensure visibility when going to the restroom. The
サーバ１２０は、トイレ及びそれに関連する行動以外の行動があったと判定した場合、ステップＳ３１１に移行する。一方、サーバ１２０は、トイレ及びそれに関連する行動以外の行動がなかったと判定した場合、ステップＳ３１２に移行する。
When the
ステップＳ３１１において、サーバ１２０は、対象者Ｐ１の睡眠時間帯における行動について、異常であると判定する。すなわち、睡眠時間帯にトイレに関連する行動以外の行動があった場合（ステップＳ３１０でＹＥＳ）には、対象者Ｐ１に実行機能障害、見当識障害、昼夜逆転等の、何らかの認知症の症状が発症していることが推認される。サーバ１２０は、この判定対象となった行動（睡眠）、異常の有無、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「睡眠」、「異常あり」、「睡眠時間帯に行動検出」という情報を互いに紐付けて記憶する。サーバ１２０は、ステップＳ３１１の処理を行った後、日毎処理（図４参照）を終了する。
In step S311, the
一方、ステップＳ３１０から移行したステップＳ３１２において、サーバ１２０は、対象者Ｐ１の睡眠時間帯における行動について、正常であると判定する。サーバ１２０は、この判定対象となった行動（睡眠）、異常の有無、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「睡眠」、「異常なし」、「睡眠時間帯に行動検出なし」という情報を互いに紐付けて記憶する。
On the other hand, in step S312 after shifting from step S310, the
なお、本実施形態ではステップＳ３１２において正常であると判定したが、例えば学習された対象者Ｐ１のトイレの回数と、検出されたトイレの回数を比較して、回数が増加している場合に「注意」と判定することも可能である。これによって、トイレの回数が増えていることに対して、注意喚起を促すこともできる。 In the present embodiment, it is determined to be normal in step S312. It is also possible to determine "Caution". As a result, it is also possible to call attention to the increase in the number of toilet visits.
サーバ１２０は、ステップＳ３１２の処理を行った後、日毎処理（図４参照）を終了する。
After performing the process of step S312, the
次に、図８を用いて週毎処理について説明する。 Next, the weekly processing will be described with reference to FIG.
サーバ１２０は、一週間に一度、所定の日時に週毎処理を行う。例えば、一週間に一度、日毎処理と同じ時間帯（例えば、午前１０時等）に週毎処理を行う。
The
サーバ１２０は、図８のステップＳ４０１からステップＳ４０３までの処理を、分類（２）に分類された対象者Ｐ１の行動毎に繰り返す。以下、ステップＳ４０１からステップＳ４０３までの各処理について説明する。
The
ステップＳ４０１において、サーバ１２０は、学習結果に対して、検出された対象者Ｐ１の行動回数が所定の回数（Ｙ１回）以上増減したか否かを判定する。なお、所定の回数（Ｙ１回）の値は任意に設定することができる。サーバ１２０は、検出された対象者Ｐ１の行動回数がＹ１回以上増減したと判定した場合、ステップＳ４０２に移行する。一方、サーバ１２０は、検出された対象者Ｐ１の行動回数がＹ１回以上増減していないと判定した場合、ステップＳ４０３に移行する。
In step S401, the
ステップＳ４０２において、サーバ１２０は、判定の対象となった行動について、異常であると判定する。すなわち、行動回数がＹ１回以上増減した場合、対象者Ｐ１に記憶障害、見当識障害、実行機能障害等の、何らかの認知症の症状が発症していることが推認される。サーバ１２０は、この判定対象となった行動、異常の有無、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「掃除機」、「異常あり」、「行動が減少している」という情報を互いに紐付けて記憶する。
In step S402, the
一方、ステップＳ４０１から移行したステップＳ４０３において、サーバ１２０は、判定の対象となった行動について、正常であると判定する。すなわち、行動回数がＹ１回以上増減していない場合、対象者Ｐ１の行動に特に変化はなく、認知症の症状が発症していないことが推認される。サーバ１２０は、この判定対象となった行動、異常の有無、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「掃除機」、「異常なし」、「行動が増減していない」という情報を互いに紐付けて記憶する。
On the other hand, in step S403 after shifting from step S401, the
サーバ１２０は、ステップＳ４０１からステップＳ４０３までの処理を、対象者Ｐ１の各行動について繰り返し行う。これによってサーバ１２０は、対象者Ｐ１の行動毎に、異常が発生しているか否かを判定することができる。その後サーバ１２０は、週毎処理を終了する。
The
次に、図９（ａ）を用いて、週間結果通知について説明する。 Next, the weekly result notification will be described with reference to FIG. 9(a).
