JP2018138136A - Subject determination device, method, and program - Google Patents
Subject determination device, method, and program Download PDFInfo
- Publication number
- JP2018138136A JP2018138136A JP2017033899A JP2017033899A JP2018138136A JP 2018138136 A JP2018138136 A JP 2018138136A JP 2017033899 A JP2017033899 A JP 2017033899A JP 2017033899 A JP2017033899 A JP 2017033899A JP 2018138136 A JP2018138136 A JP 2018138136A
- Authority
- JP
- Japan
- Prior art keywords
- subject
- feature amount
- determination
- daily life
- state
- 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.)
- Granted
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】被験者の脳機能の状態を迅速に判断する。【解決手段】手段的日常生活活動の環境を仮想空間に表現されたた画像上での被験者の指の接触／非接触の状態から被験者の行動の特徴量であるｍｅａｎＴＴｌ（ｎ）、ｍｅａｎＴＴｌ（ｎ＋１）を算出し、算出されたｍｅａｎＴＴｌ（ｎ）、ｍｅａｎＴＴｌ（ｎ＋１）に対応するプロット点が、被験者が健常者であるか否かを判断するために予め定められた特徴量の判定値の範囲７０２内にあるか否かを判断することにより、被験者が健常者であるか否かを判断する。このように、従来の方法のように質問紙を用いた記憶を検査したり磁気共鳴機能画像法による脳画像を診断したりすることと比較すると、本開示の技術では、被験者が健常者であるか否かを迅速に判断することができる。【選択図】図７PROBLEM TO BE SOLVED: To quickly determine a state of brain function of a subject. SOLUTION: From the state of contact / non-contact of a subject's finger on an image expressing the environment of instrumental activities of daily living in a virtual space, the feature quantities of the subject's behavior are meanTTl (n) and meanTTl (n + 1). ) Is calculated, and the plot points corresponding to the calculated meanTTl (n) and meanTTl (n + 1) are the range 702 of the determination value of the feature amount predetermined for determining whether or not the subject is a healthy subject. By determining whether or not the subject is inside, it is determined whether or not the subject is a healthy person. As described above, in the technique of the present disclosure, the subject is a healthy person, as compared with the conventional method of examining the memory using the questionnaire and diagnosing the brain image by the magnetic resonance function imaging method. Whether or not it can be determined quickly. [Selection diagram] FIG. 7
Description
本発明は、被験者判断装置、方法、及びプログラムに関する。 The present invention relates to a subject determination apparatus, method, and program.
従来、認知症の患者、例えば、軽度認知障害（ＭＣＩ：Ｍｉｌｄ Ｃｏｇｎｉｔｉｖｅ Ｉｍｐａｉｒｍｅｎｔ）の患者と脳機能に障害がない健常者とを識別する方法やシステムは、認知機能の検査に焦点が当てられている。例えば、質問紙を用いた記憶検査（特許文献１）、バイオマーカーを用いた検査法、及び磁気共鳴機能画像法（ｆＭＲＩ：ｆｕｎｃｔｉｏｎａｌ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ：）による脳画像診断などが主に用いられている。なお、関連する技術の認知症診断支援システムには、以下の特許文献２〜１０がある Traditionally, methods and systems for identifying patients with dementia, for example, mild cognitive impairment (MCI) patients and healthy individuals without impaired brain function, have focused on cognitive testing. . For example, a memory test using a questionnaire (Patent Document 1), a test method using a biomarker, and a brain imaging diagnosis using a magnetic resonance functional imaging (fMRI) is mainly used. . In addition, there are the following Patent Documents 2 to 10 as related art dementia diagnosis support systems.
しかし、従来の方法では、全ての検査に数時間から数日かかり、被験者を判断することに時間がかかる。 However, in the conventional method, all examinations take several hours to several days, and it takes time to determine the subject.
本開示の技術は、被験者の脳機能の状態を迅速に判断することが可能な被験者判断装置、方法、及びプログラムを提供することを目的とする。 An object of the technology of the present disclosure is to provide a subject determination apparatus, method, and program capable of quickly determining the state of brain function of a subject.
上記目的を達成するため、本開示の技術の第１の態様の被験者判断装置は、被験者が所定の活動をするための環境を表示する表示部と、前記被験者の身体的部位の状態を計測する計測部と、前記表示部により表示された前記環境で前記所定の動作をしようとした前記被験者の身体的部位の前記計測部により計測された状態から前記被験者の行動の特徴量を算出する特徴量算出部と、前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する判断部と、を備えている。 To achieve the above object, a subject determination device according to a first aspect of the technology of the present disclosure measures a state of a physical part of a subject, a display unit that displays an environment for the subject to perform a predetermined activity A feature amount for calculating a feature amount of the subject's action from a state measured by the measurement portion and a physical portion of the subject who has attempted to perform the predetermined action in the environment displayed by the display portion From the calculation unit, the feature amount of the behavior calculated by the feature amount calculation unit, and the determination value of the feature amount predetermined for determining the state of the brain function of the subject, the brain function of the subject And a determination unit for determining the state.
本開示の技術の表示部は、被験者が所定の活動をするための環境を表示する。第２の態様の表示部は、前記被験者が所定の活動をするための３次元環境を仮想的に表示する。 The display unit of the technology of the present disclosure displays an environment for the subject to perform a predetermined activity. The display unit of the second aspect virtually displays a three-dimensional environment for the subject to perform a predetermined activity.
計測部は、前記被験者の身体的部位の状態を計測する。 The measurement unit measures the state of the physical part of the subject.
特徴量算出部は、前記表示部により表示された前記環境で前記所定の動作をしようとした前記被験者の身体的部位の前記計測部により計測された状態から前記被験者の行動の特徴量を算出する。 The feature amount calculation unit calculates a feature amount of the subject's behavior from the state measured by the measurement unit of the physical part of the subject who has attempted the predetermined action in the environment displayed by the display unit. .
第３の態様では、前記行動の特徴量は、前記身体的部位の動きの時間的変化を表す量、前記身体的部位の動きの周波数変化を表す量、及び前記身体的部位の動きの非線形的変化を表す量の少なくとも１つである。 In the third aspect, the feature amount of the action includes an amount that represents a temporal change in the movement of the physical part, an amount that represents a frequency change in the movement of the physical part, and a nonlinear movement of the physical part. It is at least one of the quantities representing the change.
判断部は、前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断することを含む。判断部は、前記被験者の脳機能の状態として、被験者が、脳機能に障害がない健常者であるか否かを判断する。判断部は、更に、脳機能に障害がない健常者でない場合に、当該障害の程度を判断する。 The determination unit determines the brain function of the subject from the feature amount of the behavior calculated by the feature amount calculation unit and the determination value of the feature amount that is predetermined for determining the state of the brain function of the subject. Including determining the state. The determination unit determines, as the state of the brain function of the subject, whether the subject is a healthy person who has no impairment in brain function. The determination unit further determines the degree of the disorder when the person is not a healthy person who has no disorder in brain function.
第４の態様では、前記判定値は、学習により決定された値である。 In the fourth aspect, the determination value is a value determined by learning.
第５の態様では、前記所定の動作は、日常生活活動より複雑な手段的日常生活活動であり、前記判定値は、前記被験者が前記手段的日常生活活動をするのに支障のある者かを判断するための手段的日常生活活動支障判断判定値である。 In a fifth aspect, the predetermined action is a daily life activity that is more complicated than a daily life activity, and the determination value indicates whether the subject has a problem in performing the daily life activity. It is a judgment value for determining the daily life activity hindrance for making a judgment.
このように本開示の技術では、表示部により表示され且つ被験者が所定の活動をするための環境で前記所定の動作をしようとした前記被験者の身体的部位の、計測部が計測した状態から、前記被験者の行動の特徴量を算出する。算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する。 As described above, in the technology of the present disclosure, from the state measured by the measurement unit of the physical part of the subject that is displayed on the display unit and tries to perform the predetermined operation in an environment for the subject to perform a predetermined activity, A feature amount of the subject's behavior is calculated. The state of the brain function of the subject is determined from the calculated feature amount of the behavior and the predetermined determination value of the feature amount for determining the state of the brain function of the subject.
よって、本開示の技術は、被験者の脳機能の状態を迅速に判断することができる。 Therefore, the technology of the present disclosure can quickly determine the state of the brain function of the subject.
本開示の技術の第６の態様の被験者判断方法は、表示部が、被験者が所定の活動をするための環境を表示し、計測部が、前記被験者の身体的部位の状態を計測し、特徴量算出部が、前記表示部により表示された前記環境で前記所定の動作をしようとした前記被験者の身体的部位の前記計測部により計測された状態から前記被験者の行動の特徴量を算出し、判断部が、前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する。 In the subject determination method according to the sixth aspect of the technology of the present disclosure, the display unit displays an environment for the subject to perform a predetermined activity, the measurement unit measures the state of the physical part of the subject, A quantity calculation unit calculates a feature quantity of the subject's behavior from a state measured by the measurement unit of the physical part of the subject who tried to perform the predetermined action in the environment displayed by the display unit, The determination unit determines the brain function of the subject from the feature amount of the behavior calculated by the feature amount calculation unit and the determination value of the feature amount that is predetermined for determining the state of the brain function of the subject. Determine the state.
第７〜第１０の態様は、第２〜第５の態様と同様である。 The seventh to tenth aspects are the same as the second to fifth aspects.
本開示の技術の第１１の態様の被験者判断プログラムは、コンピュータを、表示部により表示され且つ被験者が所定の活動をするための環境で前記所定の動作をしようとした前記被験者の身体的部位の、計測部が計測した状態から、前記被験者の行動の特徴量を算出する特徴量算出部、及び前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する判断部として機能させる。 The subject determination program according to the eleventh aspect of the technology of the present disclosure includes a computer that displays a physical part of the subject that is displayed on the display unit and is intended to perform the predetermined operation in an environment for the subject to perform a predetermined activity. The feature amount calculation unit that calculates the feature amount of the subject's behavior from the state measured by the measurement unit, the feature amount of the behavior calculated by the feature amount calculation unit, and the state of the brain function of the subject are determined Therefore, it is made to function as a determination unit for determining the state of the brain function of the subject from the predetermined determination value of the feature amount.
