医療緊急時における人間の活動認識の向上：ハイブリッド深層CNNと双方向LSTMモデルを用いたウェアラブルセンサーによるアプローチ
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Enhanced human activity recognition in medical emergencies using a hybrid deep CNN and bi-directional LSTM model with wearable sensors.
雑誌名：Sci Rep. 2024 Dec 28; 14(1): 30979.
概 要：
本研究では、ウェアラブルセンサーを用いた人間の活動認識（HAR）の精度を向上させるために、CNN-BiLSTMモデルを提案しました。HARは、スマートデバイスや医療システム、フィットネスアプリケーションにおいて重要な技術であり、人間の動きや周囲との関わりを捉えることが求められます。提案したモデルは、MHEALTHおよびActitrackerという2つの公開データセットを用いて評価され、MHEALTHデータセットでは最大98.5%のテスト精度を達成しました。また、Actitrackerデータセットにおいては、従来の深層学習手法に対して約5%の精度向上を示しました。この技術は、高齢者の見守りや医療緊急時の動きの異常検知など、さまざまな応用が期待されます。
方 法：
本研究は、ウェアラブルセンサーから得られたデータを用いて、CNN-BiLSTMモデルを構築しました。モデルの評価には、精度、適合率、再現率、F1スコアなどの指標を使用し、MHEALTHおよびActitrackerの2つの公開データセットでテストを行いました。
結 果：
提案したCNN-BiLSTMモデルは、MHEALTHデータセットで最大98.5%のテスト精度を達成し、Actitrackerデータセットでは従来の手法に比べて約5%の精度向上を示しました。これにより、HARの精度が大幅に改善されました。
結 論：
提案したモデルは、医療緊急時における人間の活動認識の精度を向上させる可能性があり、高齢者の見守りやリハビリテーションにおける応用が期待されます。