本文へジャンプ

成果報告書詳細
管理番号20190000000331
タイトル平成30年度成果報告書 人工知能技術適用によるスマート社会の実現 健康・医療・介護分野 高齢者の日常的リスクを低減するAI駆動アンビエントセンサ・アクチュエータシステムの研究開発
公開日2019/6/18
報告書年度2018 - 2018
委託先名国立研究開発法人産業技術総合研究所 セイコーインスツル株式会社 国立大学法人東京大学
プロジェクト番号P18010
部署名ロボット・AI部
和文要約件名:平成30年度成果報告書 人工知能技術適用によるスマート社会の実現/健康・医療・介護分野/高齢者の日常的リスクを低減するAI駆動アンビエントセンサ・アクチュエータシステムの研究開発

本研究では、高齢者が日常的に直面する誤嚥、転倒、熱中症などのリスク低減のための、AIによる学習成果を実装したセンサ・アクチュエータシステムに関する先導研究を行った。
今年度、誤嚥リスクの評価指標を医師や介護現場従事者の意見を参考に見直したことで、「誤嚥しやすさ」という漠然とした評価項目を、「舌を3次元に動かす能力」という具体的な評価項目に落とし込むことができた。そして、従来は信号が微弱なため着目されていなかった舌骨筋の筋電を、AIと組み合わせて活用することで、嚥下能力の診断に活用できることを実証した。そして各自の嚥下能力にあった食事を摂ってもらうことで、誤嚥が起こる機会(=リスク)を低減させることができ、ひいては介護者の負担が減ることが期待できる。また、食品画像認識に関しては、メガネ型カメラデバイスは、常時着用に向いていないため、再検討を行った結果、ダイニングに定置カメラを設置し、食卓を撮影し食品を認識することが、プライバシーへの配慮なども含めて適しているという結論に至った。そこで食卓記録システムプロトタイプを作製し、食卓上に乗せた料理領域(トレー)を検出し、トレー単位で食前食後の写真を記録し、料理位置検出と料理名推定を行うプロトタイプシステムを構築した。また研究協力者の舘村卓(日本口腔外科学会、専門医・指導医)と共同で、誤嚥しやすい食品について整理を行いリスト化し、前述の食卓記録システムプロトタイプとの連携の準備を行った。
転倒リスク低減センサ・アクチュエータシステムの開発では、センサ+AI側では、トレッドミル上で個人差(6人)、速度、傾斜、荷重条件による計304種類の歩行データを小型モーションセンサより取得し、歩行検知のAIシステムをオートエンコーダと異常検知手法により構築した。交差検証により歩行データ平均0.98、非歩行データ平均0.93という高い精度を確認した。アクチュエータ側では、既製の超音波モータと減速機構を用いて歩行サポートシステムのプロトタイプを製作し、トレッドミル歩行時のつま先の動きを評価した。1 Nm未満のトルク出力において最小つま先クリアランス平均値の有意な増加が見られ、提案手法の有効性の一端が示された。さらに予圧制御型超音波モータについて最大効率条件を追従する制御手法を提案、実証した。
熱中症リスク低減感覚アシストセンサシステムの開発では、実環境のデータを腕周りに配置したセンサで取得し、そのデータをもとに個人の暑さ指数、及び深部体温を推定する学習モデルを構築した。その結果、個人の暑さ指数を90%以上、深部体温を±0.3℃以内で推定できることを確認した。また、直観的なリスク段階の提示方法として脈拍を模擬した電気刺激波形を設計し、被験者実験により5段階の情報を90%以上の精度で認識可能であることを確認した。
アンビエントセンサ・アクチュエータシステムの開発では、プロトタイプ試作による原理検証・課題抽出を行った。その結果、一連の動作検証ができたとともに、回路・基板構成の最適化やセンサ・アクチュエータの配置位置及び手首の動きによる精度変動の低減といった課題を抽出することができた。また、実際の小型ICパッケージに対し基板の変形の影響を低減できる応力緩和構造を提案し、応力緩和構造を介してICが正常動作することを確認した。
また、前年度に構築したセンサデータ学習モデルに、実際のデータを投入して機械学習を行った。そして時系列センサおよび画像データを両方扱うことができるアルゴリズムの基本構成の検討を行った。また、各グループが使用する学習用のアルゴリズムを構築した。
英文要約Title:Research and development of AI driven ambient sensor and actuator system to reduce daily risks of elderly people (FY2018) Final Report

We conducted a leading study on a sensor/actuator system that implements AI learning outcomes to reduce risks such as aspiration, falls, heat stroke, etc. that the elderly face.
In this fiscal year, we have reviewed the evaluation index of the aspiration risk referring to the opinions of doctors and care workers. As a result, the vague evaluation concept of "aspiration risk" could be defined as a specific evaluation concept of "three-dimensional evaluation of tongue movement". And, it was demonstrated that the myoelectricity of the hyoid muscle, which was not focused because the signal was weak, can be used for diagnosis of swallowing ability by combining it with Artificial intelligence. By having a meal according to their own ability to swallow, it is possible to reduce the cases (= risks) of aspiration and thus to reduce the burden on the assistant. Food image recognition was carried out at foo.log Inc., which has participated in the accelerated research of this project from 2018. The glasses-type camera device was reconsidered because it was not suitable for all-time wearing. As a result, a video camera was installed in the dining room, and the dining table was photographed to recognize the food. foo.log Inc. created a table recording system prototype. And they detected the tray placed on the tabletop, recorded the photograph, and built a prototype system that performs dish position detection and cooking name estimation.
On the development of the heatstroke reducing system, the real environment data was acquired by sensors placed around the arm, and based on the data, a learning model was constructed to estimate the individual's heat index and core body temperature. It was confirmed that the individual's heat index can be estimated at 90% or more and core body temperature can be estimated within ± 0.3℃.
We designed an electrical stimulation waveform that gives pulse-like sensation as an intuitive risk stage presentation method, and confirmed that five stages of information can be recognized with an accuracy of 90% or more by subject experiments.
On the development of an ambient sensor-actuator system, we performed principle verification and problem extraction by prototyping. As a result, a series of operation verification was able to be performed. Subjects such as optimization of a circuit / substrate configuration and reduction in accuracy fluctuation due to positions of sensors / actuators and a movement of the wrist were able to be extracted. A structure of device pin that reduce an influence of a deformation of a substrate was formed for an actual small IC package, and it was confirmed that the IC normally operated through the stress reduction structure.
In addition, experimental data was input to the machine learning model of time-series sensor data and image data built in the previous year, and machine learning was performed. And the basic composition of the algorithm which can handle both time series sensor data and image data was examined. In addition, an algorithm for machine learning used by each group was constructed.
ダウンロード成果報告書データベース(ユーザ登録必須)から、ダウンロードしてください。

▲トップに戻る