JP6771162B2 - 認知機能評価装置、認知機能評価方法及びプログラム - Google Patents

Description

本発明は、認知機能評価装置、認知機能評価方法及びプログラムに関する。

人の歩行から計測されるパラメータに基づいて膝痛等の老年障害の起こりやすさを評価するシステム等が提案されている。例えば、人の歩幅等を計測し、転倒リスク又は歩行能力を判断し、人が転倒することの予防を支援するシステムがある。また、転倒以外の老年障害についても、老年障害の発生の危険性を歩行から簡便に評価する評価方法がある（例えば、特許文献１参照）。

特許文献１に記載の評価方法は、老年障害の起こりやすさを人の歩行から計測した歩行パラメータに基づいて評価する評価方法であって、歩行パラメータとして、歩行比、歩幅、歩隔等を使用し、膝痛、腰痛等の老年障害について評価する方法である。

これにより、特許文献１に記載の評価方法では、転倒以外の老年障害についても、その発生の危険性を歩行から簡便に評価できる。

特開２０１３−２５５７８６号公報

しかしながら、特許文献１に記載の評価方法では、歩行パラメータを測定するためにシート式圧力センサを用いる等、簡便に老年障害の起こりやすさを評価できない。そのために、老年障害の起こりやすさを評価するには時間がかかるといった問題がある。

本発明は、迅速に認知機能を評価することが可能な認知機能評価装置等を提供する。

本発明の一態様に係る認知機能評価装置は、人の歩行時における体動の周期性と人の認知機能の程度との関係を示す参照データを記憶している記憶部と、被測定者の歩行時における体動を検出する体動センサから、検出された前記体動を示す体動データを取得する取得部と、取得された前記体動データから、前記体動の周期性を算出し、算出した前記体動の周期性と、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で、算出した前記体動の周期性に対応する認知機能の程度を特定する演算部と、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、被測定者の歩行時における体動を検出する体動センサから、検出された前記体動を示す体動データを取得する体動データ取得ステップと、取得された前記体動データから、体動の周期性を算出し、算出した前記体動の周期性と、記憶部に記憶されている、人の歩行時における体動の周期性と前記人の認知機能との関係を示す参照データとを照合することで、算出した前記体動の周期性に対応する認知機能の程度を特定する演算ステップと、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。

本発明の一態様に係る認知機能評価装置等によれば、迅速に認知機能を評価することができる。

図１は、実施の形態１に係る認知機能評価装置を含むシステムの構成を示す図である。 図２は、実施の形態１に係る認知機能評価装置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１に係る認知機能評価装置が取り付けられた装着具を被測定者が装着した様子を示す図である。 図４は、人の歩行時の代表的な動作を示すイメージ図である。 図５は、実施の形態１に係る認知機能評価装置が取得した加速度データの実施例を示す図である。 図６は、実施の形態１に係る認知機能評価装置が加速度データから、被測定者の重心の相対位置を算出するまでの算出手順を示すフローチャートである。 図７は、実施の形態１に係る認知機能評価装置が取得した加速度データから被測定者の相対位置を算出したデータ及び窓関数を示す図である。 図８は、実施の形態１に係る認知機能評価装置が取得した加速度データ及び実施の形態１に係る認知機能評価装置が算出した窓関数を示す図である。 図９Ａは、実施の形態１に係る認知機能評価装置が加速度データをフーリエ変換して算出したデータを示す図である。 図９Ｂは、図９Ａに示すデータを規格化したデータを示す図である。 図１０は、実施の形態１に係る認知機能評価装置が加速度データから積分値を算出するまでの算出手順を示すフローチャートである。 図１１は、被測定者が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１２は、体動センサで測定された健常者、軽度認知症患者及び認知症患者の加速度データから算出された周波数スペクトルの一具体例を示す図である。 図１３は、実施の形態１に係る認知機能評価装置が算出した被測定者の積分値に対するＭｏＣＡテストで被測定者が獲得したスコアを示す図である。 図１４は、実施の形態１に係る認知機能評価装置が取得した加速度データから認知機能の程度を特定するまでの動作手順を示すフローチャートである。 図１５は、実施の形態２に係る認知機能評価装置の特徴的な機能構成を示すブロック図である。 図１６Ａは、実施の形態２に係る認知機能評価装置が加速度データから一歩の時間を算出するまでの算出手順を示すフローチャートである。 図１６Ｂは、実施の形態２に係る認知機能評価装置が加速度データから歩幅を算出するまでの算出手順を示すフローチャートである。 図１７は、実施の形態２に係る認知機能評価装置で算出された被測定者の一歩の時間及び歩幅に対するＭｏＣＡテストで被測定者が獲得したスコアの実施例を示す図である。 図１８は、本実施の形態の変形例１に係る認知機能評価装置を含むシステムの構成を示す図である。 図１９は、本実施の形態の変形例２に係る認知機能評価装置を含むシステムの構成を示す図である。

以下、実施の形態に係る認知機能評価装置及び認知機能評価方法について、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。

なお、本明細書においては、Ｚ軸方向を人の歩行方向（前後方向）とし、Ｚ軸の負方向に被測定者が歩くものとして定義する。また、Ｙ軸方向は鉛直方向（上下方向）とし、Ｙ軸の正方向を被測定者の鉛直上方として定義する。また、Ｘ軸方向は、被測定者の歩行方向と直交する水平方向（左右方向）とし、Ｘ軸の正方向を被測定者２から見て右方向として定義する。

（実施の形態１）
［認知機能評価装置の構成］
まず、実施の形態１に係る認知機能評価装置の構成に関して説明する。図１は実施の形態１に係る認知機能評価装置を含むシステムの構成を示す図である。

認知機能評価装置１００は、被測定者の歩行時の体動を測定することにより、人の認知機能の程度を特定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、従来は認知症患者の家族又は第三者等によって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ていた。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測定者が受けることにより、当該被測定者は認知症であるかどうかを確認することができた。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、被測定者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測定者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、被測定者が認知症であるかどうかを診断するために、長い期間を要した。ところで、認知症患者は、歩行時の体動が認知症ではない人（健常者）と異なることが知られている。

本発明者らは、被測定者の歩行時の体動を所定の方法で評価することにより、被測定者の認知機能の程度を特定することを見出した。具体的には、本実施の形態に係る認知機能評価装置１００は、被測定者の歩行時の体動を測定することで、当該被測定者の認知機能の程度を迅速に特定する装置である。

次に、被測定者の歩行時の体動を測定するための装置の一具体例である装着具について説明する。

図１に示すように、装着具１１は、加速度センサ１０と、ストラップ１２と、面ファスナー１３とを備える。

装着具１１は、例えば、被測定者の腰部に装着されるベルトである。面ファスナー１３のフック面とループ面とを適当な位置で結合させることで、ストラップ１２の長さを調整することができる。具体的には、ストラップ１２を被測定者の腰部に巻き付け、ストラップ１２の長さを適当に調整して締め付けることで、装着具１１が被測定者の腰部に装着される。なお、ストラップ１２の長さを調整する手段は、面ファスナー１３に限らず、バックルなどの留め具でもよい。また、装着具１１は、ベルトでなくてもよく、被測定者に着用される衣服でもよい。例えば、当該衣服に加速度センサ１０が固定されていてもよく、あるいは、衣服のポケットに収容されていてもよい。

加速度センサ１０は、被測定者に取り付けられ、被測定者の歩行時の体動を示す体動データの一具体例である加速度データを測定する。具体的には、加速度センサ１０は、取り付けられた被測定者の部位の加速度を所定の測定レートで測定する。測定レートは、単位時間当たりの加速度の測定回数である。加速度センサ１０は、測定した加速度データを認知機能評価装置１００へ送信する。

加速度センサ１０が測定する加速度データは、３軸加速度センサの場合、３次元の加速度ベクトルデータ、例えば、被測定者の前後方向、左右方向及び上下方向の各々の加速度データである。加速度データは、複数の測定点を含んでいる。複数の測定点の各々には、測定点を測定した時刻を示す時刻情報が対応付けられている。