サーバ１２０は、一週間に一度、所定の日時に週間結果通知を行う。例えば、一週間に一度、日毎処理と同じ時間帯（例えば、午前１０時等）に週間結果通知を行う。
The
ステップＳ５０１において、サーバ１２０は、一週間の間に、日毎処理の対象となった行動の中で、所定の回数（Ｙ２回）以上繰り返し注意又は異常判定になっている行動はあるか否かを判定する。なお、所定の回数（Ｙ２回）の値は任意に設定することができるが、異常等の判定が繰り返されていることを判断するためには、２以上の値に設定することが好ましい。サーバ１２０は、所定の回数（Ｙ２回）以上繰り返し注意又は異常判定になっている行動があると判定した場合、ステップＳ５０２に移行する。一方、サーバ１２０は、所定の回数（Ｙ２回）以上繰り返し注意又は異常判定になっている行動がないと判定した場合、週間結果通知を終了する。
In step S501, the
ステップＳ５０２において、サーバ１２０は、端末１３０を用いてアラート（認知機能の異常警告）を発報する。具体的には、所定の回数以上注意又は異常判定になった行動、及びその判定の理由を、端末１３０を用いて家族Ｐ２に報知する。報知の方法としては、例えば端末１３０の液晶画面に表示する方法や、端末１３０から音声を発することで報知する方法等がある。
In step S<b>502 ,
このようにサーバ１２０は、繰り返し何度も（Ｙ２回以上）異常が検出された行動については、認知機能の異常が発生している可能性が高いと考えられるため、家族Ｐ２に報知する。これによって家族Ｐ２は、適切な対応（治療等）をとることができる。また言い換えると、サーバ１２０は、異常等と判定されたのが所定の回数（Ｙ２回）未満である行動については、家族Ｐ２に報知することがない。これによって、対象者Ｐ１の認知機能とは無関係に、たまたま対象者Ｐ１の行動が普段と違っていた場合に異常等と判定された行動（異常の誤検出）について、家族Ｐ２に報知を行うのを防止することができる。
In this way, the
サーバ１２０は、ステップＳ５０２の処理を行った後、週間結果通知を終了する。
After performing the process of step S502, the
次に、図９（ｂ）を用いて、月間結果通知について説明する。 Next, the monthly result notification will be described with reference to FIG. 9(b).
サーバ１２０は、一か月に一度、所定の日時に月間結果通知を行う。例えば、一か月に一度、週間結果通知と同じ時間帯（例えば、午前１０時等）に月間結果通知を行う。
The
ステップＳ６０１において、サーバ１２０は、一か月の間に、週毎処理の対象となった行動の中で、所定の回数（Ｙ３回）以上繰り返し注意又は異常判定になっている行動はあるか否かを判定する。なお、所定の回数（Ｙ３回）の値は任意に設定することができるが、異常等の判定が繰り返されていることを判断するためには、２以上の値に設定することが好ましい。サーバ１２０は、所定の回数（Ｙ３回）以上繰り返し注意又は異常判定になっている行動があると判定した場合、ステップＳ６０２に移行する。一方、サーバ１２０は、所定の回数（Ｙ３回）以上繰り返し注意又は異常判定になっている行動がないと判定した場合、月間結果通知を終了する。
In step S601, the
ステップＳ６０２において、サーバ１２０は、端末１３０を用いてアラート（認知機能の異常警告）を発報する。具体的には、所定の回数以上注意又は異常判定になった行動、及びその判定の理由を、端末１３０を用いて家族Ｐ２に報知する。このようにサーバ１２０は、異常等と判定されたのが所定の回数（Ｙ３回）未満である行動については、家族Ｐ２に報知することがない。
In step S602, the
サーバ１２０は、ステップＳ６０２の処理を行った後、月間結果通知を終了する。
The
認知機能判定システム１００は、以上のような処理（日毎処理、週毎処理、週間結果通知及び月間結果通知）を行うことで、対象者Ｐ１の認知機能の異常を検出し、家族Ｐ２に報知することができる。例えば図３には、日毎処理の判定結果を示している。図３に示した例では、学習結果によると２１時に対象者Ｐ１がドライヤーを使用するはずなのに対して、実際の検出結果では使用されていない（ステップＳ２０１参照）ことから、サーバ１２０は「異常」と判定している。また２２時以降、対象者Ｐ１は睡眠をとっているものの、何らかの理由（睡眠時間が長くなった（ステップＳ３０３参照）等）により、サーバ１２０は「注意」と判定している。サーバ１２０は、このように異常等を検出した場合、それが何度か繰り返されるようであれば対象者Ｐ１の認知機能に異常が生じている可能性が高いと判断し、家族Ｐ２に対して報知を行う（図９参照）。
Cognitive
このように、認知機能判定システム１００を用いることで、対象者Ｐ１の日常生活の行動に基づいて、認知機能の異常を検出することができる。これによって、対象者Ｐ１に特別な検査等を受けさせることなく、簡便に認知機能の異常を検出することができる。
Thus, by using the cognitive
以上の如く、本実施形態に係る認知機能判定システム１００は、
対象者Ｐ１が利用する建物（住宅１）に設けられた設備の使用状況を検出可能することで、前記対象者Ｐ１の行動を検出可能な電力センサ１１０（行動検出部）と、
