JP6312014B1 - 認知機能評価装置、認知機能評価システム、認知機能評価方法及びプログラム - Google Patents

認知機能評価装置、認知機能評価システム、認知機能評価方法及びプログラム Download PDF

Info

Publication number
JP6312014B1
JP6312014B1 JP2017163795A JP2017163795A JP6312014B1 JP 6312014 B1 JP6312014 B1 JP 6312014B1 JP 2017163795 A JP2017163795 A JP 2017163795A JP 2017163795 A JP2017163795 A JP 2017163795A JP 6312014 B1 JP6312014 B1 JP 6312014B1
Authority
JP
Japan
Prior art keywords
cognitive function
evaluated
frequency
person
amplitude
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
Application number
JP2017163795A
Other languages
English (en)
Other versions
JP2019040143A (ja
Inventor
角　貞幸
貞幸 角
賢吾 阿部
賢吾 阿部
亮佑 南雲
亮佑 南雲
西山　高史
高史 西山
松村　吉浩
吉浩 松村
受田　高明
高明 受田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Priority to JP2017163795A priority Critical patent/JP6312014B1/ja
Application granted granted Critical
Publication of JP6312014B1 publication Critical patent/JP6312014B1/ja
Priority to US16/634,863 priority patent/US11766209B2/en
Priority to CN201880049623.4A priority patent/CN110958859B/zh
Priority to PCT/JP2018/027230 priority patent/WO2019044255A1/ja
Priority to TW107125849A priority patent/TWI666633B/zh
Publication of JP2019040143A publication Critical patent/JP2019040143A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4542—Evaluating the mouth, e.g. the jaw
    • A61B5/4552—Evaluating soft tissue within the mouth, e.g. gums or tongue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4803—Speech analysis specially adapted for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0204—Acoustic sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519—Muscles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4542—Evaluating the mouth, e.g. the jaw
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/15—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being formant information

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Neurology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Developmental Disabilities (AREA)
  • Neurosurgery (AREA)
  • Human Computer Interaction (AREA)
  • Psychology (AREA)
  • Acoustics & Sound (AREA)
  • Epidemiology (AREA)
  • Computational Linguistics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Multimedia (AREA)
  • Hospice & Palliative Care (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Rheumatology (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

【課題】簡便に且つ精度良く被評価者の認知機能の評価が可能な認知機能評価装置等を提供する。【解決手段】認知機能評価装置１００は、被評価者Ｕが発する音声を示す音声データを取得する取得部１１０と、取得部１１０が取得した音声データから複数の母音を抽出し、複数の母音のそれぞれについて、当該母音のスペクトルから得られる１以上のフォルマントの周波数及び振幅に基づいた特徴量を算出する算出部１２０と、算出部１２０が算出した特徴量から被評価者の認知機能を評価する評価部１３０と、評価部１３０が評価した評価結果を出力する出力部１４０とを備える。【選択図】図２

