JP7439353B2 - 認知機能評価方法、認知機能評価装置及び認知機能評価プログラム - Google Patents

認知機能評価方法、認知機能評価装置及び認知機能評価プログラム Download PDF

Info

Publication number
JP7439353B2
JP7439353B2 JP2020023432A JP2020023432A JP7439353B2 JP 7439353 B2 JP7439353 B2 JP 7439353B2 JP 2020023432 A JP2020023432 A JP 2020023432A JP 2020023432 A JP2020023432 A JP 2020023432A JP 7439353 B2 JP7439353 B2 JP 7439353B2
Authority
JP
Japan
Prior art keywords
angle
subject
period
cognitive function
average value
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
JP2020023432A
Other languages
English (en)
Other versions
JP2021030050A (ja
Inventor
貴洋 樋山
佳州 佐藤
貴拓 相原
健吾 和田
太一 濱塚
吉浩 松村
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 Corp of America
Original Assignee
Panasonic Intellectual Property Corp of America
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 Corp of America filed Critical Panasonic Intellectual Property Corp of America
Priority to US16/997,482 priority Critical patent/US11779260B2/en
Priority to CN202010869111.1A priority patent/CN112438723A/zh
Publication of JP2021030050A publication Critical patent/JP2021030050A/ja
Application granted granted Critical
Publication of JP7439353B2 publication Critical patent/JP7439353B2/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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A61B5/1122—Determining geometric values, e.g. centre of rotation or angular range of movement of movement trajectories
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • 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
    • 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
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Neurology (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Psychiatry (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Neurosurgery (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)

