WO2023281622A1 - 回復度推定装置、回復度推定方法、及び、記録媒体 - Google Patents

回復度推定装置、回復度推定方法、及び、記録媒体 Download PDF

Info

Publication number
WO2023281622A1
WO2023281622A1 PCT/JP2021/025428 JP2021025428W WO2023281622A1 WO 2023281622 A1 WO2023281622 A1 WO 2023281622A1 JP 2021025428 W JP2021025428 W JP 2021025428W WO 2023281622 A1 WO2023281622 A1 WO 2023281622A1
Authority
WO
WIPO (PCT)
Prior art keywords
recovery
degree
eye movement
patient
target patient
Prior art date
Application number
PCT/JP2021/025428
Other languages
English (en)
French (fr)
Inventor
利憲 細井
尚司 谷内田
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to PCT/JP2021/025428 priority Critical patent/WO2023281622A1/ja
Priority to JP2023532919A priority patent/JPWO2023281622A5/ja
Publication of WO2023281622A1 publication Critical patent/WO2023281622A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Definitions

  • the present invention relates to technology for estimating a patient's degree of recovery.
  • Cerebral infarction will leave serious sequelae if it is not urgently transported and taken immediately after the onset, so it is important to detect it early and take measures while the symptoms are mild. About half of stroke patients will have another stroke within 10 years, and there is a high possibility that they will have the same type of stroke as the first time. Therefore, there is a strong need for early detection of signs of recurrence.
  • Patent Document 1 describes a more objective quantification of the state of recovery related to walking from the movement of the patient's walking and the movement of the line of sight.
  • Patent Literature 2 describes estimating a psychological state from feature amounts based on eye movement.
  • Patent Literature 1 describes that a medical information processing system quantifies the state of recovery by analyzing the movement of the human body from the video of the patient's walking scene.
  • One of the purposes of the present invention is to quantitatively estimate the degree of recovery without imposing a burden on patients and medical personnel.
  • a recovery estimation device includes: an image acquisition means for acquiring an image of an eyeball of a target patient whose degree of recovery is to be estimated; eye movement feature extraction means for extracting an eye movement feature, which is a feature of the eye movement of the target patient, based on the image; past case storage means for storing, as past cases, a plurality of cases in which a patient is associated with information about the patient's eye movement characteristics and degree of recovery; a similar case search means for searching for similar cases including eye movement features similar to the eye movement features of the target patient from the past cases; and recovery estimation means for estimating the recovery of the target patient based on the information about the recovery of the similar case.
  • the recovery estimation method includes Acquiring an image of the eyeball of the target patient whose degree of recovery is to be estimated, Based on the image, extracting an eye movement feature that is a feature of the eye movement of the target patient, Searching for similar cases including eye movement features similar to the eye movement features of the target patient from among a plurality of past cases in which the patient is associated with information about the patient's eye movement features and degree of recovery, The degree of recovery of the target patient is estimated based on the information about the degree of recovery of the similar case.
  • the recording medium comprises Acquiring an image of the eyeball of the target patient whose degree of recovery is to be estimated, Based on the image, extracting an eye movement feature that is a feature of the eye movement of the target patient, Searching for similar cases including eye movement features similar to the eye movement features of the target patient from among a plurality of past cases in which the patient is associated with information about the patient's eye movement features and degree of recovery, A program is recorded that causes a computer to execute a process of estimating the degree of recovery of the target patient based on the information about the degree of recovery of the similar cases.
  • FIG. 1 shows a schematic configuration of a recovery estimation device; 1 shows the hardware configuration of a recovery estimation device; 1 shows a functional configuration of a recovery estimation device according to a first embodiment; It is an example of an eye movement feature.
  • 6 is a flowchart of recovery estimation processing according to the first embodiment; 6 shows the functional configuration of a recovery estimation device according to a second embodiment; 9 is a flowchart of recovery estimation processing according to the second embodiment;
  • FIG. 11 shows a functional configuration of a recovery estimation device according to a third embodiment; FIG. It is a specific example of a task.
  • 10 is a flowchart of recovery estimation processing according to the third embodiment;
  • FIG. 11 shows a functional configuration of a recovery estimation device according to a fourth embodiment;
  • FIG. FIG. 14 is a flowchart of recovery estimation processing according to the fourth embodiment;
  • FIG. 1 shows a schematic configuration of a recovery estimation device according to a first embodiment of the present invention.
  • a recovery estimation device 1 is connected to a camera 2 .
  • the camera 2 captures an image of the eyeball of a patient whose degree of recovery is to be estimated (hereinafter referred to as “subject patient”), and transmits the captured image D ⁇ b>1 to the degree of recovery estimation device 1 .
  • the camera 2 is a high-speed camera capable of capturing an image of the eyeball at a high speed of 1000 frames/second, for example.
  • the degree-of-recovery estimation device 1 analyzes the captured image D1 and estimates the degree of recovery of the target patient by calculating an estimated degree of recovery based on a past case described later.
  • FIG. 2 is a block diagram showing the hardware configuration of the recovery estimation device 1. As shown in FIG. As illustrated, the recovery estimation device 1 includes an interface 11 , a processor 12 , a memory 13 , a recording medium 14 , a display section 15 and an input section 16 .
  • the interface 11 exchanges data with the camera 2.
  • the interface 11 is used when receiving the captured image D1 generated by the camera 2 .
  • the interface 11 is also used when the recovery estimation device 1 exchanges data with a predetermined device connected by wire or wirelessly.
  • the processor 12 is a computer such as a CPU (Central Processing Unit), and controls the recovery estimation device 1 as a whole by executing a program prepared in advance.
  • the memory 13 is composed of a ROM (Read Only Memory), a RAM (Random Access Memory), and the like. Memory 13 stores programs executed by processor 12 .
  • the memory 13 is also used as a working memory while the processor 12 is executing various processes.
  • the recording medium 14 is a non-volatile, non-temporary recording medium such as a disk-shaped recording medium or a semiconductor memory, and is configured to be detachable from the recovery degree estimation device 1 .
  • the recording medium 14 records various programs executed by the processor 12 .
  • the recovery estimation device 1 executes recovery estimation processing, a program recorded in the recording medium 14 is loaded into the memory 13 and executed by the processor 12 .
  • the display unit 15 displays the estimated degree of recovery, which is the result of estimating the degree of recovery of the target patient, on an LCD (Liquid Crystal Display), for example. Note that the display unit 15 may display the tasks of the third embodiment, which will be described later.
  • the input unit 16 is a keyboard, mouse, touch panel, or the like, and is used by operators such as medical personnel and specialists.
  • FIG. 3 is a block diagram showing the functional configuration of the recovery estimation device 1.
  • the recovery degree estimation device 1 functionally includes an image acquisition unit 21, an eye movement feature extraction unit 22, a past case storage unit 23, a similar case search unit 24, a recovery degree estimation unit 25, and an alert output unit. 26 and.
  • the image acquisition unit 21, the eye movement feature extraction unit 22, the similar case search unit 24, the degree of recovery estimation unit 25, and the alert output unit 26 are implemented by the processor 12 executing programs.
  • the past case storage unit 23 is implemented by the memory 13 .
  • the degree-of-recovery estimation device 1 estimates the degree of recovery by calculating the estimated degree of recovery of the target patient based on past cases and eye movement features of the target patient. Specifically, the degree-of-recovery estimation device 1 can be applied, for example, to estimation of the degree of recovery from rehabilitation from the aftereffects of cerebral infarction.
  • the image acquisition unit 21 acquires a captured image D1 of the target patient's eyeball supplied from the camera 2 . Note that when the captured images D1 captured by the camera 2 are collected and stored in a database or the like, the image acquisition unit 21 may acquire the captured image D1 from the database or the like.
  • the eye movement feature extraction unit 22 performs predetermined image processing on the captured image D1 acquired by the image acquisition unit 21, and extracts the eye movement feature of the target patient. Specifically, the eye movement feature extraction unit 22 extracts the time-series information of the eyeball vibration pattern in the captured image D1 as the eye movement feature.
  • FIG. 4 is an example of eye movement features.
  • the eye movement feature is a feature of human eye movement, and includes, for example, eye vibration information, bias in movement direction, shift in lateral movement, visual field defect information, and the like.
  • eyeball vibration information is information related to eyeball vibration. Based on the eye vibration information, for example, an abnormality such as eye tremor caused by cerebral infarction can be detected. More specifically, the eyeball vibration information may be information about time-series changes in the xy coordinates of, for example, the center of the pupil of each left and right eyeball, or xy coordinates from an arbitrary time interval. may be frequency information extracted by FFT (Fast Fourier Transform) conversion or the like. Alternatively, the information may be information regarding the appearance frequency of a predetermined exercise, such as a microsaccade exercise, within a predetermined period of time.
  • FFT Fast Fourier Transform
  • the bias in the direction of movement is information regarding the bias in movement of the eyeball in the vertical or horizontal direction. Abnormalities such as gaze paralysis caused by cerebral infarction can be detected based on the bias in the moving direction.
