患者の動向監視支援システムの開発第三者の検出

(1)

患者の動向監視支援システムの開発 -第三者の検出-

沼津工業高等専門学校 ○伊藤信秀，青野新大，三戸尚樹，藤尾三紀夫

1. 緒論高齢化が進む日本では，近年高齢者の入院患者が著しく増加しており，これに伴い認知症を持つ入院患者も増加傾向にある．この認知症患者は，深夜病室を抜け出しての徘徊や，ベッドからの転倒転落などの，予測不能な行動を引き起こし，これらによる怪我や事故は大きな問題となっている．現在はこれらを防ぐために，看護師による巡回や，離床センサの導入が行われている．しかし，看護師の負担が大きいことや，離床センサでは瞬間的な状態しか検出することができず，センサ動作時には既に患者が離床や転落を起こしていることや，センサの誤動作によっては患者の状態を正確に検知できないといった問題がある．そこで本研究では，深度センサを用いて患者を常時監視することでその動向を連続的に把握する，患者の動向監視支援システムの開発を行っている．先行研究では，ベッド･ベッド柵の検出，患者状態の判別，寝返りの検出，呼吸状態の検出が可能であることを確認している1)_．本報では，患者がベッド上に寝ている状態において，看護師や面会といった第三者の侵入によるシステムの誤動作の抑制を行ったので報告する． 2. システム構成本研究では，患者を連続的に監視するための深度センサとして，Kinect for windows v2（Kinect 2）を用いている．この Kinect2 は，現在用いられている離床センサに比べ比較的導入コストが安価であり，また赤外線を用いるため暗所での監視が可能である．図1 に Kinect2 の設置位置を示す．Kinect2 をベッド中央の高さ 1.96m の地点に設置することで，患者のいるベッドとその周囲を監視する．また，Kinect2 の視野角に合わせ，視野角の広いほうをベッド長辺に合わせて設置する．図1 Kinect2 設置位置 3. システムの基本動作本システムでは，まずシステム開始時にKinect2 が取得した深度からベッド・ベッド柵の検出を一度だけ行う．その後はKinect2 が深度を取得する毎に深度差分計算し，患者の検出や患者状態の判別などを行う．これを繰り返し行うことで，患者の状態を連続的に把握している．ベッドの検出には，システム開始時の患者がいない状態での深度を用いる．Kinect2 がベッドの中心に設置されることから，画面の中央の 15px 四方領域におけるベッド面の法線ベクトルを求め，その後中心から四隅へ同一法線ベクトルを持つ画素を探索し，これを包括する四角形領域をベッドとして認識する．患者の検出は，患者がいない状態での深度を元にした基準となる背景深度（基準背景深度）と，現在深度を用いて行う．まず図2(a)に示す基準背景深度と，図2(b)に示す患者がいる現在の深度を比較し，図 2(c)に示す一定以上の深度差分がある部分を取得する．この深度差分を患者自体を示す患者画素とし，患者画素を包括する四角形領域を，患者附近の領域を表す患者領域とする．図2(d)にこのアルゴリズムを用いた患者画素と患者領域の取得状況を示す．黄色で塗られた部分が患者画素，黄色の四角形領域が患者領域として認識された部分である．その後患者領域を除いた領域の現在深度を基準背景深度とすることで，患者以外の場所での変化を深度差分として取得しないようにしている．患者領域外としているのは，患者が静止している場合など，患者の変化が少なく深度差分が小さい場合に患者を認識できなくなるためである．図2 患者の検出 4. 患者状態の判別患者状態の判別では，まず患者領域とベッド領域の交差の関係性から，「患者がいない」「患者がベッド外にいる」「患者がベッドと交差している」「患者がベッド内にいる」の4 状態に判別する．その後，患者の頭や肩の高さを閾値と比較することでさらに細かく，None，Standing，Sitting on floor，Lying on floor，Sitting on edge，Sitting，Lying，Lying on side の 8 状態に判別している．図3 に本システムで認識可能な 8 状態の取得結果を示す．画面左上には赤字で，判別した状態を表示している．図3 患者状態の判別ベッドベッド柵 70 度 60 度 1. 96 m (a) 基準背景深度 (b) 現在深度 (c) 深度差分 (d) 検出状況患者画素患者領域

(a) None (b) Standing (c) Sitting on floor (d) Lying on floor

(e) Sitting on edge (f) Sitting (g) Lying (h) Lying on side ベッド領域

2020 年度精密工学会春季大会学術講演会講演論文集

－ 32 －

(2)

5. 第三者の検出 5.1 第三者侵入の検出第三者の検出は，患者がベッド上にいる，Lying，Lying on side，Sitting のいずれか3 状態の時に，患者以外のシステム開始時の深度を基準とした深度差分の有無で判別を行う．まず，図4(a)に示すシステム開始時のベッド領域認識に用いた患者がいない状態での基準深度と，図4(b)に示す患者と第三者が存在する現在の深度の比較から，図4(c)に示す深度差分を取得する．その後この深度差分のうち，図4 (d)に示す取得した患者画素に含まれない部分を，図 4(e) に示す第三者画素として認識する．図4(f)に患者の認識と合わせた検出結果を示す．水色で表示された部分が第三者画素として認識された部分である．また，画面左上の患者状態を示す文字列の下に青字で，第三者がいる場合にはIn screen，いない場合には None と表示している．図4 第三者の検出図5 に異なる条件下での第三者侵入の検出結果を示す．図 5(a)は患者が座っている状態，図5(b)は，複数の第三者が侵入した状態である．いずれの条件下でも患者および第三者が正確に検出できていることが分かる．図5 異なる条件下での検出状況 5.2 第三者と患者の交差による誤動作の抑制結果提案する第三者侵入の検出手法では，第三者がベッド上の患者と交差することで，第三者を患者として誤認識する問題が生じていた．この誤認識抑制のために，まず交差状態の検出を行った．交差状態の検出には，患者がベッド上にいることから第三者画素とベッド領域の関係を用い，ベッド領域内に第三者画素が含まれる場合を交差状態と判断する．誤認識抑制のために，交差状態が検出された場合には患者の認識を一度停止する．その後第三者がベッド領域から外に出た時に，再び患者認識を開始する．また，第三者の全身がベッド上に乗ることは考えにくいため，ベッド外に第三者画素が存在しない場合は，強制的に患者認識を再開する．これにより，誤って患者を第三者と認識しても，第三者の退出時には患者の認識が再開されることになる．図6 に交差状態の検出結果を示す．図 6(a)は患者が寝ている状態，図 6(b)は患者が座っている状態，図 6(c)は第三者が複数いる場合での検出状況である．交差検出時には左上に，患者状態（赤字）をCross with third-party，第三者状態（青字）を In bed と表示している．交差中は患者認識を行わないため，患者画素は黄色ではなく，背景と同一の灰色で表示される．また図6(d)に示すように，水色の第三者がベッドから離れると，患者の認識が再開し患者画素が黄色で表示される．図6 第三者と患者の交差検出 6. 結論本研究では，患者の動向監視支援システムの開発のうち，第三者侵入の検出とそれによる誤動作の抑制を行った．そして，第三者の検出と，交差時に患者認識を停止することで誤認識の抑制が可能であることを確認した．しかし現在のシステムでは，人ではなく物が侵入し，監視領域内に留まった場合でも第三者として認識を続けるため，今後はこの静止物体の区別や，第三者認識精度の向上を行っていく必要がある．謝辞本研究を行うにあたって御協力頂いた，(独)国立病院機構静岡医療センターの皆様に感謝申し上げます．参考文献 1) 小池志歩，藤尾三紀夫：患者の動向監視支援システムの開発 -ベッド外での転倒状態の検出- ，第 23 回メカトロニクスワークショップ (IMEC2018)，2B1-2 (a) 背景深度 (b) 現在深度 (c) 深度差分 (d) 患者画素 (e) 第三者画素 (f) 第三者検出(Lying・単数)

(a) 第三者検出(Sitting・単数) (b) 第三者検出(Lying・複数)

(a) 交差検出(Lying・単数) (b) 交差検出(Sitting・単数)

患者の動向監視支援システムの開発 第三者の検出