JP7493723B2 - 認知機能評価プログラム、認知機能評価装置、認知機能評価システム、及び認知機能評価方法 - Google Patents

認知機能評価プログラム、認知機能評価装置、認知機能評価システム、及び認知機能評価方法 Download PDF

Info

Publication number
JP7493723B2
JP7493723B2 JP2021088557A JP2021088557A JP7493723B2 JP 7493723 B2 JP7493723 B2 JP 7493723B2 JP 2021088557 A JP2021088557 A JP 2021088557A JP 2021088557 A JP2021088557 A JP 2021088557A JP 7493723 B2 JP7493723 B2 JP 7493723B2
Authority
JP
Japan
Prior art keywords
cognitive function
value
test
force
block
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021088557A
Other languages
English (en)
Other versions
JP2022181549A (ja
Inventor
良文 森田
俊昭 和坂
正和 野村
啓士 大森
萌 西谷
司 田丸
和也 戸嶋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nagoya Institute of Technology NUC
Original Assignee
Nagoya Institute of Technology NUC
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 Nagoya Institute of Technology NUC filed Critical Nagoya Institute of Technology NUC
Priority to JP2021088557A priority Critical patent/JP7493723B2/ja
Publication of JP2022181549A publication Critical patent/JP2022181549A/ja
Application granted granted Critical
Publication of JP7493723B2 publication Critical patent/JP7493723B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

