講演抄録/キーワード |
講演名 |
2020-03-04 10:45
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・山﨑 匡(電通大) NC2019-78 |
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。 |
(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 |
(英) |
Elderly care / Human trajectory / LSTM / HMM / Classification / Time series analysis / RNN / |
文献情報 |
信学技報, vol. 119, no. 453, NC2019-78, pp. 15-20, 2020年3月. |
資料番号 |
NC2019-78 |
発行日 |
2020-02-26 (NC) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2019-78 |
|