JP7502681B2 - 動作評価方法、コンピュータプログラム及び動作評価システム - Google Patents
動作評価方法、コンピュータプログラム及び動作評価システム Download PDFInfo
- Publication number
- JP7502681B2 JP7502681B2 JP2022546799A JP2022546799A JP7502681B2 JP 7502681 B2 JP7502681 B2 JP 7502681B2 JP 2022546799 A JP2022546799 A JP 2022546799A JP 2022546799 A JP2022546799 A JP 2022546799A JP 7502681 B2 JP7502681 B2 JP 7502681B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- onset
- time series
- person
- series data
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims description 113
- 238000004590 computer program Methods 0.000 title claims description 4
- 238000012545 processing Methods 0.000 claims description 53
- 238000000605 extraction Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 description 46
- 230000009471 action Effects 0.000 description 30
- 230000008569 process Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 17
- 230000003183 myoelectrical effect Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000012854 evaluation process Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000011478 gradient descent method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
- A61B5/397—Analysis of electromyograms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
図1は、本発明における動作評価システム100の構成図である。動作評価システム100は、1以上のセンサ10-1~10-O(Oは1以上の整数)、センサデータ取得装置20、動作評価装置30、学習装置40及び1以上の評価結果受信装置50を備える。
図2の左には、複数の時系列データ61~63が示されている。時系列データ61は、センサ10-1によって得られた表面筋電位データの時系列データを表す。時系列データ62は、センサ10-2によって得られた表面筋電位データの時系列データを表す。時系列データ63は、センサ10-3によって得られた表面筋電位データの時系列データを表す。これらの時系列データ61~63には、本質的に捉えたい対象の信号の波形(例えば、人物の動作を表す波形)と、ノイズとが混在している。人物の動作に関する非定常信号の場合、こうした観測対象の動作の波形を含む区間と、観測対象の動作の波形を含まない区間とが存在する。そのため、解析を行うにあたり、対象信号の波形のみを対象とした解析技術が必要である。
動作評価装置30は、通信部31、制御部32及び記憶部33を備える。
通信部31は、他の装置との間で通信を行う。他の装置は、例えばセンサデータ取得装置20及び評価結果受信装置50である。通信部31は、例えばセンサデータ取得装置20から送信された時系列データを受信する。通信部31は、例えば学習装置40から送信された学習済みモデルを受信する。通信部31は、評価結果受信装置50に対して評価結果を送信する。なお、USB(Universal Serial Bus)メモリやSDカード等の外部記録媒体に学習済みモデルが記録されている場合には、通信部31は外部記録媒体を介して学習済みモデルを受信する。
学習済みモデル331は、学習装置40によって学習がなされた学習済みモデルである。学習済みモデルには、学習装置40により最適化された係数の情報が対応付けられている。
表示部は、液晶ディスプレイ、有機EL(Electro Luminescence)ディスプレイ、CRT(Cathode Ray Tube)ディスプレイ等の画像表示装置である。表示部は、ユーザの操作に応じて、評価結果を表示する。表示部は、画像表示装置を動作評価装置30に接続するためのインタフェースであってもよい。この場合、表示部は、評価結果を表示するための映像信号を生成し、自身に接続されている画像表示装置に映像信号を出力する。
学習装置40は、バスで接続されたCPUやメモリや補助記憶装置などを備え、プログラムを実行する。学習装置40は、プログラムの実行によって学習モデル記憶部41、教師データ入力部42及び学習部43を備える装置として機能する。なお、学習装置40の各機能の全て又は一部は、ASICやPLDやFPGA等のハードウェアを用いて実現されてもよい。プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ROM、CD-ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。プログラムは、電気通信回線を介して送信されてもよい。
取得部321は、複数の時系列データをセンサデータ取得装置20から取得する(ステップS101)。取得部321は、例えばセンサ10-1により取得された時系列データと、センサ10-2により取得された時系列データとをセンサデータ332として記憶部33に記録する。
評価部326は、データ加工部325によって圧縮されたデータ群を用いて動作を評価する(ステップS107)。具体的には、評価部326は、データ加工部325によって圧縮されたデータ群を学習済みモデル331に入力することによって、評価スコアを取得する。評価部326は、通信部31を介して、取得した評価スコアの情報を評価結果受信装置50に送信する。
センサ10によって、ある運動中の動作に関するデータとして表面筋電図データを収集する。その後、動作評価装置30において表面筋電データから評価したい動作に関する区間を抽出し、特徴量の取得、学習済みモデル331にて評価するといった一連の処理を実施し、システムのアウトプットとして、動作ごとに関する評価結果が得られる。図8に示すように、各動作に関する評価結果を集計することで、複数の動作を含んだ運動全体に対する評価結果を出力することも想定されるユースケースである。