  • the variance of the x-direction component and the variance of the y-direction component of the position (x, y) are calculated, and the ratio of the variances is used for determination.
  • the bias in the moving direction may be acquired by determining the principal moment of inertia of the (x, y) position information or the contribution rate of the first principal component.
  • the left-right movement deviation is information related to the eye movement deviation between the left and right eyeballs.
  • an abnormality such as strabismus caused by cerebral infarction can be detected based on the deviation of left-right movement.
  • the angle formed by the moving directions of the left and right eyeballs is integrated over the time axis, and the larger the value, the greater the deviation. By determining that the smaller the integrated value is, the larger the deviation is, it is possible to obtain quantitative information regarding the deviation of left-right motion.
  • the visual field loss information is information about the visual field loss.
  • an abnormality such as gaze disturbance caused by cerebral infarction can be detected.
  • a light spot or the like presented to the target patient is tracked, and the area where tracking failures occur frequently is calculated.
  • Quantitative visual field defect information can be obtained by counting the number of .
  • the past case storage unit 23 associates and stores a patient with a target disease and information about the eye movement characteristics and the degree of recovery of the patient, and has eye movement characteristics history information 28 and recovery degree history information 29. .
  • the eye movement feature history information 28 stores the patient's eye movement feature, measurement date and time, etc. in association with patient identification information for identifying the patient.
  • the degree of recovery history information 29 stores the degree of recovery of the patient, the date and time of measurement, etc. in association with the patient identification information.
  • For the degree of recovery for example, BBS (Berg Balance Scale), TUG (Timed Up Go test), FIM (Functional Independent Measure), etc. can be arbitrarily applied.
  • the past case storage unit 23 stores, as past cases, a plurality of cases in which a patient is associated with information about the patient's eye movement characteristics and degree of recovery.
  • the similar case search unit 24 searches past cases for cases containing eye movement features similar to those of the target patient (hereinafter referred to as "similar cases"). Specifically, the similar case search unit 24 retrieves, from the past case storage unit 23, the eye movement feature similar to the eye movement feature of the target patient, and the patient identification information and recovery degree information corresponding to the eye movement feature. Search and acquire as an example. For example, the similar case search unit 24 may search a predetermined number of similar cases in descending order of similarity, or may search only one similar case with the highest similarity.
  • the degree-of-recovery estimation unit 25 calculates the estimated degree of recovery of the target patient based on the information about the degree of recovery of similar cases. For example, when only one similar case with the highest degree of similarity is retrieved from the past cases, the degree-of-recovery estimating unit 25 uses the degree of recovery of the similar case as the estimated degree of recovery of the target patient. Further, when a predetermined number of similar cases are retrieved from the past cases, the degree of recovery estimating unit 25 may use the most frequently occurring degree of recovery as the estimated degree of recovery of the target patient, or calculate the average value of the degree of recovery and It may be the estimated degree of recovery of the patient.
  • the alert output unit 26 refers to the memory 13 and the like, and outputs an alert to the target patient on the display unit 15 when the estimated degree of recovery of the target patient is worse than the threshold.
  • a period may be set for the alert, and the alert may be output when the target patient's estimated degree of recovery deteriorates below a threshold value within the predetermined period.
  • FIG. 5 is a flowchart of recovery estimation processing by the recovery estimation device 1 . This processing is realized by executing a program prepared in advance by the processor 12 shown in FIG.
  • the degree-of-recovery estimation device 1 acquires a captured image D1 of the eyeball of the target patient (step S101). Next, the degree-of-recovery estimation device 1 extracts the eye movement feature of the target patient by image processing from the acquired captured image D1 (step S102). Next, the degree-of-recovery estimation device 1 searches past cases for similar cases containing eye movement features similar to those of the target patient (step S103). Next, the degree-of-recovery estimation device 1 calculates the estimated degree of recovery of the target patient based on the information about the degrees of recovery of similar cases (step S104). The estimated degree of recovery is presented to the subject patient and medical personnel in any manner.
  • the degree-of-recovery estimation device 1 can estimate the degree of recovery of the target patient based on the captured image D1 of the eyeball, even in the absence of medical personnel or specialists, thereby reducing the burden on medical personnel and the like. can do.
  • the degree-of-recovery estimation device 1 since it is possible to predict the degree of daily recovery even in a sitting position, there is no need for hospital visits and there is no risk of falling, and it can be applied to target patients who have difficulty walking independently.
  • the recovery estimation device 1 stores the calculated estimated recovery in the memory 13 or the like for each target patient, and when the estimated recovery of the target patient becomes worse than the threshold value, the target patient is displayed on the display unit 15 or the like You may output an alert for.
  • the estimated degree of recovery of the target patient is not limited to one, and when a predetermined number of similar cases are retrieved from the past cases, the degree of recovery estimation device 1 calculates the degree of recovery of each of all the retrieved similar cases for the target patient. may be the estimated degree of recovery. In this case, a plurality of estimated degrees of recovery are presented to the target patient or the like by any method.
  • the recovery estimation device 1 of the first embodiment it is easy for the target patient to quantitatively measure the estimated recovery every day at home or the like, and the daily recovery can be objectively visualized. can do. Therefore, it is possible to expect effects such as an increase in the amount of rehabilitation associated with increased motivation for rehabilitation of the target patient and an improvement in the quality of rehabilitation due to diligent revision of the rehabilitation plan, and an improvement in the recovery effect can be achieved. In addition, it is possible to detect abnormalities such as signs of recurrence of cerebral infarction at an early stage without waiting for examinations and examinations by medical personnel. Examples of industrial use of the degree-of-recovery estimation device 1 include instruction and management of remote rehabilitation.
  • the degree-of-recovery estimation device 1x of the second embodiment uses patient information about the patient, such as attributes and recovery records, in addition to eye movement features. Note that the schematic configuration and hardware configuration of the recovery degree estimation device are the same as those in the first embodiment, so description thereof will be omitted.
  • FIG. 6 is a block diagram showing the functional configuration of the recovery estimation device 1x.
  • the recovery degree estimation device 1x functionally includes an image acquisition unit 31, an eye movement feature extraction unit 32, a past case storage unit 33, a similar case search unit 34, a recovery degree estimation unit 35, and an alert output unit. 36 and a patient information storage unit 37 .
  • the image acquisition unit 31, the eye movement feature extraction unit 32, the past case storage unit 33, the similar case search unit 34, the degree of recovery estimation unit 35, and the alert output unit 36 are implemented by the processor 12 executing a program.
  • the past case storage unit 33 and the patient information storage unit 37 are implemented by the memory 13 .
  • the degree-of-recovery estimation device 1x of the second embodiment searches for similar cases from past cases with reference to the patient information, and calculates the estimated degree of recovery of the target patient based on the degrees of recovery of the similar cases. Estimate degrees.
  • the patient information storage unit 37 stores patient information about patients with target diseases.
  • the patient information includes, for example, attributes such as gender and age, recovery history, disease name, past patient recovery records such as symptom and rehabilitation content records, and the like.
  • the patient information storage unit 37 stores patient information in association with patient identification information.
  • the similar case search unit 34 refers to the patient information and searches past cases for similar cases containing eye movement features similar to those of the target patient. By referring to the patient information stored in the patient information storage unit 37, the similar case search unit 34 considers the attributes and recovery records of the patients included in the past cases and the attributes and recovery records of the target patient to find similar cases. Cases can be searched.
  • the image acquisition unit 31, the eye movement feature extraction unit 32, the past case storage unit 33, the degree of recovery estimation unit 35, and the alert output unit 36 are the same as those in the first embodiment, so descriptions thereof will be omitted.
  • FIG. 7 is a flowchart of recovery estimation processing by the recovery estimation device 1x. This processing is realized by executing a program prepared in advance by the processor 12 shown in FIG.
  • the degree-of-recovery estimation device 1x acquires a captured image D1 of the eyeball of the target patient (step S201).
  • the degree-of-restoration estimation device 1x extracts eye movement features from the acquired captured image D1 by image processing (step S202).
  • the degree-of-recovery estimation device 1x refers to the patient information stored in the patient information storage unit 37 and searches past cases for similar cases including eye movement features similar to those of the target patient. (Step S203).
  • the degree-of-recovery estimation device 1 calculates the estimated degree of recovery of the target patient based on the information about the degrees of recovery of similar cases (step S204). Then the process ends.
  • the estimated degree of recovery is presented to the subject patient and medical personnel in any manner.
  • the recovery estimation device 1x stores the calculated estimated recovery in the memory 13 or the like for each target patient. You may output an alert for.
  • the recovery estimation device 1x of the second embodiment by referring to the patient information, the attributes and recovery records of the patient included in the past cases and the attributes and recovery records of the target patient are considered. You can search for similar cases by In other words, the degree-of-recovery estimation device 1x can estimate the degree of recovery in consideration of patient attributes and recovery records.
  • the degree-of-recovery estimation device 1y of the third embodiment presents a task when imaging the eyeball of the target patient.
  • a task is a predetermined condition or task related to eye movement.
  • the degree-of-recovery estimating device 1y presents a task to the target patient when capturing an image of the eyeball, thereby making it possible to capture an image that facilitates the extraction of eye movement features necessary for estimating the degree of recovery.
  • the degree-of-recovery estimation device 1y incorporates a camera 2. Since the interface 11, the processor 12, the memory 13, the recording medium 14, the display unit 15, and the input unit 16 are the same as those in the first embodiment and the second embodiment, description thereof is omitted.
  • FIG. 8 is a block diagram showing the functional configuration of the recovery estimation device 1y.
  • the recovery degree estimation device 1y functionally includes an image acquisition unit 41, an eye movement feature extraction unit 42, a past case storage unit 43, a similar case search unit 44, a recovery degree estimation unit 45, and an alert output unit. 46 and a task presentation unit 47 .
  • the image acquisition unit 41, the eye movement feature extraction unit 42, the similar case search unit 44, the degree of recovery estimation unit 45, the alert output unit 46, and the task presentation unit 47 are implemented by the processor 12 executing programs.
  • the past case storage unit 43 is realized by the memory 13 .
  • the degree-of-recovery estimation device 1y searches for similar cases from past cases and estimates the degree of recovery by calculating the estimated degree of recovery of the target patient based on the degree of recovery of the similar cases.
  • the task presentation unit 47 presents tasks for the target patient on the display unit 15.
  • a task is a predetermined condition or task related to eye movement, and can be arbitrarily set, for example, "watch a predetermined video with changes” or "follow a moving light spot with the eye.”
  • Fig. 9 is a specific example of the task "follow the moving light spot with your eyes".
  • the black circles are light spots
  • the target patient tracks the light spot that moves with the passage of time.
  • the camera 2 incorporated in the degree-of-recovery estimation device 1y can easily capture an image including the visual field defect information of the target patient.
  • the image acquisition unit 41 acquires a captured image D1 by capturing an image of the eyeball moved by the target patient along the task with the camera 2 built into the recovery degree estimation device 1y.
  • the eye movement feature extraction unit 42 the past case storage unit 43, the similar case search unit 44, the degree of recovery estimation unit 45, and the alert output unit 46 are the same as in the first embodiment, so descriptions thereof will be omitted.
  • FIG. 10 is a flowchart of recovery estimation processing by the recovery estimation device 1y. This processing is realized by executing a program prepared in advance by the processor 12 shown in FIG.
  • the degree-of-recovery estimation device 1y presents a task to the target patient using the display unit 15 or the like (step S301).
  • the degree-of-recovery estimation device 1y captures an image of the eyeball of the target patient to whom the task is presented by the camera 2, and acquires a captured image D1 (step S302).
  • the degree-of-recovery estimation device 1y extracts the eye movement feature of the target patient from the acquired captured image D1 by image processing (step S303).
  • the degree-of-recovery estimation device 1y searches past cases for similar cases containing eye movement features similar to those of the target patient (step S304).
  • the degree-of-recovery estimation device 1y calculates the estimated degree of recovery of the target patient based on the information about the degrees of recovery of similar cases (step S305).
  • the estimated degree of recovery is presented to the subject patient and medical personnel in any manner. By presenting a predetermined task in this way, the degree-of-restoration estimation device 1y can acquire the captured image D1 from which the eye movement feature can be easily extracted.
  • the recovery degree estimation device 1y stores the calculated estimated recovery degree for each target patient in the memory 13 or the like. You may output an alert for.
  • the recovery estimation device 1y incorporates the camera 2 and presents tasks on the display unit 15.
  • the present invention is not limited to this, and the recovery estimation device may be connected to the camera 2 by wire or wirelessly without incorporating the camera 2 so as to exchange data.
  • the degree-of-recovery estimation device 1y outputs the task for the target patient to the camera 2 and acquires the captured image D1 captured by the camera 2.
  • the degree-of-recovery estimation device 1y in the third embodiment may use the patient information described in the second embodiment. Furthermore, the recovery estimation device 1 in the first embodiment and the recovery estimation device 1x in the second embodiment may present the tasks described in this embodiment.
  • FIG. 11 is a block diagram showing the functional configuration of the recovery estimation device of the fourth embodiment.
  • the recovery degree estimation device 60 includes image acquisition means 61 , eye movement feature extraction means 62 , past case storage means 63 , similar case search means 64 , and recovery degree estimation means 65 .
  • FIG. 12 is a flowchart of recovery estimation processing by the recovery estimation device 60.
  • the image acquisition unit 61 acquires an image of the eyeball of the target patient (step S601).
  • the eye movement feature extraction means 62 extracts an eye movement feature, which is a feature of eye movement, based on the image (step S602).
  • the past case storage means 63 stores, as past cases, a plurality of cases in which a patient is associated with information about the patient's eye movement and degree of recovery.
  • the similar case search means 64 searches past cases for similar cases including eyeball feature information similar to the eye movement feature of the target patient (step S603).
  • the degree-of-recovery estimation means 65 estimates the degree of recovery of the target patient based on the degree of recovery of the similar case (step S604).
  • the degree-of-recovery estimation device 60 of the fourth embodiment it is possible to estimate the degree of recovery of a target patient from a predetermined disease based on an image of the eyeball of the target patient.
  • an image acquisition means for acquiring an image of an eyeball of a target patient whose degree of recovery is to be estimated
  • eye movement feature extraction means for extracting an eye movement feature, which is a feature of the eye movement of the target patient, based on the image
  • past case storage means for storing, as past cases, a plurality of cases in which a patient is associated with information about the patient's eye movement characteristics and degree of recovery
  • a similar case search means for searching for similar cases including eye movement features similar to the eye movement features of the target patient from the past cases
  • a degree of recovery estimation means for estimating the degree of recovery of the target patient based on the information about the degree of recovery of the similar case
  • a recovery estimation device comprising:
  • Appendix 2 The degree of recovery estimation device according to appendix 1, wherein the eye movement feature includes eye vibration information related to the eye movement.
  • Appendix 3 The degree-of-recovery estimation device according to appendix 1 or 2, wherein the eye movement feature includes information on at least one of bias in the direction of movement of the eyeball and deviation in lateral movement of the eyeball.
  • Appendix 4 Further comprising a task presenting means for presenting a task related to the eye movement to the target patient,
  • the image acquiring means acquires an image of the eyeball of the target patient to whom the task is presented, 4.
  • the degree-of-recovery estimation device according to any one of Supplements 1 to 3, wherein the eye movement feature extraction means extracts eye movement features in the task based on the image.
  • the degree of recovery estimation device according to supplementary note 1, wherein the similar case search means searches for the similar case from among the past cases by referring to the patient information.
  • Appendix 7 The degree-of-recovery estimation device according to any one of Appendices 1 to 6, comprising alert output means for outputting an alert when the degree of recovery of the target patient is worse than a threshold.
  • the similar case search means searches for a predetermined number of similar cases from the past cases,
  • the degree-of-recovery estimating device according to Supplementary Note 1, wherein the degree-of-recovery estimating means estimates the degree of recovery of the target patient based on the most frequently occurring degree of recovery in the similar cases.
  • (Appendix 9) Acquiring an image of the eyeball of the target patient whose degree of recovery is to be estimated, Based on the image, extracting an eye movement feature that is a feature of the eye movement of the target patient, Searching for similar cases including eye movement features similar to the eye movement features of the target patient from among a plurality of past cases in which the patient is associated with information about the patient's eye movement features and degree of recovery, A degree-of-recovery estimation method for estimating the degree of recovery of a target patient based on the information about the degree of recovery of the similar case.
  • a recording medium recording a program for causing a computer to execute a process of estimating the degree of recovery of a target patient based on the information about the degree of recovery of the similar case.

Abstract

回復度推定装置において、画像取得手段は、回復度の推定の対象となる対象患者の眼球を撮像した画像を取得する。眼球運動特徴抽出手段は、画像に基づいて、対象患者の眼球運動の特徴である眼球運動特徴を抽出する。過去事例記憶手段は、患者と、当該患者の眼球運動特徴及び回復度に関する情報とを対応付けた複数の事例を過去事例として記憶している。類似事例検索手段は、過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索する。回復度推定手段は、類似事例の回復度に関する情報に基づいて、対象患者の回復度を推定する。

Description

回復度推定装置、回復度推定方法、及び、記録媒体
　本発明は、患者の回復度を推定する技術に関する。
　全世界的に医療費が国家財政を圧迫している中、国内の脳血管疾患の患者数は１１１．５万人、年間医療費は１兆８０００億円以上にも達している。少子高齢化に伴い脳梗塞患者数の増加が予想されるが、医療リソースには限界があるため、急性期病院だけでなく、回復期リハビリ病院においても業務の効率化ニーズが強い。
　脳梗塞は、発症後速やかに緊急搬送・措置しないと重大な後遺症が残るため、軽い症状のうちに早期検知して措置を受けることが重要である。脳梗塞患者のうち約半数は、１０年以内に再び脳梗塞を発症し、初回と同じタイプの脳梗塞を再発する可能性が高い。そのため、再発の兆候の早期検知ニーズも強い。
　しかし、回復期リハビリ病院において患者の回復度を測るには、医療者が付き添って各種テストを実施する必要があり、手間と時間がかかるという問題がある。これにより、回復度を測る頻度が低下すると、患者や医療者へのフィードバックがなくなり、患者のリハビリ意欲が低下してリハビリ量が減少したり、不適切なリハビリ計画の見直しが遅れて回復効果が低下したりする。また、再発の兆候は、本人自身では気づきにくい上、定期的な検査や診察では間に合わないことが多い。
　特許文献１には、患者の歩行時の動作や視線の動きから、歩行に関する回復状況についてより客観的な定量化を図ることが記載されている。特許文献２には、眼球運動に基づく特徴量から心理状態を推定することが記載されている。
特開２０１９－０６７１７７号公報 特開２０１７－２０２０４７号公報
　従来、患者の回復度の推定は、患者が所定の動作を実施している様子を医療者や専門家が目視又は触診で評価し、回復状況を定量化することで行われていた。患者の動作映像や人体姿勢解析結果をデータとして伝送し、医療者や専門家がデータを目視で評価することで、遠隔地にいる患者の回復状況を定量化することも知られている。また、特許文献１には、医療情報処理システムが、患者の歩行シーンの映像から人体の動き方を解析することで回復状況を定量化することが記載されている。
　従来の手法で回復度を推定するためには、患者が医療者や専門家がいる病院へ行く必要があった。しかし、様々な理由から通院が難しい患者も少なくない。患者のデータを伝送する手法は、通院の必要はないが、医療者や専門家がデータを目視で評価するため、医療者等の手間がかかっていた。また、歩行シーンの映像に基づいて回復状況を定量化する手法は、医療者等の手間はかからないが、歩行できるレベルに回復した患者しか評価することができず、歩行時の転倒リスクという問題もあった。
　本発明の目的の１つは、患者や医療者に負担をかけることなく、回復度を定量的に推定することにある。
　上記の課題を解決するため、本発明の一つの観点では、回復度推定装置は、
　回復度の推定の対象となる対象患者の眼球を撮像した画像を取得する画像取得手段と、
　前記画像に基づいて、対象患者の眼球運動の特徴である眼球運動特徴を抽出する眼球運動特徴抽出手段と、
　患者と、前記患者の眼球運動特徴及び回復度に関する情報とを対応付けた複数の事例を過去事例として記憶する過去事例記憶手段と、
　前記過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索する類似事例検索手段と、
　前記類似事例の回復度に関する情報に基づいて、対象患者の回復度を推定する回復度推定手段と、を備える。
　本発明の他の観点では、回復度推定方法は、
　回復度の推定の対象となる対象患者の眼球を撮像した画像を取得し、
　前記画像に基づいて、対象患者の眼球運動の特徴である眼球運動特徴を抽出し、
　患者と、前記患者の眼球運動特徴及び回復度に関する情報とを対応付けた複数の過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索し、
　前記類似事例の回復度に関する情報に基づいて、対象患者の回復度を推定する。
　本発明のさらに他の観点では、記録媒体は、
　回復度の推定の対象となる対象患者の眼球を撮像した画像を取得し、
　前記画像に基づいて、対象患者の眼球運動の特徴である眼球運動特徴を抽出し、
　患者と、前記患者の眼球運動特徴及び回復度に関する情報とを対応付けた複数の過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索し、
　前記類似事例の回復度に関する情報に基づいて、対象患者の回復度を推定する処理をコンピュータに実行させるプログラムを記録する。
　本発明によれば、患者や医療者に負担をかけることなく、回復度を定量的に推定することが可能となる。
回復度推定装置の概略構成を示す。 回復度推定装置のハードウェア構成を示す。 第１実施形態に係る回復度推定装置の機能構成を示す。 眼球運動特徴の例である。 第１実施形態に係る回復度推定処理のフローチャートである。 第２実施形態に係る回復度推定装置の機能構成を示す。 第２実施形態に係る回復度推定処理のフローチャートである。 第３実施形態に係る回復度推定装置の機能構成を示す。 タスクの具体例である。 第３実施形態に係る回復度推定処理のフローチャートである。 第４実施形態に係る回復度推定装置の機能構成を示す。 第４実施形態に係る回復度推定処理のフローチャートである。
　以下、図面を参照しながら、本発明の実施の形態について説明する。
　［第１実施形態］
　（構成）
　図１は、本発明の第１実施形態に係る回復度推定装置の概略構成を示す。回復度推定装置１は、カメラ２に接続される。カメラ２は、回復度の推定の対象となる患者（以下、「対象患者」と呼ぶ。）の眼球を撮像し、撮像画像Ｄ１を回復度推定装置１に送信する。カメラ２は、例えば、１０００コマ／秒といった高速で眼球を撮像することができる高速カメラを使用するものとする。回復度推定装置１は、撮像画像Ｄ１を分析し、後述する過去事例に基づいて推定回復度を算出することで、対象患者の回復度を推定する。
　図２は、回復度推定装置１のハードウェア構成を示すブロック図である。図示のように、回復度推定装置１は、インタフェース（Ｉｎｔｅｒｆａｃｅ）１１と、プロセッサ１２と、メモリ１３と、記録媒体１４と、表示部１５と、入力部１６と、を備える。
　インタフェース１１は、カメラ２との間でデータの授受を行う。インタフェース１１は、カメラ２が生成した撮像画像Ｄ１を受信する際に使用される。また、インタフェース１１は、回復度推定装置１が、有線又は無線で接続された所定の装置との間でデータの授受を行う際にも使用される。
　プロセッサ１２は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）などのコンピュータであり、予め用意されたプログラムを実行することにより、回復度推定装置１の全体を制御する。メモリ１３は、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）などにより構成される。メモリ１３は、プロセッサ１２により実行されるプログラムを記憶する。また、メモリ１３は、プロセッサ１２による各種の処理の実行中に作業メモリとしても使用される。