第１１〜第１５の態様は、第２〜第５の態様と同様である。 The 11th to 15th aspects are the same as the 2nd to 5th aspects.
本開示の技術は、被験者の脳機能の状態を迅速に判断することができる。 The technology of the present disclosure can quickly determine the state of the brain function of the subject.
（第１の実施の形態）
図１には、被験者判断装置１００が示されている。図２（Ａ）には、手段的日常生活活動（ＩＡＤＬ：Ｉｎｓｔｒｕｍｅｎｔａｌ Ａｃｔｉｖｉｔｉｅｓ ｏｆ Ｄａｉｌｙ Ｌｉｖｉｎｇ）の第１の環境を仮想空間に表現した第１の画像が示されている。図２（Ｂ）には、手段的日常生活活動の、第１の環境とは異なる第２の環境を仮想空間に表現した第２の画像が示されている。図３には、被験者判断装置１００のブロック図が示されている。
(First embodiment)
FIG. 1 shows a subject determination device 100. FIG. 2A shows a first image in which a first environment of instrumental daily activities of daily living (IADL) is expressed in a virtual space. FIG. 2B shows a second image in which a second environment different from the first environment of the instrumental daily life activity is represented in a virtual space. FIG. 3 shows a block diagram of the subject determination device 100.
図３に示すように、被験者判断装置１００は、人工現実感（ＶＲ：Virtual Reality）技術を用いて被験者が手段的日常生活活動をするための環境（ＩＡＤＬ環境）を仮想空間に表現した画像（図２（Ａ）又は図２（Ｂ））を表示するディスプレイ１２（図１も参照）を備えている。被験者判断装置１００は、ディスプレイ１２の画面に置かれた被験者の身体的部位、例えば、手の指のディスプレイ１２への接触／非接触の状態を計測するタッチセンサ１４を備えている。タッチセンサ１４は、ディスプレイ１２の画面に重ね合わせて設けられている。タッチセンサ１４は、静電容量方式のセンサであり、タッチセンサ１４の面上の静電容量値を検出する。タッチセンサ１４の面上の静電容量値を検出することで、タッチセンサ１４に近いまたは接触している指を検出することができる。 As shown in FIG. 3, the subject determination device 100 uses an artificial reality (VR) technology to express an environment (IADL environment) in which a subject conducts an instrumental daily life activity in a virtual space (IADL environment). A display 12 (see also FIG. 1) for displaying FIG. 2A or FIG. 2B is provided. The subject determination apparatus 100 includes a touch sensor 14 that measures a contact / non-contact state of a physical part of a subject placed on the screen of the display 12, for example, a finger of a hand on the display 12. The touch sensor 14 is provided so as to overlap the screen of the display 12. The touch sensor 14 is a capacitance type sensor, and detects a capacitance value on the surface of the touch sensor 14. By detecting the capacitance value on the surface of the touch sensor 14, a finger close to or in contact with the touch sensor 14 can be detected.
また、被験者判断装置１００は、三脚上の雲台からの支柱に取り付けられ、ディスプレイ１２の画面に置かれた被験者の指の３次元位置を計測する３次元モーションセンサ１６（図１も参照）を備えている。 In addition, the subject determination device 100 is attached to a column from a pan head on a tripod, and includes a three-dimensional motion sensor 16 (see also FIG. 1) that measures the three-dimensional position of the subject's finger placed on the screen of the display 12. I have.
更に、被験者判断装置１００は、ディスプレイ１２により表示された環境で所定の動作をしようとした被験者の指のディスプレイ１２への接触／非接触の状態又は当該指の３次元位置の状態から被験者の行動の特徴量を算出するコンピュータ１０を備えている。コンピュータ１０は、更に、算出された行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた特徴量の判定値とから、被験者の脳機能の状態を判断する。 Furthermore, the subject determination apparatus 100 determines the behavior of the subject based on the contact / non-contact state of the finger of the subject who tried to perform a predetermined operation in the environment displayed on the display 12 or the state of the three-dimensional position of the finger. Is provided with a computer 10 for calculating the feature amount. The computer 10 further determines the state of the brain function of the subject from the calculated feature amount of the behavior and the predetermined determination value of the feature amount for determining the state of the subject's brain function.
コンピュータ１０は、ＣＰＵ２０、ＲＯＭ２２、ＲＡＭ２４、及び入出力インタフェース（Ｉ／Ｏ）２６を備えている。ＣＰＵ２０、ＲＯＭ２２、ＲＡＭ２４、及び入出力インタフェース（Ｉ／Ｏ）２６は、バス２８を介して相互に接続されている。 The computer 10 includes a CPU 20, a ROM 22, a RAM 24, and an input / output interface (I / O) 26. The CPU 20, ROM 22, RAM 24, and input / output interface (I / O) 26 are connected to each other via a bus 28.
ディスプレイ１２は、本開示の技術の表示部の１例である。タッチセンサ１４及び３次元モーションセンサ１６は、本開示の技術の計測部の１例である。コンピュータ１０のＣＰＵ２０は、本開示の技術の特徴量算出部及び判断部の１例である。 The display 12 is an example of a display unit according to the technique of the present disclosure. The touch sensor 14 and the three-dimensional motion sensor 16 are examples of a measurement unit according to the technique of the present disclosure. The CPU 20 of the computer 10 is an example of a feature amount calculation unit and a determination unit according to the technique of the present disclosure.
ＲＯＭ２２には、後述する健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）が記憶されている。健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）は、ＲＯＭ２２から読み出され、ＲＡＭ２４に展開されて、ＣＰＵ２０によって実行される。 The ROM 22 stores a healthy person determination processing program (FIGS. 4, 8, 9, and 11) and a threshold value learning processing program (FIG. 12), which will be described later. The healthy person determination processing program (FIGS. 4, 8, 9, and 11) and the threshold value learning processing program (FIG. 12) are read from the ROM 22, expanded in the RAM 24, and executed by the CPU 20.
図４には、健常者判断処理の１例が示されている。図４に示すように、ステップ４０２で、ディスプレイ１２が、ＩＡＤＬ環境を仮想空間に表現した画像（図２参照）を表示し、手段的日常生活活動のタスク（例えば、ランチボックスの準備等）を被験者が実行する間、被験者の指が画面に接触した接触開始時及び画面から離れた接触終了時を、タッチセンサ１４からの信号から検出する。 FIG. 4 shows an example of the healthy person determination process. As shown in FIG. 4, in step 402, the display 12 displays an image (refer to FIG. 2) representing the IADL environment in a virtual space, and performs a task of a typical daily life activity (for example, preparation for a lunch box). During the execution of the subject, the contact start time when the subject's finger touches the screen and the contact end time away from the screen are detected from the signal from the touch sensor 14.
ステップ４０４で、健常者判断処理で使用される変数ｎ、ＴＴｌ（ｎ）、ＴＴｌ（ｎ＋１）を１に初期化する。ステップ４０６で、被験者の指がディスプレイ１２に接触している複数の状態の各々を識別する変数ｎを１インクリメントする。 In step 404, variables n, TTl (n), and TTl (n + 1) used in the healthy person determination process are initialized to 1. In step 406, the variable n for identifying each of the plurality of states in which the subject's finger is in contact with the display 12 is incremented by one.
ステップ４０８で、第ｎ−１回目の接触の終了時から第ｎ回目の接触開始時までの間の時間Ｔｎを算出する。 In step 408, a time Tn between the end of the (n-1) th contact and the start of the nth contact is calculated.
図５には、手段的日常生活活動のタスクを被験者が実行する間の被験者の指が画面に接触した接触状態と画面から離れた非接触状態を示すグラフが示されている。図６には、被験者の指がディスプレイ１２に接触開始した時のタイミングに合わせてその前の接触の接触終了時からの時間間隔を示したグラフが示されている。 FIG. 5 shows a graph showing a contact state in which the subject's finger is in contact with the screen and a non-contact state in which the subject's finger is away from the screen while the subject performs the routine daily life activity task. FIG. 6 shows a graph showing a time interval from the end of contact of the previous contact in accordance with the timing when the subject's finger starts to contact the display 12.
本実施の形態で取り扱うデータは次の通りである。 Data handled in this embodiment is as follows.
ステップ４０８では、上記データに基づいて、図５及び図６に示すように、ｎ＝１ではＴ（１）が、ｎ＝２ではＴ（２）が、ｎ＝３ではＴ（３）・・・が算出される。 In step 408, as shown in FIGS. 5 and 6, T (1) is obtained when n = 1, T (2) is obtained when n = 2, and T (3).・ Is calculated.
ステップ４１０で、ＴＴｌ（ｎ）←ＴＴｌ（ｎ）＋Ｔｎを計算する。 In step 410, TTl (n) ← TTl (n) + Tn is calculated.
ステップ４１２で、第ｎ回目の接触の終了時から第ｎ＋１回目の接触開始時までの間の時間Ｔｎ＋１を算出する。なお、ステップ４１２は、接触のタイミングが異なるだけで、具体的な計算は、ステップ４０８と同様である。 In step 412, a time Tn + 1 from the end of the nth contact to the start of the (n + 1) th contact is calculated. Note that step 412 is the same as step 408 except that the timing of contact is different.
ステップ４１４で、ＴＴｌ（ｎ＋１）←ＴＴｌ（ｎ＋１）＋Ｔｎ＋１を計算する。 In step 414, TTl (n + 1) ← TTl (n + 1) + Tn + 1 is calculated.
ステップ４１６で、変数ｎが、被験者の指がディスプレイ１２に接触している複数の状態の総数Ｎであるか否かを判断する。 In step 416, it is determined whether or not the variable n is the total number N of a plurality of states in which the subject's finger is in contact with the display 12.