Claims (7)
- 複数のセンサそれぞれにより取得された人物の動作に関する時系列データにおけるノイズを除去するノイズ除去ステップと、
ノイズが除去された各時系列データから、前記人物の動作が行われているオンセット区間のデータを抽出する抽出ステップと、
抽出された各時系列データの前記オンセット区間が重なる、あるいは、前後一定時間に含まれる前記オンセット区間を一つのデータ群とし、データ群それぞれにおいてデータ群内の前記オンセット区間のデータの長さを揃え、データ群内の前記オンセット区間のデータの長さが統一された各データ群を用いて、データ群間の長さを一定にする処理であるダウンサンプリング処理することによってデータ群を圧縮する圧縮ステップと、
圧縮された前記データ群に基づいて前記人物の動作を評価する評価ステップと、
を有する動作評価方法。 - 前記抽出ステップにおいて、前記時系列データ上において、前記人物が動作を開始したと想定される開始点から、前記人物が動作を終了したと想定される終了点までの区間を前記オンセット区間として抽出する、
請求項1に記載の動作評価方法。 - 前記抽出ステップにおいて、前記時系列データにおいて直前の一定区間の値と比較し、値が閾値以上増加あるいは減少する点を前記開始点とし、前記開始点以降の時刻で再び平均値に近づいた点を前記終了点として、前記時系列データから前記オンセット区間を抽出する、
請求項2に記載の動作評価方法。 - 前記圧縮ステップにおいて、前記抽出ステップにおいて抽出された複数の前記オンセット区間のデータで、最も開始点における時刻が早いデータに全てのオンセット区間のデータの開始点を合わせ、最も終了点における時刻が遅いデータに全てのオンセット区間のデータの終了点を合わせることによって、データ群内の前記オンセット区間のデータの長さを揃える、
請求項2又は3に記載の動作評価方法。 - 前記評価ステップにおいて、圧縮された前記データ群を入力して、評価スコアを出力するように学習された学習済みモデルを用いて前記人物の動作を評価する、
請求項1から4のいずれか一項に記載の動作評価方法。 - 複数のセンサそれぞれにより取得された人物の動作に関する時系列データにおけるノイズを除去するノイズ除去ステップと、
ノイズが除去された各時系列データから、前記人物の動作が行われているオンセット区間のデータを抽出する抽出ステップと、
抽出された各時系列データの前記オンセット区間が重なる、あるいは、前後一定時間に含まれる前記オンセット区間を一つのデータ群とし、データ群それぞれにおいてデータ群内の前記オンセット区間のデータの長さを揃え、データ群内の前記オンセット区間のデータの長さが統一された各データ群を用いて、データ群間の長さを一定にする処理であるダウンサンプリング処理することによってデータ群を圧縮する圧縮ステップと、
圧縮された前記データ群に基づいて前記人物の動作を評価する評価ステップと、
をコンピュータに実行させるためのコンピュータプログラム。 - 複数のセンサそれぞれにより取得された人物の動作に関する時系列データを取得するセンサと、
前記時系列データにおけるノイズを除去するノイズ除去部と、
ノイズが除去された各時系列データから、前記人物の動作が行われているオンセット区間のデータを抽出する抽出部と、
抽出された各時系列データの前記オンセット区間が重なる、あるいは、前後一定時間に含まれる前記オンセット区間を一つのデータ群とし、データ群それぞれにおいてデータ群内の前記オンセット区間のデータの長さを揃え、データ群内の前記オンセット区間のデータの長さが統一された各データ群を用いて、データ群間の長さを一定にする処理であるダウンサンプリング処理することによってデータ群を圧縮する圧縮部と、
圧縮された前記データ群に基づいて前記人物の動作を評価する評価部と、
を備える動作評価システム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/033449 WO2022049700A1 (ja) | 2020-09-03 | 2020-09-03 | 動作評価方法、コンピュータプログラム及び動作評価システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2022049700A1 JPWO2022049700A1 (ja) | 2022-03-10 |
JP7502681B2 true JP7502681B2 (ja) | 2024-06-19 |
Family
ID=80491873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022546799A Active JP7502681B2 (ja) | 2020-09-03 | 2020-09-03 | 動作評価方法、コンピュータプログラム及び動作評価システム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230355186A1 (ja) |
JP (1) | JP7502681B2 (ja) |
WO (1) | WO2022049700A1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160095538A1 (en) | 2014-10-07 | 2016-04-07 | Samsung Electronics Co., Ltd. | Method and apparatus for recognizing gait motion |
JP2016049123A (ja) | 2014-08-28 | 2016-04-11 | 日立マクセル株式会社 | 運動機能評価システム、および、運動機能測定装置 |
WO2016088564A1 (ja) | 2014-12-01 | 2016-06-09 | ソニー株式会社 | 計測装置及び計測方法 |
JP2018008015A (ja) | 2016-06-29 | 2018-01-18 | カシオ計算機株式会社 | 運動評価装置、運動評価方法及び運動評価プログラム |
JP2018038753A (ja) | 2016-09-09 | 2018-03-15 | 花王株式会社 | 歩行分析方法及び歩行分析装置 |
JP2019098183A (ja) | 2017-12-01 | 2019-06-24 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 生体信号品質評価装置及び方法 |
-
2020
- 2020-09-03 WO PCT/JP2020/033449 patent/WO2022049700A1/ja active Application Filing
- 2020-09-03 JP JP2022546799A patent/JP7502681B2/ja active Active
- 2020-09-03 US US18/021,849 patent/US20230355186A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016049123A (ja) | 2014-08-28 | 2016-04-11 | 日立マクセル株式会社 | 運動機能評価システム、および、運動機能測定装置 |
US20160095538A1 (en) | 2014-10-07 | 2016-04-07 | Samsung Electronics Co., Ltd. | Method and apparatus for recognizing gait motion |
WO2016088564A1 (ja) | 2014-12-01 | 2016-06-09 | ソニー株式会社 | 計測装置及び計測方法 |
JP2018008015A (ja) | 2016-06-29 | 2018-01-18 | カシオ計算機株式会社 | 運動評価装置、運動評価方法及び運動評価プログラム |
JP2018038753A (ja) | 2016-09-09 | 2018-03-15 | 花王株式会社 | 歩行分析方法及び歩行分析装置 |
JP2019098183A (ja) | 2017-12-01 | 2019-06-24 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 生体信号品質評価装置及び方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2022049700A1 (ja) | 2022-03-10 |
US20230355186A1 (en) | 2023-11-09 |
JPWO2022049700A1 (ja) | 2022-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Triple-classification of respiratory sounds using optimized s-transform and deep residual networks | |
CN107440680B (zh) | 睡眠状态推定装置 | |
US10950352B1 (en) | System, computer-readable storage medium and method of deep learning of texture in short time series | |
US10791939B2 (en) | Biometric scale | |
US8478542B2 (en) | Non-parametric modeling apparatus and method for classification, especially of activity state | |
US11179066B2 (en) | Real-time spike detection and identification | |
WO2011140632A1 (en) | Method of identification and devices thereof | |
US20210090740A1 (en) | State estimation apparatus, state estimation method, and non-transitory recording medium | |
CN111401435B (zh) | 一种基于运动手环的人体运动模式识别方法 | |
CN116028914B (zh) | 一种智能戒指身份认证方法及*** | |
Prakash et al. | A system for automatic cardiac arrhythmia recognition using electrocardiogram signal | |
Elden et al. | A computer aided diagnosis system for the early detection of neurodegenerative diseases using linear and non-linear analysis | |
CN109800733B (zh) | 数据处理方法及装置、电子设备 | |
JP7502681B2 (ja) | 動作評価方法、コンピュータプログラム及び動作評価システム | |
JP2019005305A (ja) | 認証装置、認証方法及びコンピュータプログラム | |
Felix et al. | An Automatic Method for Identifying Huntington's Disease using Gait Dynamics | |
KR20200120365A (ko) | 파킨슨 환자 영상의 구분 동작으로부터 중증 정도를 자동으로 채점하는 학습 방법 및 장치 | |
KR102593035B1 (ko) | 딥러닝 기반 뇌전증 발작 진단 방법 및 장치 | |
CN115329803A (zh) | 一种基于图像识别的表面肌电信号检测方法及装置 | |
Kumar | Heart disease detection using radial basis function classifier | |
CN113647937A (zh) | 检测装置、检测方法、鞋垫、训练方法和识别方法 | |
KR20220158462A (ko) | 근전도 신호 기반 인식 정보 추출 시스템과 이를 이용한 근전도 신호 기반 인식 정보 추출 방법 | |
Kurmi et al. | Classification of Amyotrophic Lateral Sclerosis Patients using speech signals | |
CN116942102B (zh) | 一种基于脉搏波的睡眠分期方法及设备 | |
JP7521609B2 (ja) | 情報処理装置、特徴量選択方法、教師データ生成方法、推定モデル生成方法、ストレス度の推定方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230113 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240305 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240430 |
|
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: 20240507 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240520 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7502681 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |