MEDICINE & AI

タイトル：Fall detection among elderly persons using FallCNN and transfer learning models. DOI：10.3389/frai.2026.1734096 概　要： 本研究は、高齢者の転倒を早期に検知するための効率的かつコスト効果の高い人工知能戦略を開発することを目的としています。世界保健機関（WHO）のデータによると、転倒は高齢者の意図しない死亡や怪我の主要な原因の一つです。本研究では、SiSFallデータセットから生成した信号ベースの画像データセットSimgFallを使用し、転倒、ジャンプ、つまずき、歩行の4クラスを検出するための新しい深層畳み込みニューラルネットワーク（CNN）アーキテクチャであるFallCNNモデルを訓練・評価しました。最終的に、FallCNN_4は98%の精度を達成し、構造的な改善による累積的な性能向上を示しました。 方　法： 本研究では、1992枚の信号ベースの画像からなるSimgFallデータセットを使用し、FallCNNモデルを訓練しました。データセットは、転倒、ジャンプ、つまずき、歩行の4クラスに分類され、各クラスのサンプル数は498です。FallCNNモデルは、深さ方向の畳み込みと異なる膨張率を用いて特徴を抽出し、FallCNN_1からFallCNN_4までの4つのアーキテクチャを評価しました。 結　果： FallCNN_1は94%の精度を達成し、FallCNN_2は95%、FallCNN_3は97%、最終的にFallCNN_4は98%の精度を達成しました。最高の分類精度は98%で、損失は0.0833でした。これらの結果は、異なる事前学習済みモデルとカスタムモデルを用いて評価されました。 結　論： FallCNNモデルは、高齢者の転倒を高精度で検知する能力を示し、転倒検知のための効果的な人工知能戦略としての可能性があります。この研究は、医療支援プロセスの迅速化に寄与することが期待されます。