大規模言語モデルは、認知症高齢者施設におけるリスク行動のシーン不変検出を複数の監視カメラビューにわたって改善する

科学分野:

• 人工知能; コンピュータビジョン; 老年医学

背景:

• 認知症の行動および心理的症状（BPSD）は、高齢者施設において重大な安全上の課題をもたらします。自動化されたビデオ監視は、リスク行動の早期検出の可能性を提供します。現在の深層学習手法は、未知の環境でのパフォーマンス低下に対処するのに苦労しています。

研究 の 目的:

• 認知症患者のリスク行動を検出するための、教師なし・シーン不変な深層学習ネットワークを開発すること。異なるカメラビューにわたる行動検出システムの汎化性能を向上させること。ケア設定におけるタイムリーなスタッフ介入を強化し、インシデントのエスカレーションを軽減すること。

主な方法:

• 教師なし・シーン不変な融合ベースの深層学習ネットワークを提案しました。言語モデルベースのキャプション生成とスコアリングをビデオ異常検出と統合しました。異常検出のために深度加重時空間オートエンコーダーを使用し、キャプションベースのスコアリングのために大規模言語モデルを使用しました。3つの異なる廊下カメラにわたる9人の認知症患者からのビデオデータを収集しました。

主要な成果:

• 提案手法は、同一カメラおよびクロスカメラ設定の両方において、既存の手法に対して一貫して優れた性能を示しました。3つのカメラそれぞれで、受信者操作特性曲線下面積（AUROC）スコア0.855、0.84、0.805を達成しました。未知のカメラシーンに対する汎化性能を成功裏に向上させました。

結論:

• 開発された教師なし・シーン不変な深層学習ネットワークは、認知症患者のリスク行動を効果的に検出します。このアプローチは、多様なケア環境における自動行動検出システムの信頼性を向上させます。クロスカメラ行動リスク検出に関するさらなる研究を、認知症ケアの改善のために促進します。