加速度センサ１０は、測定した加速度データを認知機能評価装置１００へ送信する。具体的には、装着具１１は、無線通信装置（不図示）を備え、当該無線通信装置を介して認知機能評価装置１００と通信する。加速度センサ１０は、無線通信により、測定した加速度データを認知機能評価装置１００へ送信する。無線通信は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ−Ｆｉ（登録商標）又はＺｉｇＢｅｅ（登録商標）などの所定の無線通信規格に基づいて行われる。

図２は、実施の形態１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。図２に示すように、認知機能評価装置１００は、取得部１０１と、記憶部１０２と、演算部１０３とを備える。

取得部１０１は、体動センサ１０５で測定された被測定者の体動データを取得する処理部である。取得部１０１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）と記憶部１０２に記憶された制御プログラムと通信インターフェースとから実現される。

記憶部１０２は、取得部１０１で取得された体動データを記憶するメモリである。記憶部１０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）又はＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等で構成される。また、記憶部１０２には、演算部１０３が取得部１０１で取得された体動データと照合する参照データ１１０が記憶されている。参照データ１１０の詳細については、後述する。

演算部１０３は、取得部１０１が取得した体動データから認知機能の評価結果を算出する処理部である。具体的には、演算部１０３は、取得部１０１で取得された体動データから、体動の周期性を算出し、算出した体動の周期性と、記憶部１０２に記憶されている参照データ１１０とを照合する。体動の周期性とは、人の歩行時に発生する周期的な振動を示す。体動の周期性の詳細については、後述する。また、演算部１０３は、体動の周期性と参照データ１１０とから被測定者の認知機能の程度を特定する。

なお、認知機能評価装置１００は、体動センサ１０５及び表示部１０４と通信可能に接続されていてもよい。

体動センサ１０５は、被測定者の歩行時の体動を検出するためのセンサである。体動センサ１０５は、例えば、加速度センサ１０、カメラ（イメージセンサ）又は電波センサである。

表示部１０４は、演算部１０３において特定された認知機能の程度を示す評価結果を被測定者２に伝えるための表示装置である。表示部１０４は、例えば、ディスプレイである。演算部１０３は、表示部１０４に認知機能の程度を示す評価結果を表示する制御をしてもよい。

図３は、実施の形態１に係る認知機能評価装置１００が取り付けられた装着具１１を被測定者が装着した様子を示す図である。

図３に示すように、装着具１１が備える加速度センサ１０は、被測定者２の背面側の腰部に取り付けられる。なお、体動センサ１０５の一例である加速度センサ１０が取り付けられる被測定者２の部位は、背面側の腰部に限らず、正面側の腰部、頭部、胸部、脚部、腕部などでもよく、限定されない。

ところで、人の歩行には代表的な動作があり、人の歩行は周期性を有する。図４は、歩行の周期性の中の代表的な動作を示すイメージ図である。

図４に示すように、人の歩行は、右足軸Ｒの状態と左足軸Ｌの状態とが交互に繰り返される。言い換えると、右足軸Ｒの状態と左足軸Ｌの状態とが交互に繰り返されることで、歩行には所定の周期性が生じる。歩行の周期とは、歩行中の１つの動作から同じ動作に至るまでの繰り返しの周期である。例えば、左足の踵が地面Ｇに接触してから、再び左足の踵が地面Ｇに接触するまでの期間が歩行の１周期である。本明細書においては、当該１周期を２ステップとして考える。つまり、左足の踵が地面に接触してから、右足の踵が地面Ｇに接触するまでの期間を１ステップとして考える。

ここで、被測定者２の左足が地面Ｇに着いている場合には、被測定者２の重心が左足にかかる状態である左足軸Ｌとなるために、被測定者２の腰部が左寄りの位置になる。つまり、被測定者２の姿勢は左寄りになる。言い換えると、被測定者２の重心位置は、被測定者２が直立している状態での重心位置と比較して相対的に左側となる。

同様に、被測定者２の右足が地面Ｇに着いている場合には、被測定者２の重心が右足にかかる状態である右足軸Ｒとなるために、被測定者２の腰部が右寄りの位置になる。つまり、被測定者２の姿勢は右寄りになる。言い換えると、被測定者２の重心位置は、被測定者２が直立している状態での重心位置と比較して相対的に右側となる。

このように、歩行中には、被測定者２の右足に重心がかかっている状態である右足軸Ｒの期間と、被測定者２の左足に重心がかかっている状態である左足軸Ｌの期間とが繰り返される。

［実施例］
次に、体動センサ１０５として加速度センサ１０を用いて取得した、体動データの一具体例である加速度データについて説明する。

図５は、実施の形態１に係る認知機能評価装置１００が取得した加速度データの実施例を示す図である。つまり、図５は、図３に示すように、体動センサ１０５の一具体例である加速度センサ１０（３軸加速度センサ）を備える装着具１１を被測定者２が装着し、被測定者２がＺ軸の負方向に歩行することで取得した加速度データである。つまり、図５に示す加速度データは、被測定者２の歩行時の体動の加速度の時間変化を示す。図５に示す加速度データの縦軸は加速度であり、横軸は歩行時間である。また、図５の（ａ）に示す加速度データは、被測定者２のＸ軸方向の加速度であり、図５の（ｂ）に示す加速度データは、被測定者２のＹ軸方向の加速度であり、図５の（ｃ）に示す加速度データは、被測定者２のＺ軸方向の加速度である。

図５に示すように、加速度データは、Ｘ軸方向、Ｙ軸方向及びＺ軸方向のいずれからも加速度の正負が交互に変化していることが確認できる。認知機能評価装置１００によって当該加速度データを分析することで、被測定者２の歩行時の体動の周期性を算出する。

図６は、実施の形態１に係る認知機能評価装置１００が、加速度データから被測定者２の重心の相対位置を算出するまでの算出手順を示すフローチャートである。具体的には、図６は、体動センサ１０５の一具体例である加速度センサ１０で被測定者２の加速度データを測定し、当該加速度データを取得部１０１が取得して記憶部１０２に記憶させた当該加速度データを、演算部１０３が変換する処理手順である。

図６に示すように、演算部１０３は、記憶部１０２に記憶された加速度データを取得する（ステップＳ１０）。次に、演算部１０３は、取得した加速度データを積分することで速度を算出する（ステップＳ１０１）。次に、演算部１０３は、算出した速度から、当該速度の平均値である被測定者２の平均速度を算出する（ステップＳ１０２）。次に、演算部１０３は、算出した速度と算出した平均速度との差分をとることで、相対速度を算出する（ステップＳ１０３）。次に、演算部１０３は、算出した相対速度を積分することで、被測定者２の重心位置を算出する（ステップＳ１０４）。次に、演算部１０３は、算出した被測定者２の重心位置から当該重心位置の平均値である平均相対位置を算出する（ステップＳ１０５）。ここで、演算部１０３は、算出した被測定者２の重心位置と算出した平均相対位置との差分をとることで、相対位置を算出する（ステップＳ１０６）。次に、演算部１０３は、算出した相対位置から窓関数を算出する（ステップＳ１１）。

図７は、実施の形態１に係る認知機能評価装置１００が取得した加速度データから被測定者２の相対位置を算出したデータ及び窓関数を示す図である。具体的には、図７は、図５の（ａ）に示すＸ軸方向の加速度データを変換することで得られる被測定者２の相対位置データである。

図７に示すグラフの横軸は歩行時間であり、縦軸は被測定者２の重心の相対位置である。ここで、相対位置とは、被測定者２が歩行を開始する直前の状態である直立した状態での重心位置を０とした場合の、被測定者２の重心の位置のずれ量である。具体的には、実施の形態１においては、被測定者２が歩行を開始する直前の状態である直立した状態での加速度センサ１０の位置が、縦軸である重心の相対位置が０となる位置である。

