2020 Fiscal Year Annual Research Report
ウェアラブルヘルスモニタリングに向けたマルチスケール心拍変動解析・評価技術の開発
| Project/Area Number |
19H04506
|
|---|
| Research Institution | National Institute of Technology, Kumamoto College |
|---|
Principal Investigator |
卜 楠 熊本高等専門学校, 電子情報システム工学系AEグループ, 准教授 (80425743)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
福田 修 佐賀大学, 理工学部, 教授 (20357891)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Keywords | ストレス評価・解析 / 心拍変動解析 / 深層学習 / ストレスの誘発手法 |
|---|
| Outline of Annual Research Achievements |
本研究は、２０２０年度心拍変動データに含まれる短時間スケール特徴情報をベースにストレス評価を目標に研究を進めた。特に、時系列データを深層ニューラルネットに入力しストレスを検出する。該当年度の研究助成で主に下記の研究成果を得ることができた。
１，３０秒以内の心拍間隔（RRI）データを直接識別する方法を提案した。短時間の生心拍データをリカレント構造の有するLSTM深層ニューラルネットで学習し、2～4クラスの学習・識別難易度の異なるストレス検出問題で提案手法を検証した。生の心拍データを直接識別する試みはこれまでの無いアプローチで、本年度の研究結果より心拍変動データを処理せず直接利用できる点が確認したとともに、学習段階でクラス数の多い問題は学習の進行が困難で収束できない新しい課題も認識できた。
２，短時間心拍変動データの一次差分情報をLSTM深層ニューラルネットで学習・識別に用いる新たなトライを行った。処理において極わずかな差分計算で、心拍変動データに含まれる情報量を最大限キープすることができた。心拍変動データの直接利用と比べて識別精度の劇的な改善が取れなかったが、ニューラルネットの学習プロセスが大きく改善し、学習段階の収束試行が最大で3倍の試行数が確認できた。
３，VR環境での心拍変動計測実験の問題点を解消するため、電動車いすの操縦にストレス要因となる新たな制御システムの設計と構築を行った。電動車いすの位置・速度情報を測定し、操作者の意図しない車いすの挙動で操作者に予期できない要因でストレスを誘起する。本年度は一部のシステム設計及び部分機能の実現を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
本研究の実施において重要となる心拍データ実測実験はコロナ感染状況の急拡大により一時的に中止となったため、過去に取れたデータを新たな解析手法で検証することに集中した。さらに、大人数で同時に行う計測実験の計画を修正し、実験方法の見直しを行った。延期と変更になる関連研究内容は2021年度以降の研究で実施した。
|
| Strategy for Future Research Activity |
コロナ感染状況及び実験機材など計画時に予測できなかった理由で、研究計画は当初より複数の修正・改善を行った。これまで未完成の研究内容は早急に実施することに努力する。
|
