居眠り兆候である欠伸とマイクロスリープの気管音スペクトログラム深層学習による検討

• Project/Area Number: 23K06909
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 52010:General internal medicine-related
• Research Institution: Hiroshima University
• Principal Investigator: 熊谷 元 広島大学, 医系科学研究科(医), 寄附講座准教授 (30911523)
• Co-Investigator(Kenkyū-buntansha): 塩見 利明 広島大学, 医系科学研究科(医), 寄附講座教授 (40140032)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000); Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
• Keywords: マイクロスリープ / 気管音 / スペクトログラム / 居眠り運転 / 深層学習

Outline of Research at the Start

居眠り運転事故は欠伸やマイクロスリープ（瞬眠）の後に発生することが多いが、マイクロスリープの脳波測定は煩雑で、車の運転中等にリアルタイムで判定することは困難である。気管音をスペクトログラム表示し、独自に開発したAIを用いて深層学習することにより、覚醒と睡眠の識別、睡眠呼吸障害診断が可能なことを明らかにしてきた知見を基に、欠伸とマイクロスリープ時の脳波と気管音スペクトログラムをAI深層学習により検討する。居眠り事故を未然に防ぐための新たな簡便かつ低侵襲な方法の開発に有用な、欠伸とマイクロスリープを検出する気管音スペクトログラムの特徴を明らかにする。