　記録媒体１４は、ディスク状記録媒体、半導体メモリなどの不揮発性で非一時的な記録媒体であり、回復度推定装置１に対して着脱可能に構成される。記録媒体１４は、プロセッサ１２が実行する各種のプログラムを記録している。回復度推定装置１が回復度推定処理を実行する際には、記録媒体１４に記録されているプログラムがメモリ１３にロードされ、プロセッサ１２により実行される。
　表示部１５は、例えばＬＣＤ（Ｌｉｑｕｉｄ　Ｃｒｙｓｔａｌ　Ｄｉｓｐｌａｙ）などで、対象患者の回復度を推定した結果である推定回復度等を表示する。なお、表示部１５は、後述する第３実施形態のタスクを表示してもよい。入力部１６は、キーボード、マウス、タッチパネルなどで、医療者や専門家などのオペレータが使用する。
　図３は、回復度推定装置１の機能構成を示すブロック図である。回復度推定装置１は、機能的には、画像取得部２１と、眼球運動特徴抽出部２２と、過去事例記憶部２３と、類似事例検索部２４と、回復度推定部２５と、アラート出力部２６と、を備える。なお、画像取得部２１、眼球運動特徴抽出部２２、類似事例検索部２４、回復度推定部２５及びアラート出力部２６は、プロセッサ１２がプログラムを実行することにより実現される。また、過去事例記憶部２３は、メモリ１３により実現される。
　回復度推定装置１は、過去事例と、対象患者の眼球運動特徴とに基づいて、対象患者の推定回復度を算出することで、回復度を推定する。具体的に、回復度推定装置１は、例えば、脳梗塞による後遺症からのリハビリによる回復度の推定に適用することができる。
　画像取得部２１は、カメラ２から供給される、対象患者の眼球を撮像した撮像画像Ｄ１を取得する。なお、カメラ２により撮像された撮像画像Ｄ１がデータベースなどに集めて記憶されている場合には、画像取得部２１は、そのデータベースなどから撮像画像Ｄ１を取得してもよい。
　眼球運動特徴抽出部２２は、画像取得部２１が取得した撮像画像Ｄ１に対して所定の画像処理を行い、対象患者の眼球運動特徴を抽出する。具体的に、眼球運動特徴抽出部２２は、撮像画像Ｄ１における眼球の振動パターンの時系列情報を眼球運動特徴として抽出する。
　図４は、眼球運動特徴の例である。眼球運動特徴は、人間の眼球運動の特徴であって、例えば、眼球振動情報、移動方向の偏り、左右運動のずれ、視野欠損情報などが挙げられる。
　図４（Ａ）に示すように、眼球振動情報は、眼球の振動に関する情報である。眼球振動情報に基づき、例えば、脳梗塞によって生じる眼球振とう等の異常を検知することができる。具体的には、眼球振動情報は、左右各眼球につき、例えば瞳孔の中心１点のｘｙ座標をとり、その座標の時系列変化に関する情報であってもよいし、任意の時区間内からｘｙ座標のＦＦＴ（Ｆａｓｔ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ）変換等で抽出された周波数情報であってもよい。また、マイクロサッカード運動といった所定の運動の所定時間内の出現頻度に関する情報であってもよい。
　図４（Ｂ）に示すように、移動方向の偏りは、眼球の上下方向又は左右方向の移動の偏りに関する情報である。移動方向の偏りに基づき、例えば、脳梗塞によって生じる注視麻痺等の異常を検知することができる。具体的には、位置（ｘ，ｙ）のｘ方向成分の分散及びｙ方向成分の分散を算出し、その分散の比で判定したり、速度情報の位置の時間差分のｘ方向成分の分散及びｙ方向成分の分散を算出し、その分散の比で判定したりすることで、定量的な移動方向の偏りに関する情報を取得することができる。また、移動方向の偏りは、（ｘ，ｙ）位置情報の主慣性モーメント、又は、第一主成分の寄与率で判定することで取得してもよい。
　図４（Ｃ）に示すように、左右運動のずれは、左右眼球の眼球運動のずれに関する情報である。左右運動のずれに基づき、例えば、脳梗塞によって生じる斜視等の異常を検知することができる。具体的には、左右眼球それぞれの移動方向がなす角を時間軸で積算した値を算出し、その値が大きいほどずれが大きいと判断したり、左右眼球それぞれの移動方向がなす角の内積を積算した値が小さいほどずれが大きいと判断したりすることで、定量的な左右運動のずれに関する情報を取得することができる。
　図４（Ｄ）に示すように、視野欠損情報は、視野の欠損に関する情報である。視野欠損情報に基づき、例えば、脳梗塞によって生じる注視障害等の異常を検知することができる。具体的には、対象患者に提示した光点等を追尾させ、追尾失敗が多い箇所の広さを算出したり、光点表示領域を仮想のマス目状に区切って追尾失敗した頻度が高いマスの数をカウントしたりすることで、定量的な視野欠損情報を取得することができる。
　過去事例記憶部２３は、対象となる疾患の患者と、当該患者の眼球運動特徴及び回復度に関する情報とを対応付けて記憶しており、眼球運動特徴履歴情報２８及び回復度履歴情報２９を有する。眼球運動特徴履歴情報２８は、患者を識別する患者識別情報に対応付けて、当該患者の眼球運動特徴や測定日時等を記憶している。また、回復度履歴情報２９は、患者識別情報に対応付けて、当該患者の回復度や測定日時等を記憶している。回復度は、例えば、ＢＢＳ（Ｂｅｒｇ　Ｂａｌａｎｃｅ　Ｓｃａｌｅ）、ＴＵＧ（Ｔｉｍｅｄ　Ｕｐ　Ｇｏ　ｔｅｓｔ）、ＦＩＭ（Ｆｕｎｃｔｉｏｎａｌ　Ｉｎｄｅｐｅｎｄｅｎｃｅ　Ｍｅａｓｕｒｅ）等を任意に適用することができる。このように、過去事例記憶部２３は、患者と、当該患者の眼球運動特徴及び回復度に関する情報とを対応付けた複数の事例を過去事例として記憶している。
　類似事例検索部２４は、過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む事例（以下、「類似事例」と呼ぶ。）を検索する。具体的に、類似事例検索部２４は、過去事例記憶部２３から、対象患者の眼球運動特徴と類似する眼球運動特徴と、当該眼球運動特徴に対応する患者識別情報及び回復度に関する情報とを類似事例として検索し、取得する。類似事例検索部２４は、例えば、類似度が高い順に類似事例を所定の件数分検索してもよいし、類似度が最も高い類似事例を１件のみ検索してもよい。
　回復度推定部２５は、類似事例の回復度に関する情報に基づいて、対象患者の推定回復度を算出する。例えば、過去事例から類似度が最も高い類似事例を１件のみ検索した場合、回復度推定部２５は、当該類似事例の回復度を対象患者の推定回復度とする。また、過去事例から類似事例を所定の件数分検索した場合、回復度推定部２５は、最頻出の回復度を対象患者の推定回復度としてもよいし、回復度の平均値を算出して対象患者の推定回復度としてもよい。
　アラート出力部２６は、メモリ１３等を参照し、対象患者の推定回復度が閾値より悪化した場合に、表示部１５に対象患者に向けてのアラートを出力する。アラートは、期間を設定し、所定の期間内に対象患者の推定回復度が閾値より悪化した場合に出力することとしてもよい。
　（回復度推定処理）
　次に、回復度推定装置１による回復度推定処理について説明する。図５は、回復度推定装置１による回復度推定処理のフローチャートである。この処理は、図２に示すプロセッサ１２が予め用意されたプログラムを実行することにより実現される。
　まず、回復度推定装置１は、対象患者の眼球を撮像した撮像画像Ｄ１を取得する（ステップＳ１０１）。次に、回復度推定装置１は、取得した撮像画像Ｄ１から画像処理により、対象患者の眼球運動特徴を抽出する（ステップＳ１０２）。次に、回復度推定装置１は、過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索する（ステップＳ１０３）。次に、回復度推定装置１は、類似事例の回復度に関する情報に基づいて、対象患者の推定回復度を算出する（ステップＳ１０４）。推定回復度は、任意の方法で対象患者や医療者に提示される。
