RFベースの転倒モニタリングにおける畳み込みニューラルネットワークの活用

高齢者の致命的および非致命的な怪我の主な原因は転倒である。現在の対策はウェアラブルの転倒アラートセンサーに依存しているが、医療研究の結果によれば、これらのセンサーは実際には効果が低く、その主な理由は高齢者がそれを着用しないことにある。こうした知見を受けて、家庭内の電波（RF）信号を分析することで転倒を推定する、非接触型のセンサーが開発されている。高齢者は特別な装着物を着用することなく、普段通りの生活を送ることができる。非接触モニタリング技術は大きな進展を遂げているが、現行の手法は現実世界の複雑な状況に対応できていない。多くの場合、分類器の訓練と評価が同一人物・同一環境で行われており、新たな人物や環境への一般化が困難である。さらに、異なる人物による運動を区別できず、他の動作が存在する際に転倒を誤検出または見逃すリスクがある。こうした課題を克服するために、本研究では状態機械によって制御される畳み込みニューラルネットワーク（CNN）を用いたRFベースの転倒検出システム「Aryokee」を提案する。Aryokeeは、訓練データに含まれなかった人物や環境に対しても対応可能であり、異なる運動源を分離することで検出の堅牢性を向上させる。57の異なる環境で140人以上が40種類の動作を実施した実験結果から、転倒検出における再現率（Recall）は94%、正確率（Precision）は92%を達成した。