特許法第３０条第２項適用 （１）２０２０年５月２７日に発行された「ロボティクス・メカトロニクス講演会２０２０」の予稿集にて公開 （２）２０２０年５月２９日にオンラインで開催された「ロボティクス・メカトロニクス講演会２０２０」にて発表
本発明は、認知機能評価プログラム、認知機能評価装置、認知機能評価システム、及び認知機能評価方法に関するものである。
世界には認知機能の低下した人が多くいる。認知機能の低下が比較的大きい重度認知症患者が存在する一方で、認知機能の低下が比較的軽度である軽度認知症患者も存在する。軽度認知症患者は早期に適切な予防対策を行うことにより認知機能が比較的高いいわゆる健常者に戻る場合がある一方で、放置した場合には認知機能が更に低下する場合があることが知られている。そのため、例えば認知機能の低下の予防といった観点から、認知機能を評価することが求められている。
特開２０１９－１０３６１７
特許文献１の背景技術には、握力と認知症の重症度との間に有意な相関が存在することが知られていることが記載されている。しかしながら、特許文献１の発明が解決しようとする課題に記載のように、従来の手法では、直立した状態で腕を下し、握力計を力いっぱい握りしめるといった行動をとる必要があり、被験者によってはこうした行動を行えないという理由から、握力に基づいて認知症の重症度を評価する技術は実現が困難であると考えるのが技術常識であった。こうした技術常識に基づいて、特許文献１では握力に関する情報を用いずに、腕の運動範囲に基づいて認知症の重症度を評価しようとしている。
一方で、病院及びリハビリテーションの現場では、被験者、医療従事者、及び療法士といった関係者の負担が少ない形態で認知機能を評価する手法の開発が求められている。本発明者らは、手指の動きの調節を測定することが関係者に対する負担の少ないこと、及び認知機能に関連性があることに着目して、認知機能の高低によらずに実行しやすい手指の力に基づいた手法により認知機能を評価するという、従来にない手法を模索してきた。
本発明はかかる事情に鑑みてなされたものであり、その目的は、認知機能の高低によらずに実行しやすい手法により認知機能の評価をすることができる認知機能評価プログラム、認知機能評価装置、認知機能評価システム、及び認知機能評価方法を提供することにある。
第１の発明の認知機能評価プログラムは、認知機能評価プログラムであって、認知機能評価プログラムが、プロセッサにより実行されたときに、プロセッサに、運動学習度推移データに基づいて被験者の認知機能を評価する評価工程を実行させるように構成されており、運動学習度推移データが、力測定装置に加える手指の力を指示するための経時的に変化する目標値を被験者に対して表示装置により表示することと、目標値に追従するように被験者により調節される手指の力の測定値を力測定装置により測定することと、測定値を目標値に重ねてリアルタイムで被験者に対して表示装置により表示することとを含む力調節試験を複数回数実行することにより取得された、各力調節試験における経時的な測定値と目標値との変化を表す測定データから導出されたものである、認知機能評価プログラムである。
第２の発明の認知機能評価装置は、認知機能評価装置であって、認知機能評価装置が、認知機能評価プログラムを記憶した記憶装置と、プロセッサと、を備え、認知機能評価プログラムが、プロセッサにより実行されたときに、プロセッサに、運動学習度推移データに基づいて被験者の認知機能を評価する評価工程を実行させるように構成されており、運動学習度推移データが、力測定装置に加える手指の力を指示するための経時的に変化する目標値を被験者に対して表示装置により表示することと、目標値に追従するように被験者により調節される手指の力の測定値を力測定装置により測定することと、測定値を目標値に重ねてリアルタイムで被験者に対して表示装置により表示することとを含む力調節試験を複数回数実行することにより取得された、各力調節試験における経時的な測定値と目標値との変化を表す測定データから導出されたものである、認知機能評価装置である。
第３の発明の認知機能評価システムは、認知機能評価システムであって、認知機能評価システムが、認知機能評価装置と、力測定装置と、を備え、認知機能評価装置が、認知機能評価プログラムを記憶した記憶装置と、プロセッサと、表示装置と、を備え、認知機能評価プログラムが、プロセッサにより実行されたときに、プロセッサに、力測定装置に加える手指の力を指示するための経時的に変化する目標値を被験者に対して表示装置により表示することと、目標値に追従するように被験者により調節される手指の力の測定値を力測定装置により測定することと、測定値を目標値に重ねてリアルタイムで被験者に対して表示装置により表示することとを含む力調節試験を複数回数実行させることにより、各力調節試験における経時的な測定値と目標値との変化を表す測定データを取得させる測定データ取得工程と、測定データから導出された運動学習度推移データに基づいて被験者の認知機能を評価する評価工程と、を実行させる、認知機能評価システムである。
第４の発明の認知機能評価方法は、コンピュータにより実行される認知機能評価方法であって、認知機能評価方法が、運動学習度推移データに基づいて被験者の認知機能を評価する評価工程を含み、運動学習度推移データが、力測定装置に加える手指の力を指示するための経時的に変化する目標値を被験者に対して表示装置により表示することと、目標値に追従するように被験者により調節される手指の力の測定値を力測定装置により測定することと、測定値を目標値に重ねてリアルタイムで被験者に対して表示装置により表示することとを含む力調節試験を複数回数実行することにより取得された、各力調節試験における経時的な測定値と目標値との変化を表す測定データから導出されたものである、認知機能評価方法である。
この構成によれば、複数回の力調節試験により取得された測定データに基づいて認知機能を評価するので、力調節試験の進行に伴う力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。力調節試験の反復は、握力計を力いっぱい握る握力測定に比べると、手指の力の調節という繊細な動作を伴うので、詳細な認知機能の評価に適している。力調節試験は表示された目標値に従って手指を動かすだけであるので、認知機能の高低によらずに実行しやすい。つまり、この構成によれば、認知機能の高低によらずに実行しやすい手法により認知機能の評価をすることができる。
本発明によれば、認知機能の高低によらずに実行しやすい手法により認知機能の評価をすることができる認知機能評価プログラム、認知機能評価装置、認知機能評価システム、及び認知機能評価方法を提供することができる。
図１は、本発明の第１実施形態に係る認知機能評価システムの概略構成図である。 図２は、第１実施形態の認知機能評価方法のフローチャートである。 図３は、第１実施形態の力調節試験において表示装置に表示される目標値グラフ及び測定値グラフの例である。 図４は、認知機能が比較的高い被験者に対するブロック番号とブロック内平均値との関係を表す棒グラフ、及び、試験ブロックの進行に伴うブロック内平均値の変化の近似式に対応した学習曲線を示す。 図５は、認知機能が比較的低い被験者に対するブロック番号とブロック内平均値との関係を表す棒グラフ、及び、試験ブロックの進行に伴うブロック内平均値の変化の近似式に対応した学習曲線を示す。 図６は、実験により複数の被験者に対して取得された特徴値ｃと決定係数Ｒ２との関係を表す例示的なグラフである。 図７は、実験により複数の被験者に対して取得された特徴値ｃと特徴値ｂとの関係を表す例示的なグラフである。 図８は、第３実施形態の認知機能評価方法のフローチャートである。 図９は、第４実施形態の認知機能評価方法のフローチャートである。 図１０は、第５実施形態の認知機能評価方法のフローチャートである。 図１１は、第６実施形態の認知機能評価方法のフローチャートである。 図１２は、第７実施形態の認知機能評価方法のフローチャートである。 図１３は、第８実施形態の認知機能評価方法のフローチャートである。
＜第１実施形態＞
（概要）
以下、本発明の実施形態に係る認知機能評価プログラム、認知機能評価装置、認知機能評価システム、及び認知機能評価方法について説明する。本実施形態では手指とは手の５本の指の１つ以上を意味する。
図１は、認知機能評価システム１００の概略構成図である。認知機能評価システム１００は、力測定装置１１０と認知機能評価装置１２０とを備える。
（力測定装置）
力測定装置１１０は、被験者の手指１０１の力を測定するための装置であり、把握部１１１と信号制御装置１１２とを備える。把握部１１１は、対向する２つの筐体１１３とヒンジ１１４と板バネ１１５とを備える。各筐体１１３は、円筒の一部を切り取ったような形状をもち、円筒の長軸に直交する断面が扇の弧状となっている。長軸に直交する断面で見たときの２つの筐体１１３のそれぞれの一端がヒンジ１１４で結合されている。２つの筐体１１３は、ヒンジ１１４を中心として互いに近づくように及び離れるように開閉可能に構成されている。
２つの筐体１１３には複数の板バネ１１５が結合されている。１つ以上の板バネ１１５が、一方の筐体１１３におけるヒンジ１１４に近い方の端部から、他方の筐体１１３におけるヒンジ１１４から遠い方の端部まで延びている。別の１つ以上の板バネ１１５が、他方の筐体１１３におけるヒンジ１１４に近い方の端部から、一方の筐体１１３におけるヒンジ１１４から遠い方の端部まで延びている。初期状態では２つの筐体１１３がある程度開いた状態にあり、板バネ１１５は無負荷の状態にある。
２つの筐体１１３を近づける方向において、手指１０１により印加される力が大きくなると板バネ１１５の変形が大きくなり、２つの筐体１１３を元に戻そうとする弾性力が大きくなる。２つの筐体１１３を近づける方向における手指１０１により印加される力が小さくなると板バネ１１５の変形が小さくなり、２つの筐体１１３を元に戻そうとする弾性力が弱くなる。各板バネ１１５に取り付けられた歪みセンサー１１６が板バネ１１５の歪みを検出して歪みに応じた信号を出力する。
信号制御装置１１２は歪みセンサー１１６からの信号を増幅して認知機能評価装置１２０に送信する。信号制御装置１１２からの出力は、筐体１１３を近づける方向における手指１０１により印加される力の大きさを表す。本実施形態では、一方の筐体１１３が親指で押され、他方の筐体１１３を残りの４つの指のうちの１つ以上で押される。手のひらは把握部１１１に触れない状態であることが好ましい。本実施形態では、２本以上の手指１０１を相互に近づける及び遠ざけるように動かされたときに、弾性体がどのように変形するかにより手指１０１の力の大きさが測定される。
図１に示す力測定装置１１０は例示であり、他の構成を備えてもよい。筐体１１３は円筒以外の形状であってもよく、例えば平板その他の形状であってもよい。力の測定に使用される弾性体はコイルバネやゴムといった板バネ１１５以外の弾性体であってもよい。力測定装置１１０は、手指１０１の力の大きさを測定可能な様々な構成を備えるものであってよい。
（認知機能評価装置）
認知機能評価装置１２０は、表示装置１２１と通信装置１２２と記憶装置１２３とプロセッサ１２４とを備える。認知機能評価装置１２０の一部又は全部を１つのコンピュータと捉えることもできる。認知機能評価装置１２０の複数の構成要素が別々の装置により実現されてもよい。
表示装置１２１は、プロセッサ１２４により制御されて種々の情報を表示する。表示装置１２１は、限定されないが、例えば、タッチパネル式ディスプレイ、表示専用ディスプレイ、テレビを包含する。
通信装置１２２は、プロセッサ１２４により制御されて、プロセッサ１２４と力測定装置１１０の信号制御装置１１２との間の通信を可能にする。通信装置１２２の通信方式は、限定されないが、例えば、有線（例えば、光ファイバ、電話回線、電力線）、無線（例えば、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、移動体通信回線、赤外線通信、近距離無線通信）、及びこれらの組み合わせを包含する。