Description

本発明は、被評価者の認知機能を評価することができる、認知機能評価装置、認知機能評価システム、認知機能評価方法及びプログラムに関する。
従来から、認知機能を評価するテストとして、認知機能が評価される患者である被評価者がテスト用紙に解答を記載する方法である改訂長谷川式簡易知能評価スケール（ＨＤＳ−Ｒ）、ＭＭＳＥ（Ｍｉｎｉ−Ｍｅｎｔａｌ Ｓｔａｔｅ Ｅｘａｍｉｎａｔｉｏｎ：ミニメンタルステート検査）、ＣＤＲ（Ｃｌｉｎｉｃａｌ Ｄｅｍｅｎｔｉａ Ｒａｔｉｎｇ）等がある。これらは、一定のトレーニングの受けた医師、臨床心理士等が、被評価者に対して医療機関で行うものである。
ここで、テスト用紙を用いた評価方法においては、長いテスト時間を要して被評価者の負担を強いることが問題となる。また、繰り返し被評価者に対してテストを実行する場合、同じテストであるために、被評価者が答えを記憶してしまう問題がある。この問題を解決するために、医者等が被評価者に実施するテストにおける質疑応答を音声収録し、被評価者の音声を分析する技術が開示されている（例えば、特許文献１参照）。
特許第４８７６２０７号公報
認知機能の評価には、より簡便に、且つ、精度良く被評価者の認知機能の評価をすることが要求されている。
そこで、本発明は、簡便に且つ精度良く被評価者の認知機能の評価が可能な認知機能評価装置等の提供を目的とする。
本発明の一態様に係る認知機能評価装置は、被評価者が発する音声を示す音声データを取得する取得部と、前記取得部が取得した前記音声データから複数の母音を抽出し、前記複数の母音のそれぞれについて、当該母音のスペクトルから得られる１以上のフォルマントの周波数及び振幅に基づいた特徴量を算出する算出部と、前記算出部が算出した前記特徴量から前記被評価者の認知機能を評価する評価部と、前記評価部が評価した評価結果を出力する出力部とを備える。
また、本発明の一態様に係る認知機能評価システムは、上記認知機能評価装置と、被評価者の音声を検出する集音装置と、上記出力部が出力した評価結果を表示する表示装置とを備える。
また、本発明の一態様に係る認知機能評価方法は、被評価者が発する音声を示す音声データを取得する取得ステップと、前記取得ステップで取得された前記音声データから複数の母音を抽出し、前記複数の母音のそれぞれについて、当該母音のスペクトルから得られる１以上のフォルマントの周波数及び振幅に基づいた特徴量を算出する算出ステップと、前記算出ステップで算出された前記特徴量から前記被評価者の認知機能を評価し、評価結果を出力する評価ステップとを含む。
また、本発明は、認知機能評価方法に含まれるステップをコンピュータに実行させるプログラムとして実現されてもよい。
本発明の認知機能評価装置等によれば、簡便に且つ精度良く被評価者の認知機能の評価が可能となる。
図１は、実施の形態に係る認知機能評価システムの構成を示す図である。 図２は、実施の形態に係る認知機能評価システムの特徴的な機能構成を示すブロック図である。 図３は、実施の形態に係る認知機能評価装置が被評価者の認知機能を評価する処理手順を示すフローチャートである。 図４は、取得部が被評価者の音声データを取得する方法の一例を示す図である。 図５は、被評価者が発話した音声を示す音声データの一例を示す図である。 図６は、音声データから算出部が算出するフォルマントの周波数を説明するための図である。 図７は、音声データから算出部が算出するフォルマントの周波数の時間変化の一例を示す図である。 図８は、被評価者がＭｏＣＡテストを受けた際に獲得したスコアを示す図である。 図９は、参照データと算出部が算出した音声データの特徴量との関係の一例を説明するための図である。 図１０は、表示装置に表示される認知機能が低下していることを示す画像の一例を示す図である。 図１１は、実施の形態の変形例１に係る認知機能評価システムの構成を示す図である。 図１２は、実施の形態の変形例２に係る認知機能評価システムの構成を示す図である。
以下、実施の形態について、図面を参照しながら説明する。なお、以下で説明する実施の形態は、いずれも包括的又は具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序等は、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
なお、各図は模式図であり、必ずしも厳密に図示されたものではない。また、各図において、実質的に同一の構成に対しては同一の符号を付しており、重複する説明は省略又は簡略化される場合がある。
また、以下の実施の形態において、方向を示す表現を用いている。例えば、平行とは、完全に平行であることを意味するだけでなく、実質的に平行とする、すなわち、例えば数％程度のずれを含むことも意味する。
（実施の形態）
［認知機能評価装置の構成］
実施の形態に係る認知機能評価システムの構成に関して説明する。図１は、実施の形態に係る認知機能評価システムの構成を示す図である。
認知機能評価システム２００は、被評価者Ｕが発した音声から、被評価者Ｕの認知機能を評価するための装置である。認知機能とは、認識したり、記憶したり、判断したりする能力を示す。一具体例として、認知機能評価装置１００は、認知症である人（認知症患者）かどうかを評価する。
認知症とは、上述した認知機能の低下が見られる症状を示す。認知症の一具体例としては、アルツハイマー型認知症（ＡＤ：Ａｌｚｈｅｉｍｅｒ’ｓ ｄｉｓｅａｓｅ）が挙げられる。認知症は自覚症状がないため、認知症患者の家族又は第三者等が認知症患者に病院での診察を促すことで、認知症患者は医師からの診察を受けることとなる。また、ＭｏＣＡ（Ｍｏｎｔｒｅａｌ Ｃｏｇｎｉｔｉｖｅ Ａｓｓｅｓｓｍｅｎｔ）テスト等の認知症の診断のためのバッチテストを被評価者Ｕが受けることにより、被評価者Ｕが認知症であるかどうかを確認することができる。
しかしながら、ＭｏＣＡテストは、１５分程度の時間を要する。また、ＭｏＣＡテストは、被評価者Ｕの経時的な変化を診断するために、日をおいて複数回実行することで、被評価者Ｕが認知症であるかどうかの判定を行う必要がある。つまり、ＭｏＣＡテストは、被評価者Ｕが認知症であるかどうかを診断するために、長い期間を要する。
ところで、認知症患者と、認知症ではない人（健常者）とでは、発話した単語が同じ単語であっても音声に違いがあることが知られている。
認知機能評価システム２００は、被評価者Ｕの音声を解析することで、被評価者Ｕの認知機能を精度良く評価する装置である。
図１に示されるように、認知機能評価システム２００は、認知機能評価装置１００と、集音装置３００と、表示装置４００とを備える。
認知機能評価装置１００は、集音装置３００によって、被評価者Ｕが発した音声を示す音声データを取得し、取得した音声データから被評価者Ｕの認知機能を評価するコンピュータである。
集音装置３００は、被評価者Ｕが発した音声を検出して、検出した音声を示す音声データを認知機能評価装置１００へ出力するマイクである。被評価者Ｕが発した音声を精度良く検出するために、集音装置３００の周囲には、遮音壁３１０、及び／又は、ポップガード３２０が配置されていてもよい。
表示装置４００は、認知機能評価装置１００から出力される画像データに基づいた画像を表示する。表示装置４００は、具体的には、液晶パネル、又は、有機ＥＬパネルなどによって構成されるモニタ装置である。表示装置４００として、テレビ、スマートフォン、又は、タブレット端末などの情報端末が用いられてもよい。
認知機能評価装置１００と、集音装置３００及び表示装置４００とは、音声データ又は画像データを送受信可能であればよく、有線で接続されていてもよいし、無線通信可能に接続されていてもよい。
認知機能評価装置１００は、集音装置３００によって検出された音声データに基づいて被評価者Ｕの音声を分析し、分析した結果から被評価者Ｕの認知機能を評価し、評価した結果を示す画像を表示装置４００へ出力する。こうすることで、認知機能評価装置１００は、自覚症状がない認知症患者へ認知機能の程度を通知できるため、例えば、認知症患者に医師に診察を受けるように促すことができる。言い換えると、認知機能評価装置１００は、自覚症状がない認知症患者へ認知機能の程度を通知することで、認知症患者が医師に診察を受ける支援をすることができる。
なお、認知機能評価装置１００は、例えば、パーソナルコンピュータであるが、サーバ装置であってもよい。
