DICOMO2017で発表した研究のスライドです．

1. 歩⾏リハビリ⽀援のためのセンサ装着杖を
介した歩⾏動作認識⼿法の提案
〇⾼橋雄太1，⾳⽥恭宏1，藤本まなと1，荒川豊1,2
1. 奈良先端科学技術⼤学院⼤学
2. JSTさきがけ
DICOMO 2017
セッション 1B 歩⾏者センシング
2017/6/28 1B-3

2. 研究背景
vリハビリ業界における課題
2
効果的なリハビリ⽀援に不可⽋
⾼齢化社会 ⼈材不⾜ 評価が不⼗分に
vリハビリ患者の歩⾏評価
§ リハビリ患者の容体の把握
§ 訓練やアドバイスの指針
§ 回復具合の把握…

3. 本研究の⽬標
v⽇常の歩⾏センシングによるリハビリ⽀援
3
v ⽇常の歩⾏センシング
§ 低消費電⼒化
§ 定量的な評価
§ 歩⾏パラメータをロギング
〇 定期的な歩⾏評価
〇リハビリ⽀援者の業務の負担軽減
◎ リハビリ⽀援への利⽤
§ クラウドにデータを集約
§ デバイスからデータを収集
§ 収集タイミングは
帰宅時 or 通院時

4. 杖へのセンサデバイスの装着
v杖装着のメリット
⼈体に⾮接触
取り外し・装着が容易
⾮対称な歩⾏へのロバスト性
⇒ 実⽤性が⾼い
vセンサデバイス
SenStick (8種類のセンサ)
§ 加速度 (±4G)
§ ジャイロ (±500 rad/sec)
§ サンプリング周波数 50Hz
§ ファームウェアの開発が可能
4

5. (過去の) デバイスたち
5
v1 v2 SenStick
3種類のセンサ
BLEモジュール
Cortex-M0
3種類のセンサ
BLEモジュール
Cortex-M0
SD書き込み
充電回路
8種類のセンサ
BLEモジュール
Cortex-M4F
フラッシュメモリ
充電回路

6. 歩⾏センシングと評価の流れ
6
杖の歩⾏検出
vセンシングパート
歩⾏パラメータ
の抽出
デバイス内
ROM
歩⾏パラメータ
の分析
歩⾏
距離
転倒
リスク
歩⾏の
実⽤性
歩⾏
速度
…
v評価パート
クラウド上
のDB
§ センサデバイス内で完結
§ 計算リソース・記憶領域が少ない
§ クラウド上での処理
§ 計算リソース・記憶領域が多い
パラメータの
ロギング
歩⾏ログの収集

7. デイケアセンタでの歩⾏データの収集
vライフケア総合研究所
「いこいの家26」
⾼齢者5名
下肢装具使⽤者1名
施設のスタッフ2名
合計415歩
7mの歩⾏路
7
ビデオカメラ開始位置
計8名
⾼齢者 下肢装具使⽤者

8. 杖による歩⾏データの特徴
8
v杖での歩⾏動作
v加速度データ (3回分)
合成加速度 加速度の差分
【特徴】
①での合成の極⼤ピーク
②での合成の極⼩ピーク
③でのどちらかの極⼤ピーク

9. 歩⾏検出アルゴリズム
⓪ RVを超えると検知開始
① 𝑃"が閾値を超え， 𝑇"が閾値の範囲内
② 𝑃$が閾値を超え， 𝑇$が閾値の範囲内
③ 𝑃%もしくは𝑃&が閾値を超える
④ 全ての条件を満たしたら⼀突きと判断
9
合成加速度 加速度の差分
閾値の決め⽅
• デイケアセンタで収集したデー
タから各パラメータの値を算出
• 各パラメータの平均と標準偏差
を求め閾値を定義

10. 歩⾏距離推定のためのパラメータ
10
§ 歩⾏速度 ⇒ 歩⾏能⼒評価の基本項⽬
§ 歩⾏距離がわかれば，歩⾏速度がわかる
v⼀突きのデータから得られるパラメータ (28項⽬)
パラメータの種類
時間
⾓度 加速度

11. 重回帰による歩⾏距離推定
11
v重回帰モデルの構築𝑝"& : x軸の⾓度の最⼩
𝑝"( : x軸の⾓度の最⼤値と
最⼩値の差
距離 m
距離 m
𝑝"&
𝑝"(
v相関分析
𝑑 = 𝑏, + 𝑏" 𝑝"& + 𝑏$ 𝑝"(
𝑏, = 0.265
𝑏" = −0.0138
𝑏$ = 0.695 ×10:$
最⼩⼆乗法でフィッティング
𝑝"&
𝑝"(
各軸の⾓度の変化
⻘:x, 緑:y, ⾚:z

12. 評価実験
v⽬的
「歩⾏検出」「歩⾏距離の推定」の精度の評価
v内容
直線に対し⾃由に歩⾏
10回杖を突いたら停⽌，歩⾏距離を測定 (1⼈2回)
v実験協⼒者
普段杖を使⽤していない健常者8名
v歩⾏検出，歩⾏距離推定のモデル
リハビリ施設で収集したデータで作成したものを使⽤
12

13. 歩⾏動作の検出結果
13
v結果
160歩中 153歩検出
検出精度 : 95.56%
v検出できなかった原因
床への接触
インパクトの誤検出

14. 歩⾏距離推定の結果
14
§ ⼀突きごとに対して距離推定 ⇒ ⼗回推定したものを加算
v推定精度
平均 : 83.79%, 標準偏差 : 8.63%
最⼤ : 95.56%, 最⼩ : 68.82%
⼈による
精度のばらつき
※全ての歩⾏動作が検
出されたとして推定

15. まとめ
v⽇常歩⾏のセンシングによるリハビリ⽀援を⽬標
v杖での歩⾏センシングを提案
v歩⾏検出アルゴリズムと歩⾏距離推定⼿法を提案
v歩⾏検出精度は95.56%, 歩⾏距離推定精度は83.79%
v歩⾏距離推定がある程度できることがわかった
15

16. 今後の展開
v歩⾏データの収集
§ 歩⾏検出のロバスト性の向上
§ 歩⾏距離の推定精度の向上 (90%以上)
v歩⾏センシングデバイスのファームウェア開発
§ センサデータのリアルタイム処理
§ 連続動作時間の検証
vセンシングデータの分析
§ 転倒リスク
§ 杖の使い⽅の評価
16

17. リハビリ患者の歩⾏評価
v歩⾏の仕⽅の評価
17
v歩⾏の実⽤性の評価
§ 理学療法⼠や医師による
⽬視による判断
【テスト】
10m歩⾏テスト
6分間歩⾏テスト
Timed Up and Go
Stops walking when talking
【分類】
Fuctional Ambulation
Categories
実⽤的歩⾏能⼒分類
§ 定量的な評価⼿法が提案
§ ⼤がかりな装置が必要
§ 訪問リハビリ患者への対応が困難
§ 計測者が必要
§ 環境構築が必要
§ テスト時の転倒のリスク
§ 業務の負担の増⼤
q 定期的な歩⾏評価が困難
q リハビリ⽀援者の業務の負担が増⼤