記憶装置１２３は、認知機能評価プログラム１３１と評価モデル１３２と目標データ１３３と運動学習度推移データ１３４とを記憶している。記憶内容については認知機能評価方法の説明で詳細に説明する。記憶装置１２３は、限定されないが、例えば、読み出し専用メモリ、読み書き可能なメモリ、揮発性メモリ、不揮発性メモリ、有形の非一時的記録媒体、及びこれらの組み合わせを包含する。
プロセッサ１２４は、表示装置１２１、通信装置１２２、記憶装置１２３、及び視線データ取得装置１２５を制御するとともに、記憶装置１２３から認知機能評価プログラム１３１を読み出して実行することにより、認知機能評価部１４１として機能する。認知機能評価部１４１は、後述の認知機能評価方法を実施する。
本実施形態の認知機能評価装置１２０は、タブレット型のコンピュータである。認知機能評価装置１２０は、限定されないが、例えば、分散型コンピュータ、サーバー用コンピュータ、デスクトップパソコン、スマートフォン、携帯情報端末、ラップトップパソコン、タブレットパソコン、テレビ、及びこれらの組み合わせであってもよい。
視線データ取得装置１２５は、被験者の眼球の動き、視線といった目に関する情報を取得することが可能な装置である。視線データ取得装置１２５は、例えば限定されないが、撮像装置である。撮像装置は、例えば、静止画像撮影カメラ、動画像撮影カメラ、赤外線カメラである。視線データ取得装置１２５は、一例において視線データを取得する専用装置である。視線データ取得装置１２５を使用した実施形態については、後述の第８実施形態として説明する。
（認知機能評価方法）
以下、認知機能評価方法を説明する。
図２は、認知機能評価方法のフローチャートである。
ステップＳＴ１１：
認知機能評価部１４１は、ステップＳＴ１１において測定データ取得工程を実行することにより測定データ１５１を取得する。測定データ１５１は力調節試験を複数回数実行することにより取得される。各力調節試験は、力測定装置１１０に加える手指１０１の力を指示するための経時的に変化する目標値を被験者に対して表示装置１２１により表示することと、目標値に追従するように被験者により調節される手指１０１の力の測定値を力測定装置１１０により測定することと、測定値を目標値に重ねてリアルタイムで被験者に対して表示装置１２１により表示することとを含む。測定データ１５１は、各力調節試験における経時的な測定値と目標値との変化を表す。
測定データ取得工程の詳細について説明する。測定データ取得工程では、力調節試験は複数回（例えば１０回）の試験ブロックにわたって実行される。１回の試験ブロックは１回以上の力調節試験により構成される。例えば１回の試験ブロックは連続した１回以上（例えば５回）の力調節試験を含む。連続したというのは、順序が連続していることを意味するのであって、力調節試験間に時間的に間隔が設けられてもよい。本例では各力調節試験はいずれか１つの試験ブロックに割り当てられる。
図３は１回の力調節試験において表示装置１２１により表示される目標値グラフ１６１（一点破線）及び測定値グラフ１６２（実線）の例である。縦軸は力（単位：グラム）を表し、横軸は時間（単位：秒）を表す。認知機能評価部１４１は、力調節試験の開始前に目標データ１３３（図１）を読み出して目標値グラフ１６１の全体を表示しておく。認知機能評価部１４１は、測定の開始（０秒）から終了（２３秒）まで、力測定装置１１０により検出された力の測定値を測定値グラフ１６２としてリアルタイムに描画する。なお、リアルタイムとは、測定から表示までいくらかの時間差が生じる場合も包含する。本実施形態では全ての力調節試験において同じ目標値が使用されるが、他の例において異なる目標値が使用されてもよい。
被験者は表示装置１２１を見ながら、測定値グラフ１６２により示される実際の力の測定値が、目標値グラフ１６１により示される目標値に一致するように、手指１０１の力を調節する。認知機能評価部１４１は、各力調節試験における経時的な測定値及び目標値の変化を測定データ１５１として取得する。１回の試験ブロック内の力調節試験の間に休止期間が設けられてもよい。試験ブロック間に休止期間が設けられてもよい。
力調節試験には、複数の試験ブロックにわたって、時間的に早いほうから昇順に１から始まる連続した整数の試験番号が割り当てられる。例えば、各試験ブロックに５回の力調節試験が行われ、１０回の試験ブロックが行われる場合、５０回の力調節試験にそれぞれ１～５０のいずれかの試験番号が割り当てられる。試験ブロックには、時間的に早いほうから昇順に（すなわち、早いほうから順に１、２、３、…など）ブロック番号と呼ばれる番号が割り当てられる。
ステップＳＴ１２：
次に、認知機能評価部１４１は、ステップＳＴ１２において試験内平均値算出工程を実行することにより、複数の試験内平均値を算出する。各試験内平均値は、１つの力調節試験に対応する。各試験内平均値は、対応する１つの力調節試験における目標値と測定値との差の絶対値の平均値である。算出された複数の試験内平均値は、試験内平均値データ１５２として記憶される。
例えば、試験内平均値は式１により算出される。
ｍは試験番号である。ＡＧＦｍは、試験番号ｍの力調節試験における試験内平均値である。各力調節試験において、測定値が測定されたタイミングでの測定値と目標値との組み合わせに対して、時間的に早いほうから昇順に１から始まる測定番号が割り当てられる。Ｎは測定番号の最終値である。ｋは１からＮまでの測定番号をとる。ｆｄ（ｋ）は測定番号ｋに対応した目標値である。ｆｍ（ｋ）は測定番号ｋに対応した測定値である。
ステップＳＴ１３：
次に、認知機能評価部１４１は、ステップＳＴ１３においてブロック内平均値算出工程を実行することにより、複数のブロック内平均値を算出する。各ブロック内平均値は、１つの試験ブロックに対応する。各ブロック内平均値は、対応する１つの試験ブロックに含まれる力調節試験に対応した試験内平均値の平均値である。算出された複数のブロック内平均値は、ブロック内平均値データ１５３として記憶される。
例えば、ブロック内平均値は式２により算出される。
ＡＧＦＢ（ｎ）はブロック番号ｎの試験ブロックにおけるブロック内平均値である。Ｄは１回の試験ブロックにおける力調節試験の総数である。ｋは１からＤまでの値をとる。ＡＧＦＤ（ｎ－１）＋ｋは試験番号Ｄ（ｎ－１）＋ｋの力調節試験における試験内平均値である。例えば、Ｄ＝５の場合、ＡＧＦＢ（１）は試験番号１～５の力調節試験における試験内平均値の平均値であり、ＡＧＦＢ（２）は試験番号６～１０の力調節試験における試験内平均値の平均値である。
図４の棒グラフは、認知機能が比較的高い被験者（本例では健常者とも呼ばれる）に対するブロック番号とブロック内平均値との関係を表す。ブロック内平均値は、ＡＧＦ（Ａｄｊｕｓｔａｂｉｌｉｔｙ ｆｏｒ Ｇｒａｓｐｉｎｇ Ｆｏｒｃｅ）とも呼ばれる。図５は認知機能が比較的低い被験者（例えば重度認知症患者又は軽度認知症患者）に対するブロック番号とブロック内平均値との関係を表す。認知機能評価部１４１は、医師、看護師などの医療従事者といった認知機能評価システム１００のユーザーの参考のために、表示装置１２１に図４及び図５の棒グラフを表示してもよく、表示しなくてもよい。
ステップＳＴ１４：
次に、認知機能評価部１４１は、ステップＳＴ１４において近似式の特徴値を算出する第１近似工程を実行する。近似式は、試験ブロックの進行に伴うブロック内平均値の変化を表す。特徴値は、近似式の特徴を表す。算出された特徴値は、ブロック特徴値データ１５４として記憶される。
近似式は、例えば式３により表される。
ｙはブロック番号ｎの関数であり、ＡＧＦＢ（ｎ）の近似式である。すなわち、ｙはｎに代入されたブロック番号に対応した試験ブロックのブロック内平均値の近似値を与える。ｅはネイピア数を表す。特徴値ａ、特徴値ｂ、特徴値ｃが式３で表される近似式の特徴値である。近似式は種々の手法により算出可能である。さらに、近似式に対する決定係数Ｒ２が算出されてもよい。ｙはａ＋ｃからｃに向かって、ｂに応じた速度で減少する。
他の例において、近似式は他の形式により表されてもよい。例えば、近似式はｎを変数とする多項式で表され、多項式の各項の係数が特徴値とされてもよい。
図４の学習曲線は、実験例における、認知機能が比較的高い被験者に対する、試験ブロックの進行に伴うブロック内平均値の変化の近似式に対応する。図５の学習曲線は、実験例における、認知機能が比較的低い被験者に対する、試験ブロックの進行に伴うブロック内平均値の変化の近似式に対応する。図５の被験者に比べると図４の被験者の方が、式３によってより近く近似されており（例えば決定係数により判別される）、ブロック内平均値がより速く減衰しており、最終的にブロック内平均値がより低く減衰している。このように、認知機能の評価と近似式に相関が見られる。
ステップＳＴ１５：
次に、認知機能評価部１４１は、ステップＳＴ１５において評価工程を実行する。認知機能評価部１４１は、評価工程において、運動学習度推移データ１３４に基づいて被験者の認知機能を評価する。運動学習度推移データ１３４は、測定データ１５１から導出されたものである。本明細書において測定データ１５１から導出されるということは、測定データ１５１そのものを使用することを包含する。本実施形態では、運動学習度推移データ１３４が、試験ブロックの進行に伴うブロック内平均値の変化の近似式の特徴を表す特徴値を含む。
認知機能評価部１４１は、評価モデル１３２を使用して認知機能を評価する。評価モデル１３２は、認知機能の評価の知られた複数の人に対する運動学習度推移データ１３４に基づいて機械学習により作成されている。評価モデル１３２は、運動学習度推移データ１３４を含む入力に基づいて認知機能を評価するように構成されている。運動学習度とは被験者が力調節試験をどの程度学習したかを表す。
図６は、実験により複数の被験者に対して取得された特徴値ｃ（横軸）と決定係数Ｒ２（縦軸）との関係を表す例示的なグラフである。グラフ上の各点は異なる被験者に対応する。丸印で囲まれている点は、認知機能が比較的軽度に低下している軽度認知症の被験者のデータである。四角で囲まれている点は、認知機能が比較的重度に低下している認知症の被験者のデータである。囲まれていない点は、認知機能が比較的高い健常者である被験者のデータである。認知機能の低い被験者の特徴値ｃは大きく、認知機能の高い被験者の特徴値ｃは小さいという傾向が見られる。認知機能の高い被験者に対応する点は左上に多く見られる。認知機能の評価とグラフで点が配置される領域とに関係性があることが見られる。
図７は、実験により複数の被験者に対して取得された特徴値ｃ（横軸）と特徴値ｂ（縦軸）との関係を表す例示的なグラフである。グラフ上の各点は異なる被験者に対応する。丸印で囲まれている点は、認知機能が比較的軽度に低下している軽度認知症の被験者のデータである。四角で囲まれている点は、認知機能が比較的重度に低下している認知症の被験者のデータである。囲まれていない点は、認知機能が比較的高い健常者である被験者のデータである。認知機能の低い被験者の特徴値ｃは大きく、認知機能の高い被験者の特徴値ｃは小さいという傾向が見られる。認知機能の高い被験者に対応する点は左上に多く見られる。認知機能の評価とグラフで点が配置される領域とに関係性があることが見られる。
図６及び図７では、例えば多項式関数その他の直線又は曲線で領域を分けることにより、新たな被験者のデータが取得されたときに、取得されたデータがどの領域に入るかによって認知機能の違いを評価することが可能である。例えば、図６及び図７において、丸印又は四角により囲まれている認知機能の比較的低い被験者と、丸印及び四角により囲まれていない認知機能の比較的高い被験者との二段階に分ける場合を例に挙げる。その例において、例えば、機械学習により境界となる直線を決定し、その結果を評価モデルに使用することにより、新たな被験者がどの直線のどちら側に入るかによって認知機能の高低を評価することができる。これは一例に過ぎず、例えば複雑な曲線、ドーナツ型の領域などを用いて、評価モデルの作成のための教師データを厳密に分類する境界を決定してもよい。また、複数の領域に区切ることにより多段階に認知機能を評価してもよい。また、他の手法により分類してもよい。