Description

本開示は、被験者の歩行動作に基づいて認知機能を評価する技術に関するものである。
近年、高齢者の健康状態を把握するために、簡易に身体機能を推定するための技術の開発が行われている。
特に、日常的に行われる歩行から計測されるパラメータに基づいて、認知機能又は運動機能を評価する技術が提案されている。
例えば、特許文献１では、歩行行為で計測した歩行パラメータに基づいて老年障害の起こりやすさ（老年障害リスク）を評価する方法が開示されている。
また、例えば、特許文献２におけ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、検出された体動を示す体動データを取得する取得部と、取得された体動データから、歩行時の体動の周期性を算出し、算出した周期性と、記憶部に記憶されている参照データとを照合することで、算出した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。
特開２０１３－２５５７８６号公報 国際公開第２０１８／０６６４２２号
しかしながら、上記従来の技術では、簡単且つ高い精度で認知機能を評価することが困難であり、更なる改善が必要とされていた。
本開示は、上記の問題を解決するためになされたもので、簡単且つ高い精度で認知機能を評価することができる技術を提供することを目的とするものである。
本開示の一態様に係る認知機能評価方法は、被験者の歩行動作に基づいて認知機能を評価する認知機能評価装置における認知機能評価方法であって、前記被験者の歩行に関する歩行データを取得し、前記歩行データから、前記被験者の一方の足の足首関節の角度及び前記一方の足の膝関節の角度の少なくとも１つを検出し、前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つを用いて前記被験者の認知機能の程度を判定する。
本開示によれば、簡単且つ高い精度で認知機能を評価することができる。
本開示の実施の形態における認知機能評価システムの構成を示すブロック図である。 本実施の形態において、２次元画像データから骨格データを抽出する処理について説明するための図である。 本実施の形態における歩行周期について説明するための図である。 本実施の形態において、被験者の歩行動作を利用した認知機能評価処理を説明するためのフローチャートである。 図４のステップＳ４における認知機能判定処理について説明するためのフローチャートである。 図４のステップＳ４における認知機能判定処理の他の例について説明するためのフローチャートである。 本実施の形態において、１歩行周期における一方の足首関節の角度の変化を示す図である。 本実施の形態における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第１の変形例において、１歩行周期における一方の足首関節の角度の変化を示す図である。 本実施の形態の第１の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第１の変形例において、１歩行周期の８５％～８８％の期間における健常者らの一方の足首関節の角度の時系列データの平均値の平均と、１歩行周期の８５％～８８％の期間における軽度認知障害（ＭＣＩ）の患者らの一方の足首関節の角度の時系列データの平均値の平均とを示す図である。 本実施の形態の第２の変形例において、１歩行周期における一方の膝関節の角度の変化を示す図である。 本実施の形態の第２の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第３の変形例において、１歩行周期における一方の膝関節の角度の変化を示す図である。 本実施の形態の第３の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第３の変形例において、１歩行周期の４５％～４９％の期間における健常者らの一方の膝関節の角度の時系列データの平均値の平均と、１歩行周期の４５％～４９％の期間における軽度認知障害（ＭＣＩ）の患者らの一方の膝関節の角度の時系列データの平均値の平均とを示す図である。 本実施の形態の第４の変形例において、１歩行周期における腰の鉛直方向の変位を示す図である。 本実施の形態の第４の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第５の変形例において、１歩行周期における一方の足首関節の角度の変化を示す図である。 本実施の形態の第５の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第６の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第７の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第８の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第９の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第１０の変形例において、１歩行周期における男性の被験者の一方の足首関節の角度の変化を示す図である。 本実施の形態の第１０の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第１１の変形例において、１歩行周期における男性の被験者の一方の足首関節の角度の変化を示す図である。 本実施の形態の第１１の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第１２の変形例において、１歩行周期における男性の被験者の一方の膝関節の角度の変化を示す図である。 本実施の形態の第１２の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第１３の変形例において、１歩行周期における男性の被験者の腰の鉛直方向の変位を示す図である。 本実施の形態の第１３の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第１４の変形例において、１歩行周期における女性の被験者の一方の足首関節の角度の変化を示す図である。 本実施の形態の第１４の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第１５の変形例において、１歩行周期における女性の被験者の一方の膝関節の角度の変化を示す図である。 本実施の形態の第１５の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第１６の変形例において、１歩行周期における女性の被験者の腰の鉛直方向の変位を示す図である。 本実施の形態の第１６の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態の第１７の変形例において、１歩行周期における女性の被験者の腰の鉛直方向の変位を示す図である。 本実施の形態の第１７の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。 本実施の形態において表示される評価結果画面の一例を示す図である。
（本開示の基礎となった知見）
特許文献１における歩行パラメータの計測には、シート式圧力センサ又は３次元動作解析システムが利用される。シート式圧力センサは、歩行時の圧力分布を計測し、圧力分布から歩行パラメータを計測する。３次元動作解析システムは、足に装着されたマーカを撮影した画像情報を複数のビデオカメラから取得し、画像情報から動作を分析することにより歩行パラメータを計測する。このようなシート式圧力センサ又は３次元動作解析システムの設置には、大きな手間がかかる。そのため、特許文献１は、簡単に老年障害リスクを評価することが困難である。
また、特許文献１における歩行パラメータとしては、ケーデンス、ストライド、歩行比、歩幅、歩隔、歩行角度、つま先角度、ストライド左右差、歩隔左右差、歩行角度左右差及び両脚支持期左右差から選ばれる２以上が使用される。歩行角度は、左右一方の踵から他方の踵を結んだ直線が進行方向となす角度である。つま先角度は、踵とつま先とを結ぶ直線が、進行方向となす角度である。また、特許文献１では、少なくとも、膝痛、腰痛、尿失禁、認知症及びサルコペニアから選ばれる老年障害の老年障害リスクが評価される。しかしながら、特許文献１では、上記以外の歩行パラメータを用いて老年障害リスクを評価することについては開示されておらず、他の歩行パラメータを用いることで、さらに老年障害リスクの評価精度が向上する可能性がある。
特許文献２における演算部は、周波数スペクトルの積分値、歩幅又は一歩の時間から健常者（ＮＣ：Ｎｏｒｍａｌ Ｃｏｎｔｒｏｌｓ）、軽度認知障害（ＭＣＩ：Ｍｉｌｄ Ｃｏｇｎｉｔｉｖｅ Ｉｍｐａｉｒｍｅｎｔ）及びアルツハイマー型認知症（ＡＤ：Ａｌｚｈｅｉｍｅｒ’ｓ Ｄｉｓｅａｓｅ）のいずれであるかを特定している。しかしながら、特許文献２では、上記以外のパラメータを用いて認知機能の程度を評価することについては開示されておらず、他の歩行パラメータを用いることで、さらに認知機能の評価精度が向上する可能性がある。
以上の課題を解決するために、本開示の一態様に係る認知機能評価方法は、被験者の歩行動作に基づいて認知機能を評価する認知機能評価装置における認知機能評価方法であって、前記被験者の歩行に関する歩行データを取得し、前記歩行データから、前記被験者の一方の足の足首関節の角度及び前記一方の足の膝関節の角度の少なくとも１つを検出し、前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つを用いて前記被験者の認知機能の程度を判定する。
この構成によれば、歩行している被験者の一方の足の足首関節の角度及び一方の足の膝関節の角度の少なくとも１つは、被験者の認知機能の程度に相関があるパラメータとして用いられている。認知機能が低下している被験者の歩行動作は、認知機能が低下していない被験者の歩行動作とは異なる傾向がある。このように、歩行中の被験者の認知機能の程度に相関があるパラメータを用いて被験者の認知機能の程度が判定されるので、高い精度で被験者の認知機能を評価することができる。
また、歩行している被験者の一方の足の足首関節の角度及び一方の足の膝関節の角度の少なくとも１つは、例えば、歩行している被験者を撮像することで得られる画像データから簡単に検出することが可能であるので、大がかりな装置も不要である。そのため、本構成では、簡単に被験者の認知機能を評価することができる。
また、上記の認知機能評価方法において、前記検出において、前記一方の足の遊脚期の所定期間における前記足首関節の前記角度の時系列データを検出し、前記判定において、前記足首関節の前記角度の前記時系列データの平均値を用いて前記被験者の認知機能の程度を判定してもよい。
歩行している被験者の一方の足の遊脚期の所定期間における足首関節の角度は、認知機能が低下している被験者と、認知機能が低下していない被験者とで顕著な差異がある。そのため、この構成によれば、歩行している被験者の一方の足の遊脚期の所定期間における足首関節の角度の時系列データの平均値を用いることによって、確実に被験者の認知機能を評価することができる。
また、上記の認知機能評価方法において、前記被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、前記１歩行周期が１％～１００％で表されるとき、前記所定期間は、前記１歩行周期の８１％～１００％の期間であってもよい。
この構成によれば、被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、１歩行周期が１％～１００％で表される。このとき、１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値を用いることによって、確実に被験者の認知機能を評価することができる。
また、上記の認知機能評価方法において、前記所定期間は、前記１歩行周期の８５％～８８％の期間であってもよい。
この構成によれば、１歩行周期の８５％～８８％の期間における一方の足の足首関節の角度の時系列データの平均値を用いることによって、より確実に被験者の認知機能を評価することができる。
また、上記の認知機能評価方法において、前記検出において、前記一方の足の立脚期の第１期間における前記足首関節の第１角度の時系列データと、前記一方の足の遊脚期の第２期間における前記足首関節の第２角度の時系列データとを検出し、前記判定において、前記足首関節の前記第１角度の前記時系列データの平均値と、前記足首関節の前記第２角度の前記時系列データの平均値とを用いて前記被験者の認知機能の程度を判定してもよい。
この構成によれば、一方の足の立脚期の第１期間における足首関節の第１角度の時系列データの平均値と、一方の足の遊脚期の第２期間における足首関節の第２角度の時系列データの平均値とを組み合わせて用いることによって、それぞれを単独で用いるよりも高い精度で認知機能を評価することができる。
また、上記の認知機能評価方法において、前記被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、前記１歩行周期が１％～１００％で表されるとき、前記第１期間は、前記１歩行周期の４５％～５０％の期間であり、前記第２期間は、前記１歩行周期の８５％～８８％の期間であってもよい。
この構成によれば、被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、１歩行周期が１％～１００％で表される。このとき、１歩行周期の４５％～５０％の第１期間における一方の足の足首関節の第１角度の時系列データの平均値と、１歩行周期の８５％～８８％の第２期間における一方の足の足首関節の第２角度の時系列データの平均値とを用いることによって、確実に被験者の認知機能を評価することができる。
また、上記の認知機能評価方法において、前記検出において、前記一方の足の立脚期の所定期間における前記膝関節の前記角度の時系列データを検出し、前記判定において、前記膝関節の前記角度の前記時系列データの平均値を用いて前記被験者の認知機能の程度を判定してもよい。
一方の足の立脚期の所定期間における膝関節の角度は、認知機能が低下している被験者と、認知機能が低下していない被験者とで顕著な差異がある。そのため、この構成によれば、歩行している被験者の一方の足の立脚期の所定期間における膝関節の角度の時系列データの平均値を用いることによって、確実に被験者の認知機能を評価することができる。
また、上記の認知機能評価方法において、前記被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、前記１歩行周期が１％～１００％で表されるとき、前記所定期間は、前記１歩行周期の４１％～５０％の期間であってもよい。
この構成によれば、被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、１歩行周期が１％～１００％で表される。このとき、１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値を用いることによって、確実に被験者の認知機能を評価することができる。
また、上記の認知機能評価方法において、前記検出において、前記一方の足の立脚期の第１期間における前記膝関節の前記角度の時系列データと、前記一方の足の遊脚期の第２期間における前記足首関節の前記角度の時系列データとを検出し、前記判定において、前記膝関節の前記角度の前記時系列データの平均値と、前記足首関節の前記角度の前記時系列データの平均値とを用いて前記被験者の認知機能の程度を判定してもよい。
この構成によれば、一方の足の立脚期の第１期間における膝関節の角度の時系列データと、一方の足の遊脚期の第２期間における足首関節の角度の時系列データとが検出される。膝関節の角度の時系列データの平均値と、足首関節の角度の時系列データの平均値とを用いて被験者の認知機能の程度が判定される。
したがって、一方の足の立脚期の第１期間における膝関節の角度の時系列データの平均値と、一方の足の遊脚期の第２期間における足首関節の角度の時系列データの平均値とを組み合わせて用いることによって、それぞれを単独で用いるよりも高い精度で認知機能を評価することができる。
また、上記の認知機能評価方法において、前記被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、前記１歩行周期が１％～１００％で表されるとき、前記第１期間は、前記１歩行周期の４１％～５０％の期間であり、前記第２期間は、前記１歩行周期の８１％～１００％の期間であってもよい。
この構成によれば、被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、１歩行周期が１％～１００％で表される。このとき、１歩行周期の４１％～５０％の第１期間における一方の足の膝関節の第１角度の時系列データの平均値と、１歩行周期の８１％～１００％の第２期間における一方の足の足首関節の第２角度の時系列データの平均値とを用いることによって、確実に被験者の認知機能を評価することができる。
また、上記の認知機能評価方法において、さらに、前記歩行データから、前記被験者の腰の鉛直方向の変位を検出し、前記判定において、前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つと、前記腰の鉛直方向の前記変位とを用いて前記被験者の認知機能の程度を判定してもよい。
この構成によれば、足首関節の角度及び膝関節の角度の少なくとも１つと、腰の鉛直方向の変位とを組み合わせて用いることによって、腰の鉛直方向の変位のみを単独で用いるよりも高い精度で認知機能を評価することができる。
また、上記の認知機能評価方法において、さらに、前記被験者の性別を認識し、前記被験者が男性であると認識された場合、前記検出において、前記一方の足の立脚期の初期における前記足首関節の前記角度の時系列データを検出し、前記判定において、前記足首関節の前記角度の前記時系列データの平均値を用いて前記被験者の認知機能の程度を判定してもよい。
被験者が男性である場合、歩行している被験者の一方の足の立脚期の初期における足首関節の角度は、認知機能が低下している被験者と、認知機能が低下していない被験者とで顕著な差異がある。そのため、この構成によれば、歩行している被験者の一方の足の立脚期の初期における足首関節の角度の時系列データの平均値を用いることによって、確実に男性の被験者の認知機能を評価することができる。
また、上記の認知機能評価方法において、さらに、前記被験者の性別を認識し、前記被験者が男性であると認識された場合、前記検出において、前記一方の足の遊脚期における前記膝関節の前記角度の時系列データを検出し、前記判定において、前記膝関節の前記角度の前記時系列データの平均値を用いて前記被験者の認知機能の程度を判定してもよい。
被験者が男性である場合、歩行している被験者の一方の足の遊脚期における膝関節の角度は、認知機能が低下している被験者と、認知機能が低下していない被験者とで顕著な差異がある。そのため、この構成によれば、歩行している被験者の一方の足の遊脚期における膝関節の角度の時系列データの平均値を用いることによって、確実に男性の被験者の認知機能を評価することができる。
また、上記の認知機能評価方法において、前記判定において、前記足首関節の前記角度が閾値より小さい場合又は前記膝関節の前記角度が閾値より小さい場合、前記被験者が軽度認知障害であると判定してもよい。
この構成によれば、足首関節の前記角度が閾値より小さい場合又は膝関節の角度が閾値より小さい場合、被験者が軽度認知障害であると判定される。したがって、足首関節の角度又は膝関節の角度が閾値と比較されることによって、簡単に被験者が軽度認知障害であるか否かを判定することができる。
また、上記の認知機能評価方法において、前記判定において、前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つを入力値とし、前記被験者が軽度認知障害であるか否かを出力値として生成された予測モデルに、検出された前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つを入力することで前記被験者が軽度認知障害であるか否かを判定してもよい。
この構成によれば、予測モデルは、足首関節の角度及び膝関節の角度の少なくとも１つを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成される。そして、予測モデルに、検出された足首関節の角度及び膝関節の角度の少なくとも１つが入力されることで、被験者が軽度認知障害であるか否かが判定される。したがって、予め予測モデルが記憶されていることによって、簡単に被験者が軽度認知障害であるか否かを判定することができる。
本開示の他の態様に係る認知機能評価装置は、被験者の歩行動作に基づいて認知機能を評価する認知機能評価装置であって、前記被験者の歩行に関する歩行データを取得する取得部と、前記歩行データから、前記被験者の一方の足の足首関節の角度及び前記一方の足の膝関節の角度の少なくとも１つを検出する検出部と、前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つを用いて前記被験者の認知機能の程度を判定する判定部と、を備える。
この構成によれば、歩行している被験者の一方の足の足首関節の角度及び一方の足の膝関節の角度の少なくとも１つは、被験者の認知機能の程度に相関があるパラメータとして用いられている。認知機能が低下している被験者の歩行動作は、認知機能が低下していない被験者の歩行動作とは異なる傾向がある。このように、歩行中の被験者の認知機能の程度に相関があるパラメータを用いて被験者の認知機能の程度が判定されるので、高い精度で被験者の認知機能を評価することができる。
また、歩行している被験者の一方の足の足首関節の角度及び一方の足の膝関節の角度の少なくとも１つは、例えば、歩行している被験者を撮像することで得られる画像データから簡単に検出することが可能であるので、大がかりな装置も不要である。そのため、本構成では、簡単に被験者の認知機能を評価することができる。
本開示の他の態様に係る認知機能評価プログラムは、被験者の歩行動作に基づいて認知機能を評価する認知機能評価プログラムであって、前記被験者の歩行に関する歩行データを取得し、前記歩行データから、前記被験者の一方の足の足首関節の角度及び前記一方の足の膝関節の角度の少なくとも１つを検出し、前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つを用いて前記被験者の認知機能の程度を判定するようにコンピュータを機能させる。
この構成によれば、歩行している被験者の一方の足の足首関節の角度及び一方の足の膝関節の角度の少なくとも１つは、被験者の認知機能の程度に相関があるパラメータとして用いられている。認知機能が低下している被験者の歩行動作は、認知機能が低下していない被験者の歩行動作とは異なる傾向がある。このように、歩行中の被験者の認知機能の程度に相関があるパラメータを用いて被験者の認知機能の程度が判定されるので、高い精度で被験者の認知機能を評価することができる。
また、歩行している被験者の一方の足の足首関節の角度及び一方の足の膝関節の角度の少なくとも１つは、例えば、歩行している被験者を撮像することで得られる画像データから簡単に検出することが可能であるので、大がかりな装置も不要である。そのため、本構成では、簡単に被験者の認知機能を評価することができる。
以下添付図面を参照しながら、本開示の実施の形態について説明する。なお、以下の実施の形態は、本開示を具体化した一例であって、本開示の技術的範囲を限定するものではない。
（実施の形態）
以下、図１に基づいて本実施の形態に係る認知機能評価システムを説明する。
図１は、本開示の実施の形態における認知機能評価システムの構成を示すブロック図である。
図１に示す認知機能評価システムは、認知機能評価装置１、カメラ２及び表示部３を備える。
カメラ２は、歩行する被験者を撮像する。カメラ２は、歩行する被験者を示す動画像データを認知機能評価装置１へ出力する。カメラ２は、有線又は無線により認知機能評価装置１と接続されている。
認知機能評価装置１は、プロセッサ１１及びメモリ１２を備える。
プロセッサ１１は、例えば、ＣＰＵ（中央演算処理装置）であり、データ取得部１１１、歩行パラメータ検出部１１２、認知機能判定部１１３及び評価結果提示部１１４を備える。
メモリ１２は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）又はフラッシュメモリ等の各種情報を記憶可能な記憶装置である。
データ取得部１１１は、被験者の歩行に関する歩行データを取得する。歩行データは、例えば、歩行している被験者を撮像することにより得られた動画像データである。データ取得部１１１は、カメラ２によって出力された動画像データを取得する。
歩行パラメータ検出部１１２は、データ取得部１１１によって取得された動画像データから被験者の骨格を示す骨格データを抽出する。骨格データは、被験者の関節等を示す複数の特徴点の座標と、各特徴点を繋ぐ直線とで表される。歩行パラメータ検出部１１２は、２次元画像データから人の特徴点の座標を検出するソフトウエア（例えば、ＯｐｅｎＰｏｓｅ又は３Ｄ－ｐｏｓｅ－ｂａｓｅｌｉｎｅ）を利用してもよい。
ここで、２次元画像データから骨格データを抽出する処理について説明する。
図２は、本実施の形態において、２次元画像データから骨格データを抽出する処理について説明するための図である。
歩行パラメータ検出部１１２は、歩いている被験者２００の画像を含む２次元画像データ２０から骨格データ２１を抽出する。骨格データ２１は、頭を示す特徴点２０１、両肩の中央を示す特徴点２０２、右肩を示す特徴点２０３、右肘を示す特徴点２０４、右手を示す特徴点２０５、左肩を示す特徴点２０６、左肘を示す特徴点２０７、左手を示す特徴点２０８、腰を示す特徴点２０９、右股関節を示す特徴点２１０、右膝関節を示す特徴点２１１、右足首関節を示す特徴点２１２、右つま先を示す特徴点２１３、左股関節を示す特徴点２１４、左膝関節を示す特徴点２１５、左足首関節を示す特徴点２１６、及び左つま先を示す特徴点２１７を含む。
動画像データは、複数の２次元画像データで構成される。歩行パラメータ検出部１１２は、動画像データを構成する複数の２次元画像データのそれぞれから時系列の骨格データを抽出する。なお、歩行パラメータ検出部１１２は、全フレームの２次元画像データから骨格データを抽出してもよいし、所定フレーム毎の２次元画像データから骨格データを抽出してもよい。また、本実施の形態では、歩行中の被験者の主に下肢の動きに基づいて認知機能の程度が評価される。そのため、歩行パラメータ検出部１１２は、被験者の下肢の骨格データのみを抽出してもよい。
また、歩行パラメータ検出部１１２は、動画像データから抽出した時系列の骨格データから被験者の１歩行周期に対応する骨格データを切り出す。人の歩行動作は、周期的な動作である。
ここで、被験者の歩行周期について説明する。
図３は、本実施の形態における歩行周期について説明するための図である。
図３に示すように、被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表される。図３に示す１歩行周期は、被験者の右足が地面に着いてから再度右足が地面に着くまでの期間である。また、１歩行周期は１％～１００％に正規化される。１歩行周期の１％～６０％の期間は、一方の足（例えば右足）が地面に着いている立脚期と呼ばれ、１歩行周期の６１％～１００％の期間は、一方の足（例えば右足）が地面から離れている遊脚期と呼ばれる。１歩行周期は、立脚期と遊脚期とを含む。なお、１歩行周期は、被験者の左足が地面に着いてから再度左足が地面に着くまでの期間であってもよい。