図７に示すように、相対位置は、周期的に正方向側と負方向側とに変化していることがわかる。これは、被測定者２が歩行中に右足（正方向側）と左足（負方向側）とで重心が移動していることを示す。つまり、被測定者２が右足軸Ｒの状態と左足軸Ｌの状態とを交互に繰り返していることを示す。

ここで、演算部１０３は、被測定者２の図７に実線で示す相対位置データから、図７に破線で示す窓関数Ｗを算出する。窓関数Ｗは、被測定者２の歩行時間に対する相対位置データから算出される関数である。窓関数Ｗは、例えば矩形窓関数であり、歩行時間に対する相対位置データにおける、相対位置がゼロとなる歩行時間の時刻と、窓関数Ｗの最大値と最小値が変化する歩行時間の時刻とが一致するように設定される。こうすることで、窓関数Ｗが最大値か窓関数Ｗが最小値かを判定することから、被測定者２が右足軸Ｒの状態であるか左足軸Ｌの状態であるかを簡便に算出することができる。つまり、窓関数Ｗは、被測定者２の歩行のステップを示す関数である。なお、窓関数Ｗの最大値及び最小値は、任意の値に設定されてよい。

図７に示す窓関数Ｗにおいて、窓関数Ｗが最大値をとる場合に被測定者２は左足に重心があり、窓関数Ｗが最小値をとる場合に被測定者２は右足に重心がある。つまり、図７において、窓関数Ｗが最大値の場合の歩行時間は被測定者２が左足軸Ｌであり、窓関数Ｗが最小値の場合の歩行時間は被測定者２が右足軸Ｒである。

なお、窓関数Ｗは、図７に示すように矩形窓関数である必要はなく、ハニング窓関数等でもよく、限定されない。また、窓関数Ｗは、周期ごとに、採用される窓関数が変更されてもよい。例えば、窓関数Ｗは、３周期（右足軸３回と左足軸３回との合計６ステップの周期）ごとに同じ窓関数となるようにされ、３周期の中の最初と最後との１ステップのみハニング窓関数にし、間の２周期（４ステップ）を矩形窓関数として重み付けをしてもよい。

また、図７においては、窓関数Ｗが最大値の場合の歩行時間は被測定者２が左足軸Ｌであり、窓関数Ｗが最小値の場合の歩行時間は被測定者２が右足軸であるように窓関数Ｗを設定したが、これに限定されない。窓関数Ｗは、窓関数Ｗが最大値の場合の歩行時間は被測定者２が右足軸Ｒであり、窓関数Ｗが最小値の場合の歩行時間は被測定者２が左足軸Ｌであるように設定されてもよい。

また、図７においては、窓関数Ｗの算出にはＸ軸方向の加速度データを用いたが、これに限定されない。窓関数Ｗの算出にはＹ軸方向の加速度データが用いられてもよい。

図８は、実施の形態１に係る認知機能評価装置１００で測定された加速度データ及び窓関数Ｗを示す図である。つまり、図８は、図５に示す加速度データに、演算部１０３で算出された窓関数Ｗを重ねたデータである。なお、窓関数Ｗは、図８の横軸の歩行時間にあわせて加速度データに重ねられている。また、窓関数Ｗの最大値及び最小値は、説明のために任意に定数倍している。図８の（ａ）は、図５の（ａ）に示す加速度データに、窓関数Ｗを重ねた図である。図８の（ｂ）は、図５の（ｂ）に示す加速度データに、窓関数Ｗを重ねた図である。図８の（ｃ）は、図５の（ｃ）に示す加速度データに、窓関数Ｗを重ねた図である。

図８に示すように、演算部１０３は、加速度データと窓関数Ｗとから、加速度データをフーリエ変換する歩行時間の範囲である時間区間Ｆ（フーリエ変換範囲Ｆ）を決定する。ここで、加速度データは、被測定者２が歩行を開始したとき（例えば、歩行時間が０秒から２秒程度まで）は加速度データが安定しない場合が多い。そのため、特に限定されるものではないが、フーリエ変換範囲Ｆは、被測定者２が歩行を開始してから数秒後以降の歩行時間がよい。実施の形態１においては、被測定者２が歩行を開始してから凡そ２．７秒後の、被測定者２が左足軸Ｌ１となるときからを、フーリエ変換範囲Ｆの開始としている。また、実施の形態１においては、被測定者２が歩行を開始してから凡そ５．３秒後の、被測定者２が右足軸Ｒ３であるときまでを、フーリエ変換範囲Ｆの終了としている。つまり、実施の形態１においては、演算部１０３は、被測定者２が左足軸Ｌ１、Ｌ２、Ｌ３、で３歩（３ステップ）、右足軸Ｒ１、Ｒ２、Ｒ３、で３歩（３ステップ）の合計６歩（６ステップ）歩いた範囲の歩行時間をフーリエ変換範囲Ｆとして決定している。具体的には、演算部１０３は、被測定者２の歩行時間における、左足軸Ｌ１→右足軸Ｒ１→左足軸Ｌ２→右足軸Ｒ２→左足軸Ｌ３→右足軸Ｒ３と変化した歩行時間をフーリエ変換範囲Ｆとして決定している。

なお、フーリエ変換範囲Ｆは被測定者２が歩行中にとった右足軸Ｒ及び左足軸Ｌの合計回数、つまり合計ステップ数の歩行時間が用いられるが、その合計ステップ数は限定されない。合計ステップ数は、例えば、６歩でもよいし、８歩でもよい。

また、フーリエ変換範囲Ｆは、１ステップあたりの右足軸Ｒの状態又は１ステップあたりの左足軸Ｌの状態の歩行時間がすべて含まれるように設定される。

また、フーリエ変換は、離散的フーリエ変換（Ｄｉｓｃｒｅｔｅ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ（ＤＦＴ））でもよいし、高速フーリエ変換（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｓｆｏｒｍ（ＦＦＴ））でもよく、限定されない。なお、実施の形態１においては、演算部１０３が実行するフーリエ変換はＤＦＴを採用している。

図９Ａは、実施の形態１に係る認知機能評価装置１００が加速度データをフーリエ変換して算出したスペクトル（周波数スペクトル）を示す図である。具体的には、図９Ａは、演算部１０３が、加速度データを図８に示すフーリエ変換範囲ＦでＤＦＴしたデータである。図９Ａの（ａ）は、演算部１０３がＸ軸方向の加速度データをＤＦＴしたデータである。図９Ａの（ｂ）は、演算部１０３がＹ軸方向の加速度データをＤＦＴしたデータである。図９Ａの（ｃ）は、演算部１０３がＺ軸方向の加速度データをＤＦＴしたデータである。

ここで、周波数スペクトルの振幅の絶対値は、被測定者２ごとによって異なる。被測定者ごとの周波数スペクトルを比較するために、０〜６Ｈｚ程度までの低周波数成分で、且つ一番ピーク強度の強い（振幅の大きい）周波数（主周波数）で周波数スペクトルを規格化する。

図９Ｂは、図９Ａに示す周波数スペクトルを主周波数の振幅（加速度振幅）で規格化したデータを示す図である。図９Ｂの（ａ）は、演算部１０３がＸ軸方向の周波数スペクトルを規格化したデータである。図９Ｂの（ｂ）は、演算部１０３がＹ軸方向の周波数スペクトルを規格化したデータである。図９Ｂの（ｃ）は、演算部１０３がＺ軸方向の周波数スペクトルを規格化したデータである。

図９Ａ及び図９Ｂに示すように、加速度周期（周波数）が大きくなるほど、振幅が小さくなることがわかる。言い換えると、０〜６Ｈｚ程度までの低周波数成分は振幅が大きく、６Ｈｚ以上の高周波数成分は低周波数成分と比較して振幅が小さい。

低周波数成分の振幅は、被測定者２が歩行中に右足と左足とで重心移動するために発生した振幅であると考えられる。また、高周波数成分の振幅は、被測定者２が歩行中における左右方向（Ｘ軸方向）の不随意運動（意思に基づかない運動）の発生による振幅であると考えられる。つまり、認知症患者は、脳の機能低下又は筋力の低下にともない、歩行中に左右のバランスを保つために、６〜２０Ｈｚに起立性振戦（立ち上がった時にあらわれる制御不能な律動）が健常者と比較して強く（多く）発生していると考えられる。言い換えると、周波数スペクトルのうち、特に６Ｈｚ以上の高周波数成分に認知症であるかどうかの特徴が反映されていると考えられる。

実施の形態１においては、演算部１０３が算出する被測定者２の歩行時の体動の周期性は、被測定者２の体動を構成する周波数成分のうち、歩行に対応する周波数よりも高い周波数における周波数成分である。具体的には、実施の形態１においては、体動の周期性を示すデータは、上述した周波数スペクトルにおける高周波数成分のデータである。

ここで、実施の形態１においては、規格化された周波数スペクトル（つまり図９Ｂに示すデータ）のうち、高い周波数成分の積分値を演算部１０３が算出する。具体的には、実施の形態１においては、６Ｈｚ以上２０Ｈｚ以下の高周波数成分の規格化された周波数スペクトルを積分した値である積分値を演算部１０３が算出する。

図１０は、実施の形態１に係る認知機能評価装置１００が加速度データから実施例の積分値を算出するまでの算出手順を示すフローチャートである。具体的には、演算部１０３が、加速度データから上述した積分値を算出するまでの算出手順を示すフローチャートである。なお、図１０においては、図６に示すフローチャートと実質的に同様の手順には同様の符号を付しており、説明を省略又は簡略する場合がある。

図１０に示すように、演算部１０３は、記憶部１０２に記憶された加速度データを取得する（ステップＳ１０）。次に、演算部１０３は、取得した加速度データから窓関数Ｗを算出する（ステップＳ１１）。具体的には、図６に示すステップＳ１０１〜ステップＳ１０６により、演算部１０３は窓関数Ｗを算出する。次に、演算部１０３は、算出した窓関数Ｗからフーリエ変換範囲Ｆを決定する（ステップＳ１２）。次に、演算部１０３は、加速度データをフーリエ変換範囲Ｆでフーリエ変換する（ステップＳ１３）。具体的には、ステップＳ１３において、演算部１０３は加速度データから被測定者２の歩行時の体動の周期性を示す周波数スペクトルを算出する。次に、演算部１０３は、算出した周波数スペクトルを最もピーク強度が強い周波数の振幅で規格化する（ステップＳ１４）。次に、演算部１０３は、規格化した周波数スペクトルの高周波数成分を積分することで、積分値を算出する（ステップＳ１５）。ここで、実施の形態１においては、高周波数成分を６Ｈｚ以上２０Ｈｚ以下とした。なお、高周波領数域の上限は、特に限定されるものではなく、３０Ｈｚとしてもよいし、５０Ｈｚとしてもよい。

こうすることで、演算部１０３は、加速度データから被測定者２の積分値を算出する。

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テストを被測定者２が受けることにより、被測定者２が認知症であるかどうかを特定することができる。図１１は、被測定者２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１１に示すように、本発明者らは、健常者（ＮＣ：Ｎｏｒｍａｌ Ｃｏｎｔｒｏｌｓ）、軽度の認知症患者（ＭＣＩ：Ｍｉｌｄ Ｃｏｇｎｉｔｉｖｅ Ｉｎｐａｉｒｍｅｎｔ）及び認知症患者（ＡＤ）を含む複数の被測定者を集めて、ＭｏＣＡテストを実施した。ＮＣの被測定者数（Ｎｕｍｂｅｒ ｏｆ ｓｕｂｊｅｃｔｓ）は９０人とし、ＭＣＩの被測定者数は９４人とし、ＡＤの被測定者数は９３人とした。

図１１に示すように、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。

図１２は、体動センサ１０５で測定されたＮＤ、ＭＣＩ及びＡＤの加速度データから算出された周波数スペクトルの一具体例を示す図である。つまり、図１２は、図３に示すように、装着具１１をＭｏＣＡテストで特定されたＮＤ、ＭＣＩ及びＡＤのそれぞれが装着し、ＮＤ、ＭＣＩ及びＡＤのそれぞれがＺ軸の負方向に歩行することで取得した加速度データから算出された周波数スペクトルである。図１２に示す加速度データの縦軸は加速度振幅であり、横軸は加速度周期である。また、図１２の（ａ）は、ＮＤ、ＭＣＩ及びＡＤのＸ軸方向の周波数スペクトルであり、図１２の（ｂ）は、ＮＤ、ＭＣＩ及びＡＤのＹ軸方向の周波数スペクトルであり、図１２の（ｃ）は、ＮＤ、ＭＣＩ及びＡＤのＺ軸方向の周波数スペクトルである。

図１２の（ａ）に示すように、ＮＤと比較して、ＭＣＩ及びＡＤの方が６Ｈｚ以上の高周波数成分のピーク強度が強いことが理解できる。具体的には、ＮＤと比較して、ＭＣＩ及びＡＤの方が６Ｈｚ以上の加速度振幅が大きいことが理解できる。本発明者らは、加速度データから算出された周波数スペクトルの高周波数成分を積分した値である積分値を、認知機能の程度を特定するための値として適用することを見出した。

図１３は、実施の形態１に係る認知機能評価装置１００で算出された被測定者の実施例に係る積分値に対するＭｏＣＡテストで被測定者が獲得したスコアを示す図である。本発明者らは、ＭｏＣＡテストを実施した被測定者の中から、ＮＣ、ＭＣＩ及びＡＤをそれぞれ３名ずつ抽出した。また、本発明者らは、抽出した被測定者らから認知機能評価装置１００を用いて歩行に関する体動データ（具体的には加速度データ）を取得し、当該体動データから体動の周期性を示すデータ（具体的には上述した積分値）を得た。図１３の（ａ）は、Ｘ軸方向の周波数スペクトルにおける６Ｈｚ以上の積分値に対するＭｏＣＡテストのスコアである。図１３の（ｂ）は、Ｙ軸方向の周波数スペクトルにおける６Ｈｚ以上の積分値に対するＭｏＣＡテストのスコアである。図１３の（ｃ）は、Ｚ軸方向の周波数スペクトルにおける６Ｈｚ以上の積分値に対するＭｏＣＡテストのスコアである。

図１３の（ａ）に示すように、Ｘ軸方向の積分値とＭｏＣＡテストのスコアには、ＮＣとＭＣＩとＡＤとで相関が異なることがわかる。具体的には、ＮＤのＸ軸方向の積分値は２．５以下であり、ＭＣＩのＸ軸方向の積分値は３．０〜３．８の間であり、ＡＤのＸ軸方向の積分値は４．０以上である。つまり、加速度データから算出された積分値から、ＮＣかＭＣＩかＡＤかを特定することができる。

認知機能評価装置１００が備える記憶部１０２には、上述した積分値と、ＮＤ、ＭＣＩ及びＡＤとの対応関係である参照データ１１０が予め記憶されている。演算部１０３は、取得部１０１で取得された体動データ（例えば、加速度データ）から体動の周期性を示すデータである積分値を算出し、算出された積分値と参照データ１１０とを比較することで、被測定者２の認知機能の程度を特定する。

なお、図１３の（ｂ）及び（ｃ）に示すＹ軸方向及びＺ軸方向の積分値に対するＭｏＣＡテストのスコアからは、ＮＣとＭＣＩとＡＤとの区別はつきにくい。しかしながら、Ｙ軸方向及びＺ軸方向の積分値においても、被測定者２の測定結果を増やすことで、図１３の（ａ）のようにＮＣとＭＣＩとＡＤとが区別できる可能性がある。

図１４は、実施の形態１に係る認知機能評価装置１００で測定された体動データから認知機能の程度を特定するまでの動作手順を示すフローチャートである。具体的には、演算部１０３が被測定者２の歩行時の体動データから被測定者２の認知機能の程度を特定するまでの動作手順を示すフローチャートである。

図１４に示すように、取得部１０１は、加速度センサ１０が測定した加速度データを取得する（ステップＳ１０）。次に、演算部１０３は、加速度データから規格化した周波数スペクトルを算出し、当該周波数スペクトルの高周波数成分の積分値を算出する（ステップＳ１５）。具体的には、演算部１０３は、図１０に示すＳ１０〜Ｓ１５を実行することで積分値を算出する。次に、演算部１０３は、算出した積分値と、記憶部１０２に予め記憶されている参照データ１１０とを照合することで被測定者２の認知機能の程度を特定する（ステップＳ１６）。次に、演算部１０３は、特定した認知機能の程度の評価結果を表示部１０４に表示させる制御をする（ステップＳ１７）。例えば、被測定者２の、演算部１０３が特定した認知機能の程度がＭＣＩだった場合、演算部１０３は、表示部１０４にＭＣＩの疑いがある旨を示す画像を生成して、当該画像を表示させる制御をしてもよい。こうすることで、認知機能評価装置１００は簡便に被測定者２の認知機能の程度を特定することができる。

［効果等］
以上、実施の形態１に係る認知機能評価装置１００は、人の歩行時における体動の周期性と人の認知機能の程度との関係を示す参照データを記憶している記憶部１０２を備える。また、認知機能評価装置１００は、さらに、被測定者２の歩行時における体動を検出する体動センサ１０５から、検出された体動を示す体動データを取得する取得部１０１を備える。また、認知機能評価装置１００は、さらに、取得された体動データから、体動の周期性を算出し、算出した体動の周期性と、記憶部１０２に記憶されている参照データとを照合する演算部１０３を備える。演算部１０３は、さらに、算出した体動の周期性に対応する認知機能の程度を特定する。

これにより、認知機能評価装置１００は、ＭｏＣＡテストのような時間を要さずに被測定者２の認知機能の程度を特定することができる。つまり、認知機能評価装置１００は、迅速に被測定者２の認知機能の程度を特定することができる。さらには、認知機能評価装置１００によれば、簡便に被測定者２の認知機能の程度を特定できるので、頻度高く認知機能の程度を特定することができる。そのため、認知機能評価装置１００によれば、被測定者２は、被測定者２の認知機能の経時変化を確認しやすい。

また、体動の周期性は、体動を構成する周波数成分のうち、歩行に対応する周波数よりも高い周波数における周波数成分である。

つまり、演算部１０３は、ＮＤとＭＣＩとＡＤとで周波数スペクトルの特徴が異なる高い周波数成分を体動の周期性の特徴として算出する。これにより、認知機能評価装置１００は、精度よく被測定者２の認知機能の程度を特定することができる。

また、体動データは、体動の時間変化を示すデータでもよい。また、演算部１０３は、体動データを周波数分析することによって周波数スペクトルを算出し、算出した周波数スペクトルにおいて、歩行に対応する周波数よりも高い周波数における積分値を、体動の周期性として、算出してもよい。

これにより、認知機能評価装置１００は、ＮＤとＭＣＩとＡＤとで特徴がより異なるデータを体動の周期性を算出することができる。そのため、認知機能評価装置１００は、より精度よく被測定者２の認知機能の程度を特定することができる。

また、体動データは、体動の加速度についての時間変化を示すデータでもよい。また、演算部１０３は、体動データから、被測定者２が歩行において所定ステップ数だけ歩行している時間区間Ｆを特定し、特定した時間区間Ｆにおける体動データを周波数分析してもよい。

これにより、認知機能評価装置１００は、特に歩行開始時に発生する体動データの乱れを除いて体動の周期性を算出することができる。そのため、認知機能評価装置１００は、より精度よく被測定者２の認知機能の程度を特定することができる。

また、体動データは、被測定者２の歩行時における、歩行方向と直交する水平方向での被測定者２の加速度についての時間変化を示すデータでもよい。

具体的には、図３に示すように被測定者２がＺ軸の負方向に歩行しているとした場合に、Ｘ軸方向の被測定者２の加速度についての時間変化を示すデータでもよい。これにより、認知機能評価装置１００は、より精度よく被測定者２の認知機能の程度を特定することができる。

また、実施の形態１に係る認知機能評価方法は、被測定者２の歩行時における体動を検出する体動センサ１０５から、検出された体動を示す体動データを取得する体動データ取得ステップと、演算ステップとを含む。演算ステップでは、取得された体動データから、体動の周期性を算出する。また、演算ステップでは、算出した体動の周期性と、記憶部１０２に記憶されている、人の歩行時における体動の周期性と人の認知機能との関係を示す参照データ１１０とを照合することで、算出した体動の周期性に対応する認知機能の程度を特定する。

これにより、認知機能評価方法によれば、ＭｏＣＡテストのような時間を要さずに被測定者２の認知機能の程度を評価することができる。つまり、認知機能評価方法によれば、迅速に被測定者２の認知機能の程度を特定することができる。さらには、認知機能評価方法よれば、簡便に被測定者２の認知機能の程度を特定できるので、頻度高く認知機能の程度を特定することができる。そのため、認知機能評価方法によれば、被測定者２は、被測定者２の認知機能の経時変化を確認しやすい。

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。

これにより、認知機能評価方法は、簡便に被測定者２の認知機能を評価できるプログラムとしてコンピュータが実行できる。

（実施の形態２）
次に、実施の形態２に係る認知機能評価装置について説明する。

実施の形態１においては、演算部１０３は、フーリエ変換された体動データ（加速度データ）の高周波数成分を積分することで被測定者２の歩行時の体動の周期性を示すデータとして積分値を得た。実施の形態２においては、体動データから得られる被測定者２の歩幅又は一歩あたりにかかる時間（一歩の時間）を被測定者２の体動の周期性を示すデータとして算出する。

以下に、実施の形態２に係る認知機能評価装置について説明する。なお、実施の形態１と実質的に同一の構成又は同一の動作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される場合がある。

［認知機能評価装置の構成］
図１５は、実施の形態２に係る認知機能評価装置１００ａの特徴的な機能構成を示すブロック図である。図１５に示すように、認知機能評価装置１００ａは、取得部１０１と、記憶部１０２と、演算部１０３ａとを備える。

取得部１０１は、実施の形態１と同様に、体動センサ１０５で測定された被測定者の体動のデータを取得する処理部である。取得部１０１は、例えば、ＣＰＵと記憶部１０２に記憶された制御プログラムと通信インターフェースとから実現される。

記憶部１０２は、実施の形態１と同様に、取得部１０１で取得された体動データを記憶するメモリである。記憶部１０２は、例えば、ＲＯＭ、ＲＡＭ又はＨＤＤ等で構成される。また、記憶部１０２には、演算部１０３が取得部１０１で取得された体動データから算出される体動の周期性と照合する参照データ１１０ａが記憶されている。参照データ１１０ａの詳細については、後述する。

演算部１０３ａは、実施の形態１と同様に、取得部１０１が取得した体動データから体動の周期性を算出する処理部である。演算部１０３は、例えば、ＣＰＵと記憶部１０２に記憶された制御プログラムとから実現される。

ここで、演算部１０３ａは、取得した体動データから体動の周期性を算出するまでの算出方法が実施の形態１に係る演算部１０３とは異なる。具体的には、取得した体動データから得られる被測定者２の歩幅又は一歩の時間を被測定者２の体動の周期性を示すデータとして算出する。

［実施例］
図１６Ａは、実施の形態２に係る認知機能評価装置１００ａが加速度データから一歩の時間を算出するまでの算出手順を示すフローチャートである。図１６Ｂは、実施の形態２に係る認知機能評価装置１００ａが加速度データから歩幅を算出するまでの算出手順を示すフローチャートである。