本実施形態では、取得された特徴値に基づいて認知機能を評価するために、機械学習により作成された評価モデル１３２が使用される。評価モデル１３２の機械学習には、例えば、人工ニューラルネットワーク（ＡＮＮ）などが使用される。機械学習の教師データとして、運動学習度推移データ１３４と対応する認知機能の評価とが使用される。
評価モデル１３２は認知機能の評価を出力する。認知機能の評価として、種々の認知機能検査の結果が利用可能である。認知機能検査は、改訂長谷川式簡易知能評価スケール（ＨＤＳ－Ｒ）、ミニメンタルステート検査（ＭＭＳＥ）、日本語版ＭｏＣＡ（ＭｏＣＡ－Ｊ）、臨床認知症評価尺度（ＣＤＲ）を包含するが、これらに限定されない。認知機能の評価の切り分けとしては、例えば、健常者と認知症患者とを数値により切り分ける方法、健常者と軽度認知症患者と重度認知症患者とを数値により切り分ける方法、認知機能の程度に応じてさらに細かく数値により切り分ける方法などが挙げられる。
評価モデル１３２は、更に認知機能の評価の知られた複数の人に対する基礎データに基づいて機械学習により作成されてもよい。その場合、評価モデル１３２は、基礎データと運動学習度推移データ１３４とを含む入力に基づいて認知機能を評価するように構成される。基礎データは、例えば、性別、年齢、利き手を包含するが、これらに限定されない。基礎データを利用することにより、更に詳細に認知機能を評価することができる。
ステップＳＴ１６：
次に、認知機能評価部１４１は、ステップＳＴ１６において表示工程を実行する。表示工程では、認知機能評価部１４１は、表示装置１２１に認知機能の評価結果を表示させる。なお、認知機能の評価結果は、記憶装置１２３に記憶されるなど、別の手法により出力されてもよい。
（まとめ）
本実施形態によれば、複数回の力調節試験により取得された測定データ１５１に基づいて認知機能を評価するので、力調節試験の進行に伴う力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。力調節試験の反復は、握力計を力いっぱい握る握力測定に比べると、手指１０１の力の調節という繊細な動作を伴うので、詳細な認知機能の評価に適している。力調節試験は表示された目標値に従って手指１０１を動かすだけであるので、認知機能の高低によらずに実行しやすい。つまり、この構成によれば、認知機能の高低によらずに実行しやすい手法により認知機能の評価をすることができる。
この構成によれば、認知機能の評価の知られた複数の人に対する運動学習度推移データ１３４に基づいて機械学習により作成された評価モデル１３２が使用されるので、複数の人の情報を反映して認知機能を評価することができる。
この構成によれば、試験ブロックの進行に伴うブロック内平均値の変化の近似式に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる
この構成によれば、運動学習度推移データ１３４が、指数関数を含む近似式を特徴付ける特徴値ａと特徴値ｂと特徴値ｃとのうちの少なくとも１つを含むので、指数関数を含む近似式に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能の程度を評価することができる。
この構成によれば、試験内平均値算出工程とブロック内平均値算出工程と第１近似工程とを含むので、試験ブロックの進行に伴うブロック内平均値の変化の近似式に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
＜第２実施形態＞
本実施形態では、評価モデル１３２は、認知機能の評価の知られた複数の人に対する運動学習度推移データ１３４に基づいて多変量解析により作成されたものである。多変量解析の例として、回帰分析、回帰木を使用する手法が挙げられるが、これらに限定されない。本実施形態は、他の点において、第１実施形態と同様である。なお、機械学習と多変量解析とに共通して包含される手法が存在してもよい。
（まとめ）
この構成によれば、認知機能の評価の知られた複数の人に対する運動学習度推移データ１３４に基づいて多変量解析により作成された評価モデル１３２が使用されるので、複数の人の情報を反映して認知機能を評価することができる。
＜第３実施形態＞
第１実施形態（図１）との相違点を中心として第３実施形態について説明する。本実施形態は、認知機能評価プログラム１３１により実行される認知機能評価方法が第１実施形態の場合と異なる。図８は本実施形態の認知機能評価方法のフローチャートである。
ステップＳＴ２１：
認知機能評価部１４１は、ステップＳＴ２１において、第１実施形態と同様に測定データ取得工程を実行することにより測定データ１５１を取得する。
ステップＳＴ２２：
次に、認知機能評価部１４１は、ステップＳＴ２２において、第１実施形態と同様に試験内平均値算出工程を実行することにより、複数の試験内平均値を算出する。
ステップＳＴ２３：
次に、認知機能評価部１４１は、ステップＳＴ２３において、第１実施形態と同様にブロック内平均値算出工程を実行することにより、複数のブロック内平均値を算出する。
ステップＳＴ２４：
次に、認知機能評価部１４１は、ステップＳＴ２４において評価工程を実行する。本実施形態では、第１実施形態と同様の評価モデル１３２が使用されるが、運動学習度推移データ１３４の内容が第１実施形態の場合と異なる。本実施形態では、評価モデル１３２に入力される運動学習度推移データ１３４は、ステップＳＴ２３において算出された複数のブロック内平均値を含む。これに対応して、評価モデル１３２の作成に使用される運動学習度推移データ１３４も複数のブロック内平均値を含む。
ステップＳＴ２５：
次に、認知機能評価部１４１は、ステップＳＴ２５において、第１実施形態と同様に表示工程を実行する。
本実施形態によると、例えば第１実施形態といった他の実施形態とは異なる視点から認知機能を評価することができる。例えば本実施形態において第１近似工程を含まない場合、第１実施形態に比べて測定データに近い情報から認知機能を評価することができ、更に、処理時間を短くすることができる。
（まとめ）
この構成によれば、複数のブロック内平均値に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
＜第４実施形態＞
第１実施形態（図１）との相違点を中心として第４実施形態について説明する。本実施形態は、認知機能評価プログラム１３１により実行される認知機能評価方法が第１実施形態の場合と異なる。図９は本実施形態の認知機能評価方法のフローチャートである。
ステップＳＴ３１：
認知機能評価部１４１は、ステップＳＴ３１において、第１実施形態と同様に測定データ取得工程を実行することにより測定データ１５１を取得する。
ステップＳＴ３２：
次に、認知機能評価部１４１は、ステップＳＴ３２において、第１実施形態と同様に試験内平均値算出工程を実行することにより、複数の試験内平均値を算出する。
ステップＳＴ３３：
次に、認知機能評価部１４１は、ステップＳＴ３３において近似式の特徴値を算出する第２近似工程を実行する。近似式は、力調節試験の進行に伴う試験内平均値の変化を表す。特徴値は、近似式の特徴を表す。算出された特徴値は、試験特徴値データ１５５として記憶される。
近似式は、例えば式４により表される。
ｙは試験番号ｍの関数であり、ｍに応じたＡＧＦｍの変化を近似する。すなわち、ｙはｍに代入された試験番号に対応した力調節試験の試験内平均値の近似値を与える。ｅはネイピア数を表す。特徴値ａ、特徴値ｂ、特徴値ｃが式４で表される近似式の特徴値である。近似式は種々の手法により算出可能である。さらに、近似式に対する決定係数Ｒ２が算出されてもよい。ｙはａ＋ｃからｃに向かって、ｂに応じた速度で減少する。
他の例において、近似式は他の形式により表されてもよい。例えば、近似式はｎを変数とする多項式で表され、多項式の各項の係数が特徴値とされてもよい。本実施形態の近似式に対応した学習曲線は、第１実施形態の図４及び図５における学習曲線に類似した傾向を示す。第１実施形態のようにブロック内平均値に基づいて近似式を導出した場合には、本実施形態に比べて学習曲線が平滑化される。本実施形態のように試験内平均値に基づいて近似式を導出した場合には第１実施形態に比べて試験内平均値の細かい変化が近似式に反映される。
ステップＳＴ３４：
次に、認知機能評価部１４１は、ステップＳＴ３４において評価工程を実行する。本実施形態では、第１実施形態と同様の評価モデル１３２が使用されるが、運動学習度推移データ１３４の内容が第１実施形態の場合と異なる。本実施形態では、評価モデル１３２に入力される運動学習度推移データ１３４は、ステップＳＴ３３において算出された近似式の特徴値を含む。これに対応して、評価モデル１３２の作成に使用される運動学習度推移データ１３４も、力調節試験の進行に伴う試験内平均値の変化の近似式の特徴を表す特徴値を含む。
ステップＳＴ３５：
次に、認知機能評価部１４１は、ステップＳＴ３５において、第１実施形態と同様に表示工程を実行する。
本実施形態によると、例えば第１実施形態といった他の実施形態とは異なる視点から認知機能を評価することができる。例えば本実施形態においてブロック内平均値算出工程を含まない場合、第１実施形態に比べて測定データに近い情報から認知機能を評価することができ、更に、処理時間を短くすることができる。
（まとめ）
本実施形態によれば、力調節試験の進行に伴う試験内平均値の変化の近似式に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
本実施形態によれば、運動学習度推移データ１３４が、指数関数を含む近似式を特徴付ける特徴値ａと特徴値ｂと特徴値ｃとのうちの少なくとも１つを含むので、指数関数を含む近似式に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能の程度を評価することができる。
＜第５実施形態＞
第１実施形態（図１）との相違点を中心として第５実施形態について説明する。本実施形態は、認知機能評価プログラム１３１により実行される認知機能評価方法が第１実施形態の場合と異なる。図１０は本実施形態の認知機能評価方法のフローチャートである。
ステップＳＴ４１：
認知機能評価部１４１は、ステップＳＴ４１において、第１実施形態と同様に測定データ取得工程を実行することにより測定データ１５１を取得する。
ステップＳＴ４２：
次に、認知機能評価部１４１は、ステップＳＴ４２において、第１実施形態と同様に試験内平均値算出工程を実行することにより、複数の試験内平均値を算出する。
ステップＳＴ４３：
次に、認知機能評価部１４１は、ステップＳＴ４３において評価工程を実行する。本実施形態では、第１実施形態と同様の評価モデル１３２が使用されるが、運動学習度推移データ１３４の内容が第１実施形態の場合と異なる。本実施形態では、評価モデル１３２に入力される運動学習度推移データ１３４は、ステップＳＴ４２において算出された複数の試験内平均値を含む。これに対応して、評価モデル１３２の作成に使用される運動学習度推移データ１３４も複数の試験内平均値を含む。
ステップＳＴ４４：
次に、認知機能評価部１４１は、ステップＳＴ４４において、第１実施形態と同様に表示工程を実行する。
本実施形態によると、例えば第１実施形態及び第４実施形態といった他の実施形態とは異なる視点から認知機能を評価することができる。例えば本実施形態においてブロック内平均値算出工程、第１近似工程、及び第２近似工程を含まない場合、第１実施形態及び第４実施形態に比べて測定データに近い情報から認知機能を評価することができ、更に、処理時間を短くすることができる。
（まとめ）
この構成によれば、複数の試験内平均値に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
＜第６実施形態＞