図２は、実施の形態に係る認知機能評価装置１００の特徴的な機能構成を示すブロック図である。認知機能評価装置１００は、取得部１１０と、算出部１２０と、評価部１３０と、出力部１４０と、記憶部１５０とを備える。
取得部１１０は、集音装置３００によって検出された音声データを取得する。取得部１１０は、例えば、有線通信又は無線通信を行う通信インターフェースである。
算出部１２０は、取得部１１０で取得した被評価者Ｕの音声データを解析する処理部である。算出部１２０は、具体的には、プロセッサ、マイクロコンピュータ、又は、専用回路によって実現される。
算出部１２０は、取得部１１０が取得した音声データから複数の母音を抽出し、複数の母音のそれぞれについて、当該母音のスペクトルから得られる１以上のフォルマントの周波数及び振幅に基づいた特徴量を算出する。ここで、特徴量とは、評価部１３０が被評価者Ｕの認知機能を評価するために用いる音声データから算出される被評価者Ｕの音声の特徴を示す数値である。例えば、特徴量は、第二フォルマントの周波数及び振幅である。つまり、算出部１２０は、例えば、第二フォルマントの周波数及び振幅を複数の母音のそれぞれについて特徴量として算出する。
なお、算出部１２０が算出する特徴量は、第二フォルマントの周波数及び振幅に限らない。例えば、算出部１２０は、取得部１１０が取得した音声データから母音を抽出して算出した当該母音のスペクトルにおける所定の時間間隔ごとの複数の第二フォルマントの周波数及び振幅を算出し、算出した複数の第二フォルマントの周波数及び振幅から、複数の第二フォルマントの周波数及び振幅の標準偏差を特徴量として算出してもよい。
また、算出部１２０は、取得部１１０が取得した音声データから母音を抽出して算出した当該母音のスペクトルにおける所定時間ごとの複数の第二フォルマントの周波数及び振幅を算出し、算出した複数の第二フォルマントの周波数及び振幅の時間に対する変化量を特徴量として算出してもよい。
また、算出部１２０は、取得部１１０が取得した音声データから母音を抽出して算出した当該母音のスペクトルから第一フォルマントの周波数及び振幅と、第二フォルマントの周波数及び振幅とを複数の母音のそれぞれについて算出し、算出した第一フォルマントの周波数に対する算出した第二フォルマントの周波数と、算出した第一フォルマントの振幅に対する算出した第二フォルマントの振幅とを特徴量として算出してもよい。
第二フォルマントの周波数は、人の音声の低周波数側から数えて２番目に見られる振幅のピーク周波数であり、声帯音源が声道、唇や舌等の口腔、鼻腔等で生じる共鳴のうち、舌の位置に関する影響が反映されやすいことが知られている。また、認知症患者は、健常者と比較して舌やあごの位置を維持する運動機能が衰える場合が多い。そのため、第二フォルマントの周波数及び振幅には、健常者と認知症患者とで違いが生じやすいと考えられる。これにより、第二フォルマントの周波数及び振幅に関する量を特徴量として認知機能の評価に用いることで、より精度良く被評価者Ｕの認知機能は評価され得る。
第一フォルマントの周波数は、人の音声の低周波数側から数えて１番目に見られる振幅のピーク周波数であり、舌の動きに関する特徴が反映されやすいことが知られている。また、認知症患者は、健常者と比較して舌をうまく動かせない場合が多い。そのため、第一フォルマントの周波数は、健常者と認知症患者とで違いが生じやすいと考えられる。これにより、第二フォルマントの周波数及び振幅にあわせて第一フォルマントの周波数及び振幅に関する量を特徴量として認知機能の評価に用いることで、更に精度良く被評価者Ｕの認知機能は評価され得る。
また、算出部１２０は、出力部１４０が課題情報を出力してから取得部１１０が音声データを取得するまでの時間、音声の振幅の時間変化、及び、課題情報に対する正語の少なくとも一つを特徴量として算出してもよい。ここで、課題情報とは、表示装置４００に表示される被評価者Ｕが発話する文章の情報を含む情報である。課題情報に含まれる文章は、例えば、早口言葉、ランダムに表示される複数の母音「え」「おえう」や「いあえお」等の被評価者Ｕが読み上げる文章でもよいし、都道府県名等の被評価者Ｕの記憶を問う文章でもよい。
評価部１３０は、算出部１２０が算出した特徴量と、記憶部１５０に記憶されている参照データ１５１とを照合し、被評価者Ｕの認知機能を評価する。評価部１３０は、具体的には、プロセッサ、マイクロコンピュータ、又は、専用回路によって実現される。なお、算出部１２０及び評価部１３０は、それぞれの機能を併せ持つ１つのプロセッサ、マイクロコンピュータ、又は、専用回路で実現されてもよいし、プロセッサ、マイクロコンピュータ、又は、専用回路のうちの２つ以上の組み合わせによって実現されてもよい。
出力部１４０は、評価部１３０が評価した被評価者Ｕの認知機能の評価結果を表示装置４００へ出力する。出力部１４０は、例えば、有線通信又は無線通信を行う通信インターフェースである。
記憶部１５０は、特徴量と、人の認知機能との関係を示す参照データ１５１が記憶されている記憶装置である。参照データ１５１は、被評価者Ｕの認知機能の程度の評価が行われるときに評価部１３０によって参照される。記憶部１５０は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、半導体メモリ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等によって実現される。
また、記憶部１５０には、算出部１２０及び評価部１３０が実行するプログラム、及び、被評価者Ｕの認知機能の評価結果を出力する際に用いられる当該評価結果を示す画像データも記憶されている。
［認知機能評価方法の処理手順］
続いて、認知機能評価装置１００が実行する認知機能評価方法における具体的な処理手順について説明する。
取得部１１０は、集音装置３００を介して被評価者Ｕの音声データを取得する（ステップＳ１０１）。ステップＳ１０１において、例えば、被評価者Ｕは、「ありがとう」等の、「あ」、「い」、「う」、「え」、「お」のうち、複数の母音を含む単語を集音装置３００に向けて発する。取得部１１０は、集音装置３００を介して、被評価者Ｕが発した「ありがとう」等の音声を、音声データとして取得する。
次に、算出部１２０は、取得部１１０が取得した音声データから、複数の母音を抽出する（ステップＳ１０２）。ステップＳ１０２において、算出部１２０は、例えば、ステップＳ１０１で取得部１１０が取得した「ありがとう」等の音声データから、「あ」、「う」の母音を抽出する。
次に、算出部１２０は、ステップＳ１０２で抽出した複数の母音から、複数の母音それぞれの母音のスペクトルを算出し、算出した複数の母音のスペクトルから、複数の母音それぞれのフォルマントの周波数及び振幅に基づく特徴量を算出する（ステップＳ１０３）。ステップＳ１０３において、例えば、算出部１２０は、ステップＳ１０２で算出した複数の母音のスペクトルから、複数の母音それぞれにおける、最も周波数の低いフォルマントである第一フォルマントの周波数及び振幅と、第一フォルマントの次に周波数の低いフォルマントである第二フォルマントの周波数及び振幅とを算出する。なお、ステップＳ１０３において、算出部１２０は、第三フォルマントの周波数及び振幅、第四フォルマントの周波数及び振幅等を算出してもよい。
次に、評価部１３０は、ステップＳ１０３で算出部１２０が算出した複数の母音それぞれにおけるフォルマントの周波数及び振幅から、被評価者Ｕの認知機能を評価する（ステップＳ１０４）。ステップＳ１０４において、評価部１３０は、例えば、ステップＳ１０３で算出部１２０が算出した複数の母音それぞれにおけるフォルマントの周波数及び振幅に基づいた特徴量と、記憶部１５０に記憶された参照データ１５１とから、被評価者Ｕの認知機能を評価する。
次に、出力部１４０は、評価部１３０が評価した被評価者Ｕの認知機能の評価結果を出力する（ステップＳ１０５）。ステップＳ１０５において、出力部１４０は、例えば、ステップＳ１０４で評価部１３０が評価した評価結果に対応する画像を記憶部１５０から取得して、表示装置４００へ取得した画像を送信する。
表示装置４００は、出力部１４０が出力した画像を取得して、当該画像を表示させる。こうすることで、被評価者Ｕは、簡便に、認知機能の評価結果を確認することができる。