前記電力センサ１１０により検出された前記対象者Ｐ１の行動に関する実行動データと、予め学習した前記対象者Ｐ１の行動に関する学習行動データと、を比較して、前記対象者Ｐ１の認知機能の異常の有無を判定するサーバ１２０（認知機能判定部）と、
を具備するものである。
As described above, the cognitive
A power sensor 110 (behavior detection unit) capable of detecting the behavior of the subject P1 by detecting the usage status of equipment provided in the building (house 1) used by the subject P1;
Execution movement data regarding the behavior of the subject P1 detected by the
is provided.
このように構成することにより、認知機能の異常を簡便に検出することができる。すなわち、対象者Ｐ１が通常通り生活をするだけで、対象者Ｐ１の行動を検出し、認知機能の異常の有無を判定することができる。これによって、対象者Ｐ１に特別な検査を受けてもらうことなく、認知機能の異常を検出することができる。 By configuring in this way, an abnormality in cognitive function can be easily detected. That is, it is possible to detect the behavior of the subject P1 and determine whether or not there is an abnormality in the cognitive function, simply by having the subject P1 lead a normal life. As a result, an abnormality in cognitive function can be detected without requiring the subject P1 to undergo a special examination.
また、前記サーバ１２０は、
前記対象者Ｐ１が所定の行動を行った時間帯が、学習した時間帯と所定時間以上ずれている場合、若しくは、学習した行動を前記対象者が行っていない場合に（ステップＳ２０１又はステップＳ２０２でＮＯ）、前記対象者の認知機能に異常が発生していると判定する（ステップＳ２０４）行動時間判定処理（活動時間帯判定）を行うものである。
Also, the
When the time zone in which the target person P1 performed a predetermined action deviates from the learned time zone by a predetermined time or more, or when the target person does not perform the learned action (in step S201 or step S202 NO), it is determined that an abnormality has occurred in the subject's cognitive function (step S204), and action time determination processing (activity time period determination) is performed.
このように構成することにより、認知機能の異常を容易に検出することができる。すなわち、対象者Ｐ１の行動した時間帯と、学習した時間帯とにズレが生じている場合や行動自体が行われていない場合、対象者Ｐ１に認知症の何らかの症状（実行機能障害等）が発生していると推認される。したがって、両者の時間帯のズレ等を検出することで、認知機能の異常を容易に検出することができる。 By configuring in this way, an abnormality in cognitive function can be easily detected. That is, if there is a gap between the time zone in which the subject P1 acted and the time zone in which the subject P1 learned, or if the action itself is not performed, the subject P1 has some symptoms of dementia (executive dysfunction, etc.) presumed to have occurred. Therefore, it is possible to easily detect an abnormality in cognitive function by detecting a time zone difference or the like between the two.