ステップ４１６で、変数ｎが、被験者の指がディスプレイ１２に接触している複数の状態の総数Ｎであると判断されなかった場合には、時間Ｔｎ及び時間Ｔｎ＋１を算出していない接触している状態があるので、健常者判断処理はステップ４０６に戻る。 If it is not determined in step 416 that the variable n is the total number N of the plurality of states in which the subject's finger is in contact with the display 12, the time Tn and the time Tn + 1 are not calculated. Since there is a state, the healthy person determination process returns to step 406.
一方、ステップ４１６で、変数ｎが、被験者の指がディスプレイ１２に接触している複数の状態の総数Ｎであると判断された場合には、全ての接触している状態について時間Ｔｎ及び時間Ｔｎ＋１を算出したので、健常者判断処理はステップ４１８に進む。 On the other hand, if it is determined in step 416 that the variable n is the total number N of the plurality of states in which the subject's finger is in contact with the display 12, the time Tn and the time Tn + 1 are determined for all the states in contact. Therefore, the healthy person determination process proceeds to step 418.
ステップ４１８で、mｅａｎＴＴｌ（ｎ）←ＴＴｌ（ｎ）／Ｎを計算する。mｅａｎＴＴｌ（ｎ）は、第ｎ−１回目の接触の終了時から第ｎ回目の接触開始時までの間の時間Ｔｎの平均値である。 In step 418, meanTTl (n) ← TTl (n) / N is calculated. meanTTl (n) is an average value of time Tn from the end of the (n-1) th contact to the start of the nth contact.
ステップ４２０で、mｅａｎＴＴｌ（ｎ＋１）←ＴＴｌ（ｎ＋１）／Ｎを計算する。mｅａｎＴＴｌ（ｎ＋１）は、第ｎ回目の接触の終了時から第ｎ＋１回目の接触開始時までの間の時間Ｔｎ＋１の平均値である。 In step 420, meanTTl (n + 1) ← TTl (n + 1) / N is calculated. meanTTl (n + 1) is an average value of time Tn + 1 from the end of the nth contact to the start of the (n + 1) th contact.
ステップ４２２で、mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１）に対応する点を、図７に示すＰｏｉｎｃａｒｅ Ｐｌｏｔグラフにプロットする。 In step 422, the points corresponding to meanTTl (n) and meanTTl (n + 1) are plotted on the Poincare Plot graph shown in FIG.
図７には、Ｐｏｉｎｃａｒｅ Ｐｌｏｔグラフが示されている。Ｐｏｉｎｃａｒｅ Ｐｌｏｔグラフの横軸は、mｅａｎＴＴｌ（ｎ）であり、Ｐｏｉｎｃａｒｅ Ｐｌｏｔグラフの縦軸は、mｅａｎＴＴｌ（ｎ＋１）である。 FIG. 7 shows a Poincare Plot graph. The horizontal axis of the Poincare Plot graph is meanTTl (n), and the vertical axis of the Poincare Plot graph is meanTTl (n + 1).
ステップ４２４で、ステップ４２２でプロットされた点は、脳機能に障害がない健常者であることを示す判定値の範囲７０２内であるか否かを判断する。 In step 424, it is determined whether or not the points plotted in step 422 are within a range of determination values 702 indicating that the subject is a healthy person who has no impairment in brain function.
mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１）は、前回の接触の終了時から今回の接触開始時までの間の時間に対応し、これは、ある動作をしてから次の動作を起こすまでの時間に対応する。よって、mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１）がより大きいと、ある動作をしてから次の動作を起こすまでに時間がよりかかることを示す。これは、ある動作をしてから、次にどんな動作をすればよいのかを決定し実行に移すまでに時間がよりかかっていること、つまり被験者が次の動作をするのに迷っていることをより示すことになる。 meanTTl (n) and meanTTl (n + 1) correspond to the time between the end of the previous contact and the start of the current contact, which is the time from the start of one action to the next action. Correspond. Therefore, if meanTTl (n) and meanTTl (n + 1) are larger, it means that it takes more time to start the next operation after performing one operation. This means that it takes more time to decide what action should be taken after performing a certain action, and that the subject is not sure of the next action. Will show more.
被験者が健常者であれば、mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１）に対応する点は、値が小さい領域７０２に位置する。領域７０２は、脳機能に障害がない健常者であると判断できる判定値の範囲である。被験者の認知症の程度が重くなると、mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１）に対応する点は、値が大きくなり、領域７０４の領域に位置する。領域７０４は、重い認知症であると判断できる判定値の範囲である。なお、領域７０２と領域７０４との間の領域は、軽度認知障害の領域である。 If the subject is a healthy person, the points corresponding to meanTTl (n) and meanTTl (n + 1) are located in a region 702 having a small value. A region 702 is a range of determination values in which it can be determined that the subject is a healthy person who has no impairment in brain function. When the degree of dementia of the subject increases, the points corresponding to meanTTl (n) and meanTTl (n + 1) increase in value and are located in the region 704. A region 704 is a range of determination values that can be determined as severe dementia. Note that a region between the region 702 and the region 704 is a mild cognitive impairment region.
ステップ４２４で、ステップ４２２でプロットされた点は、脳機能に障害がない健常者であることを示す判定値（しきい値）の範囲７０２内であると判断された場合には、ステップ４２６で、ディスプレイ１２に、脳機能に障害がない健常者であることを示す情報を表示する。 If it is determined in step 424 that the points plotted in step 422 are within the range 702 of the determination value (threshold value) indicating that the brain function is a healthy person, the step 426 The display 12 displays information indicating that the person is a healthy person who has no impairment in brain function.
ステップ４２４で、ステップ４２２でプロットされた点は、健常者であることを示す判定値の範囲７０２内であると判断されなかった場合には、ステップ４２８で、ディスプレイ１２に、脳機能に障害がない健常者でないことを示す情報を表示する。 If it is not determined in step 424 that the points plotted in step 422 are within the determination value range 702 indicating that the subject is a healthy person, in step 428, the brain function is impaired on the display 12. Information indicating that there is no healthy person is displayed.
以上説明したように、本開示の技術では、手段的日常生活活動の環境を仮想空間に画像で表現する。当該画像上での被験者の指の状態（接触状態）から被験者の行動の特徴量（mｅａｎＴＴｌ（ｎ）及びmｅａｎＴＴｌ（ｎ＋１））を算出する。算出された行動の特徴量と、被験者が脳機能に障害がない健常者であるか否かを判断するために予め定められた特徴量の判定値の範囲７０２とから、被験者が健常者であるか否かを判断する。 As described above, in the technology of the present disclosure, the environment of means daily activities is represented in the virtual space by an image. A feature amount (meanTTl (n) and meanTTl (n + 1)) of the subject's action is calculated from the state (contact state) of the subject's finger on the image. The subject is a healthy person based on the calculated feature value of the behavior and a range 702 of feature value determination values determined in advance to determine whether or not the subject is a healthy person who has no impairment in brain function. Determine whether or not.
このように、従来の方法のように質問紙を用いた記憶を検査したり磁気共鳴機能画像法による脳画像を診断したりすることと比較すると、本開示の技術では、被験者が健常者であるか否かを迅速に判断することができる。 As described above, in the technique of the present disclosure, the subject is a healthy person as compared with the case of examining the memory using the questionnaire as in the conventional method or diagnosing the brain image by the magnetic resonance functional imaging method. It is possible to quickly determine whether or not.
また、被験者の指の動きを基準とした行動に即して判断しているので、被験者が健常者であるか否かをより精度よく判断することができる。 In addition, since the determination is made according to the behavior based on the movement of the subject's finger, it can be determined with higher accuracy whether or not the subject is a healthy person.
なお、ステップ４２２でプロットされた点が、領域７０４に位置する場合には、認知症であることを示す情報を表示し、領域７０２でも領域７０４でもない位置に位置する場合には、軽度の認知症であることを示す情報を表示するようにしてもよい。これにより、認知症の程度に応じた情報を表示することができる。 If the point plotted in step 422 is located in the area 704, information indicating that the point is dementia is displayed. If the point is located in a position that is neither the area 702 nor the area 704, mild recognition is performed. Information indicating a symptom may be displayed. Thereby, information according to the degree of dementia can be displayed.
被験者が脳機能に障害がない健常者である範囲７０２、重い認知症の被験者の範囲７０４、軽度認知障害の患者の範囲（範囲７０２と範囲７０４との間の範囲）は、多数の被験者の実験結果から求めたり、後述する機械学習（図１２）で求めたりしてもよい。 The range of subjects 702 in which subjects are healthy without brain function impairment, the range of subjects 704 with severe dementia, and the range of patients with mild cognitive impairment (range between range 702 and range 704) is an experiment with a large number of subjects. You may obtain | require from a result or the machine learning (FIG. 12) mentioned later.
ところで、従来の被験者判断方法では、日常生活活動（ＡＤＬ：Ａｃｔｉｖｉｔｉｅｓ ｏｆ Ｄａｉｌｙ Ｌｉｖｉｎｇ）において支障がある場合に、軽度認知障害の患者であると判断されている。なお、日常生活活動は、日常生活を営む上で、普通に行っている行為や行動のことである。具体的には、食事や排泄、整容、移動、入浴等の基本的な行動を指す。 By the way, in the conventional subject determination method, when there is a trouble in daily activities (ADL: Activities of Daily Living), it is determined that the patient has mild cognitive impairment. The daily life activities are actions and actions that are normally performed in daily life. Specifically, it refers to basic actions such as eating, excretion, conditioning, movement, and bathing.
しかし、軽度認知障害の患者には、日常生活活動において支障はないが、日常生活活動よりも複雑で高次な動作である手段的日常生活活動において機能低下が見られる者がいることが分かってきている。 However, patients with mild cognitive disabilities have no problems in daily activities, but some have experienced functional decline in instrumental daily activities that are more complex and higher-order movements than daily activities. ing.