歩行パラメータ検出部１１２は、歩行データから、被験者の一方の足の足首関節の角度及び一方の足の膝関節の角度の少なくとも１つを検出する。
本実施の形態において、歩行パラメータ検出部１１２は、歩行データから、被験者の一方の足の足首関節の角度を検出する。歩行パラメータ検出部１１２は、切り出した１歩行周期に対応する時系列の骨格データから、被験者の一方の足の足首関節の角度を検出する。図２に示すように、足首関節の角度θは、矢状面において、右足首関節を示す特徴点２１２と右膝関節を示す特徴点２１１とを結ぶ直線と、右足首関節を示す特徴点２１２と右つま先を示す特徴点２１３とを結ぶ直線とがなす角度である。
特に、歩行パラメータ検出部１１２は、一方の足の遊脚期の所定期間における足首関節の角度の時系列データを検出する。より具体的には、所定期間は、１歩行周期の８１％～１００％の期間である。また、所定期間は、１歩行周期の８５％～８８％の期間であってもよい。歩行パラメータ検出部１１２は、一方の足の遊脚期の所定期間における足首関節の角度の時系列データの平均値を歩行パラメータとして算出する。
なお、本実施の形態では、１歩行周期は、被験者の右足が地面に着いてから再度右足が地面に着くまでの期間であるので、歩行パラメータ検出部１１２は、右足の足首関節の角度θを検出している。１歩行周期が、被験者の左足が地面に着いてから再度左足が地面に着くまでの期間である場合、歩行パラメータ検出部１１２は、左足の足首関節の角度θを検出してもよい。
また、被験者の一方の足の膝関節の角度の検出については、本実施の形態の変形例において説明する。
認知機能判定部１１３は、足首関節の角度及び膝関節の角度の少なくとも１つを用いて被験者の認知機能の程度を判定する。
本実施の形態において、認知機能判定部１１３は、足首関節の角度を用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、足首関節の角度を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルに、歩行パラメータ検出部１１２によって検出された足首関節の角度を入力することで被験者が軽度認知障害であるか否かを判定する。
なお、膝関節の角度を用いた被験者の認知機能の程度の判定については、本実施の形態の変形例において説明する。
メモリ１２は、足首関節の角度を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の足首関節の角度の時系列データを説明変数とする回帰モデルである。予測モデルは、被験者が軽度認知障害であることを示す値（例えば、１）と、被験者が軽度認知障害ではないことを示す値（例えば、０）とのいずれかを出力する。
特に、認知機能判定部１１３は、一方の足の遊脚期の所定期間における足首関節の角度の時系列データの平均値を用いて被験者の認知機能の程度を判定する。より具体的には、認知機能判定部１１３は、１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値を用いて被験者の認知機能の程度を判定する。また、認知機能判定部１１３は、１歩行周期の８５％～８８％の期間における一方の足の足首関節の角度の時系列データの平均値を用いて被験者の認知機能の程度を判定してもよい。
なお、予測モデルは、機械学習により生成されてもよい。機械学習としては、例えば、入力情報に対してラベル（出力情報）が付与された教師データを用いて入力と出力との関係を学習する教師あり学習、ラベルのない入力のみからデータの構造を構築する教師なし学習、ラベルありとラベルなしとのどちらも扱う半教師あり学習、報酬を最大化する行動を試行錯誤により学習する強化学習などが挙げられる。また、機械学習の具体的な手法としては、ニューラルネットワーク（多層のニューラルネットワークを用いた深層学習を含む）、遺伝的プログラミング、決定木、ベイジアン・ネットワーク、又はサポート・ベクター・マシン（ＳＶＭ）などが存在する。本開示の機械学習においては、以上で挙げた具体例のいずれかを用いればよい。
また、予測モデルは、認知機能の程度を示す値を出力してもよい。認知機能の程度を示す値は、例えば、０．０～１．０で表される。その場合は、例えば、認知機能判定部１１３は、認知機能の程度を示す値が０．５以下である場合は軽度認知障害ではないと判定し、認知機能の程度を示す値が０．５より大きい場合は軽度認知障害である可能性が高いと判定してもよい。
評価結果提示部１１４は、認知機能判定部１１３によって判定された認知機能の程度の評価結果を提示する。評価結果提示部１１４は、認知機能判定部１１３によって判定された評価結果を表示部３へ出力する。評価結果は、認知機能判定部１１３によって判定された被験者が軽度認知障害であるか否かを示す情報及び評価メッセージの少なくとも１つである。
表示部３は、評価結果提示部１１４から出力された評価結果を表示する。表示部３は、例えば、液晶表示パネル又は発光素子である。
なお、表示部３は、今回判定された認知機能の程度を示す値と過去の認知機能の程度を示す値とを比較するために、認知機能の程度を示す値の推移をグラフで表示してもよい。なお、過去の認知機能の程度を示す値は、メモリ１２に記憶されており、メモリ１２から読み出される。
なお、認知機能評価装置１は、カメラ２及び表示部３を備えてもよい。また、認知機能評価装置１は、表示部３を備えてもよい。認知機能評価装置１は、パーソナルコンピュータ又はサーバであってもよい。
次に、図４を用いて、本実施の形態における認知機能評価処理を説明する。
図４は、本実施の形態において、被験者の歩行動作を利用した認知機能評価処理を説明するためのフローチャートである。図４に示すフローチャートは、認知機能評価装置１を用いた、認知機能の程度の評価の手順を示している。
被験者は、カメラ２の前を歩行する。カメラ２は、歩行している被験者を撮像する。カメラ２は、被験者が歩行している動画像データを認知機能評価装置１へ送信する。
まず、ステップＳ１において、データ取得部１１１は、カメラ２によって送信された動画像データを取得する。
次に、ステップＳ２において、歩行パラメータ検出部１１２は、動画像データから時系列の骨格データを抽出する。
次に、ステップＳ３において、歩行パラメータ検出部１１２は、時系列の骨格データから、認知機能の程度を判定するための歩行パラメータを検出する。ここで、本実施の形態における歩行パラメータは、１歩行周期の所定期間における被験者の一方の足の足首関節の角度の時系列データの平均値である。所定期間は、例えば、１歩行周期の８１％～１００％の期間である。なお、歩行パラメータの決定方法については後述する。
次に、ステップＳ４において、認知機能判定部１１３は、歩行パラメータを用いて被験者の認知機能の程度を判定する認知機能判定処理を実行する。なお、認知機能判定処理については後述する。
次に、ステップＳ５において、評価結果提示部１１４は、認知機能判定部１１３によって判定された認知機能の程度の評価結果を表示部３に出力する。認知機能の程度の評価結果は、被験者が軽度認知障害であるか否かを示す。なお、評価結果提示部１１４は、認知機能の程度だけでなく、認知機能の程度に対応付けられた評価メッセージを表示部３に出力してもよい。表示部３は、評価結果提示部１１４から出力された認知機能の程度の評価結果を表示する。
ここで、図４のステップＳ４における認知機能判定処理について説明する。
図５は、図４のステップＳ４における認知機能判定処理について説明するためのフローチャートである。
まず、ステップＳ１１において、認知機能判定部１１３は、メモリ１２から予測モデルを読み出す。
次に、ステップＳ１２において、認知機能判定部１１３は、歩行パラメータ検出部１１２によって検出された歩行パラメータを予測モデルに入力する。本実施の形態における歩行パラメータは、１歩行周期の８１％～１００％の期間における被験者の一方の足の足首関節の角度の時系列データの平均値である。認知機能判定部１１３は、１歩行周期の８１％～１００％の期間における被験者の一方の足の足首関節の角度の時系列データの平均値を予測モデルに入力する。
次に、ステップＳ１３において、認知機能判定部１１３は、認知機能の程度の判定結果を予測モデルから取得する。認知機能判定部１１３は、被験者が軽度認知障害であるか否かを判定結果として予測モデルから取得する。
なお、本実施の形態の認知機能判定処理では、予め生成された予測モデルに歩行パラメータを入力することにより、認知機能の程度を判定しているが、本開示は特にこれに限定されない。本実施の形態の認知機能判定処理の他の例では、予め記憶されている閾値と歩行パラメータとを比較することにより、認知機能の程度を判定してもよい。
この場合、メモリ１２は、被験者が軽度認知障害であるか否かを判定するための閾値を予め記憶する。
また、認知機能判定部１１３は、足首関節の角度が閾値より小さい場合、被験者が軽度認知障害であると判定する。本実施の形態では、認知機能判定部１１３は、１歩行周期の８１％～１００％の期間における被験者の一方の足の足首関節の角度の時系列データの平均値が閾値より小さいか否かを判断する。認知機能判定部１１３は、１歩行周期の８１％～１００％の期間における被験者の一方の足の足首関節の角度の時系列データの平均値が閾値より小さい場合、被験者が軽度認知障害であると判定する。一方、認知機能判定部１１３は、１歩行周期の８１％～１００％の期間における被験者の一方の足の足首関節の角度の時系列データの平均値が閾値以上である場合、被験者が軽度認知障害ではない、すなわち被験者が健常者であると判定する。
図６は、図４のステップＳ４における認知機能判定処理の他の例について説明するためのフローチャートである。
まず、ステップＳ２１において、認知機能判定部１１３は、メモリ１２から閾値を読み出す。
次に、ステップＳ２２において、認知機能判定部１１３は、歩行パラメータ検出部１１２によって検出された歩行パラメータが閾値より小さいか否かを判断する。本実施の形態における歩行パラメータは、１歩行周期の８１％～１００％の期間における被験者の一方の足の足首関節の角度の時系列データの平均値である。認知機能判定部１１３は、１歩行周期の８１％～１００％の期間における被験者の一方の足の足首関節の角度の時系列データの平均値が閾値より小さいか否かを判断する。
ここで、歩行パラメータが閾値より小さいと判断された場合（ステップＳ２２でＹＥＳ）、ステップＳ２３において、認知機能判定部１１３は、被験者が軽度認知障害であると判定する。
一方、歩行パラメータが閾値以上であると判断された場合（ステップＳ２２でＮＯ）、ステップＳ２４において、認知機能判定部１１３は、被験者が軽度認知障害ではない、すなわち被験者が健常者であると判定する。
このように、本実施の形態では、歩行している被験者の一方の足の足首関節の角度は、被験者の認知機能の程度に相関があるパラメータである。認知機能が低下している被験者の歩行動作は、認知機能が低下していない被験者の歩行動作とは異なる傾向がある。そのため、歩行中の被験者の認知機能の程度に相関があるパラメータを用いて被験者の認知機能の程度が判定されるので、高い精度で被験者の認知機能を評価することができる。
また、歩行している被験者の一方の足の足首関節の角度は、例えば、歩行している被験者を撮像することで得られる画像データから簡単に検出することが可能であるので、大がかりな装置も不要である。そのため、本構成では、簡単に被験者の認知機能を評価することができる。
なお、認知機能判定部１１３は、遊脚期の被験者の一方の足の足首関節の角度の最大値と最小値との差分が閾値より小さいか否かを判断してもよい。認知機能判定部１１３は、遊脚期の被験者の一方の足の足首関節の角度の最大値と最小値との差分が閾値より小さい場合、被験者が軽度認知障害であると判定してもよい。一方、認知機能判定部１１３は、遊脚期の被験者の一方の足の足首関節の角度の最大値と最小値との差分が閾値以上である場合、被験者が軽度認知障害ではない、すなわち被験者が健常者であると判定してもよい。
本実施の形態における歩行パラメータ及び予測モデルは、実験により決定される。以下、本実施の形態における歩行パラメータ及び予測モデルの決定方法について説明する。
実験に参加した被験者の総数は９２人であった。男性の被験者は２７人であり、女性の被験者は６５人であった。被験者に対しては、認知症スクリーニング検査であるミニメンタルステート検査（ＭＭＳＥ：Ｍｉｎｉ Ｍｅｎｔａｌ Ｓｔａｔｅ Ｅｘａｍｉｎａｔｉｏｎ）が行われた。ＭＭＳＥのスコアが２７点～３０点の被験者は健常者であると判定され、ＭＭＳＥのスコアが２２点～２６点の被験者は軽度認知障害の疑いがあると判定された。本実験では、軽度認知障害の疑いがある患者を、軽度認知障害の患者と見なした。ＭＭＳＥの結果、被験者のうち、軽度認知障害の患者は１０人であり、健常者は８２人であった。軽度認知障害の患者のうち、男性の患者は４人であり、女性の患者は６人であった。実験では、被験者らは、カメラの前で歩行を行った。歩行する被験者らがカメラで撮像され、動画像データから各被験者の骨格データが抽出された。そして、抽出された骨格データから各被験者の一方の足首関節の角度の時系列データが検出された。
図７は、本実施の形態において、１歩行周期における一方の足首関節の角度の変化を示す図である。図７において、縦軸は足首関節の角度を示し、横軸は正規化した１歩行周期を示す。また、図７において、破線は、健常者らの一方の足首関節の角度の平均波形を示し、実線は、軽度認知障害の患者らの一方の足首関節の角度の平均波形を示す。
実験では、正規化した１歩行周期を１０区間に分割し、１区間又は２以上の連続する区間における一方の足首関節の角度の平均値を被験者毎に算出した。そして、被験者が軽度認知障害であるか否かを目的変数とし、１区間又は２以上の連続する区間における一方の足首関節の角度の平均値を説明変数とする複数の予測モデルを作成した。複数の予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、複数の予測モデルそれぞれのＲＯＣ（Ｒｅｃｅｉｖｅｒ Ｏｐｅｒａｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ）曲線が算出された。さらに、複数の予測モデルそれぞれのＲＯＣ曲線のＡＵＣ（Ａｒｅａ Ｕｎｄｅｒ Ｃｕｒｖｅ）値が算出され、最もＡＵＣ値が高い予測モデルが選択された。
本実施の形態では、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値を説明変数として作成された予測モデルのＡＵＣ値が最も高かった。
図８は、本実施の形態における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値を説明変数として作成された。図８において、縦軸は真陽性率（Ｔｒｕｅ Ｐｏｓｉｔｉｖｅ Ｒａｔｅ）を示し、横軸は偽陽性率（Ｆａｌｓｅ Ｐｏｓｉｔｉｖｅ Ｒａｔｅ）を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図８に示すＲＯＣ曲線は、１歩行周期の８１％～１００％の期間における足首関節の角度の平均値を説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図８に示すＲＯＣ曲線のＡＵＣ値は、０．６６０であった。ＡＵＣ値は、ＲＯＣ曲線の下部分の面積である。ＡＵＣ値が大きいほど（１に近づくほど）、性能が高い予測モデルであると言える。この場合、１歩行周期の８１％～１００％の期間における足首関節の角度の平均値が、歩行パラメータとして決定される。また、１歩行周期の８１％～１００％の期間における足首関節の角度の平均値を説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
メモリ１２は、１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。歩行パラメータ検出部１１２は、１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データを検出する。認知機能判定部１１３は、１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値を予測モデルに入力することにより、被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
また、図７に示す１歩行周期の８１％～１００％の期間において、軽度認知障害の患者らの一方の足の足首関節の角度の時系列データは、健常者らの一方の足の足首関節の角度の時系列データよりも小さくなっている。そのため、実験により得られた、軽度認知障害の患者らの１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値の平均と、健常者らの１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値の平均との間の値が、閾値としてメモリ１２に記憶されてもよい。認知機能判定部１１３は、１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値と、予め記憶されている閾値とを比較することにより、認知機能の程度を判定してもよい。
なお、本実施の形態では、歩行パラメータは、１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値であるが、本開示は特にこれに限定されない。以下、本実施の形態の歩行パラメータの種々の例について説明する。
まず、本実施の形態の第１の変形例における歩行パラメータについて説明する。
本実施の形態の第１の変形例における歩行パラメータは、１歩行周期の８５％～８８％の期間における一方の足の足首関節の角度の時系列データの平均値であってもよい。
図９は、本実施の形態の第１の変形例において、１歩行周期における一方の足首関節の角度の変化を示す図である。図９において、縦軸は足首関節の角度を示し、横軸は正規化した１歩行周期を示す。また、図９において、破線は、健常者らの一方の足首関節の角度の平均波形を示し、実線は、軽度認知障害の患者らの一方の足首関節の角度の平均波形を示す。
本実施の形態の第１の変形例では、上記の実験と同様に、複数の被験者それぞれの一方の足首関節の角度の時系列データを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の平均値を説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図１０は、本実施の形態の第１の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第１の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の平均値を説明変数として作成された。図１０において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図１０に示すＲＯＣ曲線は、１歩行周期の８５％～８８％の期間における足首関節の角度の平均値を説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図１０に示すＲＯＣ曲線のＡＵＣ値は、０．６８６６であった。この場合、１歩行周期の８５％～８８％の期間における足首関節の角度の平均値が、歩行パラメータとして決定される。また、１歩行周期の８５％～８８％の期間における足首関節の角度の平均値を説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
メモリ１２は、１歩行周期の８５％～８８％の期間における一方の足の足首関節の角度の時系列データの平均値を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
歩行パラメータ検出部１１２は、１歩行周期の８５％～８８％の期間における一方の足の足首関節の角度の時系列データを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の８５％～８８％の期間における一方の足の足首関節の角度の時系列データの平均値を算出する。
認知機能判定部１１３は、１歩行周期の８５％～８８％の期間における一方の足の足首関節の角度の時系列データの平均値を用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の８５％～８８％の期間における一方の足の足首関節の角度の時系列データの平均値を予測モデルに入力することにより、被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
図１１は、本実施の形態の第１の変形例において、１歩行周期の８５％～８８％の期間における健常者らの一方の足首関節の角度の時系列データの平均値の平均と、１歩行周期の８５％～８８％の期間における軽度認知障害（ＭＣＩ）の患者らの一方の足首関節の角度の時系列データの平均値の平均とを示す図である。
図１１に示すように、１歩行周期の８５％～８８％の期間における健常者らの一方の足首関節の角度の時系列データの平均値の平均は、１３．２度であり、１歩行周期の８５％～８８％の期間における軽度認知障害（ＭＣＩ）の患者らの一方の足首関節の角度の時系列データの平均値の平均は、９．５度であった。
このように、１歩行周期の８５％～８８％の期間において、軽度認知障害の患者らの一方の足の足首関節の角度の時系列データの平均値の平均は、健常者らの一方の足の足首関節の角度の時系列データの平均値の平均よりも小さくなっている。そのため、実験により得られた、軽度認知障害の患者らの１歩行周期の８５％～８８％の期間における一方の足の足首関節の角度の時系列データの平均値の平均と、健常者らの１歩行周期の８５％～８８％の期間における一方の足の足首関節の角度の時系列データの平均値の平均との間の値が、閾値としてメモリ１２に記憶されてもよい。認知機能判定部１１３は、１歩行周期の８５％～８８％の期間における被験者の一方の足首関節の角度の時系列データの平均値と、予め記憶されている閾値とを比較することにより、認知機能の程度を判定してもよい。
続いて、本実施の形態の第２の変形例における歩行パラメータについて説明する。
本実施の形態の第２の変形例における歩行パラメータは、１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値であってもよい。
図１２は、本実施の形態の第２の変形例において、１歩行周期における一方の膝関節の角度の変化を示す図である。図１２において、縦軸は膝関節の角度を示し、横軸は正規化した１歩行周期を示す。また、図１２において、破線は、健常者らの一方の膝関節の角度の平均波形を示し、実線は、軽度認知障害の患者らの一方の膝関節の角度の平均波形を示す。
本実施の形態の第２の変形例では、上記の実験と同様に、健常者及び軽度認知障害の患者を含む複数の被験者の骨格データから、複数の被験者それぞれの一方の膝関節の角度の時系列データを検出した。図２に示すように、膝関節の角度γは、矢状面において、右膝関節を示す特徴点２１１と右股関節を示す特徴点２１０とを結ぶ直線と、右膝関節を示す特徴点２１１と右足首関節を示す特徴点２１２とを結ぶ直線とがなす角度である。
実験では、正規化した１歩行周期を１０区間に分割し、１区間又は２以上の連続する区間における一方の膝関節の角度の平均値を被験者毎に算出した。そして、被験者が軽度認知障害であるか否かを目的変数とし、１区間又は２以上の連続する区間における一方の膝関節の角度の平均値を説明変数とする複数の予測モデルを作成した。複数の予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、複数の予測モデルそれぞれのＲＯＣ曲線が算出された。さらに、複数の予測モデルそれぞれのＲＯＣ曲線のＡＵＣ値が算出され、最もＡＵＣ値が高い予測モデルが選択された。
本実施の形態の第２の変形例では、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値を説明変数として作成された予測モデルのＡＵＣ値が最も高かった。
図１３は、本実施の形態の第２の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第２の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値を説明変数として作成された。図１３において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図１３に示すＲＯＣ曲線は、１歩行周期の４１％～５０％の期間における膝関節の角度の平均値を説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図１３に示すＲＯＣ曲線のＡＵＣ値は、０．６８２であった。この場合、１歩行周期の４１％～５０％の期間における膝関節の角度の平均値が、歩行パラメータとして決定される。また、１歩行周期の４１％～５０％の期間における膝関節の角度の平均値を説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
歩行パラメータ検出部１１２は、歩行データから、被験者の一方の足の膝関節の角度を検出する。歩行パラメータ検出部１１２は、切り出した１歩行周期に対応する時系列の骨格データから、被験者の一方の足の膝関節の角度を検出する。特に、歩行パラメータ検出部１１２は、一方の足の立脚期の所定期間における膝関節の角度の時系列データを検出する。より具体的には、所定期間は、１歩行周期の４１％～５０％の期間である。歩行パラメータ検出部１１２は、１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値を算出する。
なお、本実施の形態の第２の変形例では、１歩行周期は、被験者の右足が地面に着いてから再度右足が地面に着くまでの期間であるので、歩行パラメータ検出部１１２は、右足の膝関節の角度γを検出している。１歩行周期が、被験者の左足が地面に着いてから再度左足が地面に着くまでの期間である場合、歩行パラメータ検出部１１２は、左足の膝関節の角度γを検出してもよい。
認知機能判定部１１３は、膝関節の角度を用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、膝関節の角度を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルに、歩行パラメータ検出部１１２によって検出された膝関節の角度を入力することで被験者が軽度認知障害であるか否かを判定する。
メモリ１２は、膝関節の角度を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の膝関節の角度の時系列データを説明変数とする回帰モデルである。特に、メモリ１２は、１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
また、認知機能判定部１１３は、一方の足の立脚期の所定期間における膝関節の角度の時系列データの平均値を用いて被験者の認知機能の程度を判定する。より具体的には、認知機能判定部１１３は、１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値を用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値を予測モデルに入力することにより、被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
