2017 Fiscal Year Annual Research Report
体調変化とデータ欠損にロバストな無拘束型睡眠段階推定と個人化による精度向上
Project/Area Number |
17J10128
|
Research Institution | The University of Electro-Communications |
Principal Investigator |
田島 友祐 電気通信大学, 情報理工学研究科, 特別研究員(DC1)
|
Project Period (FY) |
2017-04-26 – 2020-03-31
|
Keywords | 睡眠段階推定 / 無拘束 / 心拍 / 体動 |
Outline of Annual Research Achievements |
本研究は,睡眠障害の治療ならびに予防の診断のために,拘束性の高い器具の装着と専門医師による診断が必要不可欠である従来の方法から,無拘束状態で取得可能な生体データ(心拍・体動・呼吸)に対し周波数解析を基にした推定法により,専門医師による診断を不要とする睡眠段階推定手法の実用化に取り組む.この目標達成のため,(ⅰ) 従来の心拍だけの推定ではなく,複数の生体データ(睡眠に関連性の高い体動・呼吸)を用いることによる睡眠段階推定精度の向上,(ⅱ) 個人の日々の体調変化や被験者によって推定精度が減少しないロバストな推定法の確立,(ⅲ) 就寝直後のような取得される生体データの少ない,短い時間における推定法の確立,(ⅳ) 寝返りやトイレなどによる生体データ欠損時における,生体データの近似的な補完方法の確立,の4つのサブテーマに取り組む.第1年度目の研究計画では,(ⅰ),(ⅱ),(ⅲ)に取り組んだ.(ⅰ) では,心拍を用いるだけでは推定出来ない突発的な覚醒状態を,体動を考慮することにより実現させた.(ⅱ) では,自分自身の過去に得られた睡眠の生体データとの比較を推定中にすることで,体調変化にロバストな推定を実現させた.この研究成果は国内学会である人工知能学会にて口頭発表し,SICE Journal of Control, Measurement, and System Integrationジャーナルに掲載された.また,被験者にロバストな推定法として,他人の睡眠時の生体データとのずれを基にした推定基準を用いる推定法を実現させた.この研究成果は国内学会であるヘルスケア・医療情報通信技術研究会にて口頭発表した.(ⅲ) では,(ⅱ)で提案した基準を事前に用いることで推定を実現させた.この研究成果は国際学会であるAAAI 2018 SPRING SYMPOSIUM SERIESにて口頭発表した.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
第1年度目の研究計画では,無拘束かつ専門知識を不要とする睡眠段階推定法の確立に向けた計画として,4つのサブテーマのうち(ⅰ),(ⅱ),(ⅲ)に取り組んだ.具体的に,(ⅰ)は心拍から周波数解析により睡眠段階を推定する従来の手法では推定することができない突発的な覚醒状態を,短期間の体動に着目することで推定を可能にした.これにより,従来の推定法と比べ,10%の推定向上が見られた.(ⅱ) では,体調変化へのロバスト性を得るために,睡眠中に自分自身の過去の睡眠で得られた生体データとの比較により,その時間に最も類似する生体データを基準とする推定法を提案した.この手法を用いることにより,従来の推定法に比べ最大30%の推定精度改善を実現させた.また,被験者へのロバスト性を得るために,他人の過去の睡眠で得られた生体データとの比較を睡眠中に導出し,各生体データとのずれの度合いを用いた加重平均から睡眠中に最も類似する基準を多様に決定できる推定法を提案した.この手法を用いることにより,従来の推定法に比べ最大30%の推定精度改善を実現させ,精度の改善が見られないケースでも従来の推定法と同等の精度を実現した.(ⅲ) では,就寝直後のような取得される生体データが少ない場合において,従来の推定法では可適応が生じることで誤推定をしてしまう問題に対して,(ⅱ) で提案した基準の決定法を推定中に与えるのではなく,推定前に事前に与えることにより可適応を抑え,正しい推定を可能にした.これにより,従来の推定法に比べ最大30%の推定精度改善を実現させるのに加え,どのような基準を与えればよいかを動的に決定可能とした.また,これらの提案した手法には,睡眠中に睡眠周期が変化した際,精度が悪化する問題が存在するが,再度,推定し直すことで精度改善することが可能であると明らかにした.以上より,進捗状況としては計画通り進行している.
|
Strategy for Future Research Activity |
本年度では,研究計画として掲げた4つのサブテーマに対して(ⅰ),(ⅱ),(ⅲ)の3つを実現し,従来の推定法よりも精度を向上させた.第2年度目は4つのサブテーマのうち,(ⅳ) 寝返りやトイレなどによる生体データ欠損時における,生体データの近似的な補完方法の確立にあわせ,第1年度目で得られた精度より高精度な睡眠段階推定法の確立に向けて,サブテーマの(ⅰ) の内容を発展させることに焦点を当てる.具体的に,(ⅳ) は,既に取得された生体データに対し,無作為的もしくは睡眠周期の変化の前後において,1分間,5分間,10分間,20分間の様々な長さの時間のデータ欠損を疑似的に作成し,それらの生体データを用いた際の推定精度の変動を通して問題点を明らかにすることで,精度減少しない生体データの補正方法を考案する.トイレなどの長期間の離床時は,離床前の睡眠が中断されたとするか再度推定をし直すべきかも考慮していく.また,(ⅰ) は,体動を考慮することにより,突発的に生じる浅い睡眠(覚醒)を推定することを実現させたが,突発的に生じる浅い睡眠にはREM睡眠も存在するため,現時点の(ⅰ) の推定法をより高精度にすることが可能である.そのために,先ず,睡眠を一つの波とした場合と睡眠周期を基準に睡眠を分割した場合において,周期性を基にした推定法が推定出来ない箇所を明らかにし,生体データ(心拍・体動・呼吸)を複合的に用いることで,REM睡眠の判定法を考案し,推定精度の限界を引き上げる. また,第1年度で実現した提案手法の有効性の検証は,被験者データとして睡眠障害を持たない被験者を対象としたが,第2年度では,睡眠障害を持つ被験者から得られたデータに対して提案する推定法の適応可能性を探求するとともに,障害の有無における睡眠の質の違いを生体データから判別する方法の確立を目指す.
|