図４は、図３に示すステップＳ１０１において、取得部１１０が被評価者Ｕの音声データを取得する方法の一例を示す図である。
図４の（ａ）に示すように、医者Ｄ等は、被評価者Ｕへ「端末に文章が表示されるので、それを大きな声で話してもらえませんか？」というように声をかける。なお、医者Ｄが直接被評価者Ｕに説明してもよいし、録音した音声を被評価者Ｕに聞かせてもよいし、説明文を表示装置４００に表示させてもよい。録音した音声を被評価者Ｕに聞かせる、又は、説明文を表示装置４００に表示させる方法を用いることにより、被評価者Ｕの近くに医者Ｄがいなくても、被評価者Ｕは、認知機能評価装置１００を用いて自身の認知機能を確認することができる。
次に、図４の（ｂ）に示すように、表示装置４００には、被評価者Ｕが話す課題情報である文章が含まれる画像４１０が表示される。画像４１０に含まれる文章は、複数の母音が含まれていればよく、文章の内容は、特に限定されない。図４の（ｂ）には、「昨日の夕飯は、娘が作ってくれたカレーライス。美味しかった。ありがとう。」という文章が含まれる画像４１０を例示している。なお、画像４１０に含まれる文章は、母音以外の文字が含まれていてもよいし、含まれていなくてもよい。また、画像４１０に含まれる文章は、単語でもよい。
次に、図４の（ｃ）に示すように、被評価者Ｕは、画像４１０に含まれる文章を発話する。図４に示す例においては、算出部１２０は、例えば、「ありがとう」の「あ」と「う」とを抽出する。
このように、被評価者Ｕが発話する文章を画像４１０に表示させることで、医者Ｄが当該文章を声で被評価者Ｕに伝える場合と比較して、被評価者Ｕの音声を検出する場合にノイズが入りにくくなる。
また、被評価者Ｕに対して被評価者Ｕが発話する文章が提示されてから、被評価者Ｕが発話するまでの時間を測定し、認知機能の評価に用いる場合がある。この場合、算出部１２０は、出力部１４０が課題情報（具体的には、図４の（ｂ）に示す画像４１０）を出力してから取得部１１０が音声データを取得するまでの時間を特徴量として算出する。このように、被評価者Ｕが発話する文章を画像４１０に表示させることで、医者Ｄが当該文章を声で被評価者Ｕに伝える場合と比較して、被評価者Ｕに対して被評価者Ｕが発話する文章が提示されてから、被評価者Ｕが発話するまでの時間が正確に測定しやすくなる。
図５は、被評価者Ｕが発話した音声を示す音声データの一例を示す図である。具体的には、図５は、被評価者Ｕが「ありがとう」と発話した場合の音声データを示すグラフである。図５に示すグラフの横軸は時間であり、縦軸は振幅である。
図５に示すように、グラフには、「あ」、「り」、「が」、「と」、「う」に対応する音圧の変化が確認される。取得部１１０は、ステップＳ１０１（図３参照）において、被評価者Ｕから音声データとして、図５に示すデータを取得する。算出部１２０は、例えば、ステップＳ１０２（図３参照）において、既知の方法により、図５に示す音声データから、母音である「あ」、「う」を抽出する。より具体的には、算出部１２０は、ステップＳ１０２（図３参照）において、既知の方法により、図５に示す音声データから、母音である「あ」を示す音声データの抽出範囲Ｗを抽出する。
また、被評価者Ｕに対して被評価者Ｕが発話する文章が提示されてから、被評価者Ｕが発話するまでの時間である経過時間ｔを測定し、認知機能の評価に用いる場合がある。この場合、算出部１２０は、出力部１４０が課題情報を出力した時刻である表示時刻ｔ１と、取得部１１０が音声データを取得した時刻である発話時刻ｔ２とから、経過時間ｔを算出する。なお、出力部１４０が課題情報を出力した時刻と、表示装置４００が課題情報を表示した時刻には、時間差が生じることが想定される。この場合、表示時刻ｔ１として、出力部１４０が課題情報を出力した時刻が採用されてもよいし、表示装置４００が課題情報を表示した時刻が採用されてもよい。予め当該時間差が分かっている場合には、表示時刻ｔ１として、出力部１４０が課題情報を出力した時刻を当該時間差で補正した時刻を採用してもよい。
なお、認知機能評価装置１００は、時間を測定するために、ＲＴＣ（Ｒｅａｌ Ｔｉｍｅ Ｃｌｏｃｋ）等の計時部を備えてもよい。
図６は、音声データから算出部１２０が算出するフォルマントの周波数を説明するための図である。具体的には、図６は、図５に示す音声データを、横軸を周波数に変換して得られる母音のスペクトルを示すグラフである。なお、図６の縦軸は、振幅である。
図６に破線で示すように、音声データの横軸を周波数に変換して得られるデータには、複数のピークが確認される。複数のピークのうち、周波数の最も低いピークの周波数は、第一フォルマントの周波数Ｆ１である。また、第一フォルマントの周波数Ｆ１の次に周波数の低いピークの周波数は、第二フォルマントの周波数Ｆ２である。また、第二フォルマントの周波数Ｆ２の次に周波数の低いピークの周波数は、第三フォルマントの周波数Ｆ３である。このように、算出部１２０は、取得部１１０が取得した音声データから既知の方法により母音の部分を抽出して、抽出した母音の部分の音声データを、周波数に対する振幅にデータ変換することにより母音のスペクトルを算出して、フォルマントの周波数を算出する。また、フォルマントの振幅とは、例えば、図６に示す各フォルマントの周波数におけるピーク強度である。
なお、図６に示すグラフは、図５に示す音声データを回帰分析することにより算出される。回帰分析には、例えば、ケプストラム分析、線形予測分析（Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｖｅ Ｃｏｄｉｎｇ：ＬＰＣ）等が採用される。
図７は、音声データから算出部１２０が算出するフォルマントの周波数の時間変化の一例を示す図である。具体的には、図７は、第一フォルマントの周波数Ｆ１と、第二フォルマントの周波数Ｆ２と、第三フォルマントの周波数Ｆ３との周波数の時間変化の一例を説明するためのグラフである。
例えば、被評価者Ｕが発する「あ」等の母音を、数秒間発する。認知機能評価装置１００は、被評価者Ｕが発した音声を、６０ｍｓｅｃ等の所定の時間間隔ごとに分割し、分割した時間間隔ごとのそれぞれにおいて、フォルマントの周波数を算出する。こうすることで、算出部１２０は、フォルマントの周波数の時間に対する変化量、標準偏差等を算出する。なお、所定の時間間隔は、任意に設定されてよく、例えば、６０ｍｓｅｃ未満でもよいし、６０ｍｓｅｃより長くてもよい。また、標準偏差を算出する際の時間の幅もまた、任意に設定されてよい。また、フォルマントの振幅の時間変化は、フォルマントの周波数を算出する際に、あわせて算出すればよい。
ところで、認知症の診断は、認知症の診断のためのバッチテストであるＭｏＣＡテストを被評価者Ｕが受けることにより、被評価者Ｕが認知症であるかどうかを特定することができる。図８は、被評価者ＵがＭｏＣＡテストを受けた際に獲得したスコアを示す図である。
本発明者らは、健常者（ＮＣ：Ｎｏｒｍａｌ Ｃｏｎｔｒｏｌ）、軽度の認知症患者（ＭＣＩ：Ｍｉｌｄ Ｃｏｇｎｉｔｉｖｅ Ｉｎｐａｉｒｍｅｎｔ）及び認知症患者（ＡＤ）を含む複数の被評価者を集めて、ＭｏＣＡテストを実施した。ＮＣの被評価者数（Ｎｕｍｂｅｒ ｏｆ ｓｕｂｊｅｃｔｓ）は９０人とし、ＭＣＩの被評価者数は９４人とし、ＡＤの被評価者数は９３人とした。
図８から、ＮＣ、ＭＣＩ及びＡＤとでＭｏＣＡのスコアの平均値（ＭｏＣＡ ａｖｅｒａｇｅ ｓｃｏｒｅ）及びスコアの範囲（ＭｏＣＡ ｓｃｏｒｅ ｒａｎｇｅ）が異なることが確認できる。具体的には、ＮＣのＭｏＣＡのスコアの平均値は２７．４であり、ＭＣＩのＭｏＣＡのスコアの平均値は２２．１であり、ＡＤのＭｏＣＡのスコアの平均値は１６．２であった。このように得られるＭｏＣＡテスト等の結果と、第一フォルマントの周波数Ｆ１、第二フォルマントの周波数Ｆ２等の被評価者Ｕの特徴量との相関を参照データ１５１として用いることで、認知機能評価装置１００は、被評価者Ｕの音声と参照データ１５１とから、被評価者Ｕの認知機能を評価することができる。
図９は、参照データ１５１と、算出部１２０が算出した音声データの特徴量との関係の一例を説明するための図である。
記憶部１５０には、参照データ１５１として、例えば、第一フォルマントの周波数Ｆ１と第二フォルマントの周波数Ｆ２との比に対して、認知機能がＮＣか、ＭＣＩか、ＡＤかの対応を示すデータが記憶されている。図９では、例えば、被評価者Ｕの特徴量である第一フォルマントの周波数Ｆ１と第二フォルマントの周波数Ｆ２との比率が、破線で示すグラフの範囲Ａの内側にある場合には、評価部１３０は、被評価者ＵがＭＣＩであると評価する例を示す。例えば、算出部１２０が算出した被評価者Ｕの特徴量が図９に示す特徴量Ｒであった場合、評価部１３０は、特徴量Ｒが範囲Ａに含まれているか否かを判定し、含まれている場合、被評価者Ｕの認知機能をＭＣＩと判定する。
図１０は、表示装置４００に表示される認知機能が低下していることを示す画像の一例を示す図である。
表示装置４００は、評価部１３０が評価した評価結果として、図１０に示されるような画像４２０を表示する。画像４２０は、例えば、評価部１３０が被評価者Ｕの認知機能をＭＣＩと評価した場合に表示する画像の一例である。このように、表示装置４００は、評価部１３０が評価した評価結果を画像として表示する。こうすることで、例えば、被評価者Ｕが自宅等で認知機能評価装置１００を用いて認知機能を評価している場合には、認知機能評価装置１００は、被評価者Ｕに対して医者等の診察を促すことが可能である。
［効果等］
以上、実施の形態に係る認知機能評価装置１００は、取得部１１０と、算出部１２０と、評価部１３０と、出力部１４０とを備える。取得部１１０は、被評価者Ｕが発する音声を示す音声データを取得する。算出部１２０は、取得部１１０が取得した音声データから複数の母音を抽出し、複数の母音のそれぞれについて、当該母音のスペクトルから得られる１以上のフォルマントの周波数及び振幅に基づいた特徴量を算出する。評価部１３０は、算出部１２０が算出した特徴量から被評価者Ｕの認知機能を評価する。出力部１４０は、評価部１３０が評価した評価結果を出力する。
これにより、認知機能評価装置１００は、被評価者Ｕが発話した音声から、被評価者Ｕの音声データからフォルマントの周波数及び振幅を特徴量として算出する。フォルマントの周波数及び振幅は、ＮＣとＭＣＩとＡＤとで、特徴が異なることが考えられる。そのため、認知機能評価装置１００によれば、機械学習等による多量のデータを分析及び蓄積が必要なく、簡便に且つ精度良く被評価者Ｕの認知機能の評価が可能となる。また、複数の母音を評価の対象とすることにより、より精度良く被評価者Ｕの認知機能の評価が可能となる。
例えば、算出部１２０は、１以上のフォルマントの周波数及び振幅として、第二フォルマントの周波数Ｆ２及び振幅を特徴量として算出してもよい。
第二フォルマントの周波数Ｆ２は、人の音声の低周波数側から数えて２番目に見られる振幅のピーク周波数であり、声帯音源が声道、唇や舌等の口腔、鼻腔等で生じる共鳴のうち、舌の位置に関する影響が反映されやすいことが知られている。また、例えば、ＡＤは、舌やあごの位置を維持する運動機能が衰える場合が多いと考えられる。そのため、第二フォルマントの周波数Ｆ２及び振幅には、ＮＣとＡＤとで違いが生じやすいと考えられる。これにより、第二フォルマントの周波数Ｆ２及び振幅に関する量を特徴量として認知機能の評価に用いることで、より精度良く被評価者Ｕの認知機能の評価が可能となる。
また、例えば、算出部１２０は、１以上のフォルマントの周波数として、音声データから算出されるスペクトルにおける所定時間ごとの複数の第二フォルマントの周波数Ｆ２及び振幅を算出し、算出した複数の第二フォルマントの周波数Ｆ２及び振幅から、第二フォルマントの周波数Ｆ２及び振幅の標準偏差を特徴量として算出してもよい。
上記のように、例えば、ＡＤは、舌やあごの位置を維持する運動機能が衰える場合が多いと考えられる。そのため、ＡＤは、ＮＣと比較して、発する音声が安定しにくいことが考えられる。つまり。ＡＤは、ＮＣと比較して、発する音声がばらつくために、第二フォルマントの周波数Ｆ２及び振幅の標準偏差が大きくなることが考えられる。これにより、第二フォルマントの周波数Ｆ２及び振幅の標準偏差を特徴量として認知機能の評価に用いることで、より精度良く被評価者Ｕの認知機能の評価が可能となる。
また、例えば、算出部１２０は、１以上のフォルマントの周波数として、音声データから算出されるスペクトルにおける所定時間ごとの複数の第二フォルマントの周波数Ｆ２及び振幅を算出し、算出した複数の第二フォルマントの周波数Ｆ２及び振幅の時間に対する変化量を特徴量として算出してもよい。
上記のように、例えば、ＡＤは、舌やあごの位置を維持する運動機能が衰える場合が多いと考えらえる。そのため、ＡＤは、ＮＣと比較して、発する音声が安定しにくいことが考えられる。つまり。ＡＤは、ＮＣと比較して、発する音声がばらつくために、第二フォルマントの周波数Ｆ２及び振幅の時間変化が大きくなることが考えられる。これにより、第二フォルマントの周波数Ｆ２及び振幅の時間に対する変化量を特徴量として認知機能の評価に用いることで、より精度良く被評価者Ｕの認知機能の評価が可能となる。
また、例えば、算出部１２０は、１以上のフォルマントの周波数及び振幅として、音声データから算出されるスペクトルから第一フォルマントの周波数Ｆ１及び振幅と第二フォルマントの周波数Ｆ２及び振幅とを算出してもよい。さらに、算出部１２０は、算出した第一フォルマントの周波数Ｆ１に対する第二フォルマントの周波数Ｆ２と、第一フォルマントの振幅に対する第二フォルマントの振幅とを特徴量として算出してもよい。
第一フォルマントの周波数Ｆ１は、人の音声の低周波数側から数えて１番目に見られる振幅のピーク周波数であり、舌の動きに関する特徴が反映されやすいことが知られている。また、ＡＤは、ＮＣと比較して舌をうまく動かせない場合が多い。そのため、第一フォルマントの周波数Ｆ１及び振幅は、ＮＣとＡＤとで違いが生じやすいと考えられる。また、フォルマントの周波数及び振幅には、個人差が生じることが推定される。さらに、第一フォルマントの周波数Ｆ１及び振幅と第二フォルマントの周波数Ｆ２及び振幅とには、個人ごとに相関がみられることが推定される。そのため、第一フォルマントの周波数Ｆ１に対する第二フォルマントの周波数Ｆ２、及び、第一フォルマントの振幅に対する第二フォルマントの振幅を特徴量として認知機能の評価に用いることで、個人差を抑制して更に精度良く被評価者Ｕの認知機能の評価が可能となる。
また、例えば、認知機能評価装置１００は、人の特徴量に関する情報と、人の認知機能との関係を示す参照データ１５１が記憶された記憶部１５０をさらに備えてもよい。評価部１３０は、被評価者Ｕの特徴量と記憶部１５０に記憶されている参照データ１５１とを照合することにより、被評価者Ｕの認知機能を評価してもよい。
これにより、認知機能評価装置１００は、取得した音声データからフォルマントの周波数及び振幅に基づいた特徴量を算出し、算出した特徴量と参照データ１５１とを照合することで、被評価者Ｕの認知機能を評価することができる。そのため、認知機能評価装置１００によれば、機械学習等による多量のデータを分析及び蓄積が必要なく、簡便に且つ精度良く被評価者Ｕの認知機能の評価が可能となる。
また、例えば、出力部１４０は、被評価者Ｕに特定の音声を発せさせるための課題情報を出力してもよい。また、算出部１２０は、さらに、出力部１４０が課題情報を出力してから取得部１１０が音声データを取得するまでの時間、音声データが示す振幅の時間変化、及び、課題情報に対する正誤の少なくとも一つを特徴量として算出してもよい。
ＡＤは、ＮＣと比較して、反応速度が低下している場合が多い。そのため、課題情報が表示装置４００に提示されてから発話するまでに、ＮＣとＡＤとで違いが生じやすいと考えられる。これにより、課題情報が表示装置４００に表示されてから発話までの時間をさらに特徴量として認知機能の評価に用いることで、更に精度良く被評価者Ｕの認知機能の評価が可能となる。
また、ＡＤは、ＮＣと比較して、舌やあご等の口の周りの筋肉をうまく動かせない場合が多い。そのため、ＡＤは、ＮＣと比較して振幅が安定しないことが考えられる。これにより、フォルマントの周波数にあわせて被評価者の振幅の時間変化を特徴量として認知機能の評価に用いることで、更に精度良く被評価者Ｕの認知機能の評価が可能となる。
また、ＡＤは、ＮＣと比較して、簡単な問題に対しても答えを間違える可能性が高いことが考えられる。そのため、課題情報に含まれる文章を、正誤を問う問題（クイズ）とし、その正誤も合わせて特徴量として認知機能の評価に用いることで、更に精度良く被評価者Ｕの認知機能の評価が可能となる。
また、実施の形態に係る認知機能評価システム２００は、認知機能評価装置１００と、被評価者の音声を検出して、検出した音声を示す音声データを取得部１１０に出力する集音装置３００と、出力部１４０が出力した評価結果を表示する表示装置４００とを備える。
これにより、認知機能評価装置２００は、集音装置３００によって被評価者Ｕの音声を検出し、認知機能評価装置１００によって被評価者Ｕの認知機能を評価し、表示装置４００によって当該評価結果を表示できる。つまり、認知機能評価システム２００によれば、機械学習等による多量のデータを分析及び蓄積が必要なく、簡便に且つ精度良く被評価者Ｕの認知機能の評価が可能となる。
また、実施の形態に係る認知機能評価方法は、被評価者Ｕが発する音声を示す音声データを取得する取得ステップと、取得ステップで取得された音声データから複数の母音を抽出し、複数の母音のそれぞれについて、当該母音のスペクトルから得られる１以上のフォルマントの周波数及び振幅に基づいた特徴量を算出する算出ステップと、算出ステップで算出された特徴量から被評価者の認知機能を評価し、評価結果を出力する評価ステップとを含む。
これにより、実施の形態に係る認知機能評価方法によれば、被評価者Ｕが発話した音声から、被評価者Ｕの特徴量としてフォルマントの周波数及び振幅が算出される。フォルマントの周波数及び振幅は、ＮＣとＭＣＩとＡＤとで、特徴が異なることが考えられる。そのため、実施の形態に係る認知機能評価方法によれば、機械学習等による多量のデータを分析及び蓄積が必要なく、簡便に且つ精度良く被評価者Ｕの認知機能の評価が可能となる。
また、認知機能評価方法は、認知機能評価方法に含まれるステップをコンピュータに実行させるプログラムとして実現されてもよい。
これにより、実施の形態に係る認知機能評価方法は、コンピュータを用いて簡便に実行され得る。
（変形例）
続いて、実施の形態の変形例１及び変形例２に係る認知機能評価システムについて説明する。なお、実施の形態と同一の構成に関しては同一の符号を付しており、重複する説明は省略又は簡略化する場合がある。
図１１は、実施の形態の変形例１に係る認知機能評価システムの構成を示す図である。
実施の形態の変形例１に係る認知機能評価システム２００ａは、実施の形態に係る認知機能評価システム２００と同様に、認知機能評価装置１００と、集音装置３００と、表示装置４００とを備える。認知機能評価システム２００は、例えば、集音装置３００を覆うように、ポップガード３２０を備えてもよい。
また、認知機能評価システム２００ａでは、指向性を有する集音装置３００が採用されている。ここで、集音装置３００及び表示装置４００は、集音装置３００が最大感度を示す方向（図１１に示す集音方向Ｖ２）と表示装置４００が課題情報を表示する表示面４０１の法線方向Ｖ１とが一致するように配置されている。具体的には、法線方向Ｖ１と集音方向Ｖ２とが平行となるように、集音装置３００及び表示装置４００は、机等の固定物に配置されている。なお、集音装置３００及び表示装置４００は、造営材などに固定されてもよい。また、認知機能評価システム２００ａは、集音装置３００及び表示装置４００の位置関係を固定するための固定具を備えてもよい。
こうすることで、被評価者Ｕが表示装置４００を見ながら発話した場合においても、集音方向Ｖ２と、発話する方向とが一致しやすくなる。そのため、認知機能評価システム２００ａのような位置関係とすることで、集音装置３００は、被評価者Ｕの音声を正確に検出しやすくなる。
続いて、実施の形態の変形例２に係る認知機能評価システムについて説明する。
図１２は、実施の形態の変形例２に係る認知機能評価システムの構成を示す図である。
実施の形態の変形例２に係る認知機能評価システム２００ｂは、実施の形態に係る認知機能評価システム２００と同様に、認知機能評価装置１００と、集音装置３００ａと、表示装置４００とを備える。
集音装置３００ａは集音装置３００と同様に、被評価者Ｕが発した音声を検出して、検出した音声を示す音声データを認知機能評価装置１００へ出力するマイクである。また、集音装置３００ａは、実施の形態１に係る認知機能評価システム２００における集音装置３００と同様に、指向性を有する。
認知機能評価システム２００ｂにおいては、集音装置３００ａと表示装置４００とが一体として形成されている。具体的には、集音装置３００ａと表示装置４００とは、同一の筐体に配置されている。集音装置３００ａと表示装置４００とを一体に形成する製造工程において、法線方向Ｖ１と集音方向Ｖ２とを一致するように形成しておけば、被評価者Ｕが認知機能評価システム２００ｂを利用する際に、法線方向Ｖ１及び集音方向Ｖ２がずれることが抑制される。
（その他の実施の形態）
以上、実施の形態、及び実施の形態の変形例１及び変形例２に係る認知機能評価システム等について説明したが、本発明は、上記実施の形態に限定されるものではない。
上記実施の形態では、認知機能評価装置は、認知機能の評価の一具体例として、ＮＤかＭＣＩかＡＤかの評価をした。しかしながら、認知機能評価装置は、ＮＤかＭＣＩかＡＤかの評価に限定されない。例えば、被評価者Ｕの酩酊の度合いが評価されてもよい。
また、上記実施の形態では、認知機能の低下の症状の一具体例として、アルツハイマー型認知症が挙げられた。しかしながら、認知機能とは、認識したり、記憶したり、判断したりする能力を示し、認知症とは、上述した認知機能の低下が見られる症状を示す。つまり、認知機能評価装置が評価する認知機能の程度は、アルツハイマー型認知症に限定されず、例えば、血管性認知症などでもよい。
また、上記実施の形態では、被評価者Ｕの認知機能の程度を評価するために、ＭｏＣＡテストのスコアとフォルマントの特徴量との関係性を示すデータを参照データ１５１として予め記憶部１５０が記憶している。しかしながら、参照データは、フォルマントの特徴量と照合することで認知機能の程度の評価をすることができるデータであればよく、ＭｏＣＡテストとフォルマントの特徴量との関係性を示すデータに限定されない。例えば、参照データは、ＭＭＳＥ（Ｍｉｎｉ−Ｍｅｎｔａｌ Ｓｔａｔｅ Ｅｘａｍｉｎａｔｉｏｎ：ミニメンタルステート検査）等のスコアとフォルマントの周波数等の特徴量との関係を示すデータでもよい。
また、本発明は、認知機能評価装置が実行するステップをコンピュータに実行させるプログラムとして実現されてもよい。また、本発明は、そのプログラムを記録したコンピュータによって読み取り可能なＣＤ−ＲＯＭ等の記録媒体として実現されてもよい。また、本発明は、そのプログラムを示す情報、データ又は信号として実現されてもよい。そして、それらプログラム、情報、データ及び信号は、インターネット等の通信ネットワークを介して配信されてもよい。
また、被評価者が発話する文章が外国語の場合、「ａ」、「ｉ」、「ｕ」、「ｅ」、「ｏ」等を含む音声から、フォルマントの周波数が算出されればよい。
また、上記実施の形態では、被評価者から得られる音声データのみを特徴量として算出して被評価者の認知機能を評価したが、他の既知の認知機能を評価できるデータを組み合わせて評価を実施してもよい。例えば、認知機能と歩幅、歩隔、歩行速度等の歩行に関する歩行データとには、相関があることが知られている。上記実施の形態で評価された被評価者の音声データと、被評価者の歩行データとを組み合わせて認知機能の評価に用いることで、より精度良く被評価者の認知機能は評価され得る。
また、上記実施の形態では、算出部に算出される特徴量を複数例示した。評価部は、算出部によって算出された複数の異なる特徴量から、被評価者の認知機能を評価してもよい。また、評価部は、それぞれの特徴量に対して重み付けを実行して、被評価者の認知機能を評価してもよい。評価部が実行する重み付けで用いられる係数は、任意に定められてよい。
その他、各実施の形態に対して当業者が思いつく各種変形を施して得られる形態、又は、本発明の趣旨を逸脱しない範囲で各実施の形態における構成要素及び機能を任意に組み合わせることで実現される形態も本発明に含まれる。
１００ 認知機能評価装置
１１０ 取得部
１２０ 算出部
１３０ 評価部
１４０ 出力部
１５０ 記憶部
１５１ 参照データ
２００、２００ａ、２００ｂ 認知機能評価システム
３００、３００ａ 集音装置
４００ 表示装置
４０１ 表示面
Ｆ１ 第一フォルマントの周波数
Ｆ２ 第二フォルマントの周波数
Ｒ 特徴量
ｔ 経過時間
Ｕ 被評価者
Ｖ１ 法線方向
Ｖ２ 集音方向

Claims (11)

  1. 被評価者が発する音声を示す音声データを取得する取得部と、
    前記取得部が取得した前記音声データから複数の母音を抽出し、前記複数の母音のそれぞれについて、当該母音のスペクトルから得られる１以上のフォルマントの周波数及び振幅に基づいた特徴量を算出する算出部と、
    前記算出部が算出した前記特徴量から前記被評価者の認知機能を評価する評価部と、
    前記評価部が評価した評価結果を出力する出力部とを備える
    認知機能評価装置。
  2. 前記算出部は、前記１以上のフォルマントの周波数及び振幅として、第二フォルマントの周波数及び振幅を前記特徴量として算出する
    請求項１に記載の認知機能評価装置。
  3. 前記算出部は、前記１以上のフォルマントの周波数及び振幅として、前記スペクトルにおける所定時間ごとの複数の第二フォルマントの周波数及び振幅を算出し、
    算出した前記複数の第二フォルマントの周波数及び振幅から、第二フォルマントの周波数及び振幅の標準偏差を前記特徴量として算出する
    請求項１に記載の認知機能評価装置。
  4. 前記算出部は、前記１以上のフォルマントの周波数及び振幅として、前記スペクトルにおける所定時間ごとの複数の第二フォルマントの周波数及び振幅を算出し、
    算出した前記複数の第二フォルマントの周波数及び振幅の時間に対する変化量を前記特徴量として算出する
    請求項１に記載の認知機能評価装置。
  5. 前記算出部は、前記１以上のフォルマントの周波数及び振幅として、前記スペクトルから第一フォルマントの周波数及び振幅と第二フォルマントの周波数及び振幅とを算出し、
    算出した前記第一フォルマントの周波数に対する前記第二フォルマントの周波数と、前記第一フォルマントの振幅に対する前記第二フォルマントの振幅とを前記特徴量として算出する
    請求項１に記載の認知機能評価装置。
  6. さらに、人の前記特徴量に関する情報と、前記人の認知機能との関係を示す参照データが記憶された記憶部を備え、
    前記評価部は、前記被評価者の前記特徴量と前記記憶部に記憶されている前記参照データとを照合することにより、前記被評価者の認知機能を評価する
    請求項１〜５のいずれか１項に記載の認知機能評価装置。
  7. 前記出力部は、前記被評価者に特定の音声を発せさせるための課題情報を出力し、
    前記算出部は、さらに、前記出力部が前記課題情報を出力してから前記取得部が前記音声データを取得するまでの時間、前記音声データが示す振幅の時間変化、及び、前記課題情報に対する正誤の少なくとも一つを前記特徴量として算出する
    請求項１〜６のいずれか１項に記載の認知機能評価装置。
  8. 請求項１〜７のいずれか１項に記載の認知機能評価装置と、
    前記被評価者の音声を検出する集音装置と、
    前記出力部が出力した評価結果を表示する表示装置とを備える
    認知機能評価システム。
  9. 前記集音装置は、指向性を有し、
    前記集音装置が最大感度を示す方向と前記表示装置の表示面の法線方向とが一致するように、前記集音装置及び前記表示装置は配置されている
    請求項８に記載の認知機能評価システム。
  10. 被評価者が発する音声を示す音声データを取得する取得ステップと、
    前記取得ステップで取得された前記音声データから複数の母音を抽出し、前記複数の母音のそれぞれについて、当該母音のスペクトルから得られる１以上のフォルマントの周波数及び振幅に基づいた特徴量を算出する算出ステップと、
    前記算出ステップで算出された前記特徴量から認知機能評価装置が前記被評価者の認知機能を評価し、評価結果を出力する評価ステップとを含む
    認知機能評価方法。
  11. 請求項１０に記載の認知機能評価方法をコンピュータに実行させるための
    プログラム。
JP2017163795A 2017-08-28 2017-08-28 認知機能評価装置、認知機能評価システム、認知機能評価方法及びプログラム Active JP6312014B1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2017163795A JP6312014B1 (ja) 2017-08-28 2017-08-28 認知機能評価装置、認知機能評価システム、認知機能評価方法及びプログラム
US16/634,863 US11766209B2 (en) 2017-08-28 2018-07-20 Cognitive function evaluation device, cognitive function evaluation system, and cognitive function evaluation method
CN201880049623.4A CN110958859B (zh) 2017-08-28 2018-07-20 认知能力评估装置、认知能力评估系统、认知能力评估方法及存储介质
PCT/JP2018/027230 WO2019044255A1 (ja) 2017-08-28 2018-07-20 認知機能評価装置、認知機能評価システム、認知機能評価方法及びプログラム
TW107125849A TWI666633B (zh) 2017-08-28 2018-07-26 Cognitive function evaluation device, cognitive function evaluation system, cognitive function evaluation method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017163795A JP6312014B1 (ja) 2017-08-28 2017-08-28 認知機能評価装置、認知機能評価システム、認知機能評価方法及びプログラム

Publications (2)

Publication Number Publication Date
JP6312014B1 true JP6312014B1 (ja) 2018-04-18
JP2019040143A JP2019040143A (ja) 2019-03-14

Family

ID=61968199

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017163795A Active JP6312014B1 (ja) 2017-08-28 2017-08-28 認知機能評価装置、認知機能評価システム、認知機能評価方法及びプログラム

Country Status (5)

Country Link
US (1) US11766209B2 (ja)
JP (1) JP6312014B1 (ja)
CN (1) CN110958859B (ja)
TW (1) TWI666633B (ja)
WO (1) WO2019044255A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109493968A (zh) * 2018-11-27 2019-03-19 科大讯飞股份有限公司 一种认知评估方法及装置
WO2020013302A1 (ja) * 2018-07-13 2020-01-16 株式会社生命科学インスティテュート 精神・神経系疾患の推定システム、推定プログラムおよび推定方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11133026B2 (en) * 2019-01-04 2021-09-28 International Business Machines Corporation Natural language processor for using speech to cognitively detect and analyze deviations from a baseline
JP7241321B2 (ja) * 2019-03-26 2023-03-17 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
JP7296595B2 (ja) * 2019-04-10 2023-06-23 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、認知機能評価システム、認知機能評価方法、及び、プログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004240394A (ja) * 2002-12-12 2004-08-26 Sense It Smart Corp 話者音声解析システムおよびこれに用いるサーバ装置、話者音声の解析を利用した健康診断方法、話者音声解析プログラム
JP2007282992A (ja) * 2006-04-19 2007-11-01 Sky Kk 認知症診断支援システム
JP2009089800A (ja) * 2007-10-04 2009-04-30 Tottori Univ 痴呆症診断装置及び痴呆症診断プログラム
JP4876207B2 (ja) * 2010-06-11 2012-02-15 国立大学法人 名古屋工業大学 認知機能障害危険度算出装置、認知機能障害危険度算出システム、及びプログラム
JP2013246459A (ja) * 2012-05-23 2013-12-09 Sharp Corp 認知症問診支援装置
US20150112232A1 (en) * 2013-10-20 2015-04-23 Massachusetts Institute Of Technology Using correlation structure of speech dynamics to detect neurological changes
US20170032804A1 (en) * 2014-01-24 2017-02-02 Foundation Of Soongsil University-Industry Cooperation Method for determining alcohol consumption, and recording medium and terminal for carrying out same

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070111173A1 (en) * 2004-01-13 2007-05-17 Posit Science Corporation Method for modulating listener attention toward synthetic formant transition cues in speech stimuli for training
US8938390B2 (en) 2007-01-23 2015-01-20 Lena Foundation System and method for expressive language and developmental disorder assessment
KR100634526B1 (ko) * 2004-11-24 2006-10-16 삼성전자주식회사 포만트 트래킹 장치 및 방법
WO2006122304A1 (en) * 2005-05-11 2006-11-16 Bio-Logic Systems Corp. Neurophysiological central auditory processing evaluation system and method
JP2007114631A (ja) 2005-10-24 2007-05-10 Takuya Shinkawa 情報処理装置、情報処理方法、およびプログラム
US20070134635A1 (en) * 2005-12-13 2007-06-14 Posit Science Corporation Cognitive training using formant frequency sweeps
US20090099848A1 (en) * 2007-10-16 2009-04-16 Moshe Lerner Early diagnosis of dementia
US20100298649A1 (en) * 2007-11-02 2010-11-25 Siegbert Warkentin System and methods for assessment of the aging brain and its brain disease induced brain dysfunctions by speech analysis
US8401849B2 (en) * 2008-12-18 2013-03-19 Lessac Technologies, Inc. Methods employing phase state analysis for use in speech synthesis and recognition
US8976973B2 (en) * 2010-06-18 2015-03-10 Panasonic Intellectual Property Corporation Of America Sound control device, computer-readable recording medium, and sound control method
TWI403304B (zh) * 2010-08-27 2013-08-01 Ind Tech Res Inst 隨身語能偵知方法及其裝置
WO2012165602A1 (ja) 2011-05-31 2012-12-06 国立大学法人名古屋工業大学 認知機能障害判別装置、認知機能障害判別システム、およびプログラム
JP5194197B2 (ja) * 2011-07-14 2013-05-08 パナソニック株式会社 声質変換システム、声質変換装置及びその方法、声道情報生成装置及びその方法
US20130158434A1 (en) * 2011-12-20 2013-06-20 Delta Electronics, Inc. Apparatus for voice assisted medical diagnosis
US20140073993A1 (en) * 2012-08-02 2014-03-13 University Of Notre Dame Du Lac Systems and methods for using isolated vowel sounds for assessment of mild traumatic brain injury
US20170150907A1 (en) * 2015-02-04 2017-06-01 Cerebral Assessment Systems, LLC Method and system for quantitative assessment of visual motor response
US10127929B2 (en) * 2015-08-19 2018-11-13 Massachusetts Institute Of Technology Assessing disorders through speech and a computational model
WO2017136656A1 (en) * 2016-02-04 2017-08-10 Northwestern University Methods and systems for identifying non-penetrating brain injuries
US10475530B2 (en) * 2016-11-10 2019-11-12 Sonde Health, Inc. System and method for activation and deactivation of cued health assessment

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004240394A (ja) * 2002-12-12 2004-08-26 Sense It Smart Corp 話者音声解析システムおよびこれに用いるサーバ装置、話者音声の解析を利用した健康診断方法、話者音声解析プログラム
JP2007282992A (ja) * 2006-04-19 2007-11-01 Sky Kk 認知症診断支援システム
JP2009089800A (ja) * 2007-10-04 2009-04-30 Tottori Univ 痴呆症診断装置及び痴呆症診断プログラム
JP4876207B2 (ja) * 2010-06-11 2012-02-15 国立大学法人 名古屋工業大学 認知機能障害危険度算出装置、認知機能障害危険度算出システム、及びプログラム
JP2013246459A (ja) * 2012-05-23 2013-12-09 Sharp Corp 認知症問診支援装置
US20150112232A1 (en) * 2013-10-20 2015-04-23 Massachusetts Institute Of Technology Using correlation structure of speech dynamics to detect neurological changes
US20170032804A1 (en) * 2014-01-24 2017-02-02 Foundation Of Soongsil University-Industry Cooperation Method for determining alcohol consumption, and recording medium and terminal for carrying out same

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020013302A1 (ja) * 2018-07-13 2020-01-16 株式会社生命科学インスティテュート 精神・神経系疾患の推定システム、推定プログラムおよび推定方法
JPWO2020013302A1 (ja) * 2018-07-13 2021-06-03 株式会社生命科学インスティテュート 精神・神経系疾患の推定システム、推定プログラムおよび推定方法
CN109493968A (zh) * 2018-11-27 2019-03-19 科大讯飞股份有限公司 一种认知评估方法及装置

Also Published As

Publication number Publication date
US11766209B2 (en) 2023-09-26
JP2019040143A (ja) 2019-03-14
US20200229752A1 (en) 2020-07-23
CN110958859B (zh) 2023-06-30
TWI666633B (zh) 2019-07-21
WO2019044255A1 (ja) 2019-03-07
TW201913648A (zh) 2019-04-01
CN110958859A (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
JP6337362B1 (ja) 認知機能評価装置、及び、認知機能評価システム
JP6268628B1 (ja) 認知機能評価装置、認知機能評価システム、認知機能評価方法及びプログラム
JP6312014B1 (ja) 認知機能評価装置、認知機能評価システム、認知機能評価方法及びプログラム
WO2020013302A1 (ja) 精神・神経系疾患の推定システム、推定プログラムおよび推定方法
KR102314213B1 (ko) 인공지능 기술을 활용한 경도 인지 장애 감지 방법 및 장치
JP7022921B2 (ja) 認知機能評価装置、認知機能評価システム、認知機能評価方法及びプログラム
US20210186370A1 (en) Automated and objective symptom severity score
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
JP7307507B2 (ja) 病態解析システム、病態解析装置、病態解析方法、及び病態解析プログラム
JP6639857B2 (ja) 聴力検査装置、聴力検査方法および聴力検査プログラム
JP7296595B2 (ja) 認知機能評価装置、認知機能評価システム、認知機能評価方法、及び、プログラム
Toledo-Ronen et al. Emotion Detection for Dementia Patients Monitoring

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180119

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: 20180227

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180308

R151 Written notification of patent or utility model registration

Ref document number: 6312014

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151