第１実施形態（図１）との相違点を中心として第６実施形態について説明する。本実施形態は、認知機能評価プログラム１３１により実行される認知機能評価方法が第１実施形態の場合と異なる。図１１は本実施形態の認知機能評価方法のフローチャートである。
ステップＳＴ５１：
認知機能評価部１４１は、ステップＳＴ５１において、第１実施形態と同様に測定データ取得工程を実行することにより測定データ１５１を取得する。
ステップＳＴ５２：
次に、認知機能評価部１４１は、ステップＳＴ５２において評価工程を実行する。本実施形態では、第１実施形態と同様の評価モデル１３２が使用されるが、運動学習度推移データ１３４の内容が第１実施形態の場合と異なる。本実施形態では、評価モデル１３２に入力される運動学習度推移データ１３４は、ステップＳＴ５１において取得された測定データ１５１を含む。これに対応して、評価モデル１３２の作成に使用される運動学習度推移データ１３４も測定データ１５１を含む。
ステップＳＴ５３：
次に、認知機能評価部１４１は、ステップＳＴ５３において、第１実施形態と同様に表示工程を実行する。
本実施形態によると、例えば第１実施形態といった他の実施形態とは異なる視点から認知機能を評価することができる。例えば本実施形態において試験内平均値算出工程、ブロック内平均値算出工程、第１近似工程、及び第２近似工程を含まない場合、第１実施形態に比べて測定データに近い情報から認知機能を評価することができ、更に、処理時間を短くすることができる。
（まとめ）
この構成によれば、測定データ１５１に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
＜第７実施形態＞
第１実施形態（図１）との相違点を中心として第７実施形態について説明する。本実施形態は、認知機能評価プログラム１３１により実行される認知機能評価方法が第１実施形態の場合と異なる。図１２は本実施形態の認知機能評価方法のフローチャートである。
ステップＳＴ６１：
認知機能評価部１４１は、ステップＳＴ６１において、第１実施形態と同様に測定データ取得工程を実行することにより測定データ１５１を取得する。
ステップＳＴ６２：
次に、認知機能評価部１４１は、ステップＳＴ６２において、第１実施形態と同様に試験内平均値算出工程を実行することにより、複数の試験内平均値を算出する。
ステップＳＴ６３：
次に、認知機能評価部１４１は、ステップＳＴ６３において、第１実施形態と同様にブロック内平均値算出工程を実行することにより、複数のブロック内平均値を算出する。
ステップＳＴ６４：
次に、認知機能評価部１４１は、ステップＳＴ６４において、差分値、分散値、及び平均値算出工程を実行することにより、種々の差分値、分散値、及び平均値を算出する。算出される差分値、分散値、及び平均値は、第１分散値、１つ以上の第１差分値、第２分散値、第３分散値、１つ以上の第２差分値、第４分散値、最終平均値、及び第３差分値のうちの少なくとも１つを含む。算出された差分値、分散値、及び平均値は、差分値、分散値、及び平均値データ１５６として記憶される。
第１分散値は、複数の試験内平均値（一例において全ての試験内平均値）の分散値である。各第１差分値は、２つの試験内平均値の差である。一例において連続した２つの試験内平均値のすべての組み合わせに対して第１差分値が算出される。第２分散値は、複数の第１差分値（一例において全ての第１差分値）の分散値である。第３分散値は、複数のブロック内平均値（一例において全てのブロック内平均値）の分散値である。各第２差分値は、２つのブロック内平均値の差である。一例において連続した２つのブロック内平均値のすべての組み合わせに対して第２差分値が算出される。第４分散値は、複数の第２差分値（一例において全ての第２差分値）の分散値である。最終平均値は、最後の試験ブロックのブロック内平均値である。第３差分値は、最初の試験ブロックのブロック内平均値と最後の試験ブロックのブロック内平均値との差である。
ステップＳＴ６５：
次に、認知機能評価部１４１は、ステップＳＴ６５において評価工程を実行する。本実施形態では、第１実施形態と同様の評価モデル１３２が使用されるが、運動学習度推移データ１３４の内容が第１実施形態の場合と異なる。本実施形態では、評価モデル１３２に入力される運動学習度推移データ１３４は、ステップＳＴ６４において算出された差分値、分散値、及び平均値を含む。これに対応して、評価モデル１３２の作成に使用される運動学習度推移データ１３４も差分値、分散値、及び平均値を含む。
ステップＳＴ６６：
次に、認知機能評価部１４１は、ステップＳＴ６６において、第１実施形態と同様に表示工程を実行する。
（まとめ）
この構成によれば、第１分散値と、１つ以上の第１差分値と、第２分散値と、第３分散値と、１つ以上の第２差分値と、第４分散値と、最終平均値と、第３差分値とのうちの少なくとも１つに基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
＜第８実施形態＞
第１実施形態（図１）との相違点を中心として第８実施形態について説明する。本実施形態は、認知機能評価プログラム１３１により実行される認知機能評価方法が第１実施形態の場合と異なる。図１３は本実施形態の認知機能評価方法のフローチャートである。
ステップＳＴ７１：
認知機能評価部１４１は、ステップＳＴ７１において、第１実施形態と同様に測定データ取得工程を実行することにより測定データ１５１を取得するとともに、更に視線データを取得する。視線データは、力調節試験中に測定された視線に関するデータである。認知機能評価部１４１は、視線データ取得装置１２５（図１）を制御することにより視線データを取得する。
視線データは、例えば、眼球運動、表示装置１２１（図１）に表示された現時刻の目標値の表示位置と注視点の位置誤差、現時刻の測定値の表示位置と注視点の位置誤差、及び瞳孔径の大きさの変化を包含するが、これらに限定されない。
ステップＳＴ７２：
次に、認知機能評価部１４１は、ステップＳＴ７２において、第１実施形態と同様に試験内平均値算出工程を実行することにより、複数の試験内平均値を算出する。
ステップＳＴ７３：
次に、認知機能評価部１４１は、ステップＳＴ７３において、第１実施形態と同様にブロック内平均値算出工程を実行することにより、複数のブロック内平均値を算出する。
ステップＳＴ７４：
次に、認知機能評価部１４１は、ステップＳＴ７４において、第１実施形態と同様に第１近似工程を実行することにより、近似式の特徴値を算出する。
ステップＳＴ７５：
次に、認知機能評価部１４１は、ステップＳＴ７５において評価工程を実行する。本実施形態では、第１実施形態と同様の評価モデル１３２が使用されるが、入力の内容が第１実施形態の場合と異なる。本実施形態では、評価モデル１３２の入力は運動学習度推移データ１３４に加えて、ステップＳＴ７１において取得された視線データを含む。これに対応して、評価モデル１３２の作成においても運動学習度推移データ１３４に加えて視線データが使用される。
ステップＳＴ７６：
次に、認知機能評価部１４１は、ステップＳＴ７６において、第１実施形態と同様に表示工程を実行する。
（まとめ）
この構成によれば、眼球運動と認知機能（例えば認知症）に相関があることが知られていることから、運動学習度推移データ１３４に加えて視線データを利用することにより、更に詳細に、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
他の例において、視線データが、第２実施形態から第７実施形態の運動学習度推移データ１３４と組み合わされてもよい。
＜補足＞
以上の説明において別々の実施形態において運動学習度推移データ１３４に含まれるとして説明されている情報は、組み合わされて認知機能の評価に使用されてもよい。例えば、近似式の特徴値と測定データ１５１との両方が評価モデル１３２の入力として使用されてもよい。
本発明の種々の実施態様を付記項として下記の通り例示する。
［付記項１］
認知機能評価プログラムであって、認知機能評価プログラムが、プロセッサにより実行されたときに、プロセッサに、運動学習度推移データに基づいて被験者の認知機能を評価する評価工程を実行させるように構成されており、運動学習度推移データが、力測定装置に加える手指の力を指示するための経時的に変化する目標値を被験者に対して表示装置により表示することと、目標値に追従するように被験者により調節される手指の力の測定値を力測定装置により測定することと、測定値を目標値に重ねてリアルタイムで被験者に対して表示装置により表示することとを含む力調節試験を複数回数実行することにより取得された、各力調節試験における経時的な測定値と目標値との変化を表す測定データから導出されたものである、認知機能評価プログラム。
この構成によれば、複数回の力調節試験により取得された測定データに基づいて認知機能を評価するので、力調節試験の進行に伴う力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。力調節試験の反復は、握力計を力いっぱい握る握力測定に比べると、手指の力の調節という繊細な動作を伴うので、詳細な認知機能の評価に適している。力調節試験は表示された目標値に従って手指を動かすだけであるので、認知機能の高低によらずに実行しやすい。つまり、この構成によれば、認知機能の高低によらずに実行しやすい手法により認知機能の評価をすることができる。
［付記項２］
評価工程が、認知機能の評価の知られた複数の人に対する運動学習度推移データに基づいて機械学習により作成された評価モデルであって、運動学習度推移データを含む入力に基づいて認知機能を評価するように構成された評価モデルを使用して、認知機能を評価することを含む、付記項１に記載の認知機能評価プログラム。
この構成によれば、認知機能の評価の知られた複数の人に対する運動学習度推移データに基づいて機械学習により作成された評価モデルが使用されるので、複数の人の情報を反映して認知機能を評価することができる。
［付記項３］
評価工程が、認知機能の評価の知られた複数の人に対する運動学習度推移データに基づいて多変量解析により作成された評価モデルであって、運動学習度推移データを含む入力に基づいて認知機能を評価するように構成された評価モデルを使用して、認知機能を評価することを含む、付記項１に記載の認知機能評価プログラム。
この構成によれば、認知機能の評価の知られた複数の人に対する運動学習度推移データに基づいて多変量解析により作成された評価モデルが使用されるので、複数の人の情報を反映して認知機能を評価することができる。
［付記項４］
運動学習度推移データが、試験ブロックの進行に伴うブロック内平均値の変化の近似式の特徴を表す特徴値を含み、各ブロック内平均値が、１つの試験ブロックに対応し各試験ブロックが、１つ以上の連続した力調節試験を含み、各ブロック内平均値が、対応する１つの試験ブロックに含まれる力調節試験に対応した試験内平均値の平均値であり、各試験内平均値が、１つの力調節試験に対応し、各試験内平均値が、対応する１つの力調節試験における目標値と測定値との差の絶対値の平均値である、付記項２又は付記項３に記載の認知機能評価プログラム。
この構成によれば、試験ブロックの進行に伴うブロック内平均値の変化の近似式に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項５］
近似式が、
ｙ＝ａ×ｅ（－ｂ（ｎ－１））＋ｃ
と表され、試験ブロックに時間的に早いほうから昇順に１から始まる連続した整数のブロック番号が割り当てられており、ｎはブロック番号を表し、ｙはｎに代入されたブロック番号に対応した試験ブロックのブロック内平均値の近似値を与え、運動学習度推移データが、特徴値ａと特徴値ｂと特徴値ｃとのうちの少なくとも１つを含む、付記項４に記載の認知機能評価プログラム。
この構成によれば、運動学習度推移データが、指数関数を含む近似式を特徴付ける特徴値ａと特徴値ｂと特徴値ｃとのうちの少なくとも１つを含むので、指数関数を含む近似式に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能の程度を評価することができる。