　このように、回復度推定装置１は、眼球を撮像した撮像画像Ｄ１に基づいて、医療者や専門家が不在でも対象患者の回復度を推定することができるため、医療者等の負担を軽減することができる。また、座位であっても日々の回復度を予測可能であるため、通院の必要や転倒リスクがなく、自立歩行が困難な対象患者にも適用することができる。
　なお、回復度推定装置１は、算出した推定回復度を対象患者毎にメモリ１３等に記憶しておき、対象患者の推定回復度が閾値より悪化した場合に、表示部１５等に対象患者に向けてのアラートを出力してもよい。
　また、対象患者の推定回復度は１つに限らず、回復度推定装置１は、過去事例から類似事例を所定の件数分検索した場合、検索した全ての類似事例それぞれの回復度を全て対象患者の推定回復度としてもよい。この場合、複数の推定回復度が、任意の方法により対象患者等に提示される。
　以上のように、第１実施形態の回復度推定装置１によれば、対象患者が自宅等で推定回復度を毎日定量的に測ることが容易であり、日々の回復度を客観的に見える化することができる。よって、対象患者のリハビリ意欲向上に伴うリハビリ量の増加、リハビリ計画のこまめな修正によるリハビリの質の向上といった効果が期待でき、回復効果の向上を図ることができる。また、医療者による検査や診察を待たずして、脳梗塞の再発の兆候といった異変を早い時期に発見することが可能となる。回復度推定装置１の産業利用の例としては、遠隔リハビリの指導や管理等が挙げられる。
　［第２実施形態］
　（構成）
　第２実施形態の回復度推定装置１ｘは、対象患者の回復度を推定する際、眼球運動特徴に加えて、属性や回復記録といった患者に関する患者情報を利用する。なお、回復度推定装置の概略構成及びハードウェア構成は、第１実施形態と同様のため、説明を省略する。
　図６は、回復度推定装置１ｘの機能構成を示すブロック図である。回復度推定装置１ｘは、機能的には、画像取得部３１と、眼球運動特徴抽出部３２と、過去事例記憶部３３と、類似事例検索部３４と、回復度推定部３５と、アラート出力部３６と、患者情報記憶部３７と、を備える。なお、画像取得部３１、眼球運動特徴抽出部３２、過去事例記憶部３３、類似事例検索部３４、回復度推定部３５及びアラート出力部３６は、プロセッサ１２がプログラムを実行することにより実現される。また、過去事例記憶部３３及び患者情報記憶部３７は、メモリ１３により実現される。
　第２実施形態の回復度推定装置１ｘは、患者情報を参照して過去事例の中から類似事例を検索し、類似事例の回復度に基づいて対象患者の推定回復度を算出することで、回復度を推定する。
　患者情報記憶部３７は、対象となる疾患の患者に関する患者情報を記憶している。患者情報は、例えば、性別や年齢といった属性、回復度の履歴、病名、症状やリハビリ内容の記録といった過去の患者の回復記録などである。患者情報記憶部３７は、患者識別情報と対応付けて患者情報を記憶している。
　類似事例検索部３４は、患者情報を参照して、過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索する。類似事例検索部３４は、患者情報記憶部３７に記憶された患者情報を参照することで、過去事例に含まれる患者の属性や回復記録と、対象患者の属性や回復記録とを考慮して類似事例を検索することができる。
　なお、画像取得部３１、眼球運動特徴抽出部３２、過去事例記憶部３３、回復度推定部３５及びアラート出力部３６は、第１実施形態と同様のため、説明を省略する。
　（回復度推定処理）
　次に、回復度推定装置１ｘによる回復度推定処理について説明する。図７は、回復度推定装置１ｘによる回復度推定処理のフローチャートである。この処理は、図２に示すプロセッサ１２が予め用意されたプログラムを実行することにより実現される。
　まず、回復度推定装置１ｘは、対象患者の眼球を撮像した撮像画像Ｄ１を取得する（ステップＳ２０１）。次に、回復度推定装置１ｘは、画像処理により、取得した撮像画像Ｄ１から眼球運動特徴を抽出する（ステップＳ２０２）。次に、回復度推定装置１ｘは、患者情報記憶部３７に記憶された患者情報を参照して過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索する（ステップＳ２０３）。次に、回復度推定装置１は、類似事例の回復度に関する情報に基づいて、対象患者の推定回復度を算出する（ステップＳ２０４）。そして、処理は終了する。推定回復度は、任意の方法で対象患者や医療者に提示される。
　なお、回復度推定装置１ｘは、算出した推定回復度を対象患者毎にメモリ１３等に記憶しておき、対象患者の推定回復度が閾値より悪化した場合に、表示部１５等に対象患者に向けてのアラートを出力してもよい。
　以上のように、第２実施形態の回復度推定装置１ｘによれば、患者情報を参照することで、過去事例に含まれる患者の属性や回復記録と、対象患者の属性や回復記録とを考慮して類似事例を検索することができる。つまり、回復度推定装置１ｘは、患者の属性や回復記録を考慮して回復度を推定することが可能となる。
　［第３実施形態］
　（構成）
　第３実施形態の回復度推定装置１ｙは、対象患者の眼球を撮像する際、タスクを提示する。タスクとは、眼球運動に関する所定の条件や課題である。回復度推定装置１ｙは、眼球を撮像する際、対象患者にタスクを提示することで、回復度の推定に必要な眼球運動特徴を抽出しやすい画像を撮像することが可能となる。
　なお、回復度推定装置１ｙは、第１実施形態及び第２実施形態と異なり、カメラ２を内蔵しているものとする。インタフェース１１、プロセッサ１２、メモリ１３、記録媒体１４、表示部１５及び入力部１６は、第１実施形態及び第２実施形態と同様のため、説明を省略する。
　図８は、回復度推定装置１ｙの機能構成を示すブロック図である。回復度推定装置１ｙは、機能的には、画像取得部４１と、眼球運動特徴抽出部４２と、過去事例記憶部４３と、類似事例検索部４４と、回復度推定部４５と、アラート出力部４６と、タスク提示部４７と、を備える。なお、画像取得部４１、眼球運動特徴抽出部４２、類似事例検索部４４、回復度推定部４５、アラート出力部４６及びタスク提示部４７は、プロセッサ１２がプログラムを実行することにより実現される。また、過去事例記憶部４３は、メモリ１３により実現される。
　回復度推定装置１ｙは、過去事例の中から類似事例を検索し、類似事例の回復度に基づいて対象患者の推定回復度を算出することで、回復度を推定する。
　タスク提示部４７は、表示部１５に対象患者に対するタスクを提示する。タスクは、眼球運動に関する所定の条件や課題であって、例えば、「変化のある所定の映像を眺める」、「移動する光点を目で追う」等、任意に設定することができる。
　図９は、タスク「移動する光点を目で追う」の具体例である。図９に示す光点表示領域５０において、黒丸は光点であり、経過時間１秒（ｔ＝１）ではマス５１、経過時間２秒（ｔ＝２）ではマス５２、経過時間３秒（ｔ＝３）ではマス５３、経過時間４秒（ｔ＝４）ではマス５４、経過時間５秒（ｔ＝５）ではマス５５、経過時間６秒（ｔ＝６）ではマス５６となるように移動する。対象患者は、時間の経過とともに移動する光点を目で追尾する。このようなタスクを提示することで、回復度推定装置１ｙに内蔵されたカメラ２は、対象患者の視野欠損情報を含む画像を容易に撮像することが可能となる。
　画像取得部４１は、回復度推定装置１ｙに内蔵されたカメラ２により、対象患者がタスクに沿って動かした眼球を撮像することで撮像画像Ｄ１を取得する。
　なお、眼球運動特徴抽出部４２、過去事例記憶部４３、類似事例検索部４４、回復度推定部４５及びアラート出力部４６は、第１実施形態と同様のため、説明を省略する。
　（回復度推定処理）
　次に、回復度推定装置１ｙによる回復度推定処理について説明する。図１０は、回復度推定装置１ｙによる回復度推定処理のフローチャートである。この処理は、図２に示すプロセッサ１２が予め用意されたプログラムを実行することにより実現される。
　まず、回復度推定装置１ｙは、表示部１５等を用いて対象患者にタスクを提示する（ステップＳ３０１）。次に、回復度推定装置１ｙは、カメラ２によりタスクが提示された対象患者の眼球を撮像し、撮像画像Ｄ１を取得する（ステップＳ３０２）。次に、回復度推定装置１ｙは、画像処理により、取得した撮像画像Ｄ１から対象患者の眼球運動特徴を抽出する（ステップＳ３０３）。次に、回復度推定装置１ｙは、過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索する（ステップＳ３０４）。次に、回復度推定装置１ｙは、類似事例の回復度に関する情報に基づいて、対象患者の推定回復度を算出する（ステップＳ３０５）。推定回復度は、任意の方法で対象患者や医療者に提示される。このように所定のタスクを提示することで、回復度推定装置１ｙは眼球運動特徴を抽出しやすい撮像画像Ｄ１を取得することが可能となる。
　なお、回復度推定装置１ｙは、算出した推定回復度を対象患者毎にメモリ１３等に記憶しておき、対象患者の推定回復度が閾値より悪化した場合に、表示部１５等に対象患者に向けてのアラートを出力してもよい。
　また、第３実施形態では、説明の便宜上、回復度推定装置１ｙがカメラ２を内蔵し、表示部１５にタスクを提示することとしている。しかし、本発明はこれに限らず、回復度推定装置は、カメラ２を内蔵せず、有線又は無線によりカメラ２と接続してデータの授受が可能であればよい。この場合、回復度推定装置１ｙは、対象患者に対するタスクをカメラ２に出力し、当該カメラ２が撮像した撮像画像Ｄ１を取得する。
　また、第３実施形態における回復度推定装置１ｙは、第２実施形態で説明した患者情報を利用することとしてもよい。さらに、第１実施形態における回復度推定装置１、及び、第２実施形態における回復度推定装置１ｘは、本実施形態で説明したタスクを提示することとしてもよい。
　［第４実施形態］
　図１１は、第４実施形態の回復度推定装置の機能構成を示すブロック図である。回復度推定装置６０は、画像取得手段６１と、眼球運動特徴抽出手段６２と、過去事例記憶手段６３と、類似事例検索手段６４と、回復度推定手段６５と、を備える。
　図１２は、回復度推定装置６０による回復度推定処理のフローチャートである。画像取得手段６１は、対象患者の眼球を撮像した画像を取得する（ステップＳ６０１）。眼球運動特徴抽出手段６２は、画像に基づいて、眼球運動の特徴である眼球運動特徴を抽出する（ステップＳ６０２）。過去事例記憶手段６３は、患者と、患者の眼球運動及び回復度に関する情報とを対応付けた複数の事例を過去事例として記憶している。類似事例検索手段６４は、過去事例の中から、対象患者の眼球運動特徴と類似する眼球特徴情報を含む類似事例を検索する（ステップＳ６０３）。回復度推定手段６５は、類似事例の回復度に基づいて、対象患者の回復度を推定する（ステップＳ６０４）。
　第４実施形態の回復度推定装置６０によれば、対象患者の眼球を撮像した画像に基づいて、所定の疾患における対象患者の回復度を推定することができる。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
　回復度の推定の対象となる対象患者の眼球を撮像した画像を取得する画像取得手段と、
　前記画像に基づいて、対象患者の眼球運動の特徴である眼球運動特徴を抽出する眼球運動特徴抽出手段と、
　患者と、前記患者の眼球運動特徴及び回復度に関する情報とを対応付けた複数の事例を過去事例として記憶する過去事例記憶手段と、
　前記過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索する類似事例検索手段と、
　前記類似事例の回復度に関する情報に基づいて、対象患者の回復度を推定する回復度推定手段と、
　を備える回復度推定装置。
（付記２）
　前記眼球運動特徴は、前記眼球の振動に関する眼球振動情報を含む付記１に記載の回復度推定装置。
（付記３）
　前記眼球運動特徴は、前記眼球の移動方向の偏り、及び、前記眼球の左右運動のずれのいずれか１つ以上に関する情報を含む付記１又は２に記載の回復度推定装置。
（付記４）
　対象患者に対して前記眼球運動に関するタスクを提示するタスク提示手段をさらに備え、
　前記画像取得手段は、前記タスクが提示された対象患者の眼球を撮像した画像を取得するものであって、
　前記眼球運動特徴抽出手段は、前記画像に基づいて、前記タスクにおける眼球運動特徴を抽出する付記１乃至３のいずれか一項に記載の回復度推定装置。
（付記５）
　前記眼球運動特徴は、視野欠損に関する視野欠損情報を含む付記４に記載の回復度推定装置。
（付記６）
　患者の属性、及び、前記患者の回復記録のいずれか１つ以上に関する患者情報を記憶する患者情報記憶手段を備え、
　前記類似事例検索手段は、前記過去事例の中から、前記患者情報を参照して前記類似事例を検索する付記１に記載の回復度推定装置。
（付記７）
　対象患者の回復度が閾値より悪化した場合に、アラートを出力するアラート出力手段を備える付記１乃至６のいずれか一項に記載の回復度推定装置。
（付記８）
　前記類似事例検索手段は、前記過去事例の中から、前記類似事例を所定の件数分検索し、
　前記回復度推定手段は、前記類似事例における最頻出の回復度に基づいて、対象患者の回復度を推定する付記１に記載の回復度推定装置。
（付記９）
　回復度の推定の対象となる対象患者の眼球を撮像した画像を取得し、
　前記画像に基づいて、対象患者の眼球運動の特徴である眼球運動特徴を抽出し、
　患者と、前記患者の眼球運動特徴及び回復度に関する情報とを対応付けた複数過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索し、
　前記類似事例の回復度に関する情報に基づいて、対象患者の回復度を推定する回復度推定方法。
（付記１０）
　回復度の推定の対象となる対象患者の眼球を撮像した画像を取得し、
　前記画像に基づいて、対象患者の眼球運動の特徴である眼球運動特徴を抽出し、
　患者と、前記患者の眼球運動特徴及び回復度に関する情報とを対応付けた複数過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索し、
　前記類似事例の回復度に関する情報に基づいて、対象患者の回復度を推定する処理をコンピュータに実行させるプログラムを記録した記録媒体。
　以上、実施形態及び実施例を参照して本発明を説明したが、本発明は上記実施形態及び実施例に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　１、１ｘ、１ｙ　回復度推定装置
　２　カメラ
　１１　インタフェース
　１２　プロセッサ
　１３　メモリ
　１４　記録媒体
　１５　表示部
　１６　入力部
　２１、３１、４１　画像取得部
　２２、３２、４２　眼球運動特徴抽出部
　２３、３３、４３　過去事例記憶部
　２４、３４、４４　類似事例検索部
　２５、３５、４５　回復度推定部
　２６、３６、４６　アラート出力部
　３７　患者情報記憶部
　４７　タスク提示部

