JP7358842B2 - 障害判定方法、障害判定プログラムおよび情報処理装置 - Google Patents
障害判定方法、障害判定プログラムおよび情報処理装置 Download PDFInfo
- Publication number
- JP7358842B2 JP7358842B2 JP2019152899A JP2019152899A JP7358842B2 JP 7358842 B2 JP7358842 B2 JP 7358842B2 JP 2019152899 A JP2019152899 A JP 2019152899A JP 2019152899 A JP2019152899 A JP 2019152899A JP 7358842 B2 JP7358842 B2 JP 7358842B2
- Authority
- JP
- Japan
- Prior art keywords
- walking
- person
- learning
- information
- injury
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
図1は、実施例1にかかる情報処理装置10の処理を説明する図である。図1に示す情報処理装置10は、被介護者の食事のときに、被介護者の動作に関する動作情報から被介護者の食事リスクを高める身体的な障害を検出することで、食事の付添が必要な被介護者を適切に特定する。
図3は、実施例1にかかる情報処理装置10の機能構成を説明する図である。図3に示すように、情報処理装置10は、通信部11、記憶部12、制御部20を有する。
図6は、学習処理の流れを示すフローチャートである。この処理は、食提供日よりも前に実行されることが好ましい。図9に示すように、学習データ生成部22は、管理者等により処理開始が指示されると(S101:Yes)、画像データDB13から画像データを読み込む(S102)。
図7は、推論処理の流れを示すフローチャートである。この処理は、食事提供日の食事前に実行される。図10に示すように、推論部24は、管理者等により処理開始が指示されると(S201:Yes)、学習結果15を読み込んで、学習モデルを構築する(S202)。
上述したように、情報処理装置10は、食事動作に影響を与える怪我をしている被介護者を特定することができる。また、情報処理装置10は、被介護者に特別な装置を取り付けたりすることなく、歩行という簡単な動作によって学習モデルを学習することができるので、介護者や被介護者に大きな負担をかけることなく、被介護者の怪我を検出することができる。
図8は、実施例2にかかる情報処理装置10の機能構成を説明する図である。図8に示すように、情報処理装置10は、通信部11、記憶部12、制御部20を有する。実施例1と異なる点は、ユーザ情報DB17、加齢モデル情報18、認知症判別部30を有する点である。ここでは、実施例1と異なる点について説明する。
図16は、実施例2にかかる加齢モデルの作成に関する処理の一例を示すフローチャートである。図16に示すように、処理が開始されると、加齢モデル生成部32は、ユーザ情報DB17より学習対象者における外的要因の特徴(「頭」、「首」、「腰」、「足」の座標)を収集する(S1)。
図17は、実施例2にかかる内部要因の判別処理の一例を示すフローチャートである。図17に示すように、加齢モデルの作成が完了した後、認知症推定部33は、ユーザ情報DB17より学習対象者における外的要因の特徴(「頭」、「首」、「腰」、「足」の座標)を収集する(S11)。
上述したように、情報処理装置10は、被介護者の歩行に関する情報から、被介護者の内的要因を検出することができる。すなわち、情報処理装置10は、外見的に判断することが難しい食事リスクが高く要因を、食事前に検出することができるので、介護者の負担を軽減と被介護者の食事リスクの軽減とを両立することができる。
上記実施例で用いたデータ例、数値例、表示例等は、あくまで一例であり、任意に変更することができる。また、怪我の粒度や重症度により細分化した目的変数を用いることで、怪我の詳細な具合を判定することもできる。なお、実施例1では、怪我などの身体的な障害を検出する例を説明したが、これに限定されるものではなく、頭痛、胃痛などに該当する被介護者の歩行情報を用いることで、これらの要因を推論することもできる。また、内的要因も認知症に限らず、脳梗塞などのように外部からは判断できない病気を採用することもできる。
上記実施例では、学習モデルとして、ニューラルネットワークを用いた例を説明したが、これに限定されるものではなく、ロジスティック回帰モデルやサポートベクターマシンなど他の機械学習を採用することもできる。学習済みのモデルを用いた予測は、判定対象の当日のうち食事前であればいつ実行してもよい。なお、身体的な障害を推論する学習モデルの学習に利用する学習データは、被介護者の画像に限らず、怪我をしている一般の人の画像を用いることができる。
上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
図19は、ハードウェア構成例を説明する図である。図19に示すように、情報処理装置10は、通信装置100a、HDD(Hard Disk Drive)100b、メモリ100c、プロセッサ100dを有する。また、図19に示した各部は、バス等で相互に接続される。
11 通信部
12 記憶部
13 画像データDB
14 学習データDB
15 学習結果
16 推論結果
17 ユーザ情報DB
18 加齢モデル情報
20 制御部
21 データ収集部
22 学習データ生成部
23 学習部
24 推論部
25 アラート通知部
30 認知症判別部
31 収集部
32 加齢モデル生成部
33 認知症推定部
Claims (8)
- コンピュータが、
怪我をしている被介護者および怪我をしていない被介護者のそれぞれの歩行時の画像データから、各被介護者が立ち止まった時間を算出し、
前記立ち止まった時間を含む歩行情報を説明変数、怪我の種類を目的変数とする訓練データを用いて、人間の歩行情報の入力に応じて前記人間の怪我の種類を出力する学習モデルを生成し、
判定対象者の歩行情報を学習済みの前記学習モデルに入力し、前記学習済みの学習モデルが出力した結果に基づいて、食事の際の動作に影響を与える障害を前記判定対象者が有するか否かを判定する、
処理を実行することを特徴とする障害判定方法。 - 食事の際の動作に影響を与える障害を前記判定対象者が有すると判定した場合に、前記判定対象者である被介護者が食事の提供を受ける前に、前記被介護者の介護を行う介護者に対してアラートを通知することを特徴とする請求項1に記載の障害判定方法。