［付記項６］
認知機能評価プログラムが、プロセッサにより実行されたときに、プロセッサに、試験内平均値を算出する試験内平均値算出工程と、ブロック内平均値を算出するブロック内平均値算出工程と、近似式の特徴値を算出する第１近似工程と、を実行させるように構成されている、付記項４又は付記項５に記載の認知機能評価プログラム。
この構成によれば、試験内平均値算出工程とブロック内平均値算出工程と第１近似工程とを含むので、試験ブロックの進行に伴うブロック内平均値の変化の近似式に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項７］
運動学習度推移データが、複数のブロック内平均値を含み、各ブロック内平均値が、１つの試験ブロックに対応し各試験ブロックが、１つ以上の連続した力調節試験を含み、各ブロック内平均値が、対応する１つの試験ブロックに含まれる力調節試験に対応した試験内平均値の平均値であり、各試験内平均値が、１つの力調節試験に対応し、各試験内平均値が、対応する１つの力調節試験における目標値と測定値との差の絶対値の平均値である、付記項２又は付記項３に記載の認知機能評価プログラム。
この構成によれば、複数のブロック内平均値に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項８］
認知機能評価プログラムが、プロセッサにより実行されたときに、プロセッサに、試験内平均値を算出する試験内平均値算出工程と、ブロック内平均値を算出するブロック内平均値算出工程と、を実行させるように構成されている、付記項７に記載の認知機能評価プログラム。
この構成によれば、複数のブロック内平均値に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項９］
運動学習度推移データが、力調節試験の進行に伴う試験内平均値の変化の近似式の特徴を表す特徴値を含み、各試験内平均値が、１つの力調節試験に対応し、各試験内平均値が、対応する１つの力調節試験における目標値と測定値との差の絶対値の平均値である、付記項２又は付記項３に記載の認知機能評価プログラム。
この構成によれば、力調節試験の進行に伴う試験内平均値の変化の近似式に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項１０］
近似式が、
ｙ＝ａ×ｅ（－ｂ（ｍ－１））＋ｃ
と表され、力調節試験に時間的に早いほうから昇順に１から始まる連続した整数の試験番号が割り当てられており、ｍは試験番号を表し、ｙはｍに代入された試験番号に対応した力調節試験の試験内平均値の近似値を与え、運動学習度推移データが、特徴値ａと特徴値ｂと特徴値ｃとのうちの少なくとも１つを含む、付記項９に記載の認知機能評価プログラム。
この構成によれば、運動学習度推移データが、指数関数を含む近似式を特徴付ける特徴値ａと特徴値ｂと特徴値ｃとのうちの少なくとも１つを含むので、指数関数を含む近似式に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能の程度を評価することができる。
［付記項１１］
認知機能評価プログラムが、プロセッサにより実行されたときに、プロセッサに、試験内平均値を算出する試験内平均値算出工程と、近似式の特徴値を算出する第２近似工程と、を実行させるように構成されている、付記項９又は付記項１０に記載の認知機能評価プログラム。
この構成によれば、力調節試験の進行に伴う試験内平均値の変化の近似式に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項１２］
運動学習度推移データが、複数の試験内平均値を含み、各試験内平均値が、１つの力調節試験に対応し、各試験内平均値が、対応する１つの力調節試験における目標値と測定値との差の絶対値の平均値である、付記項２又は付記項３に記載の認知機能評価プログラム。
この構成によれば、複数の試験内平均値に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項１３］
認知機能評価プログラムが、プロセッサにより実行されたときに、プロセッサに、試験内平均値を算出する試験内平均値算出工程を実行させるように構成されている、付記項１２に記載の認知機能評価プログラム。
この構成によれば、複数の試験内平均値に基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項１４］
運動学習度推移データが、測定データを含む、付記項２又は付記項３に記載の認知機能評価プログラム。
この構成によれば、測定データに基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項１５］
運動学習度推移データが、第１分散値と、１つ以上の第１差分値と、第２分散値と、第３分散値と、１つ以上の第２差分値と、第４分散値と、最終平均値と、第３差分値と、のうちの少なくとも１つを含み、第１分散値が、複数の試験内平均値の分散値であり、各第１差分値が、２つの試験内平均値の差であり、第２分散値が、複数の第１差分値の分散値であり、第３分散値が、複数のブロック内平均値の分散値であり、各第２差分値が、２つのブロック内平均値の差であり、第４分散値が、複数の第２差分値の分散値であり、最終平均値が、最後の試験ブロックのブロック内平均値であり、第３差分値が、最初の試験ブロックのブロック内平均値と最後の試験ブロックのブロック内平均値との差であり、各ブロック内平均値が、１つの試験ブロックに対応し各試験ブロックが、１つ以上の連続した力調節試験を含み、各ブロック内平均値が、対応する１つの試験ブロックに含まれる力調節試験に対応した試験内平均値の平均値であり、各試験内平均値が、１つの力調節試験に対応し、各試験内平均値が、対応する１つの力調節試験における目標値と測定値との差の絶対値の平均値である、付記項２又は付記項３に記載の認知機能評価プログラム。
この構成によれば、第１分散値と、１つ以上の第１差分値と、第２分散値と、第３分散値と、１つ以上の第２差分値と、第４分散値と、最終平均値と、第３差分値とのうちの少なくとも１つに基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項１６］
第１分散値と、１つ以上の第１差分値と、第２分散値と、第３分散値と、１つ以上の第２差分値と、第４分散値と、最終平均値と、第３差分値とのうちの運動学習度推移データに含まれるものを算出する差分値、分散値、及び平均値算出工程を含む、付記項１５に記載の認知機能評価プログラム。
この構成によれば、第１分散値と、１つ以上の第１差分値と、第２分散値と、第３分散値と、１つ以上の第２差分値と、第４分散値と、最終平均値と、第３差分値とのうちの少なくとも１つに基づいて、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項１７］
評価モデルが、運動学習度推移データと力調節試験中に測定された視線に関する視線データとを含む入力に基づいて認知機能を評価するように構成され、評価モデルが、認知機能の評価の知られた複数の人に対する運動学習度推移データと視線データとに基づいて作成され、評価工程が、被験者の運動学習度推移データと被験者の視線データとを評価モデルに入力することにより、被験者の認知機能を評価することを含む、付記項２から付記項１６のいずれか一項に記載の認知機能評価プログラム。
この構成によれば、眼球運動と認知機能（例えば認知症）に相関があることが知られていることから、運動学習度推移データに加えて視線データを利用することにより、更に詳細に、力調節試験に対する運動学習度の推移を反映して認知機能を評価することができる。
［付記項１８］
認知機能評価プログラムが、プロセッサにより実行されたときに、プロセッサに、力調節試験を複数回数実行させることにより、各力調節試験における経時的な測定値と目標値との変化を表す測定データを取得させる測定データ取得工程を実行させるように構成されている、付記項１から付記項１７のいずれか一項に記載の認知機能評価プログラム。
［付記項１９］
認知機能評価装置であって、認知機能評価装置が、認知機能評価プログラムを記憶した記憶装置と、プロセッサと、を備え、認知機能評価プログラムが、プロセッサにより実行されたときに、プロセッサに、運動学習度推移データに基づいて被験者の認知機能を評価する評価工程を実行させるように構成されており、運動学習度推移データが、力測定装置に加える手指の力を指示するための経時的に変化する目標値を被験者に対して表示装置により表示することと、目標値に追従するように被験者により調節される手指の力の測定値を力測定装置により測定することと、測定値を目標値に重ねてリアルタイムで被験者に対して表示装置により表示することとを含む力調節試験を複数回数実行することにより取得された、各力調節試験における経時的な測定値と目標値との変化を表す測定データから導出されたものである、認知機能評価装置。
［付記項２０］
認知機能評価システムであって、認知機能評価システムが、認知機能評価装置と、力測定装置と、を備え、認知機能評価装置が、認知機能評価プログラムを記憶した記憶装置と、プロセッサと、表示装置と、を備え、認知機能評価プログラムが、プロセッサにより実行されたときに、プロセッサに、力測定装置に加える手指の力を指示するための経時的に変化する目標値を被験者に対して表示装置により表示することと、目標値に追従するように被験者により調節される手指の力の測定値を力測定装置により測定することと、測定値を目標値に重ねてリアルタイムで被験者に対して表示装置により表示することとを含む力調節試験を複数回数実行させることにより、各力調節試験における経時的な測定値と目標値との変化を表す測定データを取得させる測定データ取得工程と、測定データから導出された運動学習度推移データに基づいて被験者の認知機能を評価する評価工程と、を実行させる、認知機能評価システム。
［付記項２１］
コンピュータにより実行される認知機能評価方法であって、認知機能評価方法が、運動学習度推移データに基づいて被験者の認知機能を評価する評価工程を含み、運動学習度推移データが、力測定装置に加える手指の力を指示するための経時的に変化する目標値を被験者に対して表示装置により表示することと、目標値に追従するように被験者により調節される手指の力の測定値を力測定装置により測定することと、測定値を目標値に重ねてリアルタイムで被験者に対して表示装置により表示することとを含む力調節試験を複数回数実行することにより取得された、各力調節試験における経時的な測定値と目標値との変化を表す測定データから導出されたものである、認知機能評価方法。
本発明は上述した実施形態には限定されない。
すなわち、当業者は、本発明の技術的範囲又はその均等の範囲内において、上述した実施形態の構成要素に関し、様々な変更、コンビネーション、サブコンビネーション、並びに代替を行ってもよい。
本発明は、認知機能を評価するための種々のプログラム、装置、システム、及び方法に適用可能である。
１００… 認知機能評価システム
１０１… 手指
１１０… 力測定装置
１１１… 把握部
１１２… 信号制御装置
１１３… 筐体
１１４… ヒンジ
１１５… 板バネ
１１６… 歪みセンサー
１２０… 認知機能評価装置
１２１… 表示装置
１２２… 通信装置
１２３… 記憶装置
１２４… プロセッサ
１２５… 視線データ取得装置
１３１… 認知機能評価プログラム
１３２… 評価モデル
１３３… 目標データ
１３４… 運動学習度推移データ
１４１… 認知機能評価部
１５１… 測定データ
１５２… 試験内平均値データ
１５３… ブロック内平均値データ
１５４… ブロック特徴値データ
１５５… 試験特徴値データ
１５６… 差分値、分散値、及び平均値データ
１６１… 目標値グラフ
１６２… 測定値グラフ