よって、軽度認知障害の患者を特定する新たなスクリーニング指標として、行動指標に着目する必要性がある。しかし、従来、手段的日常生活活動において軽度認知障害の患者と脳機能に障害がない健常者を識別する有効な特徴量の選定、機能低下を検出する技術が確立されていなかった。 Therefore, it is necessary to pay attention to the behavior index as a new screening index for identifying patients with mild cognitive impairment. However, conventionally, there has not been established a technique for selecting an effective feature amount for detecting a patient with mild cognitive impairment and a healthy person who has no impairment in brain function and detecting a functional decline in means of daily life activities.
しかし、本開示の技術では、手段的日常生活活動の環境を仮想空間に表現した画像上での被験者の指の状態から被験者が脳機能に障害がない健常者であるか否かを判断する。よって、本開示の技術は、健常者判断処理を、手段的日常生活活動において軽度認知障害の患者と健常者を識別する有効な特徴量の選定、機能低下を検出する技術として確立することができる。 However, in the technology of the present disclosure, it is determined whether or not the subject is a healthy person who has no impairment in brain function from the state of the subject's finger on an image that expresses the environment of means of daily activities in a virtual space. Therefore, the technique of the present disclosure can be established as a technique for selecting an effective feature amount for detecting a patient with a mild cognitive impairment and a healthy person in a daily life activity, and detecting a functional deterioration in a normal person determination process. .
（第２の実施の形態）
次に、本開示の技術の第２の実施の形態を説明する。第２の実施の形態の構成は、第１の実施の形態と同様であるので、以下、構成の説明を省略し、健常者判断処理を説明する。
(Second Embodiment)
Next, a second embodiment of the technology of the present disclosure will be described. Since the configuration of the second embodiment is the same as that of the first embodiment, the description of the configuration will be omitted and the healthy person determination process will be described below.
図８には、第２の実施の形態における健常者判断処理の１例が示されている。 FIG. 8 shows an example of the healthy person determination process in the second embodiment.
図８のステップ８０２で、ディスプレイ１２が、ＩＡＤＬ環境を仮想空間に表現した画像（図２参照）を表示し、手段的日常生活活動のタスク（例えば、ランチボックスの準備等）を被験者が実行する間、被験者の指がスクリーンに接触した接触開始時、スクリーンから離れた接触終了時、接触回数Ｔ、及び、手段的日常生活活動のタスクを遂行するのに要したタスク遂行時間ＡＴを、タッチセンサ１４からの信号から検出する。 In step 802 of FIG. 8, the display 12 displays an image representing the IADL environment in a virtual space (see FIG. 2), and the subject performs a task of a daily life activity (for example, preparation of a lunch box). During the time when the subject's finger touches the screen, when the contact ends, when the contact ends, the number of times of contact T, and the task performance time AT required to perform the task of the routine daily life activity, the touch sensor 14 from the signal.
ステップ８０４で、第２の実施の形態における健常者判断処理で使用する変数ｔ、ＴＴｌ（ｔ）を０に初期化する。 In step 804, the variables t and TTl (t) used in the healthy person determination process in the second embodiment are initialized to zero.
ステップ８０６で、被験者の指がディスプレイ１２に接触している複数の状態の各々を識別する変数ｔを１インクリメントする。 In step 806, a variable t that identifies each of the plurality of states in which the subject's finger is in contact with the display 12 is incremented by one.
ステップ８０８で、第ｔ−１回目の接触の終了時から第ｔ回目の接触開始時までの間の時間Ｔｔを算出する。 In step 808, a time Tt from the end of the (t-1) th contact to the start of the tth contact is calculated.
ステップ８１０で、ＴＴｌ（ｔ）←ＴＴｌ（ｔ）＋Ｔｎを計算する。 In step 810, TTl (t) ← TTl (t) + Tn is calculated.
ステップ８１２で、被験者の指がディスプレイ１２に接触している複数の状態の各々を識別する変数ｔが、被験者の指がディスプレイ１２に接触している複数の状態の総数Ｔであるか否かを判断する。 In step 812, whether or not the variable t that identifies each of the plurality of states in which the subject's finger is in contact with the display 12 is the total number T of the plurality of states in which the subject's finger is in contact with the display 12. to decide.
ステップ８１２で、変数ｔが総数Ｔであると判断されなかった場合には、ＴＴｌ（ｔ）が計算されていない接触の状態があるので、健常者判断処理は、ステップ８０６に戻る。 If it is not determined in step 812 that the variable t is the total number T, since there is a contact state in which TTl (t) has not been calculated, the healthy person determination processing returns to step 806.
一方、ステップ８１２で、変数ｔが総数Ｔであると判断された場合には、全ての接触の状態についてＴＴｌ（ｔ）が計算されたので、健常者判断処理は、ステップ８１４に進む。 On the other hand, if it is determined in step 812 that the variable t is the total number T, TTl (t) is calculated for all contact states, and the healthy person determination process proceeds to step 814.
ステップ８１４で、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆを、ｒＯｆｆ←（ΣＴＴｌ（ｔ））／ＡＴから、計算する。 In step 814, the ratio rOff of the non-contact time of the screen to the task execution time is calculated from rOff ← (ΣTTl (t)) / AT.
ステップ８１６で、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆが、被験者が脳機能に障害がない健常者である場合の判定値であるしきい値Ｒｔｈ以下であるか否かを判断する。なお、しきい値Ｒｔｈは、本開示の技術の「判定値」の１例である。 In step 816, it is determined whether the ratio rOff of the non-contact time of the screen to the task execution time is equal to or less than a threshold value Rth which is a determination value when the subject is a healthy person who has no impairment in brain function. . The threshold value Rth is an example of the “determination value” in the technique of the present disclosure.
タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆがより大きいことは、被験者が次の動作をするのに迷っていることをより示すことになる。被験者が健常者であれば、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆは、所定値より小さい。この所定値がしきい値Ｒｔｈである。 A larger ratio rOff of the non-contact time of the screen to the task execution time indicates that the subject is at a loss for the next action. If the test subject is a healthy person, the ratio rOff of the non-contact time of the screen to the task execution time is smaller than a predetermined value. This predetermined value is the threshold value Rth.
ステップ８１６で、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆが、被験者が脳機能に障害がない健常者である場合の判定値であるしきい値Ｒｔｈ以下であると判断された場合には、ステップ８１８で、脳機能に障害がない健常者であることを示す情報を、ディスプレイ１２に表示する。 If it is determined in step 816 that the ratio rOff of the non-contact time of the screen to the task execution time is equal to or less than a threshold value Rth that is a determination value when the subject is a healthy person who has no impairment in brain function. In Step 818, information indicating that the person is a healthy person who has no impairment in brain function is displayed on the display 12.
ステップ８１６で、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆが、被験者が健常者である場合の判定値であるしきい値Ｒｔｈ以下であると判断されなかった場合には、ステップ８２０で、脳機能に障害がない健常者でないことを示す情報を、ディスプレイ１２に表示する。 If it is determined in step 816 that the ratio rOff of the non-contact time of the screen to the task execution time is not less than or equal to the threshold value Rth that is a determination value when the subject is a healthy person, in step 820 Information indicating that the person is not a healthy person who has no impairment in brain function is displayed on the display 12.
以上説明したように第２の実施の形態では、被験者の指の動きを基準とした行動に即して、被験者が脳機能に障害がない健常者であるか否かを判断している。よって、第２の実施の形態では、被験者が健常者であるか否かを迅速に判断することができる。また、第２の実施の形態では、被験者が健常者であるか否かをより精度よく判断することができる。 As described above, in the second embodiment, it is determined whether or not the subject is a healthy person who has no impairment in brain function in accordance with the behavior based on the movement of the finger of the subject. Therefore, in the second embodiment, it can be quickly determined whether or not the subject is a healthy person. Moreover, in 2nd Embodiment, it can judge more accurately whether a test subject is a healthy person.
なお、しきい値を、認知症の程度に応じて定め、タスク遂行時間に占めるスクリーンの非接触時間の割合ｒＯｆｆと認知症の程度に応じたしきい値とから、被験者の認知症の程度を判断し、認知症の程度に応じた情報を表示するようにしてもよい。 The threshold is determined according to the degree of dementia, and the degree of dementia of the subject is determined from the ratio rOff of the non-contact time of the screen to the task execution time and the threshold according to the degree of dementia. Judgment may be made and information according to the degree of dementia may be displayed.
第２の実施の形態でも、健常者判断処理を、手段的日常生活活動において軽度認知障害の患者と健常者を識別する有効な特徴量の選定、機能低下を検出する技術として確立することができる。 Also in the second embodiment, the healthy person determination process can be established as a technique for selecting an effective feature amount for identifying a patient with a mild cognitive impairment and a healthy person in a means of daily life activity, and detecting a functional decline. .
被験者が脳機能に障害がない健常者である場合の判定値であるしきい値Ｒｔｈは、多数の被験者の実験結果から求めたり、後述する機械学習（図１２）で求めたりしてもよい。 The threshold value Rth, which is a determination value when the subject is a healthy person who has no impairment in brain function, may be obtained from the experimental results of many subjects, or may be obtained by machine learning (FIG. 12) described later.
（第３の実施の形態）
次に、本開示の技術の第３の実施の形態を説明する。第３の実施の形態の構成は、第１の実施の形態と同様であるので、以下、構成の説明を省略し、健常者判断処理を説明する。
(Third embodiment)
Next, a third embodiment of the technology of the present disclosure will be described. Since the configuration of the third embodiment is the same as that of the first embodiment, the description of the configuration will be omitted and the healthy person determination process will be described below.
図９には、第３の実施の形態における健常者判断処理の１例が示されている。 FIG. 9 shows an example of a healthy person determination process in the third embodiment.
図９のステップ９０２で、ディスプレイ１２が、ＩＡＤＬ環境を仮想空間に表現した画像（図２参照）を表示し、手段的日常生活活動のタスク（例えば、ランチボックスの準備等）を被験者が実行する間、所定時間毎に、被験者の指の３次元位置を、３次元モーションセンサ１６からの信号から検出する。 In step 902 of FIG. 9, the display 12 displays an image (see FIG. 2) representing the IADL environment in a virtual space, and the subject performs a task of a daily life activity (for example, preparation of a lunch box). Meanwhile, the three-dimensional position of the subject's finger is detected from the signal from the three-dimensional motion sensor 16 at predetermined time intervals.