なお、実施の形態２においては、実施の形態１と同様に体動センサ１０５は加速度センサ（３軸加速度センサ）であり、図３に示す装着具１１を被測定者２が装着することで、被測定者２の加速度データを取得した。

図１６Ａ及び図１６Ｂに示すように、演算部１０３ａは、記憶部１０２に記憶された加速度データを取得する（ステップＳ１０）。次に、演算部１０３ａは、取得した加速度データから窓関数Ｗを算出する（ステップＳ１１）。具体的には、図６に示すフローチャートと同様の手順であり、演算部１０３ａは、取得した加速度データを積分することで速度を算出する（ステップＳ１０１）。次に、演算部１０３ａは、算出した速度から被測定者２の平均速度を算出する（ステップＳ１０２）。ここで、演算部１０３は、算出した速度と算出した平均速度との差分をとることで、相対速度を算出する（ステップＳ１０３）。次に、演算部１０３ａは、算出した相対速度を積分することで、被測定者２の位置を算出する（ステップＳ１０４）。次に、演算部１０３ａは、算出した被測定者２の位置から平均相対位置を算出する（ステップＳ１０５）。ここで、演算部１０３ａは、算出した被測定者２の位置と算出した平均相対位置との差分をとることで、相対位置を算出する（ステップＳ１０６）。次に、演算部１０３ａは、算出した相対位置から窓関数Ｗを算出する（ステップＳ１１）。次に、演算部１０３ａは、算出した窓関数Ｗから一歩の時間を算出する（ステップＳ２０）。具体的には、上述した加速度データから窓関数Ｗを算出することで、図７に示す相対位置データと同様のデータを算出することができる。

上述したように、窓関数Ｗは、歩行時間に対する被測定者２の相対位置データから算出される関数であり、被測定者２が歩行中に右足に重心があるか、又は、左足に重心があるかを示す関数である。つまり、窓関数Ｗが最大値又は最小値をとる歩行時間から、被測定者２の所定の歩行時間における重心位置が簡便に推定できる。具体的には、図７に示すように、窓関数Ｗが最大値をとるときに被測定者２は左足に重心があり（左足軸Ｌ１、Ｌ２、Ｌ３）、窓関数Ｗが最小値をとるときに被測定者２は右足に重心がある（右足軸Ｒ１、Ｒ２、Ｒ３）。

以上のことから、図７に示す１ステップ（１歩）あたりの左足軸Ｌの状態又は右足軸Ｒの状態の歩行時間が、被測定者２の一歩の時間である。つまり、演算部１０３ａは、１ステップあたりの左足軸Ｌ又は右足軸Ｒの歩行時間から一歩の時間を算出する。

また、図１６Ｂに示すように、演算部１０３ａは算出した窓関数Ｗから被測定者２の歩幅を算出する（ステップＳ３０）。具体的には、上述した加速度データから窓関数Ｗを算出することで、図７に示す歩行時間に対する被測定者２の相対位置を示すデータと同様のデータを算出することができる。また、上述した一歩の時間と図６のステップＳ１０２から算出される平均速度との乗算から一歩あたりの幅（歩幅）が算出できる。つまり、演算部１０３ａは、被測定者２の一歩の時間と被測定者２の平均速度とから歩幅を算出する。

なお、窓関数Ｗから一歩の時間及び歩幅を算出する際に利用する窓関数Ｗのデータ点（又はデータ範囲）は限定されない。例えば、被測定者２が歩行を開始したとき（例えば、歩行時間が０秒から２秒程度まで）はデータが安定しない場合が多い。そのために、一歩の時間及び歩幅を算出するために、被測定者２が歩行を開始してから数秒後のデータが利用されてもよい。また、一歩の時間及び歩幅を算出する際に、演算部１０３ａは、複数歩（例えば、６歩）分のデータの平均値から一歩の時間及び歩幅を算出してもよい。

図１７は、実施の形態２に係る認知機能評価装置１００ａで測定された被測定者の一歩の時間及び歩幅に対するＭｏＣＡテストで被測定者が獲得したスコアを示す図である。具体的には、実施の形態１と同様に、本発明者らは、まずＭｏＣＡテストを実施した被測定者の中から、ＮＣ、ＭＣＩ及びＡＤをそれぞれ３名ずつ抽出した。次に、抽出した被測定者らから認知機能評価装置１００ａを用いて体動データ（具体的には加速度データ）を取得し、当該加速度データから一歩の時間及び歩幅を得た。つまり図１７は、被測定者らの一歩の時間及び歩幅に対するＭｏＣＡテストの点数（スコア）である。図１７の（ａ）は、被測定者２の一歩の時間に対するＭｏＣＡテストのスコアである。図１７の（ｂ）は、被測定者２の歩幅に対するＭｏＣＡテストのスコアである。

図１７の（ａ）に示すように、一歩の時間とＭｏＣＡテストのスコアとには、ＮＣとＭＣＩとＡＤとで相関が異なることがわかる。具体的には、ＮＤの一歩の時間は４２５ｍｓ未満であり、ＭＣＩの一歩の時間は４２５ｍｓ以上５００ｍｓ未満であり、ＡＤの一歩の時間は５００ｍｓ以上である。つまり、加速度データの変換値である一歩の時間から、ＮＣかＭＣＩかＡＤかを特定することができる。

認知機能評価装置１００ａが備える記憶部１０２には、一歩の時間又は歩幅と、ＮＤ、ＭＣＩ及びＡＤとの対応関係である参照データ１１０ａが予め記憶されている。演算部１０３ａは、取得部１０１で取得された体動データ（例えば、加速度データ）から一歩の時間又は歩幅を算出し、算出された一歩の時間又は歩幅と参照データ１１０ａとを比較することで、被測定者２の認知機能の程度を特定する。つまり、実施の形態２においては、体動の周期性は、歩行時の一歩の時間又は歩幅である。具体的には、実施の形態２においては、体動の周期性を示すデータは、被測定者２の歩行中の一歩あたりにかかる時間又は歩幅である。

図１６Ａに示すように、演算部１０３ａは、ステップＳ２０で算出した一歩の時間と参照データ１１０ａとを比較する（ステップＳ２１）。具体的には、演算部１０３ａは、一歩の時間と、記憶部１０２に記憶されている参照データ１１０ａとを照合することで被測定者２の認知機能の程度を特定する。次に、演算部１０３ａは、特定した認知機能の程度を示す評価結果を出力する（ステップＳ２２）。

また、図１６Ｂに示すように、演算部１０３ａは、ステップＳ３０で算出した歩幅と参照データ１１０ａとを比較する（ステップＳ２１）。具体的には、演算部１０３ａは、歩幅と、記憶部１０２に記憶されている参照データ１１０ａとを照合することで被測定者２の認知機能の程度を特定する。次に、演算部１０３ａは、特定した認知機能の程度を示す評価結果を出力する（ステップＳ３２）。

上述したステップＳ２２及びＳ３２において、例えば、被測定者２の、演算部１０３ａが特定した認知機能の程度がＭＣＩだった場合、演算部１０３は、表示部１０４にＭＣＩの疑いがある旨を示す画像を生成して、当該画像を表示させる制御をしてもよい。

こうすることで、認知機能評価装置１００ａは簡便に被測定者２の認知機能の程度を特定することができる。

なお、図１７の（ｂ）に示す歩幅に対するＭｏＣＡテストのスコアからは、ＮＣとＭＣＩとＡＤとの区別はつきにくいが、被測定者２の測定結果を増やすことで、図１７の（ａ）のようにＮＣとＭＣＩとＡＤとの区別がつく可能性がある。

［効果等］
以上、実施の形態２に係る認知機能評価装置１００ａは、実施の形態１に係る認知機能評価装置１００と同様に、記憶部１０２と、取得部１０１とを備える。また、実施の形態２に係る認知機能評価装置１００ａは、演算部１０３ａを備える。演算部１０３ａは、算出した体動の周期性に対応する認知機能の程度を特定する。ここで、体動の周期性は、被測定者２の歩行時における歩幅でもよい。具体的には、被測定者２の体動の周期性を示すデータは、被測定者２の歩行時における歩幅でもよい。

これにより、認知機能評価装置１００ａは、精度よく被測定者２の認知機能の程度を特定することができる。

また、体動データは、体動の加速度についての時間変化を示すデータでもよい。また、演算部１０３ａは、体動データから、被測定者２が歩行において所定ステップ数だけ歩行している時間区間Ｆを特定し、特定した時間区間Ｆにおける体動データから歩幅を算出してもよい。

これにより、認知機能評価装置１００ａは、特に歩行開始時に発生する体動データの乱れを除いて体動の周期性を算出することができる。そのため、認知機能評価装置１００ａは、より精度よく被測定者２の認知機能の程度を特定することができる。

また、体動の周期性は、被測定者２の歩行時における一歩の時間でもよい。具体的には、被測定者２の体動の周期性を示すデータは、被測定者２の歩行時における一歩あたりにかかる時間でもよい。

これにより、認知機能評価装置１００ａは、精度よく被測定者２の認知機能の程度を特定することができる。

また、体動データは、体動の加速度についての時間変化を示すデータでもよい。また、演算部１０３は、体動データから、被測定者２が歩行において所定ステップ数だけ歩行している時間区間Ｆを特定し、特定した時間区間Ｆにおける体動データから一歩の時間を算出してもよい。

これにより、認知機能評価装置１００ａは、特に歩行開始時に発生する体動データの乱れを除いて体動の周期性を算出することができる。そのため、認知機能評価装置１００ａは、より精度よく被測定者２の認知機能の程度を特定することができる。

また、演算部１０３ａは、体動データから、被測定者２の重心位置の動きを示す相対位置データを生成し、生成した相対位置データに基づいて時間区間Ｆを特定してもよい。

これにより、認知機能評価装置１００ａは、精度よく体動の周期性を算出することができる。そのため、認知機能評価装置１００ａは、より精度よく被測定者２の認知機能の程度を特定することができる。

（本実施の形態の変形例）
［変形例１］
以上説明したように、実施の形態１及び２においては、体動センサ１０５は加速度センサ１０であり、加速度センサ１０で測定された加速度データを用いて演算部１０３及び１０３ａは体動の周期性を算出した。しかしながら、体動センサ１０５は加速度センサ１０に限定されない。体動センサ１０５は、被測定者２の体動データを検出できればよく、例えば、カメラでもよい。

図１８は、本実施の形態の変形例１に係る認知機能評価装置を含むシステムの構成を示す図である。本実施の形態の変形例１に係る認知機能評価装置１００ｂの体動センサ１０５はカメラ２００であり、カメラ２００で被測定者２の動画を撮影し、取得部は当該動画を体動データとして取得する。なお、本実施の形態の変形例１に係る認知機能評価装置１００ｂの特徴的な機能構成は、図２に示す実施の形態１の認知機能評価装置１００と実質的に同様であり、体動センサ１０５の種類と、演算部の動作と、記憶部１０２に予め記憶されている参照データの内容とが異なる。

図１８の（ａ）は、被測定者２をカメラ２００で撮影する様子を示す模式図である。

図１８の（ａ）に示すように、カメラ２００は、例えば室内の壁等に固定された位置から被測定者２の歩行中の動画を撮影する。カメラ２００は、例えば、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）又はＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）等のイメージセンサを有した画像（又は動画）撮影装置である。カメラ２００は、ケーブル４００を介して認知機能評価装置１００ｂと通信可能に接続されている。

演算部は、カメラ２００によって撮影された動画から、例えば頭、肩、手、足等を抽出する。図１８の（ｂ）はカメラ２００によって撮影された動画のフレームの一具体例を示す図である。具体的には、フレーム２０１→フレーム２０２→フレーム２０３→フレーム２０４の順に撮影された動画のフレームごとの一具体例を示す図である。図１８の（ｂ）においては、演算部は、カメラ２００によって撮影された動画から、例えば頭を認識位置Ｈとして抽出する。具体的には、フレーム２０１、２０２、２０３、２０４内の認識位置Ｈを確認することで、演算部は歩行時間に対する被測定者２の認識位置Ｈの移動を算出する。こうすることで、演算部は、被測定者２の歩行時の体動の周期性を算出する。例えば、歩行時間に対するフレーム２０１、２０２、２０３、２０４内の認識位置Ｈの変化から、演算部は被測定者２の相対位置データを算出してもよいし、被測定者２の加速度データを算出してもよい。算出した体動の周期性を示すデータと、当該データに対応した、予め記憶部１０２に記憶されている参照データとを照合することで、演算部は、被測定者２の認知機能の程度を特定する。

なお、図１８においては、カメラ２００はＸ軸の負方向側から被測定者２を撮影したが、カメラ２００による被測定者２の撮影方向は、これに限らない。カメラ２００はＹ軸方向から被測定者２を撮影してもよいし、Ｚ軸方向から被測定者２を撮影してもよい。例えば、カメラ２００は被測定者２をＺ軸方向から撮影できるように設置されるとよい。また、カメラ２００を複数台設置することで、被測定者２のＸ軸方向、Ｙ軸方向及びＺ軸方向の歩行の周期性が測定されてもよい。

［変形例２］
以上説明したように、本実施の形態の変形例１に係る認知機能評価装置１００ｂにおいては、体動センサ１０５の一具体例であるカメラ２００を用いて体動データである歩行時間に対する画像（動画）を取得し、被測定者２の認知機能の程度を特定した。本実施の形態の変形例２に係る認知機能評価装置１００ｃにおいては、体動センサ１０５として電波センサを用いて体動データを取得する。

図１９は、本実施の形態の変形例２に係る認知機能評価装置１００ｃを含むシステムの構成を示す図である。本実施の形態の変形例２に係る認知機能評価装置１００ｃの体動センサ１０５は電波センサ３００である。なお、本実施の形態の変形例２に係る認知機能評価装置１００ｃの特徴的な機能構成は、図２に示す実施の形態１の認知機能評価装置１００と実質的に同様であり、体動センサ１０５の種類と、演算部の動作と、記憶部１０２に予め記憶されている参照データの内容とが異なる。

図１９に示すように、被測定者２の歩行時の体動データを測定するために、複数の電波センサ３００を用いて、被測定者２に電波を発し、且つ電波を検知する。電波センサ３００は、ケーブル４００を介して認知機能評価装置１００ｃと通信可能に接続されている。

電波センサ３００は、ドップラーモジュールによる動体検知を行うセンサである。電波センサ３００は、例えば、マイクロ波を発する。電波センサ３００から発せられたマイクロ波は、空間内を通過して被測定者２に当たり、被測定者２で反射する。反射してきたマイクロ波は、電波センサ３００にて検知される。この際に、マイクロ波を反射させた被測定者２が移動していた場合、電波センサ３００が発したマイクロ波と、電波センサ３００が検知したマイクロ波との間に被測定者２の移動速度に応じた周波数の変化（ドップラーシフト）が生じる。

演算部は、被測定者２の歩行中におけるドップラー効果による周波数差（照射した電波と検知した電波の差分）を算出することにより、被測定者２の歩行中の動きを方向ごとに捉えて、例えば、相対位置データを算出してもよいし、加速度データを算出してもよい。つまり、演算部は、電波センサ３００が発したマイクロ波の周波数と電波センサ３００が検知したマイクロ波の周波数の差分から被測定者２の歩行時の体動の周期性を算出する。算出した体動の周期性を示すデータと、当該データに対応した、予め記憶部１０２に記憶されている参照データとを照合することで、演算部は、被測定者２の認知機能の程度を特定する。

［効果等］
以上、本実施の形態に係る認知機能評価装置が被測定者２から歩行時の体動を示す体動データを検出するための体動センサ１０５は、加速度センサ１０、カメラ２００、又は、電波センサ３００でもよい。

これにより、本実施の形態に係る認知機能評価装置は、体動センサ１０５の種類によらずに、迅速に被測定者２の認知機能の程度を特定することができる。

（その他）
以上、実施の形態に係る認知機能評価装置及び認知機能評価方法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。

例えば、本実施の形態では、認知機能評価装置の演算部は、プロセッサがプログラムを実行することによってソフトウェア的に実現されたが、このような実現方法に限定されない。演算部は、ゲートアレイ等を用いた専用の電子回路によってハードウェア的に実現されてもよい。

また、本実施の形態に係る認知機能評価装置は、被測定者２の歩行に関するデータである、周波数スペクトルの積分値、歩幅又は一歩の時間から被測定者２の認知機能の程度を特定した。ここで、被測定者２の歩行時の体動の周期性を示すデータである、周波数スペクトルの積分値、歩幅及び一歩の時間は、それぞれ別に算出される必要はない。つまり、被測定者２の、周波数スペクトルの積分値、歩幅及び一歩の時間のそれぞれを任意に組み合わせることで、被測定者２の認知機能の程度の特定がなされてもよい。

例えば、演算部は、周波数スペクトルの積分値、歩幅及び一歩の時間に予め重み付けとして所定の数値を乗算するようにさせておく。演算部は、被測定者２の体動データから、周波数スペクトルの積分値、歩幅及び一歩の時間を算出する。ここで、演算部は、算出した結果に記憶させておいた重みづけを実行する。演算部は、さらに、重み付けが実行された周波数スペクトルの積分値、歩幅及び一歩の時間をそれぞれ足し合わせる。重み付けが実行された周波数スペクトルの積分値、歩幅及び一歩の時間をそれぞれ足し合わせた結果を参照データと照合することで、認知機能の程度が特定されてもよい。

また、本実施の形態に係る認知機能評価装置は、認知機能の程度の特定の一具体例として、ＮＤかＭＣＩかＡＤかの特定をした。しかしながら、本実施の形態に係る認知機能評価装置は、ＮＤかＭＣＩかＡＤかの特定に限定されない。例えば、被測定者２の酩酊の度合いが特定されてもよい。

また、本実施の形態においては、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、本実施の形態に係る認知機能評価装置が特定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、本実施の形態においては、被測定者２の認知機能の程度を特定するために、ＭｏＣＡテストのスコアと体動の周期性との関係性を示すデータを参照データとして予め記憶部１０２が記憶している。しかしながら、参照データは、体動の周期性と照合することで認知機能の特定をすることができるデータであればよく、ＭｏＣＡテストと体動の周期性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）のスコアと体動の周期性との関係性を示すデータでもよい。

また、他の実施の形態１及び２においては、カメラ２００及び電波センサ３００は、ケーブル４００を介して認知機能評価装置と通信可能に接続されたが、通信方法は限定されない。例えば、カメラ２００及び電波センサ３００は、無線通信装置を備え、当該無線通信装置を介して認知機能評価装置１００と通信してもよい。加速度センサ１０は、無線通信により、測定した加速度データを認知機能評価装置１００へ送信する。無線通信は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ−Ｆｉ（登録商標）又はＺｉｇＢｅｅ（登録商標）などの所定の無線通信規格に基づいて行われてもよい。

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など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。

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。

２ 被測定者
１０ 加速度センサ
１００、１００ａ、１００ｂ、１００ｃ 認知機能評価装置
１０１ 取得部
１０２ 記憶部
１０３、１０３ａ 演算部
１０４ 表示部
１０５ 体動センサ
１１０、１１０ａ 参照データ
２００ カメラ
３００ 電波センサ
Ｆ フーリエ変換範囲（時間区間）
Ｗ 窓関数

Claims (10)

1. 人の歩行時における体動の周期性と人の認知機能の程度との関係を示す参照データを記憶している記憶部と、
   被測定者の歩行時における体動を検出する体動センサから、検出された前記体動を示す体動データを取得する取得部と、
   取得された前記体動データから、前記体動の周期性を算出し、算出した前記体動の周期性と、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で、算出した前記体動の周期性に対応する認知機能の程度を特定する演算部と、を備え、
   前記体動の周期性は、体動を構成する周波数成分のうち、歩行に対応する周波数よりも高い周波数における周波数成分である
   認知機能評価装置。
2. 前記体動データは、体動の時間変化を示すデータであり、
   前記演算部は、前記体動データを周波数分析することによって周波数スペクトルを算出し、算出した前記周波数スペクトルにおいて、歩行に対応する周波数よりも高い周波数における積分値を、前記体動の周期性として、算出する
   請求項１記載の認知機能評価装置。
3. 前記体動データは、体動の加速度についての時間変化を示すデータであり、
   前記演算部は、前記体動データから、前記被測定者が歩行において所定ステップ数だけ歩行している時間区間を特定し、特定した前記時間区間における前記体動データを周波数分析する
   請求項２記載の認知機能評価装置。
4. 前記体動データは、前記被測定者の歩行時における、歩行方向と直交する水平方向での前記被測定者の加速度についての時間変化を示すデータである
   請求項１〜３のいずれか１項に記載の認知機能評価装置。
5. 前記演算部は、前記体動データから、前記被測定者の重心位置の動きを示す相対位置データを生成し、生成した前記相対位置データに基づいて前記時間区間を特定する
   請求項４記載の認知機能評価装置。
6. 人の歩行時における体動の周期性と人の認知機能の程度との関係を示す参照データを記憶している記憶部と、
   被測定者の歩行時における体動を検出する体動センサから、検出された前記体動を示す体動データを取得する取得部と、
   取得された前記体動データから、前記体動の周期性を算出し、算出した前記体動の周期性と、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で、算出した前記体動の周期性に対応する認知機能の程度を特定する演算部と、を備え、
   前記体動の周期性は、前記被測定者の歩行時における歩幅であり、
   前記体動データは、体動の加速度についての時間変化を示すデータであり、
   前記演算部は、前記体動データから、前記被測定者の重心位置の動きを示す相対位置データを生成し、生成した前記相対位置データに基づいて、前記被測定者が歩行において所定ステップ数だけ歩行している時間区間を特定し、特定した前記時間区間における前記体動データから前記歩幅を算出する
   認知機能評価装置。
7. 人の歩行時における体動の周期性と人の認知機能の程度との関係を示す参照データを記憶している記憶部と、
   被測定者の歩行時における体動を検出する体動センサから、検出された前記体動を示す体動データを取得する取得部と、
   取得された前記体動データから、前記体動の周期性を算出し、算出した前記体動の周期性と、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で、算出した前記体動の周期性に対応する認知機能の程度を特定する演算部と、を備え、
   前記体動の周期性は、前記被測定者の歩行時における一歩の時間であり、
   前記体動データは、体動の加速度についての時間変化を示すデータであり、
   前記演算部は、前記体動データから、前記被測定者の重心位置の動きを示す相対位置データを生成し、生成した前記相対位置データに基づいて、前記被測定者が歩行において所定ステップ数だけ歩行している時間区間を特定し、特定した前記時間区間における前記体動データから前記一歩の時間を算出する
   認知機能評価装置。
8. 前記体動センサは、加速度センサ、カメラ、又は、電波センサである
   請求項１〜７のいずれか１項に記載の認知機能評価装置。
9. 被測定者の歩行時における体動を検出する体動センサから、検出された前記体動を示す体動データを機器が取得する体動データ取得ステップと、
   取得された前記体動データから、体動の周期性を算出し、算出した前記体動の周期性と、記憶部に記憶されている、人の歩行時における体動の周期性と前記人の認知機能との関係を示す参照データとを照合することで、算出した前記体動の周期性に対応する認知機能の程度を前記機器が特定する演算ステップと、を含み、
   前記体動の周期性は、体動を構成する周波数成分のうち、歩行に対応する周波数よりも高い周波数における周波数成分である
   認知機能評価方法。
10. 請求項９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。

Images