| 講演名 | 2020-03-04 時系列学習器を用いた介護時の動線の分類 市川 祐衣(電通大), 市村 大輔(電通大/大内病院), 浅田 理恵(電通大), 山﨑 匡(電通大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 高齢化が進む中、介護業界は人材不足に直面している。そのため、データを活用し、介護士の業務を補助することは有用である。本研究では、介護士の記録業務やヒューマンエラーの削減を行うことを目的とし、介護士の業務中の動線から実際に行った業務内容を推定することを試みた。動線分析で多用されてきた隠れマルコフモデル（HMM）と、時系列分析に強いリカレントニューラルネットワーク（RNN）の中でも様々な分野で特に高い評価を得ている、Long Short-Term Memory (LSTM)を用いて動線データの分類を行うことを試みた。具体的には特別養護老人ホームにおける介護士の動線から、業務内で多くの時間を費やす食事支援と排泄支援の動線を推定した。正答率はHMMとLSTMそれぞれ74.4%と91.6%となり、LSTMモデルがより高い正答率を示すことを確認するとともに、LSTMを用いた動線分類の実用可能性を示した。 |
| 抄録(英) | Along with the aging population, Japanese caretaking industry is facing a severe labor shortage. Utilizing data could improve the efficiency of caretakers’ daily work and thus be one of the solutions for this problem. In this paper, we analyzed caretakers’ trajectory data, aiming to reduce recording times and human error, and tried estimating the caretakers’ actions. We applied two models, a model using conventional Hidden Markov Models (HMMs) and Recurrent Neural Networks (RNN), especially Long Short-Term Memory (LSTM), which recently have gathered attention due to their high performance regarding sequence prediction tasks. Our human trajectory classifying task, focusing on the two most important cares, feeding and excretion care, revealed that LSTM prevailed over HMM by achieving 91.6% estimating correctly, while the model using HMMs estimated 74.4% correctly. |
| キーワード(和) | 介護 / 動線 / LSTM / HMM / 分類 / 時系列データ分析 / 隠れマルコフモデル / RNN |
| キーワード(英) | Elderly care / Human trajectory / LSTM / HMM / Classification / Time series analysis / RNN |
| 資料番号 | NC2019-78 |
| 発行日 | 2020-02-26 (NC) |
| 研究会情報 | |
| 研究会 | NC / MBE |
|---|---|
| 開催期間 | 2020/3/4(から3日開催) |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | University of Electro Communications |
| テーマ（和） | NC, ME, 一般 |
| テーマ（英） | Neuro Computing, Medical Engineering, etc. |
| 委員長氏名（和） | 庄野 逸(電通大) / 野村 泰伸(阪大) |
| 委員長氏名（英） | Hayaru Shouno(UEC) / Taishin Nomura(Osaka Univ.) |
| 副委員長氏名（和） | 鮫島 和行(玉川大) / 渡邊 高志(東北大) |
| 副委員長氏名（英） | Kazuyuki Samejima(Tamagawa Univ) / Takashi Watanabe(Tohoku Univ.) |
| 幹事氏名（和） | 吉本 潤一郎(奈良先端大) / 安部川 直稔(NTT) / 伊良皆 啓治(九大) |
| 幹事氏名（英） | Junichiro Yoshimoto(NAIST) / Naotoshi Abekawa(NTT) / Keiji Iramina(Kyushu Univ.) |
| 幹事補佐氏名（和） | 篠崎 隆志(NICT) / 瀧山 健(東京農工大) / 鈴木 康之(阪大) / 辛島 彰洋(東北工大) |
| 幹事補佐氏名（英） | Takashi Shinozaki(NICT) / Ken Takiyama(TUAT) / Yasuyuki Suzuki(Osaka Univ.) / Akihiro Karashima(Tohoku Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on ME and Bio Cybernetics |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 時系列学習器を用いた介護時の動線の分類 |
| サブタイトル（和） | |
| タイトル（英） | Classification of caretaker's trajectory: A time-series classifier approach |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 介護 / Elderly care |
| キーワード(2)（和/英） | 動線 / Human trajectory |
| キーワード(3)（和/英） | LSTM / LSTM |
| キーワード(4)（和/英） | HMM / HMM |
| キーワード(5)（和/英） | 分類 / Classification |
| キーワード(6)（和/英） | 時系列データ分析 / Time series analysis |
| キーワード(7)（和/英） | 隠れマルコフモデル / RNN |
| キーワード(8)（和/英） | RNN |
| 第 1 著者 氏名（和/英） | 市川 祐衣 / Yui Ichikawa |
| 第 1 著者 所属（和/英） | 電気通信大学(略称：電通大) The University of Electro-Communications(略称：UEC) |
| 第 2 著者 氏名（和/英） | 市村 大輔 / Daisuke Ichimura |
| 第 2 著者 所属（和/英） | 電気通信大学/大内病院(略称：電通大/大内病院) The University of Electro-Communications/Oouchi Hospital(略称：UEC/Oouchi Hosp.) |
| 第 3 著者 氏名（和/英） | 浅田 理恵 / Rie Asada |
| 第 3 著者 所属（和/英） | 電気通信大学(略称：電通大) The University of Electro-Communications(略称：UEC) |
| 第 4 著者 氏名（和/英） | 山﨑 匡 / Tadashi Yamazaki |
| 第 4 著者 所属（和/英） | 電気通信大学(略称：電通大) The University of Electro-Communications(略称：UEC) |
| 発表年月日 | 2020-03-04 |
| 資料番号 | NC2019-78 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | NC-453 |
| ページ範囲 | pp.15-20(NC), |
| ページ数 | 6 |
| 発行日 | 2020-02-26 (NC) |