ステップ９０４で、各位置の速度のノルムを計算する。 In step 904, the norm of velocity at each position is calculated.
ステップ９０６で、各位置の速度のノルムに基づいて、タスクの開始から終了までのデータを抽出する。 In step 906, data from the start to the end of the task is extracted based on the velocity norm of each position.
図１０には、手段的日常生活活動のタスクを実行する間、被験者の指の速度のノルムを示すグラフが示されている。手段的日常生活活動のタスクは複数の行動から成り立つ。各行動での指の速度のノルムは、当該行動が開始される時は０であり、当該行動を実行するに従って徐々に大きくなり、最大値になってから当該行動の終了に向けて、徐々に小さくなり、終了時は０となる。図１０に示すように、手段的日常生活活動のタスクを実行する間、被験者の指の動きは、連続した２点間到達運動の特徴を示す。 FIG. 10 shows a graph showing the norm of the subject's finger speed while performing the task of instrumental daily life activities. The task of instrumental daily life activity consists of multiple actions. The norm of the finger speed in each action is 0 when the action is started, gradually increases as the action is executed, and gradually increases toward the end of the action after reaching the maximum value. It becomes smaller and becomes 0 at the end. As shown in FIG. 10, while performing the task of the instrumental daily life activity, the movement of the subject's finger shows the characteristics of the continuous reaching movement between two points.
ステップ９０８で、抽出したデータに基づいて、自己相関関数を計算する。 In step 908, an autocorrelation function is calculated based on the extracted data.
ステップ９１０で、自己相関関数に基づいて、手段的日常生活活動のタスクを実行する際の被験者の指の動作の基本周波数ｆを計算する。 In step 910, based on the autocorrelation function, the fundamental frequency f of the movement of the subject's finger when performing the task of the instrumental daily life activity is calculated.
ステップ９１２で、手段的日常生活活動のタスクを実行する際の被験者の指の動作の基本周波数ｆが、被験者が脳機能に障害がない健常者であると判断できる基本周波数のしきい値Ｆｔｈ以上か否かを判断する。なお、しきい値Ｆｔｈは、本開示の技術の「判定値」の１例である。 In step 912, the fundamental frequency f of the subject's finger movement when performing the task of the instrumental daily life activity is equal to or greater than the threshold Fth of the fundamental frequency at which the subject can be determined to be a healthy person who has no impairment in brain function. Determine whether or not. The threshold value Fth is an example of the “determination value” in the technique of the present disclosure.
被験者が脳機能に障害がない健常者であれば、次の行動を迷わずに実行するので、行動に要する時間は短く、基本周波数は大きい。しかし、被験者の認知症が進むと、行動の内容を迷い、各行動が長くなり、行動に要する時間は長く、基本周波数は小さい。 If the subject is a healthy person who has no impairment in brain function, the next action is executed without hesitation, so the time required for the action is short and the fundamental frequency is large. However, as the subject's dementia progresses, the content of the action is lost, each action becomes longer, the time required for the action is longer, and the fundamental frequency is lower.
しきい値Ｆｔｈは被験者が脳機能に障害がない健常者であると判断できる基本周波数のしきい値である。 The threshold value Fth is a threshold value of the fundamental frequency at which the subject can be determined to be a healthy person who has no impairment in brain function.
ステップ９１２で、手段的日常生活活動のタスクを実行する際の被験者の指の動作の基本周波数ｆが、被験者が健常者であると判断できる基本周波数のしきい値Ｆｔｈ以上と判断された場合には、ステップ９１４で、脳機能に障害がない健常者であることを示す情報を、ディスプレイ１２に表示する。 If it is determined in step 912 that the fundamental frequency f of the subject's finger movement when performing the task of the instrumental daily life activity is equal to or greater than the threshold Fth of the fundamental frequency at which the subject can be judged to be healthy In step 914, information indicating that the person is a healthy person who has no impairment in brain function is displayed on the display 12.
ステップ９１２で、手段的日常生活活動のタスクを実行する際の被験者の指の動作の基本周波数ｆが、被験者が健常者であると判断できる基本周波数のしきい値Ｆｔｈ以上と判断されなかった場合には、ステップ９１６で、脳機能に障害がない健常者でないことを示す情報を、ディスプレイ１２に表示する。 If it is not determined in step 912 that the fundamental frequency f of the subject's finger movement when performing the task of the instrumental daily life activity is equal to or higher than the threshold Fth of the fundamental frequency at which the subject can be judged to be healthy In step 916, information indicating that the subject is not a healthy person who has no impairment in brain function is displayed on the display 12.
以上説明したように第３の実施の形態では、被験者の指を基準にした行動に即して、被験者が脳機能に障害がない健常者であるか否かを判断している。よって、第３の実施の形態では、被験者が健常者であるか否かを迅速に判断することができる。また、第３の実施の形態では、被験者が健常者であるか否かをより精度よく判断することができる。 As described above, in the third embodiment, it is determined whether or not the subject is a healthy person who has no impairment in brain function in accordance with the behavior based on the finger of the subject. Therefore, in the third embodiment, it can be quickly determined whether or not the subject is a healthy person. Moreover, in 3rd Embodiment, it can judge more accurately whether a test subject is a healthy person.
なお、しきい値を、認知症の程度に応じて定め、手段的日常生活活動のタスクを実行する際の被験者の指の動作の基本周波数ｆと認知症の程度に応じたしきい値とから、被験者の認知症の程度を判断し、認知症の程度に応じた情報を表示するようにしてもよい。 The threshold value is determined according to the degree of dementia, and based on the threshold frequency according to the fundamental frequency f of the subject's finger movement when performing the task of the routine daily life activity and the degree of dementia The degree of dementia of the subject may be determined, and information corresponding to the degree of dementia may be displayed.
第３の実施の形態でも、健常者判断処理を、手段的日常生活活動において軽度認知障害の患者と健常者を識別する有効な特徴量の選定、機能低下を検出する技術として確立することができる。 Also in the third embodiment, the healthy person determination process can be established as a technique for selecting effective features that distinguish between a patient with mild cognitive impairment and a healthy person in a means of daily life activity, and a technique for detecting functional deterioration. .
被験者が健常者であると判断できる基本周波数のしきい値Ｆｔｈは、多数の被験者の実験結果から求めたり、後述する機械学習（図１２）で求めたりしてもよい。 The threshold value Fth of the fundamental frequency at which it can be determined that the subject is a healthy person may be obtained from the experimental results of many subjects, or may be obtained by machine learning (FIG. 12) described later.
（第４の実施の形態）
次に、本開示の技術の第４の実施の形態を説明する。第４の実施の形態の構成は、第１の実施の形態と同様であるので、以下、構成の説明を省略し、健常者判断処理を説明する。
(Fourth embodiment)
Next, a fourth embodiment of the technology of the present disclosure will be described. Since the configuration of the fourth embodiment is the same as that of the first embodiment, the description of the configuration will be omitted and the healthy person determination process will be described below.
図１１には、第４の実施の形態における健常者判断処理の１例が示されている。 FIG. 11 shows an example of a healthy person determination process in the fourth embodiment.
図１１のステップ１１０２で、ディスプレイ１２が、ＩＡＤＬ環境を仮想空間に表現した画像（図２参照）を表示し、手段的日常生活活動のタスク（例えば、ランチボックスの準備等）を被験者が実行する間、所定時間毎に、被験者の指の３次元位置を、３次元モーションセンサ１６からの信号から検出する。 In step 1102 of FIG. 11, the display 12 displays an image representing the IADL environment in the virtual space (see FIG. 2), and the subject performs a task of a daily life activity (for example, preparation of a lunch box). Meanwhile, the three-dimensional position of the subject's finger is detected from the signal from the three-dimensional motion sensor 16 at predetermined time intervals.
ステップ１１０４で、上記所定時間毎の各位置の速度のノルムを計算する。 In step 1104, the norm of the velocity at each position for each predetermined time is calculated.
ステップ１１０６で、各位置の速度のノルムに基づいて、タスクの開始から終了までのデータを抽出する。 In step 1106, data from the start to the end of the task is extracted based on the norm of the speed at each position.
ステップ１１０８で、抽出したデータと、自己回帰モデルとに基づいて、自己回帰モデルの自己回帰係数（１０次元）ｋ１〜ｋ１０を計算する。 In step 1108, autoregressive coefficients (10 dimensions) k1 to k10 of the autoregressive model are calculated based on the extracted data and the autoregressive model.
ここで、自己回帰モデルは、 Here, the autoregressive model is
ｘ（ｌ）＝Σｍ ｉ＝１ａｍ（ｉ）・ｘ（ｌ−ｉ）＋ε x (l) = Σ m i = 1 a m (i) · x (l-i) + ε
である。 It is.
ｘ（ｌ）は、あるタイミングの指の速度である。ｘ（ｌ−ｉ）は、ｘ（ｌ）のタイミングより上記所定時間前の指の速度である。ａｍ（ｉ）は、自己回帰係数（１０次元）である。εは予測誤差である。 x (l) is a finger speed at a certain timing. x (l−i) is the finger speed a predetermined time before the timing of x (l). a m (i) is an autoregressive coefficient (10 dimensions). ε is a prediction error.
ステップ１１１０で、自己回帰モデルの自己回帰係数ｋ（ｋ１〜ｋ１０）が、各次元のしきい値Ｋｔｈ（Ｋｔｈ１〜Ｋｔｈ１０）以下か否かを判断する。なお、しきい値Ｋｔｈは、本開示の技術の「判定値」の１例である。
In step 1110, it is determined whether or not the autoregressive coefficient k (k1 to k10) of the autoregressive model is equal to or less than the threshold value Kth (Kth1 to Kth10) of each dimension. The threshold value Kth is an example of the “determination value” in the technique of the present disclosure.