- 前記判定対象者の歩行情報から特定される内的要因の指標となる外的要因の特徴に基づいて、前記外的要因の特徴に関する時系列の変化を表す回帰モデルを生成し、
前記被介護者の姿勢と、前記回帰モデルとに基づいて、前記被介護者が内的要因の障害を有するか否かを判定する、処理を前記コンピュータがさらに実行し、
前記アラートを通知する処理は、前記内的要因における障害を有する場合に、前記介護者にアラートを通知することを特徴とする請求項2に記載の障害判定方法。 - 前記生成する処理は、前記外的要因として歩行速度、歩幅、歩隔、歩行角度のそれぞれについて、各時系列の変化を表す各回帰モデルを生成し、
前記判定する処理は、前記歩行速度、歩幅、歩隔、歩行角度のそれぞれについて姿勢ごとの用意された時系列の変化を表す各基準モデルのうち、前記被介護者の歩行に関する歩行情報から特定した姿勢に対応する各基準モデルと、生成された前記各回帰モデルとの有意差検定の結果に基づき、前記被介護者が内的要因の障害を有するか否かを判定することを特徴とする請求項3に記載の障害判定方法。 - 複数の被介護者について、食事提供日より前に撮像された歩行に関する時系列画像から、歩行時の特徴を示す歩行情報を抽出し、前記歩行情報を説明変数、当該被介護者の怪我の種別を目的変数とする各学習データを生成する処理を、前記コンピュータがさらに実行し、
前記生成する処理は、前記各学習データを用いて、前記学習モデルを学習し、
前記判定する処理は、食事提供日の前記判定対象者の前記歩行に関する時系列画像から前記歩行情報を抽出し、抽出した前記歩行情報を学習済みの前記学習モデルに入力し、前記学習済みの学習モデルからの出力結果に基づいて、前記判定対象者の怪我の種別を判定することを特徴とする請求項3または4に記載の障害判定方法。 - 前記通知する処理は、前記怪我の種類と前記内的要因の障害とで異なる態様のアラートを通知することを特徴とする請求項5に記載の障害判定方法。
- コンピュータに、
怪我をしている被介護者および怪我をしていない被介護者のそれぞれの歩行時の画像データから、各被介護者が立ち止まった時間を算出し、
前記立ち止まった時間を含む歩行情報を説明変数、怪我の種類を目的変数とする訓練データを用いて、人間の歩行情報の入力に応じて前記人間の怪我の種類を出力する学習モデルを生成し、
判定対象者の歩行情報を学習済みの前記学習モデルに入力し、前記学習済みの学習モデルが出力した結果に基づいて、食事の際の動作に影響を与える障害を前記判定対象者が有するか否かを判定する、
処理を実行させることを特徴とする障害判定プログラム。 - 怪我をしている被介護者および怪我をしていない被介護者のそれぞれの歩行時の画像データから、各被介護者が立ち止まった時間を算出する算出部と、
前記立ち止まった時間を含む歩行情報を説明変数、怪我の種類を目的変数とする訓練データを用いて、人間の歩行情報の入力に応じて前記人間の怪我の種類を出力する学習モデルを生成する生成部と
判定対象者の歩行情報を学習済みの前記学習モデルに入力し、前記学習済みの学習モデルが出力した結果に基づいて、食事の際の動作に影響を与える障害を前記判定対象者が有するか否かを判定する判定部と、
を有することを特徴とする情報処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019152899A JP7358842B2 (ja) | 2019-08-23 | 2019-08-23 | 障害判定方法、障害判定プログラムおよび情報処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019152899A JP7358842B2 (ja) | 2019-08-23 | 2019-08-23 | 障害判定方法、障害判定プログラムおよび情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021033622A JP2021033622A (ja) | 2021-03-01 |
JP7358842B2 true JP7358842B2 (ja) | 2023-10-11 |
Family
ID=74675874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019152899A Active JP7358842B2 (ja) | 2019-08-23 | 2019-08-23 | 障害判定方法、障害判定プログラムおよび情報処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7358842B2 (ja) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013255786A (ja) | 2012-05-18 | 2013-12-26 | Kao Corp | 老年障害リスクの評価方法 |
WO2014115817A1 (ja) | 2013-01-23 | 2014-07-31 | 株式会社東芝 | 動作情報処理装置 |
JP2016144598A (ja) | 2015-02-09 | 2016-08-12 | 国立大学法人鳥取大学 | 運動機能診断装置及び方法、並びにプログラム |
CN106650195A (zh) | 2016-05-26 | 2017-05-10 | 张余 | 一种辅助筛查半月板损伤的步态分析方法 |
WO2018066422A1 (ja) | 2016-10-07 | 2018-04-12 | パナソニックIpマネジメント株式会社 | 認知機能評価装置、認知機能評価方法及びプログラム |
JP2018517400A (ja) | 2015-04-20 | 2018-07-05 | スマイラブルズ インコーポレイテッド | 高機能ペット監視システム |
WO2019008771A1 (ja) | 2017-07-07 | 2019-01-10 | りか 高木 | 治療及び/又は運動の指導プロセス管理システム、治療及び/又は運動の指導プロセス管理のためのプログラム、コンピュータ装置、並びに方法 |
WO2019130674A1 (ja) | 2017-12-25 | 2019-07-04 | コニカミノルタ株式会社 | 介護施設用行動異常検知装置、該方法および該システム |
-
2019
- 2019-08-23 JP JP2019152899A patent/JP7358842B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013255786A (ja) | 2012-05-18 | 2013-12-26 | Kao Corp | 老年障害リスクの評価方法 |
WO2014115817A1 (ja) | 2013-01-23 | 2014-07-31 | 株式会社東芝 | 動作情報処理装置 |
JP2016144598A (ja) | 2015-02-09 | 2016-08-12 | 国立大学法人鳥取大学 | 運動機能診断装置及び方法、並びにプログラム |
JP2018517400A (ja) | 2015-04-20 | 2018-07-05 | スマイラブルズ インコーポレイテッド | 高機能ペット監視システム |
CN106650195A (zh) | 2016-05-26 | 2017-05-10 | 张余 | 一种辅助筛查半月板损伤的步态分析方法 |
WO2018066422A1 (ja) | 2016-10-07 | 2018-04-12 | パナソニックIpマネジメント株式会社 | 認知機能評価装置、認知機能評価方法及びプログラム |
WO2019008771A1 (ja) | 2017-07-07 | 2019-01-10 | りか 高木 | 治療及び/又は運動の指導プロセス管理システム、治療及び/又は運動の指導プロセス管理のためのプログラム、コンピュータ装置、並びに方法 |
WO2019130674A1 (ja) | 2017-12-25 | 2019-07-04 | コニカミノルタ株式会社 | 介護施設用行動異常検知装置、該方法および該システム |
Also Published As
Publication number | Publication date |
---|---|
JP2021033622A (ja) | 2021-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200311609A1 (en) | Adaptive model-based system to automatically quantify fall risk | |
US11978356B2 (en) | Care plan administration: patient feedback | |
US9375142B2 (en) | Learning patient monitoring and intervention system | |
KR102439807B1 (ko) | 치매 환자 관리 방법 및 그 시스템 | |
JP6010558B2 (ja) | 患者の悪化の検出 | |
KR101938241B1 (ko) | 기계 학습 기반 부상 예방 모델 생성 장치, 부상 예방 장치 및 그 방법 | |
WO2019187099A1 (ja) | 身体機能自立支援装置およびその方法 | |
EP3839973A1 (en) | Automated mobility assessment | |
JP2004157941A (ja) | ホームケア・システムおよびそのサーバ,ならびにホームケア・システムに用いられるおもちゃ装置 | |
Heiyanthuduwa et al. | Virtualpt: Virtual reality based home care physiotherapy rehabilitation for elderly | |
JP6994262B2 (ja) | 作業療法支援装置、作業療法支援装置のための人工知能学習装置、及び作業療法支援装置の使用方法 | |
JP7358842B2 (ja) | 障害判定方法、障害判定プログラムおよび情報処理装置 | |
CN115274089B (zh) | 一种护理风险评估预警方法及系统 | |
CN110544533A (zh) | 依据医嘱进行健康监控的系统 | |
Tjosvoll et al. | Classification of kneeling and squatting in workers wearing protective equipment: development and validation of a rule-based model using wireless triaxial accelerometers | |
JP2022189528A (ja) | 情報処理装置及び情報処理方法 | |
Takahashi et al. | A system for collecting motion data on patients’ activities of daily living | |
JP7377910B2 (ja) | 情報処理システム、情報処理装置、情報処理方法及びプログラム | |
JP7243439B2 (ja) | 食事リスク判定方法、食事リスク判定プログラムおよび情報処理装置 | |
TWI831586B (zh) | 重症病人早期復健檢核系統 | |
JP7419904B2 (ja) | 生体モニタ装置、生体モニタ方法及びプログラム | |
WO2023119783A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP7228147B1 (ja) | 遠隔支援システム | |
WO2022030530A1 (ja) | 情報処理システムおよびプログラム | |
WO2021171596A1 (ja) | 推論システム、学習依頼装置、および学習依頼方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220517 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230526 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230809 |
|
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: 20230829 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230911 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7358842 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |