2019 Fiscal Year Research-status Report
AI解析を用いたコロトコフ音波形による健康管理指標値の研究
| Project/Area Number |
18K12144
|
|---|
| Research Institution | Toin University of Yokohama |
|---|
Principal Investigator |
片山 富美代 桐蔭横浜大学, スポーツ健康政策学部, 教授 (70309649)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
杉本 恒美 桐蔭横浜大学, 工学(系)研究科(研究院), 教授 (80257427)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | コロトコフ音 / 波形解析 / 人工知能 / AI解析 / 血圧測定 |
|---|
| Outline of Annual Research Achievements |
血圧測定時に聞くことができるコロトコフ音は、最高・最低血圧を計測するためだけに現在使用されている。このコロトコフ音の波形自体には測定対象者の血管の粘弾性特性や血液の粘度、血流量という被験者側の身体的な要因が強く反映されていることが予想されるため、通常の血圧計測時にそのような健康に関するパラメータを同時に計測できる可能性が高いと考えられている。しかしながら、このコロトコフ音波形は個人差による変動が大きいために、その解析は容易では無いことから、実際に用いられることは困難であると思われていた。
ところが、近年、急速に発展した人工知能（AI：Artificial Intelligence）いわゆるディープラーニング技術を活用すれば、複雑な音波形であっても分類解析が可能な状況になってきた。したがって、本研究ではコロトコフ音波形自体に対してAI解析手法を適用することにより、手軽に使える日常健康管理の健康指標値として確立できるかどうかを検討することを目的としている。
解析に使用するデータとしては、近隣のデイケアセンターを利用する主として高齢者のコロトコフ音波形の取得を2009年以来、約10年間近く継続しており、延べ数百人に上る波形データの蓄積を行ってきている。まだ統計的には不十分なデータ量ではあるが、それでもAI解析を活用してコロトコフ音波形の分類が可能かどうかを検討する価値は十分にあると思われる。
2019（令和元）年度は、高齢者のコロトコフ音波形取得を継続しつつ、音波形データに対するAI解析の準備作業を実施した。具体的には、過去10年間における同一人物の波形データ抽出を行い、初期解析として、波形ノイズの除去や経時変化の有無について検討を行った。取得された波形データの中には、マイク感度の関係で波形のピーク値がカットされているものもあったため、可能な限りその修復なども実施された。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2019（令和元）年度は、年度前半には4月に採用した波形解析専門の研究スタッフにより、AI解析の準備として過去10年間にわたるコロトコフ音波形データの分類および分析を実施した。その結果、計測された波形データの中にはピーク値がカットされているものや、計測時の周囲ノイズが含まれているものが多く含まれていることが判明した。これは、高齢者の施設内で、波形取得用のマイク感度を個人毎に調整しきれないことが原因である。そのため、当初はピーク値がカットされていないデータのみに対して、個人毎の波形データの経時変化についての検討を行いつつ、ピーク値の修復方法の検討を行った。このピーク値の修復方法について、目途が付いた年度半ば頃に、採用していた波形解析専門の研究スタッフが退職した。その結果として、年度後半には再度、波形解析専門の研究スタッフの選定および確保を実施せざるを得なかったことが、研究の進捗状況が当初予想よりやや遅れている要因である。
|
| Strategy for Future Research Activity |
2020（令和2）年度は、複数年にわたりコロトコフ音波形データが存在する同一人物の時間波形データ（約10名分）に対して、経時変化の有無や既往症との関連の有無について検討を行う。コロトコフ音波形のみによるAI解析では入力データにより、クラスタリング（分類）の精度が影響されてしまうことが予想されるため、従来行われてきた波形分類法についても考慮に入れて、波形データそのものだけでなく、周波数スペクトルもしくは加速度波形のデータを追加した場合の検討を行う。データ量が増えることにより、解析のための準備時間が増大してしまう場合は、コロトコフ音の波形データのうち、一つの波形を切り出すことによりデータ量を削減する。これらの検討により、基本的な教師データを作成してAI解析による分類が可能かどうか検討する。さらに、時間的に可能であれば、運動前後（平静時および運動後の経時変化）や食事前後（食前と食後、食べ物の種類）および症例別（脱臼歴、高血圧、不整脈）についても波形による分類が可能かどうかについての検討も行う。
|
| Causes of Carryover |
AI解析を想定して波形解析専門の研究スタッフを採用してみたものの、約半年間という短期間で退職して他の研究機関に異動してしまった。これはAI解析を実施できる人材の需要の高さを示しているため、後任の研究スタッフの選定・確保に関しては、慎重に時間をかけて行わざるを得なかった。幸いなことに、信頼できる後任の波形解析専門の研究スタッフを年度内に内定できたものの、本人の採用希望が2020年4月以降であったため、2019年度後半に予定していた人件費支出の大半を繰り越すこととした。これが研究予算の次年度使用が生じた理由である。なお、繰り越した研究費は、主として新たに採用した研究スタッフの人件費としての支出を想定している。
|
Research Products
(1 results)