Claims (21)

  1. 認知機能評価プログラムであって、
    前記認知機能評価プログラムが、プロセッサにより実行されたときに、前記プロセッサに、運動学習度推移データに基づいて被験者の認知機能を評価する評価工程を実行させるように構成されており、
    前記運動学習度推移データが、力測定装置に加える手指の力を指示するための経時的に変化する目標値を前記被験者に対して表示装置により表示することと、前記目標値に追従するように前記被験者により調節される手指の力の測定値を前記力測定装置により測定することと、前記測定値を前記目標値に重ねてリアルタイムで前記被験者に対して前記表示装置により表示することとを含む力調節試験を複数回数実行することにより取得された、各前記力調節試験における経時的な前記測定値と前記目標値との変化を表す測定データから導出されたものである、
    認知機能評価プログラム。
  2. 前記評価工程が、前記認知機能の評価の知られた複数の人に対する前記運動学習度推移データに基づいて機械学習により作成された評価モデルであって、前記運動学習度推移データを含む入力に基づいて前記認知機能を評価するように構成された前記評価モデルを使用して、前記認知機能を評価することを含む、
    請求項１に記載の認知機能評価プログラム。
  3. 前記評価工程が、前記認知機能の評価の知られた複数の人に対する前記運動学習度推移データに基づいて多変量解析により作成された評価モデルであって、前記運動学習度推移データを含む入力に基づいて前記認知機能を評価するように構成された前記評価モデルを使用して、前記認知機能を評価することを含む、
    請求項１に記載の認知機能評価プログラム。
  4. 前記運動学習度推移データが、試験ブロックの進行に伴うブロック内平均値の変化の近似式の特徴を表す特徴値を含み、
    各前記ブロック内平均値が、１つの前記試験ブロックに対応し
    各前記試験ブロックが、１つ以上の連続した前記力調節試験を含み、
    各前記ブロック内平均値が、対応する１つの前記試験ブロックに含まれる前記力調節試験に対応した試験内平均値の平均値であり、
    各前記試験内平均値が、１つの前記力調節試験に対応し、
    各前記試験内平均値が、対応する１つの前記力調節試験における前記目標値と前記測定値との差の絶対値の平均値である、
    請求項２又は請求項３に記載の認知機能評価プログラム。
  5. 前記近似式が、
    ｙ＝ａ×ｅ（－ｂ（ｎ－１））＋ｃ
    と表され、前記試験ブロックに時間的に早いほうから昇順に１から始まる連続した整数のブロック番号が割り当てられており、ｎは前記ブロック番号を表し、ｙはｎに代入された前記ブロック番号に対応した前記試験ブロックの前記ブロック内平均値の近似値を与え、
    前記運動学習度推移データが、特徴値ａと特徴値ｂと特徴値ｃとのうちの少なくとも１つを含む、
    請求項４に記載の認知機能評価プログラム。
  6. 前記認知機能評価プログラムが、プロセッサにより実行されたときに、前記プロセッサに、
    前記試験内平均値を算出する試験内平均値算出工程と、
    前記ブロック内平均値を算出するブロック内平均値算出工程と、
    前記近似式の前記特徴値を算出する第１近似工程と、
    を実行させるように構成されている、
    請求項４又は請求項５に記載の認知機能評価プログラム。
  7. 前記運動学習度推移データが、複数のブロック内平均値を含み、
    各前記ブロック内平均値が、１つの試験ブロックに対応し
    各前記試験ブロックが、１つ以上の連続した前記力調節試験を含み、
    各前記ブロック内平均値が、対応する１つの前記試験ブロックに含まれる前記力調節試験に対応した試験内平均値の平均値であり、
    各前記試験内平均値が、１つの前記力調節試験に対応し、
    各前記試験内平均値が、対応する１つの前記力調節試験における前記目標値と前記測定値との差の絶対値の平均値である、
    請求項２又は請求項３に記載の認知機能評価プログラム。
  8. 前記認知機能評価プログラムが、プロセッサにより実行されたときに、前記プロセッサに、
    前記試験内平均値を算出する試験内平均値算出工程と、
    前記ブロック内平均値を算出するブロック内平均値算出工程と、
    を実行させるように構成されている、
    請求項７に記載の認知機能評価プログラム。
  9. 前記運動学習度推移データが、力調節試験の進行に伴う試験内平均値の変化の近似式の特徴を表す特徴値を含み、
    各前記試験内平均値が、１つの前記力調節試験に対応し、
    各前記試験内平均値が、対応する１つの前記力調節試験における前記目標値と前記測定値との差の絶対値の平均値である、
    請求項２又は請求項３に記載の認知機能評価プログラム。
  10. 前記近似式が、
    ｙ＝ａ×ｅ（－ｂ（ｍ－１））＋ｃ
    と表され、前記力調節試験に時間的に早いほうから昇順に１から始まる連続した整数の試験番号が割り当てられており、ｍは前記試験番号を表し、ｙはｍに代入された前記試験番号に対応した前記力調節試験の前記試験内平均値の近似値を与え、
    前記運動学習度推移データが、特徴値ａと特徴値ｂと特徴値ｃとのうちの少なくとも１つを含む、
    請求項９に記載の認知機能評価プログラム。
  11. 前記認知機能評価プログラムが、プロセッサにより実行されたときに、前記プロセッサに、
    前記試験内平均値を算出する試験内平均値算出工程と、
    前記近似式の前記特徴値を算出する第２近似工程と、
    を実行させるように構成されている、
    請求項９又は請求項１０に記載の認知機能評価プログラム。
  12. 前記運動学習度推移データが、複数の試験内平均値を含み、
    各前記試験内平均値が、１つの前記力調節試験に対応し、
    各前記試験内平均値が、対応する１つの前記力調節試験における前記目標値と前記測定値との差の絶対値の平均値である、
    請求項２又は請求項３に記載の認知機能評価プログラム。
  13. 前記認知機能評価プログラムが、プロセッサにより実行されたときに、前記プロセッサに、前記試験内平均値を算出する試験内平均値算出工程を実行させるように構成されている、
    請求項１２に記載の認知機能評価プログラム。
  14. 前記運動学習度推移データが、前記測定データを含む、
    請求項２又は請求項３に記載の認知機能評価プログラム。
  15. 前記運動学習度推移データが、
    第１分散値と、
    １つ以上の第１差分値と、
    第２分散値と、
    第３分散値と、
    １つ以上の第２差分値と、
    第４分散値と、
    最終平均値と、
    第３差分値と、
    のうちの少なくとも１つを含み、
    前記第１分散値が、複数の試験内平均値の分散値であり、
    各前記第１差分値が、２つの前記試験内平均値の差であり、
    前記第２分散値が、複数の前記第１差分値の分散値であり、
    前記第３分散値が、複数のブロック内平均値の分散値であり、
    各前記第２差分値が、２つの前記ブロック内平均値の差であり、
    前記第４分散値が、複数の前記第２差分値の分散値であり、
    前記最終平均値が、最後の前記試験ブロックの前記ブロック内平均値であり、
    前記第３差分値が、最初の前記試験ブロックの前記ブロック内平均値と最後の前記試験ブロックの前記ブロック内平均値との差であり、
    各前記ブロック内平均値が、１つの試験ブロックに対応し
    各前記試験ブロックが、１つ以上の連続した前記力調節試験を含み、
    各前記ブロック内平均値が、対応する１つの前記試験ブロックに含まれる前記力調節試験に対応した試験内平均値の平均値であり、
    各前記試験内平均値が、１つの前記力調節試験に対応し、
    各前記試験内平均値が、対応する１つの前記力調節試験における前記目標値と前記測定値との差の絶対値の平均値である、
    請求項２又は請求項３に記載の認知機能評価プログラム。
  16. 前記第１分散値と、１つ以上の前記第１差分値と、前記第２分散値と、前記第３分散値と、１つ以上の前記第２差分値と、前記第４分散値と、前記最終平均値と、前記第３差分値とのうちの前記運動学習度推移データに含まれるものを算出する差分値、分散値、及び平均値算出工程を含む、
    請求項１５に記載の認知機能評価プログラム。
  17. 前記評価モデルが、前記運動学習度推移データと前記力調節試験中に測定された視線に関する視線データとを含む前記入力に基づいて前記認知機能を評価するように構成され、
    前記評価モデルが、前記認知機能の評価の知られた複数の人に対する前記運動学習度推移データと前記視線データとに基づいて作成され、
    前記評価工程が、前記被験者の前記運動学習度推移データと前記被験者の前記視線データとを前記評価モデルに入力することにより、前記被験者の前記認知機能を評価することを含む、
    請求項２から請求項１６のいずれか一項に記載の認知機能評価プログラム。
  18. 前記認知機能評価プログラムが、前記プロセッサにより実行されたときに、前記プロセッサに、前記力調節試験を複数回数実行させることにより、各前記力調節試験における経時的な前記測定値と前記目標値との変化を表す前記測定データを取得させる測定データ取得工程を実行させるように構成されている、
    請求項１から請求項１７のいずれか一項に記載の認知機能評価プログラム。
  19. 認知機能評価装置であって、
    前記認知機能評価装置が、
    認知機能評価プログラムを記憶した記憶装置と、
    プロセッサと、
    を備え、
    前記認知機能評価プログラムが、前記プロセッサにより実行されたときに、前記プロセッサに、運動学習度推移データに基づいて被験者の認知機能を評価する評価工程を実行させるように構成されており、
    前記運動学習度推移データが、力測定装置に加える手指の力を指示するための経時的に変化する目標値を前記被験者に対して表示装置により表示することと、前記目標値に追従するように前記被験者により調節される手指の力の測定値を前記力測定装置により測定することと、前記測定値を前記目標値に重ねてリアルタイムで前記被験者に対して前記表示装置により表示することとを含む力調節試験を複数回数実行することにより取得された、各前記力調節試験における経時的な前記測定値と前記目標値との変化を表す測定データから導出されたものである、
    認知機能評価装置。
  20. 認知機能評価システムであって、前記認知機能評価システムが、
    認知機能評価装置と、
    力測定装置と、
    を備え、
    前記認知機能評価装置が、
    認知機能評価プログラムを記憶した記憶装置と、
    プロセッサと、
    表示装置と、
    を備え、
    前記認知機能評価プログラムが、前記プロセッサにより実行されたときに、前記プロセッサに、
    前記力測定装置に加える手指の力を指示するための経時的に変化する目標値を被験者に対して前記表示装置により表示することと、前記目標値に追従するように前記被験者により調節される手指の力の測定値を前記力測定装置により測定することと、前記測定値を前記目標値に重ねてリアルタイムで前記被験者に対して前記表示装置により表示することとを含む力調節試験を複数回数実行させることにより、各前記力調節試験における経時的な前記測定値と前記目標値との変化を表す測定データを取得させる測定データ取得工程と、
    前記測定データから導出された運動学習度推移データに基づいて前記被験者の認知機能を評価する評価工程と、
    を実行させる、
    認知機能評価システム。
  21. コンピュータにより実行される認知機能評価方法であって、前記認知機能評価方法が、
    運動学習度推移データに基づいて被験者の認知機能を評価する評価工程を含み、
    前記運動学習度推移データが、力測定装置に加える手指の力を指示するための経時的に変化する目標値を前記被験者に対して表示装置により表示することと、前記目標値に追従するように前記被験者により調節される手指の力の測定値を前記力測定装置により測定することと、前記測定値を前記目標値に重ねてリアルタイムで前記被験者に対して前記表示装置により表示することとを含む力調節試験を複数回数実行することにより取得された、各前記力調節試験における経時的な前記測定値と前記目標値との変化を表す測定データから導出されたものである、
    認知機能評価方法。
JP2021088557A 2021-05-26 2021-05-26 認知機能評価プログラム、認知機能評価装置、認知機能評価システム、及び認知機能評価方法 Active JP7493723B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021088557A JP7493723B2 (ja) 2021-05-26 2021-05-26 認知機能評価プログラム、認知機能評価装置、認知機能評価システム、及び認知機能評価方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021088557A JP7493723B2 (ja) 2021-05-26 2021-05-26 認知機能評価プログラム、認知機能評価装置、認知機能評価システム、及び認知機能評価方法

Publications (2)

Publication Number Publication Date
JP2022181549A JP2022181549A (ja) 2022-12-08
JP7493723B2 true JP7493723B2 (ja) 2024-06-03

Family

ID=84328212

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021088557A Active JP7493723B2 (ja) 2021-05-26 2021-05-26 認知機能評価プログラム、認知機能評価装置、認知機能評価システム、及び認知機能評価方法

Country Status (1)

Country Link
JP (1) JP7493723B2 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140330394A1 (en) 2007-06-05 2014-11-06 Washington University Methods and systems for controlling body parts and devices using ipsilateral motor cortex and motor related cortex
WO2015037089A1 (ja) 2013-09-11 2015-03-19 日立コンシューマエレクトロニクス株式会社 脳機能障害評価方法、脳機能障害評価装置およびそのプログラム
JP2018519133A (ja) 2015-05-19 2018-07-19 ユニヴェルシテ・パリ・デカルト 手先の器用さを評価する方法
JP2021016630A (ja) 2019-07-22 2021-02-15 マクセル株式会社 検出装置および検出方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140330394A1 (en) 2007-06-05 2014-11-06 Washington University Methods and systems for controlling body parts and devices using ipsilateral motor cortex and motor related cortex
WO2015037089A1 (ja) 2013-09-11 2015-03-19 日立コンシューマエレクトロニクス株式会社 脳機能障害評価方法、脳機能障害評価装置およびそのプログラム
JP2018519133A (ja) 2015-05-19 2018-07-19 ユニヴェルシテ・パリ・デカルト 手先の器用さを評価する方法
JP2021016630A (ja) 2019-07-22 2021-02-15 マクセル株式会社 検出装置および検出方法

Also Published As

Publication number Publication date
JP2022181549A (ja) 2022-12-08

Similar Documents

Publication Publication Date Title
JP6672529B2 (ja) 予測自覚屈折データまたは予測矯正値を確定するための装置およびコンピュータプログラム
Krishna et al. Quantitative assessment of cerebellar ataxia, through automated limb functional tests
US11484225B2 (en) Rehabilitation evaluation apparatus, rehabilitation evaluation method, and rehabilitation evaluation program
Vinokurov et al. Quantifying hypomimia in parkinson patients using a depth camera
JP2007531559A5 (ja)
WO2022091642A1 (ja) 認知機能判定装置、認知機能判定システム、学習モデル生成装置、認知機能判定方法、学習モデル製造方法、学習済みモデル、およびプログラム
TW201013248A (en) Method for designing eyeglass lens
US20240221950A1 (en) Multi-modal input processing
JP7493723B2 (ja) 認知機能評価プログラム、認知機能評価装置、認知機能評価システム、及び認知機能評価方法
JP6509712B2 (ja) 印象推定装置およびプログラム
JP7517431B2 (ja) 情報処理装置、制御方法及びプログラム
EP4325517A1 (en) Methods and devices in performing a vision testing procedure on a person
JP2009201653A (ja) 知的活動評価システム、並びにその学習方法及びラベル付与方法
KR20190067069A (ko) Bci 시스템의 신뢰성 향상 방법
Mantri et al. Real time multimodal depression analysis
Upadhyay et al. Stacked SVM model for Dysthymia prediction in undergraduates students
Yalçın et al. Artifacts mitigation in sensors for spasticity assessment
Gerbasi et al. Detecting mild cognitive impairment using smooth pursuit and a modified corsi task
WO2023190391A1 (ja) 疾患該当性判定プログラム及び疾患該当性判定装置
KR102487700B1 (ko) 인공지능 안면인식 알고리즘을 이용한 안면 장애 진단 시스템
Sweeney-Fanelli et al. Automated Emotion Recognition Employing Wearable ECG Sensor and Deep-Learning
Rashmika An Enhanced Voice Record Recognition System for Parkinson's Disease Progression using Deep Neural Networks
EP4171350B1 (en) Method and device for determining at least one astigmatic effect of at least one eye
CN118369038A (zh) 用于确定患者对主观医学测试的刺激感知的响应的确定性水平的方法以及因此的装置
JP7265293B2 (ja) 音声を用いて、精神・神経系疾患を推定する装置

Legal Events

Date Code Title Description
A80 Written request to apply exceptions to lack of novelty of invention

Free format text: JAPANESE INTERMEDIATE CODE: A80

Effective date: 20210623

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230821

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20240313

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: 20240430

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240513

R150 Certificate of patent or registration of utility model

Ref document number: 7493723

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150