Claims (10)

  1. 　回復度の推定の対象となる対象患者の眼球を撮像した画像を取得する画像取得手段と、
    　前記画像に基づいて、対象患者の眼球運動の特徴である眼球運動特徴を抽出する眼球運動特徴抽出手段と、
    　患者と、前記患者の眼球運動特徴及び回復度に関する情報とを対応付けた複数の事例を過去事例として記憶する過去事例記憶手段と、
    　前記過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索する類似事例検索手段と、
    　前記類似事例の回復度に関する情報に基づいて、対象患者の回復度を推定する回復度推定手段と、
    　を備える回復度推定装置。
  2. 　前記眼球運動特徴は、前記眼球の振動に関する眼球振動情報を含む請求項１に記載の回復度推定装置。
  3. 　前記眼球運動特徴は、前記眼球の移動方向の偏り、及び、前記眼球の左右運動のずれのいずれか１つ以上に関する情報を含む請求項１又は２に記載の回復度推定装置。
  4. 　対象患者に対して前記眼球運動に関するタスクを提示するタスク提示手段をさらに備え、
    　前記画像取得手段は、前記タスクが提示された対象患者の眼球を撮像した画像を取得するものであって、
    　前記眼球運動特徴抽出手段は、前記画像に基づいて、前記タスクにおける眼球運動特徴を抽出する請求項１乃至３のいずれか一項に記載の回復度推定装置。
  5. 　前記眼球運動特徴は、視野欠損に関する視野欠損情報を含む請求項４に記載の回復度推定装置。
  6. 　患者の属性、及び、前記患者の回復記録のいずれか１つ以上に関する患者情報を記憶する患者情報記憶手段を備え、
    　前記類似事例検索手段は、前記過去事例の中から、前記患者情報を参照して前記類似事例を検索する請求項１に記載の回復度推定装置。
  7. 　対象患者の回復度が閾値より悪化した場合に、アラートを出力するアラート出力手段を備える請求項１乃至６のいずれか一項に記載の回復度推定装置。
  8. 　前記類似事例検索手段は、前記過去事例の中から、前記類似事例を所定の件数分検索し、
    　前記回復度推定手段は、前記類似事例における最頻出の回復度に基づいて、対象患者の回復度を推定する請求項１に記載の回復度推定装置。
  9. 　回復度の推定の対象となる対象患者の眼球を撮像した画像を取得し、
    　前記画像に基づいて、対象患者の眼球運動の特徴である眼球運動特徴を抽出し、
    　患者と、前記患者の眼球運動特徴及び回復度に関する情報とを対応付けた複数の過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索し、
    　前記類似事例の回復度に関する情報に基づいて、対象患者の回復度を推定する回復度推定方法。
  10. 　回復度の推定の対象となる対象患者の眼球を撮像した画像を取得し、
    　前記画像に基づいて、対象患者の眼球運動の特徴である眼球運動特徴を抽出し、
    　患者と、前記患者の眼球運動特徴及び回復度に関する情報とを対応付けた複数の過去事例の中から、対象患者の眼球運動特徴と類似する眼球運動特徴を含む類似事例を検索し、
    　前記類似事例の回復度に関する情報に基づいて、対象患者の回復度を推定する処理をコンピュータに実行させるプログラムを記録した記録媒体。
PCT/JP2021/025428 2021-07-06 2021-07-06 回復度推定装置、回復度推定方法、及び、記録媒体 WO2023281622A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2021/025428 WO2023281622A1 (ja) 2021-07-06 2021-07-06 回復度推定装置、回復度推定方法、及び、記録媒体
JP2023532919A JPWO2023281622A5 (ja) 2021-07-06 回復度推定装置、回復度推定方法、及び、プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/025428 WO2023281622A1 (ja) 2021-07-06 2021-07-06 回復度推定装置、回復度推定方法、及び、記録媒体

Publications (1)

Publication Number Publication Date
WO2023281622A1 true WO2023281622A1 (ja) 2023-01-12

Family

ID=84800475

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/025428 WO2023281622A1 (ja) 2021-07-06 2021-07-06 回復度推定装置、回復度推定方法、及び、記録媒体

Country Status (1)

Country Link
WO (1) WO2023281622A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0690903A (ja) * 1992-09-17 1994-04-05 A T R Shichokaku Kiko Kenkyusho:Kk 奥行き視線移動検査装置
JP2018143779A (ja) * 2012-03-26 2018-09-20 ニューヨーク ユニバーシティ 中枢神経系の完全性を評価するための方法およびキット
JP2019122816A (ja) * 2013-05-31 2019-07-25 ディグニティー ヘルス 神経疾患を検出するためのシステムおよび方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0690903A (ja) * 1992-09-17 1994-04-05 A T R Shichokaku Kiko Kenkyusho:Kk 奥行き視線移動検査装置
JP2018143779A (ja) * 2012-03-26 2018-09-20 ニューヨーク ユニバーシティ 中枢神経系の完全性を評価するための方法およびキット
JP2019122816A (ja) * 2013-05-31 2019-07-25 ディグニティー ヘルス 神経疾患を検出するためのシステムおよび方法

Also Published As

Publication number Publication date
JPWO2023281622A1 (ja) 2023-01-12

Similar Documents

Publication Publication Date Title
Rispens et al. Identification of fall risk predictors in daily life measurements: gait characteristics’ reliability and association with self-reported fall history
Jyotsna et al. Eye gaze as an indicator for stress level analysis in students
US20210049353A1 (en) Ai-based physical function assessment system
Morris et al. A comparison of clinical and objective measures of freezing of gait in Parkinson's disease
RU2623304C2 (ru) Система мониторинга для мониторинга пациента и обнаружения делирия у пациента
Kamieniarz et al. A posturographic procedure assessing balance disorders in Parkinson’s disease: a systematic review
JP7057589B2 (ja) 医療情報処理システム、歩行状態定量化方法およびプログラム
US20140154650A1 (en) Application of smooth pursuit cognitive testing paradigms to clinical drug development
US20170192502A1 (en) Evaluating clinician
Lai et al. Measuring saccade latency using smartphone cameras
KR20190041081A (ko) 인지장애 진단을 위한 vr기반 인지능력 평가시스템
Howell et al. Determining the utility of a smartphone-based gait evaluation for possible use in concussion management
Stuart et al. Validation of a velocity-based algorithm to quantify saccades during walking and turning in mild traumatic brain injury and healthy controls
Yamada et al. Fatigue detection model for older adults using eye-tracking data gathered while watching video: Evaluation against diverse fatiguing tasks
Zhang et al. Comparison of OpenPose and HyperPose artificial intelligence models for analysis of hand-held smartphone videos
US6994670B2 (en) Methods for diagnosing akathisia
Atkins et al. Reliability and concurrent criterion validity of a novel technique for analyzing hip kinematics during running
Ilg et al. Quantitative gait and balance outcomes for ataxia trials: consensus recommendations by the Ataxia Global Initiative Working Group on Digital-Motor Biomarkers
Burggraaff et al. Video-based pairwise comparison: enabling the development of automated rating of motor dysfunction in multiple sclerosis
WO2023281622A1 (ja) 回復度推定装置、回復度推定方法、及び、記録媒体
Brooks et al. Development and validation of a high-speed video system for measuring saccadic eye movement
WO2023281621A1 (ja) 回復度推定装置、回復度推定方法、及び、記録媒体
Lai et al. App-based saccade latency and directional error determination across the adult age spectrum
US20240135531A1 (en) Recovery level estimation device, recovery level estimation method, and recording medium
Sarker et al. Analysis of smooth pursuit assessment in virtual reality and concussion detection using bilstm

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21949258

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023532919

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE