2018 Fiscal Year Annual Research Report
Trial of estimating blood pressure using green light photoplethysmogram
| Project/Area Number |
16K16385
|
|---|
| Research Institution | Shinshu University |
|---|
Principal Investigator |
阿部 誠 信州大学, 学術研究院工学系, 准教授 (90604637)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 光電容積脈波 / 血圧 / ニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
平成30年度は，平成29年度に提案した血圧推定モデルの実用性を向上させるために，日内変動や個人差を考慮した汎用的なモデルの構築およびその有効性の検証を行った．
前年度の検証で有用性が示された，指尖で計測された緑色光電容積脈波の波形における7個の特徴量を入力とし，連続血圧計によって計測された血圧をターゲットとしたニューラルネットワークによる非線形モデルを構築することとした．
提案モデルの有効性を検証するために，被験者20名を対象として，血圧を意図的に変動させるための息こらえ負荷試験と寒冷昇圧試験の2種類の実験を異なる日時で行った．そして，息こらえ負荷試験で得られた実験データを学習データ，寒冷昇圧試験で得られたデータをテストデータとして，血圧の推定精度の検証を行った．その結果，解析可能であった19名のデータにおいて，テストデータにおける血圧の推定誤差が19名中16名で10 [mmHg]以下となり，学習データとテストデータが異なる場合においても高い精度で推定が可能であることが示された．
以上の結果から，提案手法では個人ごとのモデルを作成することで，汎用性の高いモデルを構築可能であることが示された．これは，学習データとして用いる息こらえ負荷試験時のデータにおいて，被験者の血圧変動が大きく，血圧の分布が広範囲にわたっていることが推定精度の向上に寄与しているためであると推察される．したがって，一度息こらえ負荷試験を実施し，個人の血圧推定モデルを作成さえすれば，計測条件や日時が異なっても，高精度の血圧推定が可能となると考えられる．
今後は，本課題で実現可能となった血圧推定をウェアラブルデバイス等のヘルスケア機器に搭載し，応用性を確認することが必要であると考えられる．さらに，個人によらないより汎用性の高いモデルの提唱を検討することで，モデル構築の負担を減らすことも課題となると考えられる．
|