人は認知症が進むに従って、行動に不規則性が大きくなり、次の位置を予測するための自己回帰係数は大きくなる。被験者が脳機能に障害がない健常者であると判断できる自己回帰係数が予め定められ、これが、各次元の自己回帰係数のしきい値である。 As dementia progresses, the irregularity of behavior increases, and the autoregressive coefficient for predicting the next position increases. An autoregressive coefficient by which the subject can be determined to be a healthy person who has no impairment in brain function is determined in advance, and this is a threshold value of the autoregressive coefficient in each dimension.
自己回帰モデルの自己回帰係数ｋ１〜ｋ１０の半数以上が、各次元のしきい値Ｋｔｈ１〜Ｋｔｈ１０より小さいと判断された場合に、ステップ１１１０の判定は肯定判定となる。この場合には、ステップ１１１２で、脳機能に障害がない健常者であることを示す情報を、ディスプレイ１２に表示する。 If it is determined that more than half of the autoregressive coefficients k1 to k10 of the autoregressive model are smaller than the threshold values Kth1 to Kth10 of each dimension, the determination in step 1110 is affirmative. In this case, in step 1112, information indicating that the person is a healthy person who has no impairment in brain function is displayed on the display 12.
一方、自己回帰モデルの自己回帰係数ｋ１〜ｋ１０の半数以上が、各次元のしきい値Ｋｔｈ１〜Ｋｔｈ１０より小さいと判断されなかった場合に、ステップ１１１０の判定は否定判定となる。この場合には、ステップ１１１４で、脳機能に障害がない健常者でないことを示す情報を、ディスプレイ１２に表示する。 On the other hand, if it is not determined that more than half of the autoregressive coefficients k1 to k10 of the autoregressive model are smaller than the threshold values Kth1 to Kth10 of each dimension, the determination in step 1110 is negative. In this case, in step 1114, information indicating that the person is not a healthy person who has no impairment in brain function is displayed on the display 12.
以上説明したように第４の実施の形態では、被験者の指を基準にした行動に即して、被験者が脳機能に障害がない健常者であるか否かを判断している。よって、第４の実施の形態では、被験者が健常者であるか否かを迅速に判断することができる。また、第４の実施の形態では、被験者が健常者であるか否かをより精度よく判断することができる。 As described above, in the fourth embodiment, it is determined whether or not the subject is a healthy person who has no impairment in brain function in accordance with the behavior based on the subject's finger. Therefore, in the fourth embodiment, it can be quickly determined whether or not the subject is a healthy person. Moreover, in 4th Embodiment, it can judge more accurately whether a test subject is a healthy person.
なお、しきい値を、認知症の程度に応じて定め、自己回帰モデルの自己回帰係数ｋと認知症の程度に応じたしきい値とから、被験者の認知症の程度を判断し、認知症の程度に応じた情報を表示するようにしてもよい。 The threshold value is determined according to the degree of dementia, the subject's degree of dementia is determined from the autoregressive coefficient k of the autoregressive model and the threshold value according to the degree of dementia. You may make it display the information according to the grade.
第４の実施の形態でも、健常者判断処理を、手段的日常生活活動において軽度認知障害の患者と健常者を識別する有効な特徴量の選定、機能低下を検出する技術として確立することができる。 Also in the fourth embodiment, the healthy person determination process can be established as a technique for selecting an effective feature amount for identifying a patient with mild cognitive impairment and a healthy person in a means of daily life activity, and detecting a functional decline. .
自己回帰モデルの自己回帰係数ｋ１〜ｋ１０のしきい値Ｋｔｈ１〜Ｋｔｈ１０は、多数の被験者の実験結果から求めたり、後述する機械学習（図１２）で求めたりしてもよい。 The thresholds Kth1 to Kth10 of the autoregressive coefficients k1 to k10 of the autoregressive model may be obtained from experimental results of a large number of subjects or may be obtained by machine learning (FIG. 12) described later.
次に、第１の実施の形態〜第４の実施の形態のしきい値を、正解データからの機械学習で求める処理を説明する。正解データからの機械学習で求める場合には、第１の実施の形態〜第４の実施の形態の全ての健常者判断処理の結果を利用する。 Next, processing for obtaining the threshold values of the first to fourth embodiments by machine learning from correct data will be described. When obtaining by machine learning from correct answer data, the results of all healthy person determination processes in the first to fourth embodiments are used.
図１２には、判定値学習処理の１例が示されている。 FIG. 12 shows an example of the determination value learning process.
図１２のステップ１２０２で、判定値学習処理で使用する変数ｄ、ｑを０に初期化する。 In step 1202 of FIG. 12, variables d and q used in the determination value learning process are initialized to zero.
ステップ１２０４で、第１の実施の形態〜第４の実施の形態の各しきい値を識別する変数ｑを１インクリメントする。 In step 1204, the variable q for identifying each threshold value in the first embodiment to the fourth embodiment is incremented by one.
ステップ１２０６で、変数ｑで識別されるしきい値Ｔｈｑに予め定めた値Δｔｑを加算することにより、しきい値Ｔｈｑを変化させる。 In step 1206, the threshold value Thq is changed by adding a predetermined value Δtq to the threshold value Thq identified by the variable q.
ステップ１２０８で、変数ｑがしきい値の総数Ｑに等しいか否かを判断する。 In step 1208, it is determined whether the variable q is equal to the total number Q of threshold values.
ステップ１２０８で、変数ｑがしきい値の総数Ｑに等しいと判断されなかった場合には、変化させていないしきい値があるので、しきい値学習処理は、ステップ１２０４に戻る。 If it is determined in step 1208 that the variable q is not equal to the total number Q of threshold values, there is a threshold value that has not been changed, and the threshold value learning process returns to step 1204.
ステップ１２０８で、変数ｑがしきい値の総数Ｑに等しいと判断された場合には、全てのしきい値を変化させたので、しきい値学習処理は、ステップ１２１０に進む。 If it is determined in step 1208 that the variable q is equal to the total number Q of threshold values, all threshold values have been changed, and the threshold value learning process proceeds to step 1210.
ステップ１２１０で、上記のように変化されたしきい値に基づいて、第１の実施の形態〜第４の実施の形態の全ての健常者判断処理を実行する。 In step 1210, all the healthy person determination processes of the first to fourth embodiments are executed based on the threshold value changed as described above.
具体的には、上記のように変化されたしきい値に基づいて、第１の実施の形態の健常者判断処理の図４のステップ４０４〜４２４を実行する。上記のように変化されたしきい値に基づいて、第２の実施の形態の健常者判断処理の図８のステップ８０４〜８１６を実行する。上記のように変化されたしきい値に基づいて、第３の実施の形態の健常者判断処理の図９のステップ９０４〜９１２を実行する。上記のように変化されたしきい値に基づいて、第４の実施の形態の健常者判断処理の図１１のステップ１１０４〜１１１０を実行する。なお、各実施の形態の健常者判断処理では、既に実行して得られた指の状態（接触状態や３次元位置）のデータを用いる。 Specifically, based on the threshold value changed as described above, steps 404 to 424 in FIG. 4 of the healthy person determination process according to the first embodiment are executed. Based on the threshold value changed as described above, steps 804 to 816 in FIG. 8 of the healthy person determination process according to the second embodiment are executed. Based on the threshold value changed as described above, steps 904 to 912 in FIG. 9 of the healthy person determination process according to the third embodiment are executed. Based on the threshold value changed as described above, steps 1104 to 1110 in FIG. 11 of the healthy person determination process of the fourth embodiment are executed. In the healthy person determination process of each embodiment, data on the finger state (contact state and three-dimensional position) already obtained is used.
しきい値を変化させて実施した各実施の形態の健常者判断処理での健常者であるか否かの判断結果と、別に実験して得た各患者の健常者か否かの実験結果のデータ（正解データ）とから、真陽性率と偽陽性率とを計算する。 The determination result of whether or not a healthy person in the healthy person determination process of each embodiment performed by changing the threshold value, and the experimental result of whether or not each patient is a healthy person obtained by another experiment From the data (correct data), the true positive rate and the false positive rate are calculated.
真陽性率は、脳機能に障害がない健常者である被験者が上記しきい値を用いた健常者判断処理で健常者であると正しく判断できた割合である。偽陽性率は、脳機能に障害がない健常者でない被験者が上記しきい値を用いた健常者判断処理で健常者であると誤って判断された割合である。 The true positive rate is a rate at which a subject who is a healthy person who has no impairment in brain function can be correctly judged to be a healthy person by the healthy person judgment process using the threshold value. The false positive rate is a ratio in which a subject who is not a healthy person who has no impairment in brain function is erroneously judged to be a healthy person in the healthy person judgment process using the threshold value.
ステップ１２１２で、計算された真陽性率及び偽陽性率に対応する点を、真陽性率及び偽陽性率グラフにプロットする。図１３には、真陽性率及び偽陽性率グラフが示されている。 At step 1212, the points corresponding to the calculated true positive rate and false positive rate are plotted on the true positive rate and false positive rate graph. FIG. 13 shows a true positive rate and false positive rate graph.
ステップ１２１４で、ステップ１２０４〜１２１２を実行した回数ｄが、所定回数Ｄに等しいか否か判断する。 In step 1214, it is determined whether or not the number d of executing steps 1204 to 1212 is equal to the predetermined number D.
ステップ１２１４で、ステップ１２０４〜１２１２を実行した回数ｄが所定回数Ｄに等しいと判断されなかった場合には、ステップ１２１６で、ステップ１２０４〜１２１２を実行した回数ｄを１インクリメントして、しきい値学習処理は、ステップ１２０４に戻る。 If it is not determined in step 1214 that the number d of execution of steps 1204 to 1212 is equal to the predetermined number of times D, the number of times d of execution of steps 1204 to 1212 is incremented by 1 in step 1216, The learning process returns to step 1204.
ステップ１２１４で、ステップ１２０４〜１２１２を実行した回数ｄが所定回数Ｄに等しいと判断された場合には、しきい値学習処理は、ステップ１２１８に進む。 If it is determined in step 1214 that the number of times d executed steps 1204 to 1212 is equal to the predetermined number D, the threshold value learning process proceeds to step 1218.
以上の処理（ステップ１２０４〜１２１２）を所定回数Ｄ実行すると、図１３に示すように真陽性率及び偽陽性率グラフが完成する。 When the above processing (steps 1204 to 1212) is executed a predetermined number of times D, the true positive rate and false positive rate graphs are completed as shown in FIG.
ステップ１２１８で、プロット結果に基づいて、各しきい値を決定する。 In step 1218, each threshold value is determined based on the plot result.
真陽性率及び偽陽性率との関係から、理想のプロット点は、（偽陽性率、真陽性率）＝（０，０.８）である。ステップ１２１８で、（偽陽性率、真陽性率）＝（０，０.８）をプロットしたしきい値を、各しきい値として決定する。以後、各実施の形態での健常者判断処理のしきい値は、ステップ１２１８で決定されたしきい値が用いられる。 From the relationship between the true positive rate and the false positive rate, the ideal plot point is (false positive rate, true positive rate) = (0, 0.8). In step 1218, threshold values obtained by plotting (false positive rate, true positive rate) = (0, 0.8) are determined as the respective threshold values. Thereafter, the threshold value determined in step 1218 is used as the threshold value of the healthy person determination process in each embodiment.
（変形例）
以上説明した第１の実施の形態〜第４の実施の形態の各々では異なる特徴量量を、対応する判定値（しきい値）と比較して、被験者が脳機能に障害のない健常者であるか否かを判断している。本開示の技術は、これに限定されない。１つのタスクで、図４のステップ４０２〜４２４、図８のステップ８０２〜８１６、図９のステップ９０２〜９１２、図１１のステップ１１０２〜１１１０の少なくとも２つを実行する。各実行の結果、全ての結果、過半数、又は少なくとも１つで、被験者が脳機能に障害のない健常者であると判断された場合に、被験者は脳機能に障害のない健常者であることを示す情報を、ディスプレイ１２に表示する。そうでなければ、被験者は脳機能に障害がない健常者でないことを示す情報を、ディスプレイ１２に表示する。
以上説明した各実施の形態では、タスクは、手段的日常生活活動のタスクとしている。本開示の技術は、これに限定されない。タスクは、手段的日常生活活動よりも複雑でなく低次な動作である日常生活活動のタスクでもよい。身体的部位としては、手の指の他に、各活動に応じて、足の指、頭、肩等であてもよい。
(Modification)
In each of the first embodiment to the fourth embodiment described above, the characteristic amount is different from the corresponding determination value (threshold value), and the subject is a healthy person who has no impairment in brain function. Judging whether there is. The technology of the present disclosure is not limited to this. In one task, at least two of steps 402 to 424 in FIG. 4, steps 802 to 816 in FIG. 8, steps 902 to 912 in FIG. 9, and steps 1102 to 1110 in FIG. 11 are executed. As a result of each execution, if the subject is determined to be a healthy person who has no impairment in brain function, based on all results, a majority, or at least one, the subject is determined to be a healthy person who has no impairment in brain function. Information to be displayed is displayed on the display 12. Otherwise, the subject displays information on the display 12 indicating that the subject is not a healthy person who has no impairment in brain function.
In each embodiment described above, the task is a task of means daily activities. The technology of the present disclosure is not limited to this. The task may be a daily life activity task that is less complex and less sophisticated than the routine daily life activity. The physical part may be a toe, a head, a shoulder or the like according to each activity in addition to the finger of the hand.
以上説明した各実施の形態では、ディスプレイ１２は、人工現実感技術を用いて被験者が手段的日常生活活動をするための環境を仮想空間に表現した画像を表示する。本開示の技術は、これに限定されない。ディスプレイ１２は、被験者が手段的日常生活活動又は日常生活活動をするための環境を２次元に表現した画像を表示してもよい。 In each of the embodiments described above, the display 12 displays an image that represents an environment in which a subject performs a mean daily life activity in a virtual space using the virtual reality technology. The technology of the present disclosure is not limited to this. The display 12 may display an image that two-dimensionally represents an environment for the subject to perform a daily life activity or a daily life activity.
以上説明した各実施の形態では、ＲＯＭ２２に、健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）が記憶されている。本開示の技術は、これに限定されない。例えば、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、又はＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリなどの任意の可搬型の記憶媒体に先ずは健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）を記憶させておいてもよい。この場合、記憶媒体の健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）が被験者判断装置１００にインストールされ、インストールされたプログラムがＣＰＵ２０によって実行される。 In each of the embodiments described above, the ROM 22 stores a healthy person determination process program (FIGS. 4, 8, 9, and 11) and a threshold learning process program (FIG. 12). The technology of the present disclosure is not limited to this. For example, a normal person judgment processing program (FIG. 4, FIG. 4) is first stored in an arbitrary portable storage medium such as a CD-ROM (Compact Disk Read Only Memory), an SSD (Solid State Drive), or a USB (Universal Serial Bus) memory. 8, FIG. 9, FIG. 11) and a threshold value learning processing program (FIG. 12) may be stored. In this case, the healthy person determination process program (FIGS. 4, 8, 9, and 11) and the threshold learning process program (FIG. 12) in the storage medium are installed in the subject determination apparatus 100, and the installed program is the CPU 20 Executed by.
また、通信網（図示省略）を介して被験者判断装置１００に接続される他のコンピュータ又はサーバ装置等の記憶部に健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）を記憶させておき、健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）が被験者判断装置１００の要求に応じてダウンロードされるようにしてもよい。この場合、ダウンロードされた健常者判断処理プログラム（図４、図８、図９、図１１）及びしきい値学習処理プログラム（図１２）がＣＰＵ２０によって実行される。 Further, a healthy person determination processing program (FIGS. 4, 8, 9, and 11) is stored in a storage unit such as another computer or server device connected to the subject determination apparatus 100 via a communication network (not shown). The threshold value learning process program (FIG. 12) is stored, and the healthy person determination process program (FIGS. 4, 8, 9, and 11) and the threshold value learning process program (FIG. 12) are stored in the subject determination apparatus 100. It may be downloaded on demand. In this case, the downloaded healthy person determination processing program (FIGS. 4, 8, 9, and 11) and the threshold value learning processing program (FIG. 12) are executed by the CPU 20.
また、上記各実施の形態で説明した被験者判断処理及びしきい値学習処理はあくまでも一例である。従って、主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよいことは言うまでもない。また、被験者判断処理及びしきい値学習処理に含まれる各処理は、ＦＰＧＡ又はＡＳＩＣ等のハードウェア構成のみで実現されてもよいし、コンピュータを利用したソフトウェア構成とハードウェア構成との組み合わせで実現されてもよい。 In addition, the subject determination process and the threshold learning process described in the above embodiments are merely examples. Therefore, it goes without saying that unnecessary steps may be deleted, new steps may be added, and the processing order may be changed within a range not departing from the spirit. In addition, each process included in the subject determination process and the threshold learning process may be realized only by a hardware configuration such as FPGA or ASIC, or by a combination of a software configuration using a computer and a hardware configuration. May be.
以上、この発明の実施の形態について図面を参照して詳述してきたが、具体的な構成はこの実施の形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。 The embodiment of the present invention has been described in detail with reference to the drawings. However, the specific configuration is not limited to this embodiment, and includes a design and the like within a scope not departing from the gist of the present invention. .
本明細書に記載された全ての文献、特許出願及び技術規格は、個々の文献、特許出願及び技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に参照により取り込まれる。 All documents, patent applications and technical standards mentioned in this specification are to the same extent as if each individual document, patent application and technical standard were specifically and individually stated to be incorporated by reference. Incorporated by reference in the book.
１２ ディスプレイ
１４ タッチセンサ
１６ ３次元モーションセンサ
２０ ＣＰＵ
12 Display 14 Touch sensor 16 3D motion sensor 20 CPU
Claims (15)
前記被験者の身体的部位の状態を計測する計測部と、
前記表示部により表示された前記環境で前記所定の動作をしようとした前記被験者の身体的部位の前記計測部により計測された状態から前記被験者の行動の特徴量を算出する特徴量算出部と、
前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する判断部と、
を備えた被験者判断装置。 A display unit for displaying an environment for the subject to perform a predetermined activity;
A measuring unit for measuring the state of the physical part of the subject;
A feature amount calculation unit for calculating a feature amount of the subject's behavior from a state measured by the measurement unit of the physical part of the subject who has attempted the predetermined action in the environment displayed by the display unit;
The state of the brain function of the subject is determined from the feature amount of the behavior calculated by the feature amount calculation unit and the determination value of the feature amount predetermined for determining the state of the brain function of the subject. A determination unit;
A subject determination apparatus comprising:
請求項１に記載の被験者判断装置。 The display unit virtually displays a three-dimensional environment for the subject to perform a predetermined activity.
The subject determination apparatus according to claim 1.
請求項１又は請求項２に記載の被験者判断装置。 The behavior feature amount is at least one of an amount representing a temporal change in the movement of the physical part, an amount representing a frequency change in the movement of the physical part, and an amount representing a non-linear change in the movement of the physical part. One,
The subject determination apparatus according to claim 1 or 2.
請求項１〜請求項３の何れか１項に記載の被験者判断装置。 The determination value is a value determined by learning.
The subject determination apparatus according to any one of claims 1 to 3.
前記判定値は、
前記被験者が前記手段的日常生活活動をするのに支障のある者かを判断するための手段的日常生活活動支障判断判定値である、
請求項１〜請求項３の何れか１項に記載の被験者判断装置。 The predetermined operation is a daily life activity that is more complex than a daily life activity,
The judgment value is
Means for determining the daily life activity hindrance determination value for determining whether the subject is a person who has difficulty in performing the daily life activity of the means,
The subject determination apparatus according to any one of claims 1 to 3.
