Development and evaluation of an online wheelchair adaptation assistance system using a posture estimation model

初年度は，主に以下に示す2つの方向性から研究を実施した．一つ目は，深層学習を用いた車椅子適合に必要な解剖学的ランドマークの検出方法について研究を進めた．本研究では，写真撮影のみで車椅子適合に必要な身体寸法値の算出を行う計測システムの開発を目的に，深層学習（ニューラルネットワーク：NN）を用いて5つの解剖学的ランドマークの検出を試みた．研究に使用した写真撮影は，2022年7月～12月の期間に行い，被験者は100名（男性：52名，女性：48名）で，撮影した画像データは1名につき3枚取得（良姿勢，リラックス姿勢，脱力姿勢）し合計300枚の写真を用いて研究を進めた．ランドマークの検出には，事前学習済モデルを用いて26点のキーポイント座標を取得した．26点のキーポイント座標を用いて深層学習および線形回帰により5つのランドマーク座標を予測した．検出精度の評価指標には予測値と正解値間の決定係数，および平均絶対値誤差を用いた．4つのNNモデルと線形回帰モデルにおける検出精度の比較を行った結果．2つの指標ともに明らかにNNモデルの方が高く，いずれのNNモデルにおいても各ランドマーク座標を誤差20㎜以下の精度で検出可能であることがわかった．本研究内容は，論文として投稿を進めている．二つ目は，車椅子適合支援（臨床介入）を2施設で実施した．高齢者福祉施設での臨床介入を通して，過去の実績同様に車椅子適合支援の効果検証及び評価を多角的に実施した．但し，コロナ禍の影響で介入が中止になることも度々あり，2施設合わせて12回の介入に留まった．介入事例については，介入前後の評価結果について分析を進めている．車椅子適合支援介入の効果については，「介護老人福祉施設における車椅子適合支援の効果に関する研究-介入前後比較からの多角的検証 -社会福祉学，Vol63-4，27-37（2023）」として投稿済みである．

初年度は，主に以下に示す2つの方向性から研究を実施した．一つ目は，深層学習を用いた車椅子適合に必要な解剖学的ランドマークの検出方法について研究を進めた．本研究では，写真撮影のみで車椅子適合に必要な身体寸法値の算出を行う計測システムの開発を目的に，深層学習（ニューラルネットワーク：NN）を用いて5つの解剖学的ランドマークの検出を試みた．研究に使用した写真撮影は，2022年7月～12月の期間に行い，被験者は100名（男性：52名，女性：48名）で，撮影した画像データは1名につき3枚取得（良姿勢，リラックス姿勢，脱力姿勢）し合計300枚の写真を用いて研究を進めた．ランドマークの検出には，事前学習済モデルを用いて26点のキーポイント座標を取得した．26点のキーポイント座標を用いて深層学習および線形回帰により5つのランドマーク座標を予測した．検出精度の評価指標には予測値と正解値間の決定係数，および平均絶対値誤差を用いた．4つのNNモデルと線形回帰モデルにおける検出精度の比較を行った結果．2つの指標ともに明らかにNNモデルの方が高く，いずれのNNモデルにおいても各ランドマーク座標を誤差20㎜以下の精度で検出可能であることがわかった．本研究内容は，論文として投稿を進めている．二つ目は，車椅子適合支援（臨床介入）を2施設で実施した．高齢者福祉施設での臨床介入を通して，過去の実績同様に車椅子適合支援の効果検証及び評価を多角的に実施した．但し，コロナ禍の影響で介入が中止になることも度々あり，2施設合わせて12回の介入に留まった．介入事例については，介入前後の評価結果について分析を進めている．車椅子適合支援介入の効果については，「介護老人福祉施設における車椅子適合支援の効果に関する研究-介入前後比較からの多角的検証 -社会福祉学，Vol63-4，27-37（2023）」として投稿済みである．