また、図１２に示す１歩行周期の４１％～５０％の期間において、軽度認知障害の患者らの一方の足の膝関節の角度の平均波形は、健常者らの一方の足の膝関節の角度の平均波形よりも小さくなっている。そのため、実験により得られた、軽度認知障害の患者らの１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値の平均と、健常者らの１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値の平均との間の値が、閾値としてメモリ１２に記憶されてもよい。認知機能判定部１１３は、１歩行周期の４１％～５０％の期間における被験者の一方の足の膝関節の角度の時系列データの平均値と、予め記憶されている閾値とを比較することにより、認知機能の程度を判定してもよい。
続いて、本実施の形態の第３の変形例における歩行パラメータについて説明する。
本実施の形態の第３の変形例における歩行パラメータは、１歩行周期の４５％～４９％の期間における一方の足の膝関節の角度の時系列データの平均値であってもよい。
図１４は、本実施の形態の第３の変形例において、１歩行周期における一方の膝関節の角度の変化を示す図である。図１４において、縦軸は膝関節の角度を示し、横軸は正規化した１歩行周期を示す。また、図１４において、破線は、健常者らの一方の膝関節の角度の平均波形を示し、実線は、軽度認知障害の患者らの一方の膝関節の角度の平均波形を示す。
本実施の形態の第３の変形例では、上記の実験と同様に、複数の被験者それぞれの一方の膝関節の角度の時系列データを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の４５％～４９％の期間における一方の膝関節の角度の平均値を説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルそれぞれのＲＯＣ曲線のＡＵＣ値が算出された。
図１５は、本実施の形態の第３の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第３の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の４５％～４９％の期間における一方の膝関節の角度の平均値を説明変数として作成された。図１５において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図１５に示すＲＯＣ曲線は、１歩行周期の４５％～４９％の期間における膝関節の角度の平均値を説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図１５に示すＲＯＣ曲線のＡＵＣ値は、０．５８２９であった。この場合、１歩行周期の４５％～４９％の期間における膝関節の角度の平均値が、歩行パラメータとして決定される。また、１歩行周期の４５％～４９％の期間における膝関節の角度の平均値を説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
メモリ１２は、１歩行周期の４５％～４９％の期間における一方の足の膝関節の角度の時系列データの平均値を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
歩行パラメータ検出部１１２は、１歩行周期の４５％～４９％の期間における一方の足の膝関節の角度の時系列データを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の４５％～４９％の期間における一方の足の膝関節の角度の時系列データの平均値を算出する。
認知機能判定部１１３は、１歩行周期の４５％～４９％の期間における一方の足の膝関節の角度の時系列データの平均値を用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の４５％～４９％の期間における一方の足の膝関節の角度の時系列データの平均値を予測モデルに入力することにより、被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
図１６は、本実施の形態の第３の変形例において、１歩行周期の４５％～４９％の期間における健常者らの一方の膝関節の角度の時系列データの平均値の平均と、１歩行周期の４５％～４９％の期間における軽度認知障害（ＭＣＩ）の患者らの一方の膝関節の角度の時系列データの平均値の平均とを示す図である。
図１６に示すように、１歩行周期の４５％～４９％の期間における健常者らの一方の膝関節の角度の時系列データの平均値の平均は、２７．９度であり、１歩行周期の４５％～４９％の期間における軽度認知障害（ＭＣＩ）の患者らの一方の膝関節の角度の時系列データの平均値の平均は、２３．１度であった。
このように、１歩行周期の４５％～４９％の期間において、軽度認知障害の患者らの一方の足の膝関節の角度の時系列データの平均値の平均は、健常者らの一方の足の膝関節の角度の時系列データの平均値の平均よりも小さくなっている。そのため、実験により得られた、軽度認知障害の患者らの１歩行周期の４５％～４９％の期間における一方の足の膝関節の角度の時系列データの平均値の平均と、健常者らの１歩行周期の４５％～４９％の期間における一方の足の膝関節の角度の時系列データの平均値の平均との間の値が、閾値としてメモリ１２に記憶されてもよい。認知機能判定部１１３は、１歩行周期の４５％～４９％の期間における被験者の一方の足の膝関節の角度の時系列データの平均値と、予め記憶されている閾値とを比較することにより、認知機能の程度を判定してもよい。
続いて、本実施の形態の第４の変形例における歩行パラメータについて説明する。
本実施の形態の第４の変形例における歩行パラメータは、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値であってもよい。
図１７は、本実施の形態の第４の変形例において、１歩行周期における腰の鉛直方向の変位を示す図である。図１７において、縦軸は腰の鉛直方向の変位を示し、横軸は正規化した１歩行周期を示す。また、図１７において、破線は、健常者らの腰の鉛直方向の変位の平均波形を示し、実線は、軽度認知障害の患者らの腰の鉛直方向の変位の平均波形を示す。
本実施の形態の第４の変形例では、上記の実験と同様に、健常者及び軽度認知障害の患者を含む複数の被験者の骨格データから、複数の被験者それぞれの腰の鉛直方向の変位の時系列データを検出した。図２に示すように、腰の鉛直方向の変位αは、腰を示す特徴点２０９の鉛直方向の変位である。
実験では、正規化した１歩行周期を１０区間に分割し、１区間又は２以上の連続する区間における腰の鉛直方向の変位の平均値を被験者毎に算出した。そして、被験者が軽度認知障害であるか否かを目的変数とし、１区間又は２以上の連続する区間における腰の鉛直方向の変位の平均値を説明変数とする複数の予測モデルを作成した。複数の予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、複数の予測モデルそれぞれのＲＯＣ曲線が算出された。さらに、複数の予測モデルそれぞれのＲＯＣ曲線のＡＵＣ値が算出され、最もＡＵＣ値が高い予測モデルが選択された。
本実施の形態の第４の変形例では、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値を説明変数として作成された予測モデルのＡＵＣ値が最も高かった。
図１８は、本実施の形態の第４の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第４の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値を説明変数として作成された。図１８において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図１８に示すＲＯＣ曲線は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値を説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図１８に示すＲＯＣ曲線のＡＵＣ値は、０．５８７であった。この場合、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値が、歩行パラメータとして決定される。また、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値を説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
歩行パラメータ検出部１１２は、歩行データから、被験者の腰の鉛直方向の変位を検出する。歩行パラメータ検出部１１２は、切り出した１歩行周期に対応する時系列の骨格データから、被験者の腰の鉛直方向の変位を検出する。特に、歩行パラメータ検出部１１２は、一方の足の立脚期の所定期間における腰の鉛直方向の変位の時系列データを検出する。より具体的には、所定期間は、１歩行周期の２１％～３０％の期間である。歩行パラメータ検出部１１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値を算出する。
なお、本実施の形態の第４の変形例では、１歩行周期は、被験者の右足が地面に着いてから再度右足が地面に着くまでの期間であるので、歩行パラメータ検出部１１２は、右足が立脚期である際の腰の鉛直方向の変位αを検出している。１歩行周期が、被験者の左足が地面に着いてから再度左足が地面に着くまでの期間である場合、歩行パラメータ検出部１１２は、左足が立脚期である際の腰の鉛直方向の変位αを検出してもよい。
認知機能判定部１１３は、腰の鉛直方向の変位を用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、腰の鉛直方向の変位を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルに、歩行パラメータ検出部１１２によって検出された腰の鉛直方向の変位を入力することで被験者が軽度認知障害であるか否かを判定する。
メモリ１２は、腰の鉛直方向の変位を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データを説明変数とする回帰モデルである。特に、メモリ１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
また、認知機能判定部１１３は、一方の足の立脚期の所定期間における腰の鉛直方向の変位の時系列データの平均値を用いて被験者の認知機能の程度を判定する。より具体的には、認知機能判定部１１３は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値を用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値を予測モデルに入力することにより、被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
また、図１７に示す１歩行周期の２１％～３０％の期間において、軽度認知障害の患者らの腰の鉛直方向の変位の平均波形は、健常者らの腰の鉛直方向の変位の平均波形よりも大きくなっている。そのため、実験により得られた、軽度認知障害の患者らの１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値の平均と、健常者らの１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値の平均との間の値が、閾値としてメモリ１２に記憶されてもよい。認知機能判定部１１３は、１歩行周期の２１％～３０％の期間における被験者の腰の鉛直方向の変位の時系列データの平均値と、予め記憶されている閾値とを比較することにより、認知機能の程度を判定してもよい。
続いて、本実施の形態の第５の変形例における歩行パラメータについて説明する。
本実施の形態の第５の変形例における歩行パラメータは、一方の足の立脚期の第１期間における足首関節の第１角度の時系列データの平均値と、一方の足の遊脚期の第２期間における足首関節の第２角度の時系列データの平均値とであってもよい。
図１９は、本実施の形態の第５の変形例において、１歩行周期における一方の足首関節の角度の変化を示す図である。図１９において、縦軸は足首関節の角度を示し、横軸は正規化した１歩行周期を示す。また、図１９において、破線は、健常者らの一方の足首関節の角度の平均波形を示し、実線は、軽度認知障害の患者らの一方の足首関節の角度の平均波形を示す。
本実施の形態の第５の変形例では、上記の実験と同様に、複数の被験者それぞれの一方の足首関節の角度の時系列データを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の４５％～５０％の期間における一方の足首関節の角度の平均値と、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の平均値とを説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図２０は、本実施の形態の第５の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第５の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の４５％～５０％の期間における一方の足首関節の角度の平均値と、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の平均値とを説明変数として作成された。図２０において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図２０に示すＲＯＣ曲線は、１歩行周期の４５％～５０％の期間における一方の足首関節の角度の平均値と、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の平均値とを説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図２０に示すＲＯＣ曲線のＡＵＣ値は、０．７０２４であった。この場合、１歩行周期の４５％～５０％の期間における一方の足首関節の角度の平均値と、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の平均値とが、歩行パラメータとして決定される。また、１歩行周期の４５％～５０％の期間における一方の足首関節の角度の平均値と、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の平均値とを説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
歩行パラメータ検出部１１２は、一方の足の立脚期の第１期間における足首関節の第１角度の時系列データと、一方の足の遊脚期の第２期間における足首関節の第２角度の時系列データとを検出する。第１期間は、１歩行周期の４５％～５０％の期間であり、第２期間は、１歩行周期の８５％～８８％の期間である。歩行パラメータ検出部１１２は、１歩行周期の４５％～５０％の期間における一方の足首関節の角度の時系列データと、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の時系列データとを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の４５％～５０％の期間における一方の足首関節の角度の時系列データの平均値と、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の時系列データの平均値とを算出する。
認知機能判定部１１３は、足首関節の第１角度の時系列データの平均値と、第２角度の時系列データの平均値とを用いて被験者の認知機能の程度を判定する。
メモリ１２は、一方の足の立脚期の第１期間における足首関節の第１角度の時系列データの平均値と、一方の足の遊脚期の第２期間における足首関節の第２角度の時系列データの平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。メモリ１２は、１歩行周期の４５％～５０％の期間における一方の足首関節の角度の平均値と、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
認知機能判定部１１３は、１歩行周期の４５％～５０％の期間における一方の足首関節の角度の時系列データの平均値と、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の時系列データの平均値とを用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の４５％～５０％の期間における一方の足首関節の角度の時系列データの平均値と、１歩行周期の８５％～８８％の期間における一方の足首関節の角度の時系列データの平均値とを予測モデルに入力することにより、被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
このように、１つの期間における足首関節の角度の平均値を単独で用いて作成した予測モデルのＡＵＣ値は、０．６６０であり、２つの期間における足首関節の角度の平均値を用いて作成した予測モデルのＡＵＣ値は、０．７０２４であった。したがって、１つの期間における足首関節の角度の平均値を単独で用いて作成した予測モデルよりも、２つの期間における足首関節の角度の平均値を用いて作成した予測モデルの方が精度よく認知機能の程度を判定することができる。
続いて、本実施の形態の第６の変形例における歩行パラメータについて説明する。
本実施の形態の第６の変形例における歩行パラメータは、一方の足の立脚期の第１期間における膝関節の角度の時系列データの平均値と、一方の足の遊脚期の第２期間における足首関節の角度の時系列データの平均値とであってもよい。
本実施の形態の第６の変形例では、上記の実験と同様に、複数の被験者それぞれの一方の膝関節の角度の時系列データと、複数の被験者それぞれの一方の足首関節の角度の時系列データとを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図２１は、本実施の形態の第６の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第６の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数として作成された。図２１において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図２１に示すＲＯＣ曲線は、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図２１に示すＲＯＣ曲線のＡＵＣ値は、０．７３４であった。この場合、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とが、歩行パラメータとして決定される。また、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
歩行パラメータ検出部１１２は、一方の足の立脚期の第１期間における膝関節の角度の時系列データと、一方の足の遊脚期の第２期間における足首関節の角度の時系列データとを検出する。第１期間は、１歩行周期の４１％～５０％の期間であり、第２期間は、１歩行周期の８１％～１００％の期間である。歩行パラメータ検出部１１２は、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データと、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データとを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データの平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データの平均値とを算出する。
認知機能判定部１１３は、膝関節の角度の時系列データの平均値と、足首関節の角度の時系列データの平均値とを用いて被験者の認知機能の程度を判定する。
メモリ１２は、一方の足の立脚期の第１期間における膝関節の角度の時系列データの平均値と、一方の足の遊脚期の第２期間における足首関節の角度の時系列データの平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。メモリ１２は、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
認知機能判定部１１３は、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データの平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データの平均値とを用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データの平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データの平均値とを予測モデルに入力することにより、被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
このように、足首関節の角度及び膝関節の角度をそれぞれ単独で用いて作成した予測モデルのＡＵＣ値は、０．６６０及び０．６８２であり、足首関節の角度及び膝関節の角度を用いて作成した予測モデルのＡＵＣ値は、０．７３４であった。したがって、足首関節の角度及び膝関節の角度をそれぞれ単独で用いて作成した予測モデルよりも、足首関節の角度及び膝関節の角度を用いて作成した予測モデルの方が精度よく認知機能の程度を判定することができる。
続いて、本実施の形態の第７の変形例における歩行パラメータについて説明する。
本実施の形態の第７の変形例における歩行パラメータは、一方の足の立脚期の第１期間における腰の鉛直方向の変位の時系列データの平均値と、一方の足の遊脚期の第２期間における足首関節の角度の時系列データの平均値とであってもよい。
本実施の形態の第７の変形例では、上記の実験と同様に、複数の被験者それぞれの腰の鉛直方向の変位の時系列データと、複数の被験者それぞれの一方の足首関節の角度の時系列データとを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図２２は、本実施の形態の第７の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第７の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数として作成された。図２２において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図２２に示すＲＯＣ曲線は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図２２に示すＲＯＣ曲線のＡＵＣ値は、０．６５２であった。この場合、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とが、歩行パラメータとして決定される。また、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
歩行パラメータ検出部１１２は、一方の足の立脚期の第１期間における腰の鉛直方向の変位の時系列データと、一方の足の遊脚期の第２期間における足首関節の角度の時系列データとを検出する。第１期間は、１歩行周期の２１％～３０％の期間であり、第２期間は、１歩行周期の８１％～１００％の期間である。歩行パラメータ検出部１１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データと、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データとを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データの平均値とを算出する。
認知機能判定部１１３は、腰の鉛直方向の変位の時系列データの平均値と、足首関節の角度の時系列データの平均値とを用いて被験者の認知機能の程度を判定する。
メモリ１２は、一方の足の立脚期の第１期間における腰の鉛直方向の変位の時系列データの平均値と、一方の足の遊脚期の第２期間における足首関節の角度の時系列データの平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。メモリ１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
認知機能判定部１１３は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データの平均値とを用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データの平均値とを予測モデルに入力することにより、被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
このように、腰の鉛直方向の変位を単独で用いて作成した予測モデルのＡＵＣ値は、０．５８７であり、足首関節の角度及び腰の鉛直方向の変位を用いて作成した予測モデルのＡＵＣ値は、０．６５２であった。したがって、腰の鉛直方向の変位を単独で用いて作成した予測モデルよりも、足首関節の角度及び腰の鉛直方向の変位を用いて作成した予測モデルの方が精度よく認知機能の程度を判定することができる。
続いて、本実施の形態の第８の変形例における歩行パラメータについて説明する。
本実施の形態の第８の変形例における歩行パラメータは、一方の足の立脚期の第１期間における腰の鉛直方向の変位の時系列データの平均値と、一方の足の立脚期の第２期間における膝関節の角度の時系列データの平均値とであってもよい。
本実施の形態の第８の変形例では、上記の実験と同様に、複数の被験者それぞれの腰の鉛直方向の変位の時系列データと、複数の被験者それぞれの一方の膝関節の角度の時系列データとを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値とを説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図２３は、本実施の形態の第８の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第８の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値とを説明変数として作成された。図２３において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図２３に示すＲＯＣ曲線は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値とを説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図２３に示すＲＯＣ曲線のＡＵＣ値は、０．６７１であった。この場合、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値とが、歩行パラメータとして決定される。また、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値とを説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
歩行パラメータ検出部１１２は、一方の足の立脚期の第１期間における腰の鉛直方向の変位の時系列データと、一方の足の立脚期の第２期間における膝関節の角度の時系列データとを検出する。第１期間は、１歩行周期の２１％～３０％の期間であり、第２期間は、１歩行周期の４１％～５０％の期間である。歩行パラメータ検出部１１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データと、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データとを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データの平均値とを算出する。
認知機能判定部１１３は、腰の鉛直方向の変位の時系列データの平均値と、膝関節の角度の時系列データの平均値とを用いて被験者の認知機能の程度を判定する。
メモリ１２は、一方の足の立脚期の第１期間における腰の鉛直方向の変位の時系列データの平均値と、一方の足の立脚期の第２期間における膝関節の角度の時系列データの平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。メモリ１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
認知機能判定部１１３は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データの平均値とを用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データの平均値とを予測モデルに入力することにより、被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
このように、腰の鉛直方向の変位を単独で用いて作成した予測モデルのＡＵＣ値は、０．５８７であり、膝関節の角度及び腰の鉛直方向の変位を用いて作成した予測モデルのＡＵＣ値は、０．６７１であった。したがって、腰の鉛直方向の変位を単独で用いて作成した予測モデルよりも、膝関節の角度及び腰の鉛直方向の変位を用いて作成した予測モデルの方が精度よく認知機能の程度を判定することができる。
続いて、本実施の形態の第９の変形例における歩行パラメータについて説明する。
本実施の形態の第９の変形例における歩行パラメータは、一方の足の立脚期の第１期間における腰の鉛直方向の変位の時系列データの平均値と、一方の足の立脚期の第２期間における膝関節の角度の時系列データの平均値と、一方の足の遊脚期の第３期間における足首関節の角度の時系列データの平均値とであってもよい。
本実施の形態の第９の変形例では、上記の実験と同様に、複数の被験者それぞれの腰の鉛直方向の変位の時系列データと、複数の被験者それぞれの一方の膝関節の角度の時系列データと、複数の被験者それぞれの一方の足首関節の角度の時系列データとを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図２４は、本実施の形態の第９の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第９の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数として作成された。図２４において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図２４に示すＲＯＣ曲線は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図２４に示すＲＯＣ曲線のＡＵＣ値は、０．６８７であった。この場合、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とが、歩行パラメータとして決定される。また、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
歩行パラメータ検出部１１２は、一方の足の立脚期の第１期間における腰の鉛直方向の変位の時系列データと、一方の足の立脚期の第２期間における膝関節の角度の時系列データと、一方の足の遊脚期の第３期間における足首関節の角度の時系列データとを検出する。第１期間は、１歩行周期の２１％～３０％の期間であり、第２期間は、１歩行周期の４１％～５０％の期間であり、第３期間は、１歩行周期の８１％～１００％の期間である。歩行パラメータ検出部１１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データと、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データと、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データとを検出する。
また、歩行パラメータ検出部１１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データの平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データの平均値とを算出する。
認知機能判定部１１３は、腰の鉛直方向の変位の時系列データの平均値と、膝関節の角度の時系列データの平均値と、足首関節の角度の時系列データの平均値とを用いて被験者の認知機能の程度を判定する。
メモリ１２は、一方の足の立脚期の第１期間における腰の鉛直方向の変位の時系列データの平均値と、一方の足の立脚期の第２期間における膝関節の角度の時系列データの平均値と、一方の足の遊脚期の第３期間における足首関節の角度の時系列データの平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。メモリ１２は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
認知機能判定部１１３は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データの平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データの平均値とを用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の２１％～３０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の時系列データの平均値と、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の時系列データの平均値とを予測モデルに入力することにより、被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
このように、足首関節の角度、膝関節の角度及び腰の鉛直方向の変位をそれぞれ単独で用いて作成した予測モデルのＡＵＣ値は、０．６６０、０．６８２及び０．５８７であり、足首関節の角度、膝関節の角度及び腰の鉛直方向の変位を用いて作成した予測モデルのＡＵＣ値は、０．６８７であった。したがって、足首関節の角度、膝関節の角度及び腰の鉛直方向の変位をそれぞれ単独で用いて作成した予測モデルよりも、足首関節の角度、膝関節の角度及び腰の鉛直方向の変位を用いて作成した予測モデルの方が精度よく認知機能の程度を判定することができる。
続いて、本実施の形態の第１０の変形例における歩行パラメータについて説明する。
本実施の形態の第１０の変形例においては、被験者が男性である場合、歩行パラメータは、一方の足の立脚期の初期における足首関節の角度の時系列データの平均値であってもよい。
図２５は、本実施の形態の第１０の変形例において、１歩行周期における男性の被験者の一方の足首関節の角度の変化を示す図である。図２５において、縦軸は足首関節の角度を示し、横軸は正規化した１歩行周期を示す。また、図２５において、破線は、男性の健常者らの一方の足首関節の角度の平均波形を示し、実線は、男性の軽度認知障害の患者らの一方の足首関節の角度の平均波形を示す。
本実施の形態の第１０の変形例では、上記の実験とは異なり、男性の被験者それぞれの一方の足首関節の角度の時系列データを検出した。男性の被験者らの一方の足首関節の角度の平均波形を見ると、立脚期の初期である１歩行周期の１％～２％の期間において、軽度認知障害の患者らの足首関節の角度の方が、健常者らの足首関節の角度よりも大きくなっているのがわかる。そこで、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の１％～２％の期間における一方の足首関節の角度の平均値を説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図２６は、本実施の形態の第１０の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第１０の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の１％～２％の期間における男性の被験者の一方の足首関節の角度の平均値を説明変数として作成された。図２６において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図２６に示すＲＯＣ曲線は、１歩行周期の１％～２％の期間における男性の被験者の一方の足首関節の角度の平均値を説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図２６に示すＲＯＣ曲線のＡＵＣ値は、０．７１７４であった。被験者が男性である場合、１歩行周期の１％～２％の期間における足首関節の角度の平均値が、歩行パラメータとして決定される。また、１歩行周期の１％～２％の期間における男性の被験者の一方の足首関節の角度の平均値を説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
本実施の形態の第１０の変形例における認知機能評価装置１のプロセッサ１１は、被験者の性別を認識する性別認識部をさらに備える。性別認識部は、動画像データに含まれる被験者の画像から、顔及び体の少なくとも一方の特徴量を検出する。そして、性別認識部は、検出した特徴量から被験者が男性であるか女性であるかを認識する。なお、メモリ１２は、被験者の顔画像と性別とを対応付けたユーザ情報を予め記憶してもよい。この場合、性別認識部は、メモリ１２に記憶されているユーザ情報を用いて、動画像データに含まれる被験者が男性であるか女性であるかを認識してもよい。
メモリ１２は、１歩行周期の１％～２％の期間における男性の被験者の一方の足の足首関節の角度の時系列データの平均値を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
歩行パラメータ検出部１１２は、性別認識部によって被験者が男性であると認識された場合、一方の足の立脚期の初期における足首関節の角度の時系列データを検出する。歩行パラメータ検出部１１２は、性別認識部によって被験者が男性であると認識された場合、１歩行周期の１％～２％の期間における一方の足の足首関節の角度の時系列データを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の１％～２％の期間における一方の足の足首関節の角度の時系列データの平均値を算出する。
認知機能判定部１１３は、１歩行周期の１％～２％の期間における一方の足の足首関節の角度の時系列データの平均値を用いて男性の被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の１％～２％の期間における一方の足の足首関節の角度の時系列データの平均値を予測モデルに入力することにより、男性の被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
また、被験者が男性である場合、立脚期の初期（１歩行周期の１％～２％の期間）において、軽度認知障害の患者らの一方の足の足首関節の角度の平均波形は、健常者らの一方の足の足首関節の角度の平均波形よりも高くなっている。そのため、実験により得られた、男性の軽度認知障害の患者らの１歩行周期の１％～２％の期間における一方の足の足首関節の角度の時系列データの平均値の平均と、男性の健常者らの１歩行周期の１％～２％の期間における一方の足の足首関節の角度の時系列データの平均値の平均との間の値が、閾値としてメモリ１２に記憶されてもよい。認知機能判定部１１３は、１歩行周期の１％～２％の期間における被験者の一方の足の足首関節の角度の時系列データの平均値と、予め記憶されている閾値とを比較することにより、認知機能の程度を判定してもよい。
このように、被験者が男性である場合、立脚期の初期（１歩行周期の１％～２％の期間）の一方の足の足首関節の角度の時系列データを用いることにより、より高い精度で認知機能の程度を判定することができる。
続いて、本実施の形態の第１１の変形例における歩行パラメータについて説明する。
本実施の形態の第１１の変形例においては、被験者が男性である場合、歩行パラメータは、一方の足の立脚期の第１期間における足首関節の第１角度の時系列データの平均値と、一方の足の遊脚期の第２期間における足首関節の第２角度の時系列データの平均値とであってもよい。
図２７は、本実施の形態の第１１の変形例において、１歩行周期における男性の被験者の一方の足首関節の角度の変化を示す図である。図２７において、縦軸は足首関節の角度を示し、横軸は正規化した１歩行周期を示す。また、図２７において、破線は、男性の健常者らの一方の足首関節の角度の平均波形を示し、実線は、男性の軽度認知障害の患者らの一方の足首関節の角度の平均波形を示す。
本実施の形態の第１１の変形例では、上記の実験とは異なり、男性の被験者それぞれの一方の足首関節の角度の時系列データを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の１％～４０％の期間における一方の足首関節の角度の平均値と、１歩行周期の７１％～９０％の期間における一方の足首関節の角度の平均値とを説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図２８は、本実施の形態の第１１の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第１１の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の１％～４０％の期間における男性の被験者の一方の足首関節の角度の平均値と、１歩行周期の７１％～９０％の期間における男性の被験者の一方の足首関節の角度の平均値とを説明変数として作成された。図２８において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図２８に示すＲＯＣ曲線は、１歩行周期の１％～４０％の期間における男性の被験者の一方の足首関節の角度の平均値と、１歩行周期の７１％～９０％の期間における男性の被験者の一方の足首関節の角度の平均値とを説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図２８に示すＲＯＣ曲線のＡＵＣ値は、０．６４８であった。被験者が男性である場合、１歩行周期の１％～４０％の期間における足首関節の角度の平均値と、１歩行周期の７１％～９０％の期間における足首関節の角度の平均値とが、歩行パラメータとして決定される。また、１歩行周期の１％～４０％の期間における男性の被験者の一方の足首関節の角度の平均値と、１歩行周期の７１％～９０％の期間における男性の被験者の一方の足首関節の角度の平均値とを説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
本実施の形態の第１１の変形例における認知機能評価装置１のプロセッサ１１は、被験者の性別を認識する性別認識部をさらに備える。
歩行パラメータ検出部１１２は、性別認識部によって被験者が男性であると認識された場合、一方の足の立脚期の第１期間における足首関節の第１角度の時系列データと、一方の足の遊脚期の第２期間における足首関節の第２角度の時系列データとを検出する。第１期間は、１歩行周期の１％～４０％の期間であり、第２期間は、１歩行周期の７１％～９０％の期間である。歩行パラメータ検出部１１２は、性別認識部によって被験者が男性であると認識された場合、１歩行周期の１％～４０％の期間における一方の足首関節の角度の時系列データと、１歩行周期の７１％～９０％の期間における一方の足首関節の角度の時系列データとを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の１％～４０％の期間における一方の足首関節の角度の時系列データの平均値と、１歩行周期の７１％～９０％の期間における一方の足首関節の角度の時系列データの平均値とを算出する。
認知機能判定部１１３は、足首関節の第１角度の時系列データの平均値と、第２角度の時系列データの平均値とを用いて男性の被験者の認知機能の程度を判定する。
メモリ１２は、一方の足の立脚期の第１期間における男性の被験者の足首関節の第１角度の時系列データの平均値と、一方の足の遊脚期の第２期間における男性の被験者の足首関節の第２角度の時系列データの平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。メモリ１２は、１歩行周期の１％～４０％の期間における男性の被験者の一方の足首関節の角度の平均値と、１歩行周期の７１％～９０％の期間における男性の被験者の一方の足首関節の角度の平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
認知機能判定部１１３は、１歩行周期の１％～４０％の期間における一方の足首関節の角度の時系列データの平均値と、１歩行周期の７１％～９０％の期間における一方の足首関節の角度の時系列データの平均値とを用いて男性の被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の１％～４０％の期間における一方の足首関節の角度の時系列データの平均値と、１歩行周期の７１％～９０％の期間における一方の足首関節の角度の時系列データの平均値とを予測モデルに入力することにより、男性の被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
このように、被験者が男性である場合、立脚期（１歩行周期の１％～４０％の期間）及び遊脚期（１歩行周期の７１％～９０％の期間）の一方の足の足首関節の角度の時系列データを用いることにより、より高い精度で認知機能の程度を判定することができる。
続いて、本実施の形態の第１２の変形例における歩行パラメータについて説明する。
本実施の形態の第１２の変形例においては、被験者が男性である場合、歩行パラメータは、一方の足の遊脚期における膝関節の角度の時系列データの平均値であってもよい。
図２９は、本実施の形態の第１２の変形例において、１歩行周期における男性の被験者の一方の膝関節の角度の変化を示す図である。図２９において、縦軸は膝関節の角度を示し、横軸は正規化した１歩行周期を示す。また、図２９において、破線は、男性の健常者らの一方の膝関節の角度の平均波形を示し、実線は、男性の軽度認知障害の患者らの一方の膝関節の角度の平均波形を示す。
本実施の形態の第１２の変形例では、上記の実験とは異なり、男性の被験者それぞれの一方の膝関節の角度の時系列データを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の７１％～１００％の期間における一方の膝関節の角度の平均値を説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図３０は、本実施の形態の第１２の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第１２の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の７１％～１００％の期間における男性の被験者の一方の膝関節の角度の平均値を説明変数として作成された。図３０において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図３０に示すＲＯＣ曲線は、１歩行周期の７１％～１００％の期間における男性の被験者の一方の膝関節の角度の平均値を説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図３０に示すＲＯＣ曲線のＡＵＣ値は、０．６９３であった。被験者が男性である場合、１歩行周期の７１％～１００％の期間における膝関節の角度の平均値が、歩行パラメータとして決定される。また、１歩行周期の７１％～１００％の期間における男性の被験者の一方の膝関節の角度の平均値を説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
本実施の形態の第１２の変形例における認知機能評価装置１のプロセッサ１１は、被験者の性別を認識する性別認識部をさらに備える。
メモリ１２は、１歩行周期の７１％～１００％の期間における男性の被験者の一方の足の膝関節の角度の時系列データの平均値を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
歩行パラメータ検出部１１２は、性別認識部によって被験者が男性であると認識された場合、一方の足の遊脚期における膝関節の角度の時系列データを検出する。歩行パラメータ検出部１１２は、性別認識部によって被験者が男性であると認識された場合、１歩行周期の７１％～１００％の期間における一方の足の膝関節の角度の時系列データを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の７１％～１００％の期間における一方の足の膝関節の角度の時系列データの平均値を算出する。
認知機能判定部１１３は、膝関節の角度の時系列データの平均値を用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の７１％～１００％の期間における一方の足の膝関節の角度の時系列データの平均値を用いて男性の被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の７１％～１００％の期間における一方の足の膝関節の角度の時系列データの平均値を予測モデルに入力することにより、男性の被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
また、被験者が男性である場合、遊脚期（１歩行周期の７１％～１００％の期間）において、軽度認知障害の患者らの一方の足の膝関節の角度の平均波形は、健常者らの一方の足の膝関節の角度の平均波形よりも小さくなっている。そのため、実験により得られた、男性の軽度認知障害の患者らの１歩行周期の７１％～１００％の期間における一方の足の膝関節の角度の時系列データの平均値の平均と、男性の健常者らの１歩行周期の７１％～１００％の期間における一方の足の膝関節の角度の時系列データの平均値の平均との間の値が、閾値としてメモリ１２に記憶されてもよい。認知機能判定部１１３は、１歩行周期の７１％～１００％の期間における被験者の一方の足の膝関節の角度の時系列データの平均値と、予め記憶されている閾値とを比較することにより、認知機能の程度を判定してもよい。
このように、被験者が男性である場合、遊脚期（１歩行周期の７１％～１００％の期間）の一方の足の膝関節の角度の時系列データを用いることにより、より高い精度で認知機能の程度を判定することができる。
続いて、本実施の形態の第１３の変形例における歩行パラメータについて説明する。
本実施の形態の第１３の変形例においては、被験者が男性である場合、歩行パラメータは、１歩行周期の第１期間における腰の鉛直方向の第１変位の時系列データの平均値と、１歩行周期の第２期間における腰の鉛直方向の第２変位の時系列データの平均値と、１歩行周期の第３期間における腰の鉛直方向の第３変位の時系列データの平均値とであってもよい。
図３１は、本実施の形態の第１３の変形例において、１歩行周期における男性の被験者の腰の鉛直方向の変位を示す図である。図３１において、縦軸は腰の鉛直方向の変位を示し、横軸は正規化した１歩行周期を示す。また、図３１において、破線は、男性の健常者らの腰の鉛直方向の変位の平均波形を示し、実線は、男性の軽度認知障害の患者らの腰の鉛直方向の変位の平均波形を示す。
本実施の形態の第１３の変形例では、上記の実験とは異なり、男性の被験者それぞれの腰の鉛直方向の変位の時系列データを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の１％～１０％の第１期間における腰の鉛直方向の第１変位の平均値と、１歩行周期の３１％～４０％の第２期間における腰の鉛直方向の第２変位の平均値と、１歩行周期の５１％～８０％の第３期間における腰の鉛直方向の第３変位の平均値とを説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図３２は、本実施の形態の第１３の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第１３の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の１％～１０％の第１期間における男性の被験者の腰の鉛直方向の第１変位の平均値と、１歩行周期の３１％～４０％の第２期間における男性の被験者の腰の鉛直方向の第２変位の平均値と、１歩行周期の５１％～８０％の第３期間における男性の被験者の腰の鉛直方向の第３変位の平均値とを説明変数として作成された。図３２において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図３２に示すＲＯＣ曲線は、１歩行周期の１％～１０％の第１期間における男性の被験者の腰の鉛直方向の第１変位の平均値と、１歩行周期の３１％～４０％の第２期間における男性の被験者の腰の鉛直方向の第２変位の平均値と、１歩行周期の５１％～８０％の第３期間における男性の被験者の腰の鉛直方向の第３変位の平均値とを説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図３２に示すＲＯＣ曲線のＡＵＣ値は、０．８５２であった。被験者が男性である場合、１歩行周期の１％～１０％の第１期間における腰の鉛直方向の第１変位の平均値と、１歩行周期の３１％～４０％の第２期間における腰の鉛直方向の第２変位の平均値と、１歩行周期の５１％～８０％の第３期間における腰の鉛直方向の第３変位の平均値とが、歩行パラメータとして決定される。また、１歩行周期の１％～１０％の第１期間における男性の被験者の腰の鉛直方向の第１変位の平均値と、１歩行周期の３１％～４０％の第２期間における男性の被験者の腰の鉛直方向の第２変位の平均値と、１歩行周期の５１％～８０％の第３期間における男性の被験者の腰の鉛直方向の第３変位の平均値とを説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
本実施の形態の第１３の変形例における認知機能評価装置１のプロセッサ１１は、被験者の性別を認識する性別認識部をさらに備える。
歩行パラメータ検出部１１２は、性別認識部によって被験者が男性であると認識された場合、１歩行周期の第１期間における腰の鉛直方向の第１変位の時系列データと、１歩行周期の第２期間における腰の鉛直方向の第２変位の時系列データと、１歩行周期の第３期間における腰の鉛直方向の第３変位の時系列データとを検出する。第１期間は、１歩行周期の１％～１０％の期間であり、第２期間は、１歩行周期の３１％～４０％の期間であり、第３期間は、１歩行周期の５１％～８０％の期間である。歩行パラメータ検出部１１２は、性別認識部によって被験者が男性であると認識された場合、１歩行周期の１％～１０％の第１期間における腰の鉛直方向の第１変位の時系列データと、１歩行周期の３１％～４０％の第２期間における腰の鉛直方向の第２変位の時系列データと、１歩行周期の５１％～８０％の第３期間における腰の鉛直方向の第３変位の時系列データとを検出する。
なお、第３期間は、１歩行周期の５１％～６０％の期間と、１歩行周期の６１％～８０％の期間とに分けてもよい。１歩行周期の５１％～６０％の期間は、立脚期に属しており、１歩行周期の６１％～８０％の期間は、遊脚期に属している。
また、歩行パラメータ検出部１１２は、１歩行周期の１％～１０％の第１期間における腰の鉛直方向の第１変位の時系列データの平均値と、１歩行周期の３１％～４０％の第２期間における腰の鉛直方向の第２変位の時系列データの平均値と、１歩行周期の５１％～８０％の第３期間における腰の鉛直方向の第３変位の時系列データの平均値とを算出する。
認知機能判定部１１３は、腰の鉛直方向の第１変位の時系列データの平均値と、腰の鉛直方向の第２変位の時系列データの平均値と、腰の鉛直方向の第３変位の時系列データの平均値とを用いて男性の被験者の認知機能の程度を判定する。
メモリ１２は、１歩行周期の第１期間における男性の被験者の腰の鉛直方向の第１変位の時系列データの平均値と、１歩行周期の第２期間における男性の被験者の腰の鉛直方向の第２変位の時系列データの平均値と、１歩行周期の第３期間における男性の被験者の腰の鉛直方向の第３変位の時系列データの平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。メモリ１２は、１歩行周期の１％～１０％の第１期間における男性の被験者の腰の鉛直方向の第１変位の平均値と、１歩行周期の３１％～４０％の第２期間における男性の被験者の腰の鉛直方向の第２変位の平均値と、１歩行周期の５１％～８０％の第３期間における男性の被験者の腰の鉛直方向の第３変位の平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
認知機能判定部１１３は、１歩行周期の１％～１０％の第１期間における腰の鉛直方向の第１変位の時系列データの平均値と、１歩行周期の３１％～４０％の第２期間における腰の鉛直方向の第２変位の時系列データの平均値と、１歩行周期の５１％～８０％の第３期間における腰の鉛直方向の第３変位の時系列データの平均値とを用いて男性の被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の１％～１０％の第１期間における腰の鉛直方向の第１変位の時系列データの平均値と、１歩行周期の３１％～４０％の第２期間における腰の鉛直方向の第２変位の時系列データの平均値と、１歩行周期の５１％～８０％の第３期間における腰の鉛直方向の第３変位の時系列データの平均値とを予測モデルに入力することにより、男性の被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
このように、被験者が男性である場合、１歩行周期の第１期間（１歩行周期の１％～１０％の期間）、１歩行周期の第２期間（１歩行周期の３１％～４０％の期間）及び１歩行周期の第３期間（１歩行周期の５１％～８０％の期間）の腰の鉛直方向の変位の時系列データを用いることにより、より高い精度で認知機能の程度を判定することができる。
続いて、本実施の形態の第１４の変形例における歩行パラメータについて説明する。
本実施の形態の第１４の変形例においては、被験者が女性である場合、歩行パラメータは、一方の足の遊脚期における足首関節の角度の時系列データの平均値であってもよい。
図３３は、本実施の形態の第１４の変形例において、１歩行周期における女性の被験者の一方の足首関節の角度の変化を示す図である。図３３において、縦軸は足首関節の角度を示し、横軸は正規化した１歩行周期を示す。また、図３３において、破線は、女性の健常者らの一方の足首関節の角度の平均波形を示し、実線は、女性の軽度認知障害の患者らの一方の足首関節の角度の平均波形を示す。
本実施の形態の第１４の変形例では、上記の実験とは異なり、女性の被験者それぞれの一方の足首関節の角度の時系列データを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の８１％～１００％の期間における一方の足首関節の角度の平均値を説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図３４は、本実施の形態の第１４の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第１４の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の８１％～１００％の期間における女性の被験者の一方の足首関節の角度の平均値を説明変数として作成された。図３４において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図３４に示すＲＯＣ曲線は、１歩行周期の８１％～１００％の期間における女性の被験者の一方の足首関節の角度の平均値を説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図３４に示すＲＯＣ曲線のＡＵＣ値は、０．８０３であった。被験者が女性である場合、１歩行周期の８１％～１００％の期間における足首関節の角度の平均値が、歩行パラメータとして決定される。また、１歩行周期の８１％～１００％の期間における女性の被験者の一方の足首関節の角度の平均値を説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
本実施の形態の第１４の変形例における認知機能評価装置１のプロセッサ１１は、被験者の性別を認識する性別認識部をさらに備える。
メモリ１２は、１歩行周期の８１％～１００％の期間における女性の被験者の一方の足の足首関節の角度の時系列データの平均値を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
歩行パラメータ検出部１１２は、性別認識部によって被験者が女性であると認識された場合、一方の足の遊脚期における足首関節の角度の時系列データを検出する。歩行パラメータ検出部１１２は、性別認識部によって被験者が女性であると認識された場合、１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値を算出する。
認知機能判定部１１３は、遊脚期の一方の足の足首関節の角度の時系列データの平均値を用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値を用いて女性の被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値を予測モデルに入力することにより、女性の被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
また、被験者が女性である場合、遊脚期（１歩行周期の８１％～１００％の期間）において、軽度認知障害の患者らの一方の足の足首関節の角度の平均波形は、健常者らの一方の足の足首関節の角度の平均波形よりも小さくなっている。そのため、実験により得られた、女性の軽度認知障害の患者らの１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値の平均と、女性の健常者らの１歩行周期の８１％～１００％の期間における一方の足の足首関節の角度の時系列データの平均値の平均との間の値が、閾値としてメモリ１２に記憶されてもよい。認知機能判定部１１３は、１歩行周期の８１％～１００％の期間における被験者の一方の足の足首関節の角度の時系列データの平均値と、予め記憶されている閾値とを比較することにより、認知機能の程度を判定してもよい。
このように、被験者が女性である場合、遊脚期（１歩行周期の８１％～１００％の期間）の一方の足の足首関節の角度の時系列データを用いることにより、より高い精度で認知機能の程度を判定することができる。
続いて、本実施の形態の第１５の変形例における歩行パラメータについて説明する。
本実施の形態の第１５の変形例においては、被験者が女性である場合、歩行パラメータは、一方の足の立脚期における膝関節の角度の時系列データの平均値であってもよい。
図３５は、本実施の形態の第１５の変形例において、１歩行周期における女性の被験者の一方の膝関節の角度の変化を示す図である。図３５において、縦軸は膝関節の角度を示し、横軸は正規化した１歩行周期を示す。また、図３５において、破線は、女性の健常者らの一方の膝関節の角度の平均波形を示し、実線は、女性の軽度認知障害の患者らの一方の膝関節の角度の平均波形を示す。
本実施の形態の第１５の変形例では、上記の実験とは異なり、女性の被験者それぞれの一方の膝関節の角度の時系列データを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の４１％～５０％の期間における一方の膝関節の角度の平均値を説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図３６は、本実施の形態の第１５の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第１５の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の４１％～５０％の期間における女性の被験者の一方の膝関節の角度の平均値を説明変数として作成された。図３６において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図３６に示すＲＯＣ曲線は、１歩行周期の４１％～５０％の期間における女性の被験者の一方の膝関節の角度の平均値を説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図３６に示すＲＯＣ曲線のＡＵＣ値は、０．７３３であった。被験者が女性である場合、１歩行周期の４１％～５０％の期間における膝関節の角度の平均値が、歩行パラメータとして決定される。また、１歩行周期の４１％～５０％の期間における女性の被験者の一方の膝関節の角度の平均値を説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
本実施の形態の第１５の変形例における認知機能評価装置１のプロセッサ１１は、被験者の性別を認識する性別認識部をさらに備える。
メモリ１２は、１歩行周期の４１％～５０％の期間における女性の被験者の一方の足の膝関節の角度の時系列データの平均値を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
歩行パラメータ検出部１１２は、性別認識部によって被験者が女性であると認識された場合、一方の足の立脚期における膝関節の角度の時系列データを検出する。歩行パラメータ検出部１１２は、性別認識部によって被験者が女性であると認識された場合、１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値を算出する。
認知機能判定部１１３は、一方の足の立脚期における膝関節の角度の時系列データの平均値を用いて被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値を用いて女性の被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値を予測モデルに入力することにより、女性の被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
また、被験者が女性である場合、立脚期（１歩行周期の４１％～５０％の期間）において、軽度認知障害の患者らの一方の足の膝関節の角度の平均波形は、健常者らの一方の足の膝関節の角度の平均波形よりも小さくなっている。そのため、実験により得られた、女性の軽度認知障害の患者らの１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値の平均と、女性の健常者らの１歩行周期の４１％～５０％の期間における一方の足の膝関節の角度の時系列データの平均値の平均との間の値が、閾値としてメモリ１２に記憶されてもよい。認知機能判定部１１３は、１歩行周期の４１％～５０％の期間における被験者の一方の足の膝関節の角度の時系列データの平均値と、予め記憶されている閾値とを比較することにより、認知機能の程度を判定してもよい。
このように、被験者が女性である場合、立脚期（１歩行周期の４１％～５０％の期間）の一方の足の膝関節の角度の時系列データを用いることにより、より高い精度で認知機能の程度を判定することができる。
続いて、本実施の形態の第１６の変形例における歩行パラメータについて説明する。
本実施の形態の第１６の変形例においては、被験者が女性である場合、歩行パラメータは、一方の足の立脚期の第１期間における腰の鉛直方向の第１変位の時系列データの平均値と、一方の足の遊脚期の第２期間における腰の鉛直方向の第２変位の時系列データの平均値とであってもよい。
図３７は、本実施の形態の第１６の変形例において、１歩行周期における女性の被験者の腰の鉛直方向の変位を示す図である。図３７において、縦軸は腰の鉛直方向の変位を示し、横軸は正規化した１歩行周期を示す。また、図３７において、破線は、女性の健常者らの腰の鉛直方向の変位の平均波形を示し、実線は、女性の軽度認知障害の患者らの腰の鉛直方向の変位の平均波形を示す。
本実施の形態の第１６の変形例では、上記の実験とは異なり、女性の被験者それぞれの腰の鉛直方向の変位の時系列データを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の１１％～２０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の７１％～８０％の期間における腰の鉛直方向の変位の平均値とを説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図３８は、本実施の形態の第１６の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第１６の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の１１％～２０％の期間における女性の被験者の腰の鉛直方向の変位の平均値と、１歩行周期の７１％～８０％の期間における女性の被験者の腰の鉛直方向の変位の平均値とを説明変数として作成された。図３８において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図３８に示すＲＯＣ曲線は、１歩行周期の１１％～２０％の期間における女性の被験者の腰の鉛直方向の変位の平均値と、１歩行周期の７１％～８０％の期間における女性の被験者の腰の鉛直方向の変位の平均値とを説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図３８に示すＲＯＣ曲線のＡＵＣ値は、０．８１３であった。被験者が女性である場合、１歩行周期の１１％～２０％の期間における腰の鉛直方向の変位の平均値と、１歩行周期の７１％～８０％の期間における腰の鉛直方向の変位の平均値とが、歩行パラメータとして決定される。また、１歩行周期の１１％～２０％の期間における女性の被験者の腰の鉛直方向の変位の平均値と、１歩行周期の７１％～８０％の期間における女性の被験者の腰の鉛直方向の変位の平均値とを説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
本実施の形態の第１６の変形例における認知機能評価装置１のプロセッサ１１は、被験者の性別を認識する性別認識部をさらに備える。
歩行パラメータ検出部１１２は、性別認識部によって被験者が女性であると認識された場合、一方の足の立脚期の第１期間における腰の鉛直方向の第１変位の時系列データと、一方の足の遊脚期の第２期間における腰の鉛直方向の第２変位の時系列データとを検出する。第１期間は、１歩行周期の１１％～２０％の期間であり、第２期間は、１歩行周期の７１％～８０％の期間である。歩行パラメータ検出部１１２は、性別認識部によって被験者が女性であると認識された場合、１歩行周期の１１％～２０％の期間における腰の鉛直方向の変位の時系列データと、１歩行周期の７１％～８０％の期間における腰の鉛直方向の変位の時系列データとを検出する。また、歩行パラメータ検出部１１２は、１歩行周期の１１％～２０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の７１％～８０％の期間における腰の鉛直方向の変位の時系列データの平均値とを算出する。
認知機能判定部１１３は、立脚期の第１期間における腰の鉛直方向の第１変位の時系列データの平均値と、遊脚期の第２期間における腰の鉛直方向の第２変位の時系列データの平均値とを用いて女性の被験者の認知機能の程度を判定する。
メモリ１２は、一方の足の立脚期の第１期間における女性の被験者の腰の鉛直方向の第１変位の時系列データの平均値と、一方の足の遊脚期の第２期間における女性の被験者の腰の鉛直方向の第２変位の時系列データの平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。メモリ１２は、１歩行周期の１１％～２０％の期間における女性の被験者の腰の鉛直方向の変位の平均値と、１歩行周期の７１％～８０％の期間における女性の被験者の腰の鉛直方向の変位の平均値とを入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
認知機能判定部１１３は、１歩行周期の１１％～２０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の７１％～８０％の期間における腰の鉛直方向の変位の時系列データの平均値とを用いて女性の被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の１１％～２０％の期間における腰の鉛直方向の変位の時系列データの平均値と、１歩行周期の７１％～８０％の期間における腰の鉛直方向の変位の時系列データの平均値とを予測モデルに入力することにより、女性の被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
このように、被験者が女性である場合、立脚期（１歩行周期の１１％～２０％の期間）及び遊脚期（１歩行周期の７１％～８０％の期間）の腰の鉛直方向の変位の時系列データを用いることにより、より高い精度で認知機能の程度を判定することができる。
続いて、本実施の形態の第１７の変形例における歩行パラメータについて説明する。
本実施の形態の第１７の変形例においては、被験者が女性である場合、歩行パラメータは、一方の足の遊脚期の所定時点における腰の鉛直方向の変位であってもよい。
図３９は、本実施の形態の第１７の変形例において、１歩行周期における女性の被験者の腰の鉛直方向の変位を示す図である。図３９において、縦軸は腰の鉛直方向の変位を示し、横軸は正規化した１歩行周期を示す。また、図３９において、破線は、女性の健常者らの腰の鉛直方向の変位の平均波形を示し、実線は、女性の軽度認知障害の患者らの腰の鉛直方向の変位の平均波形を示す。
本実施の形態の第１７の変形例では、上記の実験とは異なり、女性の被験者それぞれの腰の鉛直方向の変位の時系列データを検出した。また、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の７４％の時点の腰の鉛直方向の変位を説明変数とする予測モデルが作成された。予測モデルは、交差検証により評価された。交差検証としては、ｌｅａｖｅ－ｏｎｅ－ｏｕｔ交差検証が採用された。そして、予測モデルのＲＯＣ曲線が算出された。さらに、予測モデルのＲＯＣ曲線のＡＵＣ値が算出された。
図４０は、本実施の形態の第１７の変形例における予測モデルを用いて健常者及び軽度認知障害を判定した結果得られたＲＯＣ曲線を示す図である。
本実施の形態の第１７の変形例における予測モデルは、被験者が軽度認知障害であるか否かを目的変数とし、１歩行周期の７４％の時点の女性の被験者の腰の鉛直方向の変位を説明変数として作成された。図４０において、縦軸は真陽性率を示し、横軸は偽陽性率を示す。真陽性率は、予測モデルが軽度認知障害の患者を軽度認知障害であると正しく判定した割合を示し、偽陽性率は、予測モデルが健常者を軽度認知障害であると誤って判定した割合を示す。
図４０に示すＲＯＣ曲線は、１歩行周期の７４％の時点の女性の被験者の腰の鉛直方向の変位を説明変数として作成された予測モデルの真陽性率と偽陽性率とをプロットしたものである。図４０に示すＲＯＣ曲線のＡＵＣ値は、０．７４０１であった。被験者が女性である場合、１歩行周期の７４％の時点の腰の鉛直方向の変位が、歩行パラメータとして決定される。また、１歩行周期の７４％の時点の女性の被験者の腰の鉛直方向の変位を説明変数として作成された予測モデルが、認知機能判定部１１３が用いる予測モデルとして決定される。
本実施の形態の第１７の変形例における認知機能評価装置１のプロセッサ１１は、被験者の性別を認識する性別認識部をさらに備える。
歩行パラメータ検出部１１２は、性別認識部によって被験者が女性であると認識された場合、一方の足の遊脚期の所定時点における腰の鉛直方向の変位を検出する。所定時点は、１歩行周期の７４％の時点である。歩行パラメータ検出部１１２は、性別認識部によって被験者が女性であると認識された場合、１歩行周期の７４％の時点の腰の鉛直方向の変位を検出する。
なお、１歩行周期の７４％の時点は、一方の足の遊脚期における腰の鉛直方向の変位の最大値が検出された時点の近傍である。そのため、歩行パラメータ検出部１１２は、性別認識部によって被験者が女性であると認識された場合、一方の足の遊脚期における腰の鉛直方向の変位の最大値を検出してもよい。
認知機能判定部１１３は、遊脚期の所定時点における腰の鉛直方向の変位を用いて女性の被験者の認知機能の程度を判定する。
メモリ１２は、一方の足の遊脚期の所定時点における女性の被験者の腰の鉛直方向の変位を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。メモリ１２は、１歩行周期の７４％の時点の女性の被験者の腰の鉛直方向の変位を入力値とし、被験者が軽度認知障害であるか否かを出力値として生成された予測モデルを予め記憶する。
認知機能判定部１１３は、１歩行周期の７４％の時点の腰の鉛直方向の変位を用いて女性の被験者の認知機能の程度を判定する。認知機能判定部１１３は、１歩行周期の７４％の時点の腰の鉛直方向の変位を予測モデルに入力することにより、女性の被験者が軽度認知障害であるか否かを示す判定結果を予測モデルから取得する。
このように、被験者が女性である場合、遊脚期の所定時点（１歩行周期の７４％の時点）の腰の鉛直方向の変位を用いることにより、より高い精度で認知機能の程度を判定することができる。
図４１は、本実施の形態において表示される評価結果画面の一例を示す図である。
表示部３は、図４１に示す評価結果画面を表示する。評価結果画面は、過去の認知機能の評価値と、今回の認知機能の評価値とを示す認知機能評価提示領域３１と、評価メッセージ３２とを含む。図４１の認知機能評価提示領域３１では、認知機能の評価が１か月に１回行われ、過去６か月間の認知機能の評価値と、今月の認知機能の評価値とが表示されている。
認知機能の評価値は、予測モデルによって算出される認知機能の程度を示す値である。認知機能の程度を示す値は、例えば、０．０～１．０で表される。評価結果提示部１１４は、認知機能の程度を示す値を百分率に換算して認知機能の評価値として提示する。
なお、今回の認知機能の評価値とともに、過去の認知機能の評価値が表示される場合、認知機能判定部１１３は、認知機能の評価値をメモリ１２に記憶する。
また、認知機能評価提示領域３１は、被験者が軽度認知障害であるか否かを評価結果として表示してもよい。
また、「ＭＣＩの危険性が先月よりも低下しており、良好な状態が保てています。この調子で生活してください。」という評価メッセージ３２が表示されている。評価結果提示部１１４は、今月の認知機能の評価値が先月の認知機能の評価値よりも低く、かつ今月の認知機能の評価値が０．５より低い場合に、図４１に示す評価メッセージ３２をメモリ１２から読み出し、表示部３へ出力する。
なお、本実施の形態では、今回の認知機能の評価値とともに、過去の認知機能の評価値が表示されるが、本開示は特にこれに限定されず、今回の認知機能の評価値のみが表示されてもよい。この場合、認知機能判定部１１３は、認知機能の評価値をメモリ１２に記憶しなくてもよい。
また、本実施の形態におけるカメラ２は、玄関前に設けられたセキュリティカメラ、ドアホンのカメラ子機、又は室内に設けられた監視カメラであってもよい。また、表示部３は、スマートフォン、タブレット型コンピュータ、又は、ドアホンのモニタであってもよい。
なお、本実施の形態では、歩行パラメータ検出部１１２は、カメラ２から取得された動画像データに基づいて骨格データを抽出しているが、本開示は特にこれに限定されず、モーションキャプチャシステムを用いて骨格データを抽出してもよい。モーションキャプチャシステムは、光学式、磁気式、機械式及び慣性センサ式のいずれであってもよい。例えば、光学式モーションキャプチャシステムは、関節部分にマーカを貼り付けた被験者をカメラで撮影し、撮影した画像からマーカの位置を検出する。歩行パラメータ検出部１１２は、モーションキャプチャシステムによって検出された位置データから、被験者の骨格データを取得する。光学式モーションキャプチャシステムとしては、例えば、インターリハ株式会社製の３次元動作分析装置が利用可能である。
また、モーションキャプチャシステムは、深度センサ及びカラーカメラを備えてもよく、映像から被験者の関節点の位置情報を自動的に抽出し、被験者の姿勢を検出してもよい。この場合、被験者は、マーカを貼り付ける必要はない。なお、このようなモーションキャプチャシステムとしては、例えば、マイクロソフト社製のＫｉｎｅｃｔが利用可能である。
モーションキャプチャシステムを用いた歩行動作の計測では、位置座標から歩行動作における足首関節の角度、膝関節の角度又は腰の鉛直方向の変位が抽出され、抽出された角度又は変位から歩行動作の特徴量が検出されることが好ましい。
なお、上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
本開示の実施の形態に係る装置の機能の一部又は全ては典型的には集積回路であるＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）として実現される。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。また、集積回路化はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後にプログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、又はＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
また、本開示の実施の形態に係る装置の機能の一部又は全てを、ＣＰＵ等のプロセッサがプログラムを実行することにより実現してもよい。
また、上記で用いた数字は、全て本開示を具体的に説明するために例示するものであり、本開示は例示された数字に制限されない。
また、上記フローチャートに示す各ステップが実行される順序は、本開示を具体的に説明するために例示するためのものであり、同様の効果が得られる範囲で上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時（並列）に実行されてもよい。
本開示に係る技術は、簡単且つ高い精度で認知機能を評価することができるので、被験者の歩行動作に基づいて認知機能を評価する技術に有用である。
１ 認知機能評価装置
２ カメラ
３ 表示部
１１ プロセッサ
１２ メモリ
１１１ データ取得部
１１２ 歩行パラメータ検出部
１１３ 認知機能判定部
１１４ 評価結果提示部

Claims (17)

  1. 被験者の歩行動作に基づいて認知機能を評価する認知機能評価装置における認知機能評価方法であって、
    前記認知機能評価装置が、
    前記被験者の歩行に関する歩行データを取得し、
    前記歩行データから、前記被験者の一方の足の足首関節の角度及び前記一方の足の立脚期における膝関節の角度の少なくとも１つを検出し、
    前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つを用いて前記被験者の認知機能の程度を判定する、
    認知機能評価方法。
  2. 前記検出において、前記一方の足の遊脚期の所定期間における前記足首関節の前記角度の時系列データを検出し、
    前記判定において、前記足首関節の前記角度の前記時系列データの平均値を用いて前記被験者の認知機能の程度を判定する、
    請求項１記載の認知機能評価方法。
  3. 前記被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、前記１歩行周期が１％～１００％で表されるとき、
    前記所定期間は、前記１歩行周期の８１％～１００％の期間である、
    請求項２記載の認知機能評価方法。
  4. 前記所定期間は、前記１歩行周期の８５％～８８％の期間である、
    請求項３記載の認知機能評価方法。
  5. 前記検出において、前記一方の足の立脚期の第１期間における前記足首関節の第１角度の時系列データと、前記一方の足の遊脚期の第２期間における前記足首関節の第２角度の時系列データとを検出し、
    前記判定において、前記足首関節の前記第１角度の前記時系列データの平均値と、前記足首関節の前記第２角度の前記時系列データの平均値とを用いて前記被験者の認知機能の程度を判定する、
    請求項１記載の認知機能評価方法。
  6. 前記被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、前記１歩行周期が１％～１００％で表されるとき、
    前記第１期間は、前記１歩行周期の４５％～５０％の期間であり、
    前記第２期間は、前記１歩行周期の８５％～８８％の期間である、
    請求項５記載の認知機能評価方法。
  7. 前記検出において、前記一方の足の立脚期の所定期間における前記膝関節の前記角度の時系列データを検出し、
    前記判定において、前記膝関節の前記角度の前記時系列データの平均値を用いて前記被験者の認知機能の程度を判定する、
    請求項１記載の認知機能評価方法。
  8. 前記被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、前記１歩行周期が１％～１００％で表されるとき、
    前記所定期間は、前記１歩行周期の４１％～５０％の期間である、
    請求項７記載の認知機能評価方法。
  9. 前記検出において、前記一方の足の立脚期の第１期間における前記膝関節の前記角度の時系列データと、前記一方の足の遊脚期の第２期間における前記足首関節の前記角度の時系列データとを検出し、
    前記判定において、前記膝関節の前記角度の前記時系列データの平均値と、前記足首関節の前記角度の前記時系列データの平均値とを用いて前記被験者の認知機能の程度を判定する、
    請求項１記載の認知機能評価方法。
  10. 前記被験者の一方の足が地面に着いてから再度一方の足が地面に着くまでの期間が１歩行周期として表され、前記１歩行周期が１％～１００％で表されるとき、
    前記第１期間は、前記１歩行周期の４１％～５０％の期間であり、
    前記第２期間は、前記１歩行周期の８１％～１００％の期間である、
    請求項９記載の認知機能評価方法。
  11. さらに、前記歩行データから、前記被験者の腰の鉛直方向の変位を検出し、
    前記判定において、前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つと、前記腰の鉛直方向の前記変位とを用いて前記被験者の認知機能の程度を判定する、
    請求項１記載の認知機能評価方法。
  12. さらに、前記被験者の性別を認識し、
    前記被験者が男性であると認識された場合、前記検出において、前記一方の足の立脚期の初期における前記足首関節の前記角度の時系列データを検出し、
    前記判定において、前記足首関節の前記角度の前記時系列データの平均値を用いて前記被験者の認知機能の程度を判定する、
    請求項１記載の認知機能評価方法。
  13. 被験者の歩行動作に基づいて認知機能を評価する認知機能評価装置における認知機能評価方法であって、
    前記認知機能評価装置が、
    前記被験者の歩行に関する歩行データを取得し、
    前記被験者の性別を認識し、
    前記被験者が男性であると認識された場合、前記歩行データから、前記被験者の一方の足の遊脚期における膝関節の角度の時系列データを検出し、
    前記膝関節の前記角度の前記時系列データの平均値を用いて前記被験者の認知機能の程度を判定する、
    認知機能評価方法。
  14. 前記判定において、前記足首関節の前記角度が閾値より小さい場合又は前記膝関節の前記角度が閾値より小さい場合、前記被験者が軽度認知障害であると判定する、
    請求項１～１２のいずれか１項に記載の認知機能評価方法。
  15. 前記判定において、前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つを入力値とし、前記被験者が軽度認知障害であるか否かを出力値として生成された予測モデルに、検出された前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つを入力することで前記被験者が軽度認知障害であるか否かを判定する、
    請求項１～１２のいずれか１項に記載の認知機能評価方法。
  16. 被験者の歩行動作に基づいて認知機能を評価する認知機能評価装置であって、
    前記被験者の歩行に関する歩行データを取得する取得部と、
    前記歩行データから、前記被験者の一方の足の足首関節の角度及び前記一方の足の立脚期における膝関節の角度の少なくとも１つを検出する検出部と、
    前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つを用いて前記被験者の認知機能の程度を判定する判定部と、
    を備える認知機能評価装置。
  17. 被験者の歩行動作に基づいて認知機能を評価する認知機能評価プログラムであって、
    前記被験者の歩行に関する歩行データを取得し、
    前記歩行データから、前記被験者の一方の足の足首関節の角度及び前記一方の足の立脚期における膝関節の角度の少なくとも１つを検出し、
    前記足首関節の前記角度及び前記膝関節の前記角度の少なくとも１つを用いて前記被験者の認知機能の程度を判定するようにコンピュータを機能させる、
    認知機能評価プログラム。
JP2020023432A 2019-08-29 2020-02-14 認知機能評価方法、認知機能評価装置及び認知機能評価プログラム Active JP7439353B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US16/997,482 US11779260B2 (en) 2019-08-29 2020-08-19 Cognitive function evaluation method, cognitive function evaluation device, and non-transitory computer-readable recording medium in which cognitive function evaluation program is recorded
CN202010869111.1A CN112438723A (zh) 2019-08-29 2020-08-26 认知功能评估方法、认知功能评估装置以及存储介质

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962893297P 2019-08-29 2019-08-29
US62/893,297 2019-08-29

Publications (2)

Publication Number Publication Date
JP2021030050A JP2021030050A (ja) 2021-03-01
JP7439353B2 true JP7439353B2 (ja) 2024-02-28

Family

ID=74676826

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020023432A Active JP7439353B2 (ja) 2019-08-29 2020-02-14 認知機能評価方法、認知機能評価装置及び認知機能評価プログラム

Country Status (3)

Country Link
US (1) US11779260B2 (ja)
JP (1) JP7439353B2 (ja)
CN (1) CN112438723A (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112998700B (zh) * 2021-05-26 2021-09-24 北京欧应信息技术有限公司 用于辅助对象运动功能评估的设备、系统和方法
WO2023074829A1 (ja) * 2021-10-29 2023-05-04 国立大学法人大阪大学 認知機能評価システム、及び学習方法

Citations (5)

* Cited by examiner, † Cited by third party
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
JP2017509380A (ja) 2014-02-04 2017-04-06 ザ メディカル リサーチ， インフラストラクチャー， アンド ヘルス サーヴィシーズ ファンド オブ ザ テル アヴィヴ メディカル センター 身体固定センサを使用してパーキンソン病の診断または予後を提供する方法およびシステム
US20170243354A1 (en) 2016-02-19 2017-08-24 Xerox Corporation Automatic frontal-view gait segmentation for abnormal gait quantification
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
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

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2432516B (en) * 2005-11-26 2010-01-06 Ian Hague Footstool
JP5229621B2 (ja) * 2007-08-20 2013-07-03 国立大学法人 筑波大学 装着式動作補助装置の動作補助システム及び装着式動作補助装置及び装着式動作補助装置の動作補助方法
US9526946B1 (en) * 2008-08-29 2016-12-27 Gary Zets Enhanced system and method for vibrotactile guided therapy
US9149222B1 (en) * 2008-08-29 2015-10-06 Engineering Acoustics, Inc Enhanced system and method for assessment of disequilibrium, balance and motion disorders
EP2484281A4 (en) * 2009-09-30 2015-05-06 Mitsubishi Chem Corp BODY MOTION SIGNAL INFORMATION PROCESSING METHOD, BODY MOVEMENT SIGNAL INFORMATION PROCESSING SYSTEM, BODY MOTION SIGNAL INFORMATION PROCESSING DEVICE, DISPLAY DEVICE, DISPLAY METHOD, MEDIUM RECORDING PROGRAM FOR RECORDED PROGRAMS, PROGRAM, BODY MOVEMENT SIGNAL DETECTION DEVICE, BODY MOTION SIGNAL DETECTION METHOD, OUTPUT DEVICE, OUTPUT METHOD, DIAGNOSTIC METHOD OF DISEASE, DIAGNOSTIC SYSTEM OF DISEASE AND DEVICE FOR DIAGNOSING A DISEASE
JP5586050B2 (ja) * 2010-06-18 2014-09-10 国立大学法人東北大学 歩行解析システム
US9307932B2 (en) * 2010-07-14 2016-04-12 Ecole Polytechnique Federale De Lausanne (Epfl) System and method for 3D gait assessment
WO2013054258A1 (en) * 2011-10-09 2013-04-18 The Medical Research, Infrastructure and Health Services Fund of the Tel Aviv Medical Center Freezing of gait (fog), detection, prediction and/or treatment
US9078598B2 (en) * 2012-04-19 2015-07-14 Barry J. French Cognitive function evaluation and rehabilitation methods and systems
US11612786B2 (en) * 2012-08-31 2023-03-28 Blue Goji Llc System and method for targeted neurological therapy using brainwave entrainment with passive treatment
JP6143469B2 (ja) * 2013-01-17 2017-06-07 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム
JP2015061579A (ja) * 2013-07-01 2015-04-02 株式会社東芝 動作情報処理装置
KR101557068B1 (ko) * 2013-11-29 2015-10-05 한국산업기술대학교산학협력단 관성센서 기반 보행자의 보폭 추정장치 및 그 방법
WO2015164421A1 (en) * 2014-04-21 2015-10-29 The Trustees Of Columbia University In The City Of New York Human movement research, therapeutic, and diagnostic devices, methods, and systems
WO2015164456A2 (en) * 2014-04-22 2015-10-29 The Trustees Of Columbia University In The City Of New York Gait analysis devices, methods, and systems
US20200000373A1 (en) * 2014-04-22 2020-01-02 The Trustees Of Columbia University In The City Of New York Gait Analysis Devices, Methods, and Systems
CN104008398B (zh) * 2014-06-11 2017-07-07 北京大学 一种基于多传感器信息融合的步态分类方法
JP6650600B2 (ja) * 2015-08-31 2020-02-19 パナソニックＩｐマネジメント株式会社 歩行杖及び歩行補助装置
US20170258390A1 (en) * 2016-02-12 2017-09-14 Newton Howard Early Detection Of Neurodegenerative Disease
EP3257437A1 (en) * 2016-06-13 2017-12-20 Friedrich-Alexander-Universität Erlangen-Nürnberg Method and system for analyzing human gait
MY197393A (en) * 2016-10-07 2023-06-15 Panasonic Ip Man Co Ltd Cognitive function evaluation device, cognitive function evaluation system, cognitive function evaluation method, and program
CN106419929B (zh) * 2016-11-05 2020-01-17 上海大学 帕金森病患者姿态平衡稳定性的定量检测装置
US11219389B2 (en) * 2016-11-15 2022-01-11 Jacob Benford Gait analysis and alerting system
FR3061787A1 (fr) * 2017-01-10 2018-07-13 Univ Paris Descartes Outil pour analyser les exercices de marche
CN107115102A (zh) * 2017-06-07 2017-09-01 西南科技大学 一种骨关节功能评估方法与装置
KR102010898B1 (ko) * 2017-08-03 2019-08-14 삼육대학교 산학협력단 관성센서를 이용한 보행 분석 시스템 및 방법
CN109953761B (zh) * 2017-12-22 2021-10-22 浙江大学 一种下肢康复机器人运动意图推理方法
WO2020018469A1 (en) * 2018-07-16 2020-01-23 The Board Of Trustees Of The Leland Stanford Junior University System and method for automatic evaluation of gait using single or multi-camera recordings
CN109453462B (zh) * 2018-11-06 2022-12-23 苏州大学 一种功能性电刺激装置和系统
US11412957B2 (en) * 2019-06-07 2022-08-16 Tellus You Care, Inc. Non-contact identification of gait dynamics, patterns and abnormalities for elderly care
JP7473355B2 (ja) * 2019-08-29 2024-04-23 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 転倒リスク評価方法、転倒リスク評価装置及び転倒リスク評価プログラム
US11986286B2 (en) * 2019-09-04 2024-05-21 Gaitiq, Inc. Gait-based assessment of neurodegeneration
US20220257148A1 (en) * 2019-09-13 2022-08-18 Panasonic Intellectual Property Management Co., Ltd. Factor estimation system and factor estimation method

Patent Citations (5)

* Cited by examiner, † Cited by third party
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
JP2017509380A (ja) 2014-02-04 2017-04-06 ザ メディカル リサーチ， インフラストラクチャー， アンド ヘルス サーヴィシーズ ファンド オブ ザ テル アヴィヴ メディカル センター 身体固定センサを使用してパーキンソン病の診断または予後を提供する方法およびシステム
US20170243354A1 (en) 2016-02-19 2017-08-24 Xerox Corporation Automatic frontal-view gait segmentation for abnormal gait quantification
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
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
S. G. Kim, et al.，Characterization of the Fiber-Optic Goniometer for Measuring Knee Joint Angle，SENSOR LETTERS，2015年08月01日，Vol. 13，No. 8，pp. 669-673，DOI: 10.1166/sl.2015.3481

Also Published As

Publication number Publication date
US11779260B2 (en) 2023-10-10
CN112438723A (zh) 2021-03-05
JP2021030050A (ja) 2021-03-01
US20210059596A1 (en) 2021-03-04

Similar Documents

Publication Publication Date Title
US11986286B2 (en) Gait-based assessment of neurodegeneration
AU2018250385B2 (en) Motor task analysis system and method
JP7473355B2 (ja) 転倒リスク評価方法、転倒リスク評価装置及び転倒リスク評価プログラム
US11948401B2 (en) AI-based physical function assessment system
US20170243354A1 (en) Automatic frontal-view gait segmentation for abnormal gait quantification
JP6433805B2 (ja) 運動機能診断装置及び方法、並びにプログラム
Wang et al. Home monitoring musculo-skeletal disorders with a single 3d sensor
US20240057946A1 (en) Sarcopenia evaluation method, sarcopenia evaluation device, and non-transitory computer-readable recording medium in which sarcopenia evaluation program is recorded
CN113728394A (zh) 身体活动执行和训练的评分度量
JP7439353B2 (ja) 認知機能評価方法、認知機能評価装置及び認知機能評価プログラム
Nouredanesh et al. Chasing feet in the wild: a proposed egocentric motion-aware gait assessment tool
Pogorelc et al. Medically driven data mining application: Recognition of health problems from gait patterns of elderly
KR20220042631A (ko) 보행 영상 기반의 보행 측정 방법 및 이의 장치
Pogorelc et al. Discovery of gait anomalies from motion sensor data
Sethi et al. Multi‐feature gait analysis approach using deep learning in constraint‐free environment
JP7169213B2 (ja) 身体健康状態映像分析装置、方法並びにシステム
Oluwadare Gait analysis on a smart floor for health monitoring
Cicirelli et al. Skeleton based human mobility assessment by using deep neural networks
WO2022249746A1 (ja) 身体機能推定システム、身体機能推定方法、及び、プログラム
Hassan Vision based gait by using smart phone technology incidence of first time stroke post analysis
Rana Leveraging Markerless Computer Vision for Comprehensive Walking Automated Gait Analysis in Rehabilitation
Kondo et al. Video-based Detection of Freezing of Gait in Daily Clinical Practice in Patients with Parkinsonism
Yang Multimedia motion analysis for remote health monitoring
Wu et al. A view invariant gait cycle segmentation for ambient monitoring
Pogorelc et al. Health Problems Discovery from Motion-Capture Data of Elderly

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221122

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230727

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230816

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231110

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: 20240116

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240118

R150 Certificate of patent or registration of utility model

Ref document number: 7439353

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150