計測部が、前記被験者の身体的部位の状態を計測し、
特徴量算出部が、前記表示部により表示された前記環境で前記所定の動作をしようとした前記被験者の身体的部位の前記計測部により計測された状態から前記被験者の行動の特徴量を算出し、
判断部が、前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する、
ことを含む被験者判断方法。 The display unit displays an environment for the subject to perform a predetermined activity,
The measurement unit measures the state of the physical part of the subject,
A feature amount calculation unit calculates a feature amount of the subject's behavior from the state measured by the measurement unit of the physical part of the subject who has attempted the predetermined action in the environment displayed by the display unit. ,
The determination unit determines the brain function of the subject from the feature amount of the behavior calculated by the feature amount calculation unit and the determination value of the feature amount that is predetermined for determining the state of the brain function of the subject. Judge the state,
Subject determination method.
請求項６に記載の被験者判断方法。 The display unit virtually displays a three-dimensional environment for the subject to perform a predetermined activity.
The subject determination method according to claim 6.
請求項６又は請求項７に記載の被験者判断方法。 The behavior feature amount is at least one of an amount representing a temporal change in the movement of the physical part, an amount representing a frequency change in the movement of the physical part, and an amount representing a non-linear change in the movement of the physical part. One,
The subject determination method according to claim 6 or 7.
請求項６〜請求項８の何れか１項に記載の被験者判断方法。 The determination value is a value determined by learning.
The subject determination method according to any one of claims 6 to 8.
前記判定値は、
前記被験者が前記手段的日常生活活動をするのに支障のある者かを判断するための手段的日常生活活動支障判断判定値である、
請求項６〜請求項８の何れか１項に記載の被験者判断方法。 The predetermined operation is a daily life activity that is more complex than a daily life activity,
The judgment value is
Means for determining the daily life activity hindrance determination value for determining whether the subject is a person who has difficulty in performing the daily life activity of the means,
The subject determination method according to any one of claims 6 to 8.
表示部により表示され且つ被験者が所定の活動をするための環境で前記所定の動作をしようとした前記被験者の身体的部位の、計測部が計測した状態から、前記被験者の行動の特徴量を算出する特徴量算出部、及び
前記特徴量算出部により算出された前記行動の特徴量と、被験者の脳機能の状態を判断するために予め定められた前記特徴量の判定値とから、前記被験者の脳機能の状態を判断する判断部
として機能させる被験者判断プログラム。 Computer
The feature amount of the subject's action is calculated from the state measured by the measurement unit of the physical part of the subject who is trying to perform the predetermined action in the environment for the subject to perform the predetermined activity displayed by the display unit. The feature amount calculation unit, the feature amount of the behavior calculated by the feature amount calculation unit, and a determination value of the feature amount determined in advance to determine the state of the brain function of the subject. A subject judgment program that functions as a judgment unit that judges the state of brain function.
請求項１１に記載の被験者判断プログラム。 The display unit virtually displays a three-dimensional environment for the subject to perform a predetermined activity.
The subject determination program according to claim 11.
請求項１１又は請求項１２に記載の被験者判断プログラム。 The behavior feature amount is at least one of an amount representing a temporal change in the movement of the physical part, an amount representing a frequency change in the movement of the physical part, and an amount representing a non-linear change in the movement of the physical part. One,
The subject judgment program according to claim 11 or 12.
請求項１１〜請求項１３の何れか１項に記載の被験者判断プログラム。 The determination value is a value determined by learning.
The subject determination program according to any one of claims 11 to 13.
前記判定値は、
前記被験者が前記手段的日常生活活動をするのに支障のある者かを判断するための手段的日常生活活動支障判断判定値である、
請求項１１〜請求項１３の何れか１項に記載の被験者判断プログラム。 The predetermined operation is a daily life activity that is more complex than a daily life activity,
The judgment value is
Means for determining the daily life activity hindrance determination value for determining whether the subject is a person who has difficulty in performing the daily life activity of the means,
The subject determination program according to any one of claims 11 to 13.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017033899A JP6832005B2 (en) | 2017-02-24 | 2017-02-24 | Subject judgment device, method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017033899A JP6832005B2 (en) | 2017-02-24 | 2017-02-24 | Subject judgment device, method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018138136A true JP2018138136A (en) | 2018-09-06 |
| JP6832005B2 JP6832005B2 (en) | 2021-02-24 |
Family
ID=63451327
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017033899A Active JP6832005B2 (en) | 2017-02-24 | 2017-02-24 | Subject judgment device, method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6832005B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020022303A1 (en) | 2018-07-24 | 2020-01-30 | 日本電気株式会社 | Communication system |
| WO2023096416A1 (en) * | 2021-11-25 | 2023-06-01 | 한국과학기술정보연구원 | Personalized dementia diagnosis method and apparatus therefor |
| KR102923300B1 (en) * | 2022-10-25 | 2026-02-05 | 한국전자통신연구원 | Apparatus and method for determining life pattern |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06301477A (en) * | 1993-04-16 | 1994-10-28 | Kyoto Densoku Kk | Input device for pointed position of three-dimensional space |
| JP2001079050A (en) * | 1999-09-16 | 2001-03-27 | Japan Science & Technology Corp | Higher brain dysfunction rehabilitation device |
| JP2005537596A (en) * | 2002-07-18 | 2005-12-08 | 株式会社ソニー・コンピュータエンタテインメント | Grasping computer interactive device |
| JP2014510557A (en) * | 2011-01-25 | 2014-05-01 | ノバルティス アーゲー | System and method for medical use of motion imaging and capture |
| JP2014535080A (en) * | 2011-11-16 | 2014-12-25 | ヴェロニク・デボラ・ボーボ | Computer-generated 3D virtual reality environment for improving memory |
| US20160262680A1 (en) * | 2015-03-12 | 2016-09-15 | Akili Interactive Labs, Inc. | Processor Implemented Systems and Methods for Measuring Cognitive Abilities |
-
2017
- 2017-02-24 JP JP2017033899A patent/JP6832005B2/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06301477A (en) * | 1993-04-16 | 1994-10-28 | Kyoto Densoku Kk | Input device for pointed position of three-dimensional space |
| JP2001079050A (en) * | 1999-09-16 | 2001-03-27 | Japan Science & Technology Corp | Higher brain dysfunction rehabilitation device |
| JP2005537596A (en) * | 2002-07-18 | 2005-12-08 | 株式会社ソニー・コンピュータエンタテインメント | Grasping computer interactive device |
| JP2014510557A (en) * | 2011-01-25 | 2014-05-01 | ノバルティス アーゲー | System and method for medical use of motion imaging and capture |
| JP2014535080A (en) * | 2011-11-16 | 2014-12-25 | ヴェロニク・デボラ・ボーボ | Computer-generated 3D virtual reality environment for improving memory |
| US20160262680A1 (en) * | 2015-03-12 | 2016-09-15 | Akili Interactive Labs, Inc. | Processor Implemented Systems and Methods for Measuring Cognitive Abilities |
| JP2018512202A (en) * | 2015-03-12 | 2018-05-17 | アキリ・インタラクティヴ・ラブズ・インコーポレイテッド | Processor-implemented system and method for measuring cognitive ability |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020022303A1 (en) | 2018-07-24 | 2020-01-30 | 日本電気株式会社 | Communication system |
| WO2023096416A1 (en) * | 2021-11-25 | 2023-06-01 | 한국과학기술정보연구원 | Personalized dementia diagnosis method and apparatus therefor |
| KR102923300B1 (en) * | 2022-10-25 | 2026-02-05 | 한국전자통신연구원 | Apparatus and method for determining life pattern |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6832005B2 (en) | 2021-02-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7509960B2 (en) | Mild cognitive impairment assessment system | |
| JP4635179B2 (en) | Cognitive ability measuring device and cognitive ability measuring method | |
| CN109124606B (en) | A blood pressure calculation model construction method and construction system | |
| JP2018138136A (en) | Subject determination device, method, and program | |
| JP6715397B1 (en) | Data processing device, data processing method and program | |
| JP7144249B2 (en) | Evaluation system and evaluation program | |
| JP2021071586A (en) | Sound extraction system and sound extraction method | |
| JP7177276B2 (en) | SYSTEM, COMPUTER PROGRAM AND METHOD FOR TMT EXAMINATION RESULT DISPLAY | |
| JP2019162288A (en) | Determination value calculation device, method and program, and micro error occurrence determination device, method and program | |
| JP5911840B2 (en) | Diagnostic data generation device and diagnostic device | |
| JP7313165B2 (en) | Alzheimer's Disease Survival Analyzer and Alzheimer's Disease Survival Analysis Program | |
| JP2022551325A (en) | diagnostic tool | |
| JP2020203032A (en) | Encephalopathy determination program, encephalopathy determination method, and information processing device | |
| KR20190067069A (en) | Method for Enhancing Reliability of BCI System | |
| JP2024538628A (en) | Computational methods for assessing central nervous system function using a digital tablet and stylus | |
| Vatsavai et al. | A quantum inspired predictor of Parkinsons disease built on a diverse, multimodal dataset | |
| JP2023025415A (en) | Program, storage medium, system, learned model, and determination method | |
| JP7614598B2 (en) | Vector field information generating device, state judgment support system, state prediction system, vector field information generating method and program | |
| JP7770609B1 (en) | Cognitive function assessment system, cognitive function assessment method, and cognitive function assessment program | |
| JP2022044887A (en) | Ultrasonic diagnostic device and program | |
| JP7742920B2 (en) | Cognitive function assessment method, cognitive function testing method, system, and computer program | |
| JP2015029609A (en) | Preference evaluation method, preference evaluation apparatus and program | |
| JP7807407B2 (en) | Psychological trait estimation system and method | |
| JP7521609B2 (en) | Information processing device, feature quantity selection method, teacher data generation method, estimation model generation method, stress level estimation method, and program | |
| US20240145044A1 (en) | Contextual awareness for unsupervised administration of cognitive assessments remotely or in a clinical setting |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20190225 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20190225 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191113 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200925 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200929 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201127 |
|
| 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: 20210105 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210118 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6832005 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |