2021 Fiscal Year Research-status Report
Development of a noninvasive monitoring intracranial pressure by deep learning methods used the external auditory canal pressure pulse information
| Project/Area Number |
18K08940
|
|---|
| Research Institution | Shinshu University |
|---|
Principal Investigator |
降旗 建治 信州大学, 医学部, 特任准教授 (90021013)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
本郷 一博 信州大学, 医学部附属病院, 特任教授 (00135154)
後藤 哲哉 信州大学, 医学部, 特任准教授 (30362130)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | 非侵襲的頭蓋内圧モニタ / 外耳道内圧脈波 / 深層学習 / 機械学習 / 頭蓋内共振現象 / 脳圧亢進症状 / アンサンブル平均1パルス脈波 |
|---|
| Outline of Annual Research Achievements |
本年度の重要課題は、「外耳道内圧脈波（EACP）信号処理だけから頭蓋内圧（ICP）値がどの程度の精度で推定できるか」を明確にすることであった。具体的に検討した信号処理過程は、LPC分析・合成法である。最初に「頭蓋内単一共振特性」伝達関数モデルに基づき、理想的な入力として、5Hzから50Hzまでの共振周波数に対応する頸動脈脈波スペクトル包絡モデルを構築した。次に、EACPのLPC残差スペクトル包絡を頸動脈脈波モデルで加工し、逆FFTして入力信号とすれば、得られた伝達関数の出力信号は、望ましい共振特性スペクトル包絡を有するEACP脈波信号に変換できる。最後に、実測頭蓋内共振周波数（MNRF）は、EACPスペクトル包絡のピーク特性に着目し、各ピーク周波数において計算した望ましい共振特性と理論的な単一共振特性との偏差値が最小になるものを選択した。臨床試験で得られた有効な30名の患者データに適用した結果、類推したICP値（ICP=0.0356*MNRF*MNRF）と実測ICP値の決定係数は0.969、および精密度（Precision）を表すBrand-Altman Plot の標準偏差は2.979 (cmH2O)であった。つまり、95％一致限界は、-5.838から+5.838（cmH2O）までの範囲であることがわかった。
我々の測定誤差目標は、95%一致限界を±5 (cmH2O) 以下に定めている。特に、EACP脈波信号には、センサ挿入時の外耳道内密閉度、呼吸器系変動、体動、ハムノイズ等の影響により、観血的動脈圧測定Aラインのような安定した脈波形が得られていない。そこで、引き続き本年度は、心拍周期単位の外耳道内圧脈波振幅（Pa）の局所的最大値を１、および局所的最小値を0に正規化し、1分間のアンサンブル平均した１パルス脈波波形に関する信号解析法を開発した。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
理由
本年度は、コロナ禍のためにインフォームドコンセントにおける印鑑が必要な家族同意等を得ることが困難になり、特に頭蓋内圧が高い患者を対象とした「侵襲センサと非侵襲センサ」による新たな臨床試験データを得ることが困難であった。そのため、測定精度検証に必要なデータの獲得は大幅に遅れているのが現状である。このような状況下では、大量のラベル付けされたデータが必要な深層学習法の適用が困難である。一方、機械学習には幅広い手法とモデルがあり、用途や処理するデータサイズ、解決したい課題のタイプに合わせて選択できる。
申請者らは、測定誤差の目標「95%一致限界を±5 (cmH2O) 以下」をクリアする新たな信号処理法の開発に挑戦した。機械学習は、どのような信号処理分析結果が最適であるか、そのメカニズムを明らかにすることによって学習データ数が少なくても目的とする類推精度を向上させることができると考えられる。そこで、EACP信号の時間波形の比較検討を容易にし、なおかつセンサ挿入時の外耳道内密閉度、呼吸器系変動、体動、ハムノイズ等の影響を最小に抑えるために、心拍周期単位の外耳道内圧脈波振幅（Pa）の局所的最大値を１、および局所的最小値を0に正規化し、１分間の各１脈波波形を切り出し、「アンサンブル平均した１パルス脈波波形」に着目した。その波形を得るための自動化プログラムは、おおむね開発した。現在は、EACP１パルス脈波波形のスペクトル包絡線によるパターン学習法が機械学習に最も適したものである知見が強く期待できる研究段階である。
したがって、上記測定誤差の目標「95%一致限界を±5 (cmH2O) 以下」をクリアする新たな信号処理法の開発に心血を注いだため、これらの成果は、特許出願、学会発表および雑誌論文により公表する段階に至っていない。
|
| Strategy for Future Research Activity |
次年度は、本年度開発した「心拍周期単位の外耳道内圧脈波振幅（Pa）の局所的最大値を１、および局所的最小値を0に正規化し、1分間のアンサンブル平均した１パルス脈波波形」に関してMatlab2022aによる自動化プログラムを用いた信号解析法を詳細に検討する。
このアンサンブル平均した１パルス脈波波形は、ICP値の多寡による外耳道内圧脈波形比較が容易になる特徴がある。心拍周期単位のEACP脈波信号に関する各1波形の切り出し方法は、パルス性が強く周期検出が容易な方を正側に自動選択し、切り出した後、アンサンブル平均した１パルス脈波波形に関する心臓の血液駆出に伴う拍動変化の方向性を判定する。その正しい方向性を持つ１パルス脈波波形に対して、反転したEACP脈波信号に関しても同様に逆の方向性を持つ１パルス脈波波形が得られる。これら両者波形のパワースペクトルは異なり、両者のレベル差を求めたパワースペクトルと両者のパワー平均を求めたパワースペクトルを求めることができる。これらのパワースペクトル包絡特性とICP類推に必要な頭蓋内圧単一共振周波数との関連性は、患者30名のデータを用いて詳細に検討し、機械学習に最適な信号処理分析結果から各種パラメータを決定する予定である。
|
| Causes of Carryover |
・コロナ禍等の理由により延長届を提出し、認可されたことと、購入物品の納品日が、次年度となったため、次年度使用額が生じた。
（使用計画）
・次年度使用額は４月に納品予定の物品購入に使用する。
|