また、前記サーバ１２０は、
前記対象者Ｐ１が睡眠した時間帯が、学習した時間帯と所定時間以上ずれている場合、若しくは、睡眠をとっていない場合（ステップＳ３０２でＮＯ）に、前記対象者Ｐ１の認知機能に異常が発生していると判定する（ステップＳ３０４又はステップＳ３０５）睡眠時間判定処理（就寝～起床時間帯判定）を行うものである。
Also, the
When the time zone in which the subject P1 slept deviated from the learned time zone by a predetermined time or more, or when the subject P1 did not sleep (NO in step S302), there is an abnormality in the cognitive function of the subject P1. It determines that it has occurred (step S304 or step S305) and performs sleep time determination processing (sleeptime to wakeup time zone determination).
このように構成することにより、認知機能の異常を容易に検出することができる。すなわち、対象者Ｐ１の睡眠時間帯と、学習した睡眠時間帯とにズレが生じている場合や睡眠自体が行われていない場合、対象者Ｐ１に認知症の何らかの症状（実行機能障害等）が発生していると推認される。したがって、両者の時間帯のズレ等を検出することで、認知機能の異常を容易に検出することができる。 By configuring in this way, an abnormality in cognitive function can be easily detected. That is, if there is a gap between the sleep time zone of the subject P1 and the learned sleep time zone, or if the sleep itself is not performed, the subject P1 has some symptoms of dementia (executive dysfunction, etc.) presumed to have occurred. Therefore, it is possible to easily detect an abnormality in cognitive function by detecting a time zone difference or the like between the two.
また、前記サーバ１２０は、前記就寝～起床時間帯判定において、
学習した睡眠時間に対する前記対象者Ｐ１の睡眠時間の増減に応じて、認知機能の異常の程度を判定するものである（ステップＳ３０３からステップＳ３０５まで）。
In addition, the
The degree of cognitive function abnormality is determined according to the increase or decrease in the sleeping hours of the subject P1 with respect to the learned sleeping hours (from step S303 to step S305).
このように構成することにより、より詳細な認知機能の判定を行うことができる。すなわち、本実施形態に例示したように、睡眠時間帯が長くなっている場合には、単に対象者Ｐ１が疲れているだけで、認知機能に異常がない可能性もある。そこで、このような場合には認知機能の異常の程度（レベル）を下げて、「注意が必要である」と判定することで、異常の判定の程度に差異を設けて詳細な判定を行うことができる。 By configuring in this way, more detailed determination of cognitive function can be performed. That is, as exemplified in this embodiment, when the sleep time period is long, the subject P1 may simply be tired, and there is a possibility that there is no abnormality in the cognitive function. Therefore, in such cases, by lowering the degree (level) of cognitive function abnormality and determining that "care is required", it is possible to make a detailed judgment by setting a difference in the degree of abnormality judgment. can be done.
また、前記サーバ１２０は、
所定の期間において前記対象者Ｐ１が所定の行動を行った回数が、学習した回数と所定回数以上異なっている場合に（ステップＳ４０１）、前記対象者の認知機能に異常が発生していると判定する（ステップＳ４０２）行動回数判定処理（週毎処理）を行うものである。
Also, the
When the number of times the subject P1 performs a predetermined action in a predetermined period differs from the number of times learned by a predetermined number of times or more (step S401), it is determined that an abnormality has occurred in the cognitive function of the subject. (Step S402) Action frequency determination processing (weekly processing) is performed.
このように構成することにより、認知機能の異常を容易に検出することができる。すなわち、対象者Ｐ１の行動した回数と、学習した回数とに差異が生じている場合、対象者Ｐ１に認知症の何らかの症状（実行機能障害等）が発生していると推認される。したがって、両者の回数の差異を検出することで、認知機能の異常を容易に検出することができる。 By configuring in this way, an abnormality in cognitive function can be easily detected. That is, when there is a difference between the number of times the subject P1 has acted and the number of times he has learned, it is presumed that some symptoms of dementia (executive dysfunction, etc.) have occurred in the subject P1. Therefore, it is possible to easily detect an abnormality in cognitive function by detecting the difference between the two counts.
また、認知機能判定システム１００は、
家族Ｐ２（報知対象者）に対する報知を行うことが可能な端末１３０（報知部）をさらに具備し、
前記サーバ１２０は、
第一期間において、前記対象者の認知機能の異常の有無を判定し（日毎処理、週毎処理）、
前記第一期間よりも長い第二期間において、前記対象者の行動ごとに認知機能の異常の検出回数を算出し（ステップＳ５０１、ステップＳ６０１）、
前記第二期間における認知機能の異常の検出回数が所定の閾値以上となった場合、前記報知部を用いて前記報知対象者に対して認知機能の異常警告を発する（ステップＳ５０２、ステップＳ６０２）ものである。
In addition, the cognitive
Further comprising a terminal 130 (notification unit) capable of notifying the family P2 (notification target person),
The
In the first period, the presence or absence of abnormality in the cognitive function of the subject is determined (daily processing, weekly processing),
In a second period longer than the first period, the number of detection times of abnormality in cognitive function is calculated for each behavior of the subject (step S501, step S601),
When the number of detections of cognitive function abnormality in the second period is equal to or greater than a predetermined threshold, the notification unit is used to issue a cognitive function abnormality warning to the notification target person (step S502, step S602). is.
このように構成することにより、家族Ｐ２に対して、適切に警告を報知することができる。すなわち、認知機能の異常の検出回数がある程度の回数になってはじめて警告を発することで、認知機能の異常がたまたま検知された場合（誤検知が発生した場合等）にまで認知機能の異常警告が出されるのを防止することができる。 By comprising in this way, a warning can be appropriately notified with respect to the family member P2. In other words, by issuing a warning only when the number of times an abnormality in cognitive function is detected reaches a certain number, even when an abnormality in cognitive function is accidentally detected (such as when an erroneous detection occurs), an abnormality warning for cognitive function is issued. can be prevented from being released.
なお、本実施形態に係る住宅１は、本発明に係る建物の実施の一形態である。
また、本実施形態に係る電力センサ１１０は、本発明に係る行動検出部の実施の一形態である。
また、本実施形態に係るサーバ１２０は、本発明に係る認知機能判定部の実施の一形態である。
また、本実施形態に係る活動時間帯判定は、本発明に係る行動時間判定処理の実施の一形態である。
また、本実施形態に係る就寝～起床時間帯判定は、本発明に係る睡眠時間判定処理の実施の一形態である。
また、本実施形態に係る週毎処理は、本発明に係る行動回数判定処理の実施の一形態である。
また、本実施形態に係る端末１３０は、本発明に係る報知部の実施の一形態である。
また、本実施形態に係る家族Ｐ２は、本発明に係る報知対象者の実施の一形態である。
In addition, the house 1 according to this embodiment is an embodiment of the building according to the present invention.
Also, the
Also, the
Also, the activity time period determination according to the present embodiment is an embodiment of the action time determination process according to the present invention.
Further, the bedtime-wake-up time zone determination according to the present embodiment is an embodiment of the sleep time determination process according to the present invention.
Also, the weekly processing according to the present embodiment is an embodiment of the action count determination processing according to the present invention.
Also, the terminal 130 according to this embodiment is an embodiment of the notification unit according to the present invention.
Moreover, the family P2 which concerns on this embodiment is one form of implementation of the information target person which concerns on this invention.
以上、本発明の実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、特許請求の範囲に記載された発明の技術的思想の範囲内で適宜の変更が可能である。 Although the embodiments of the present invention have been described above, the present invention is not limited to the above embodiments, and can be appropriately modified within the scope of the technical ideas of the invention described in the claims. .
例えば、本実施形態に係る認知機能判定システム１００は、高齢者を対象者Ｐ１とした例を示したが、本発明は高齢者に限るものではなく、様々な人を対象者Ｐ１とすることができる。
For example, the cognitive
また本実施形態では、電力センサ１１０（行動検出部）は住宅１に設けられるものとしたが、本発明はこれに限るものではなく、対象者Ｐ１が利用する種々の建物に設けることも可能である。すなわち、住宅１に限らず、その他種々の建物、施設等において、認知機能の異常を検出することが可能である。 In the present embodiment, the power sensor 110 (behavior detection unit) is provided in the house 1, but the present invention is not limited to this, and can be provided in various buildings used by the subject P1. be. That is, it is possible to detect an abnormality in cognitive function not only in the house 1 but also in various other buildings, facilities, and the like.
また本実施形態では、サーバ１２０（クラウド上に設けられた仮装サーバ等）が各種処理を行う例を示したが、本発明はこれに限るものではなく、各種処理を実行する主体は任意に変更することが可能である。例えば、住宅１に設けられたホームサーバ、パソコン、携帯型端末等により実行することも可能である。 In this embodiment, an example in which the server 120 (a virtual server provided on the cloud, etc.) performs various processes has been described, but the present invention is not limited to this, and the entity that executes various processes can be changed arbitrarily. It is possible to For example, it can be executed by a home server, a personal computer, a portable terminal, or the like installed in the residence 1 .
また本実施形態では、対象者Ｐ１の認知機能の異常が検出された場合、端末１３０にその旨を報知する例を示したが、さらに、家族Ｐ２等がその異常を確認し、問題ない（異常ではない）と判断した場合には、端末１３０等を用いてその旨をサーバ１２０に伝達する構成とすることも可能である。このように、家族Ｐ２等が異常の有無を確認してサーバ１２０へとフィードバックすることで、サーバ１２０は対象者Ｐ１の行動をより正確に学習することができる。これによって、認知機能の異常の検出をより精度よく行うことができる。
In addition, in the present embodiment, when an abnormality in the cognitive function of the subject P1 is detected, an example is shown in which the terminal 130 is notified of the fact. not), the terminal 130 or the like may be used to notify the
また本実施形態では、対象者Ｐ１の行動が繰り返して異常等と判定された場合に家族Ｐ２にその旨を報知する例を示したが（図９参照）、本発明はこれに限るものではなく、例えば対象者Ｐ１の行動が一度でも異常等と判定された場合には、すぐに家族Ｐ２に報知することも可能である。 Further, in the present embodiment, when the behavior of the subject P1 is repeatedly determined to be abnormal, etc., the family P2 is notified to that effect (see FIG. 9), but the present invention is not limited to this. For example, if the behavior of the subject P1 is determined to be abnormal even once, it is possible to notify the family member P2 immediately.
また本実施形態で例示した各処理（日毎処理、週毎処理、週間結果通知及び月間結果通知）の対象となる期間は、任意に変更することも可能である。 Moreover, it is possible to arbitrarily change the target period of each process (daily process, weekly process, weekly result notification, and monthly result notification) exemplified in the present embodiment.
１００ 認知機能判定システム
１１０ 電力センサ
１２０ サーバ
１３０ 端末
100 cognitive
Claims (6)
前記行動検出部により検出された前記対象者の行動に関する実行動データと、予め学習した前記対象者の行動に関する学習行動データと、を比較して、前記対象者の認知機能の異常の有無を判定する認知機能判定部と、
を具備する、
認知機能判定システム。 A behavior detection unit capable of detecting the behavior of the subject by detecting the usage status of equipment provided in the building used by the subject;
Determine whether there is an abnormality in the cognitive function of the subject by comparing the execution motion data regarding the behavior of the subject detected by the behavior detection unit and the learned behavior data regarding the behavior of the subject learned in advance. a cognitive function determination unit to
comprising a
Cognitive function assessment system.
前記対象者が所定の行動を行った時間帯が、学習した時間帯と所定時間以上ずれている場合、若しくは、学習した行動を前記対象者が行っていない場合に、前記対象者の認知機能に異常が発生していると判定する行動時間判定処理を行う、
請求項１に記載の認知機能判定システム。 The cognitive function determination unit
When the time zone in which the subject performed a predetermined action deviates from the learned time zone by a predetermined time or more, or when the subject does not perform the learned action, the cognitive function of the subject Perform action time determination processing to determine that an abnormality has occurred,
The cognitive function determination system according to claim 1.
前記対象者が睡眠した時間帯が、学習した時間帯と所定時間以上ずれている場合、若しくは、睡眠をとっていない場合に、前記対象者の認知機能に異常が発生していると判定する睡眠時間判定処理を行う、
請求項１又は請求項２に記載の認知機能判定システム。 The cognitive function determination unit
When the time zone in which the subject sleeps is different from the learned time zone by a predetermined time or more, or when the subject does not sleep, it is determined that an abnormality has occurred in the cognitive function of the subject Sleep. perform time determination processing,
The cognitive function determination system according to claim 1 or 2.
学習した睡眠時間に対する前記対象者の睡眠時間の増減に応じて、認知機能の異常の程度を判定する、
請求項３に記載の認知機能判定システム。 The cognitive function determination unit, in the sleep time determination process,
Determining the degree of abnormality in cognitive function according to the increase or decrease in sleep time of the subject with respect to the learned sleep time,
The cognitive function determination system according to claim 3.
所定の期間において前記対象者が所定の行動を行った回数が、学習した回数と所定回数以上異なっている場合に、前記対象者の認知機能に異常が発生していると判定する行動回数判定処理を行う、
請求項１から請求項４までのいずれか一項に記載の認知機能判定システム。 The cognitive function determination unit
When the number of times the subject performed a predetermined action during a predetermined period differs from the number of times learned by a predetermined number or more, the number of actions determination process determines that an abnormality has occurred in the cognitive function of the subject. I do,
The cognitive function determination system according to any one of claims 1 to 4.
前記認知機能判定部は、
第一期間において、前記対象者の認知機能の異常の有無を判定し、
前記第一期間よりも長い第二期間において、前記対象者の行動ごとに認知機能の異常の検出回数を算出し、
前記第二期間における認知機能の異常の検出回数が所定の閾値以上となった場合、前記報知部を用いて前記報知対象者に対して認知機能の異常警告を発する、
請求項１から請求項５までのいずれか一項に記載の認知機能判定システム。 further comprising a notification unit capable of notifying the person to be notified,
The cognitive function determination unit
In the first period, determining the presence or absence of abnormality in the subject's cognitive function,
In a second period longer than the first period, calculating the number of detection times of cognitive function abnormality for each behavior of the subject,
When the number of detections of cognitive function abnormality in the second period is equal to or greater than a predetermined threshold, issuing a cognitive function abnormality warning to the notification target person using the notification unit,
The cognitive function determination system according to any one of claims 1 to 5.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021092221A JP2022184399A (en) | 2021-06-01 | 2021-06-01 | Cognitive function determination system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021092221A JP2022184399A (en) | 2021-06-01 | 2021-06-01 | Cognitive function determination system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2022184399A true JP2022184399A (en) | 2022-12-13 |
Family
ID=84437534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021092221A Pending JP2022184399A (en) | 2021-06-01 | 2021-06-01 | Cognitive function determination system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2022184399A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117092925A (en) * | 2023-09-25 | 2023-11-21 | 杭州汇听科技有限公司 | Life auxiliary system for hearing impaired people based on smart home |
-
2021
- 2021-06-01 JP JP2021092221A patent/JP2022184399A/en active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117092925A (en) * | 2023-09-25 | 2023-11-21 | 杭州汇听科技有限公司 | Life auxiliary system for hearing impaired people based on smart home |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109843173B (en) | System and method for monitoring activities of daily living of a person | |
| Virone et al. | Behavioral patterns of older adults in assisted living | |
| US9910485B2 (en) | Performance of services based on power consumption | |
| Hoque et al. | Holmes: A comprehensive anomaly detection system for daily in-home activities | |
| JP6569992B2 (en) | Dementia information output system and control program | |
| JP2007265017A (en) | Aged person safety information generation system | |
| JP5302722B2 (en) | Life support notification system | |
| WO2017145566A1 (en) | Cognitive symptom detection system and program | |
| US20190180389A1 (en) | Analysing energy/utility usage | |
| CN111937081A (en) | Auxiliary techniques for operating nursing homes and other health care facilities | |
| van Kasteren et al. | Understanding smart home sensor data for ageing in place through everyday household routines: a mixed method case study | |
| JP6555696B2 (en) | Sleep state determination device, sleep state determination method, sleep state determination system, and sleep state determination program | |
| JP2022184399A (en) | Cognitive function determination system | |
| CN108472022B (en) | Dementia information output system and recording medium | |
| JP6145907B1 (en) | Life monitoring device | |
| Vavilov et al. | Healthcare application of Smart Home user's behavior prediction | |
| JP2023143450A (en) | Life pattern determination system | |
| JP2022543082A (en) | Systems and methods for analyzing patient health by monitoring energy usage | |
| JP2004046560A (en) | Solitary resident lifeline data processing system | |
| Suryadevara et al. | Smart sensing system for human emotion and behaviour recognition | |
| JP6830298B1 (en) | Information processing systems, information processing devices, information processing methods, and programs | |
| Akbarzadeh et al. | Smart aging system | |
| Shahid et al. | Unsupervised Forecasting and Anomaly Detection of ADLs in single-resident elderly smart homes | |
| JP2023137194A (en) | Learning system and learning method | |
| JP6947064B2 (en) | Watching device, watching method, and watching program |