2021 Fiscal Year Research-status Report
| Project/Area Number |
20K12045
|
|---|
| Research Institution | Nagasaki University |
|---|
Principal Investigator |
松永 昭一 長崎大学, 情報データ科学部, 教授 (90380815)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高田 寛之 長崎大学, 情報データ科学部, 助教 (10297616)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 生体音 / 泣き声 / 肺音 / 主観評価 |
|---|
| Outline of Annual Research Achievements |
本研究では，生体音に含まれる特徴音の識別(本研究では「聴診音(肺音)を用いた疾患者の検出」，及び「乳児の泣き声に含まれる情動の検出」の二つの課題を対象とする)において，被験者(ユーザ)に直観的でよりわかりやすい認識結果を提供することを目的として20年度より研究を行ってきた．
聴診音に含まれる異常音(副雑音)の検出に関して：異常肺音のパワーと明瞭性に関する相関を考慮し「確からしい異常音」と「異常音」の識別クラスを用いる方法を考案した．確からしい異常音の検出判定基準には, 異常肺音の調査の結果から副雑音区間のパワーの最大値を用いた. 検出実験の結果,「確からしい異常音」を検出した精度は, 右第二肋間の聴診箇所から得た肺音データでは良好であったものの，「確からしい異常音」と「異常音」の識別精度は十分ではなかった．
乳児の泣き声に含まれる情動の検出に関して：先行研究の情動クラスの分類(「甘え」と「怒り」の 2種)を行う際に，被験者にとって重要な情報は「怒り」と「強い怒り」の分離(「強い怒り」と感じる場合は乳児への早急な対応が必要なため)と考えた．「強い怒り」に共通する特徴的な声は「裏返った声」と「割れた声」であることを発見した. 「裏返った声」はピッチが短時間で急激に上昇するという特徴があり，ピッチの変化量が閾値を超えるか否かで検出できると考えた. 「割れた声」はピッチが抽出できないという特徴があったため, ピッチが抽出できない区間の時間長が設定した閾値を超えるか否かで検出した．この結果，「強い怒り」の高い検出率を達成できた．また，泣き声には単純な泣き声のみでなく，息継ぎやむせた状況での咳の区間もある．この中でどの区間に情動の情報がより含まれるかの検討を行った結果，単純な泣き声区間が最も情報が多いことが示せたが，その他の区間にも含まれていることを識別実験で示した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
21年度の本研究では「聴診音(肺音)を用いた疾患者の検出」，及び「乳児の泣き声に含まれる情動の検出」の二つの課題に対して主観評価値を考慮した識別クラスの設定とその検出方法について検討してきた．「聴診音(肺音)を用いた疾患者の検出」では，主観的に「確からしい異常音」を検出するという考え方を導入することで「確からしい疾患者」を検出するという考え方に発展させることができた．また，「確からしい異常音」やそれが出現する「確からしい疾患者」を検出するためには，検出するための音響特徴パラメータとして副雑音区間のパワーの最大値を用いることが有用であることを調査と実験により示すことができた．一方で，「確からしい異常音」と「異常音」の識別，および「確からしい疾患者」と「疾患者」の高精度な識別結果を得るには至っていない．
乳児の泣き声を用いた情動検出に関しては，従来の泣き声の主観評価値の違いによる情動クラスの識別を，より被検者に有用な情動クラスを細分化するという考え方に発展させることができ，情動検出の中で最も必要と考えられる「強い怒り」を検出する研究を執行してきた．この結果，「強い怒り」に共通して出現する音響的に特徴的な「裏返った泣き声」と「割れた泣き声」を検出することが重要であり，そのためには音響特徴量としてピッチ情報(周波数の変化)を用いることが必要であることを調査と実験で示すことができた．しかし，一方で，情動の「強い怒り」と「怒り」を高精度に識別するには至らなかった．
|
| Strategy for Future Research Activity |
21年度の本研究により，主観評価値を用いた識別クラスの設定が「聴診音(肺音)を用いた疾患者(異常音)の検出」，及び「乳児の泣き声に含まれる情動の検出」の二つの課題に対して単純なクラスタリングによって得られた識別クラスを用いるのではなく，より被検者に有用なクラスを主観評価値を用いて設定することとした．これにより，従来の識別クラスのクラス数より増加したクラスを扱うことになった．また増加したクラス(「聴診音を用いた疾患者/異常音の検出」では「確からしい異常音」，「乳児の泣き声に含まれる情動の検出」では「強い怒り」)を検出するための音響特徴パラメータを特定することができたものの，従来の識別で用いていたクラスよりそれらを分離して高精度に識別を行うことができないという課題を残した．そこで，今後の研究は21年度に提案したクラスと従来の識別クラスを識別対象とした識別精度の向上の研究を推進する，
具体的には，LSTM等を用いた深層学習による高精度な識別手法の構築を行う．識別するクラス数が増えたことにより学習に必要なデータ量は増加するが，生体音の識別において学習可能なデータを新たな被験者から大量に獲得することは容易ではない．そこで，学習データ数を疑似的に増加させて(データ拡張を行い)識別を試みる．これまでも，異常肺音の識別に関しては，ターゲットの聴診箇所から収音した肺音の他に，異なる聴診箇所から収録したデータを適切に取捨選択することで識別精度を向上させることができた．また，乳児の泣き声に含まれる情動の検出に関しては乳児から離れた箇所で収録したデータを利用することで識別精度を向上できることを確認しているため，これらのデータ拡張手法を本研究にも適用する．さらに，生体音データにはスパースモデリングもしくは非負値行列因子分解により雑音成分の低減を行い，識別精度の向上を目指す．
|
| Causes of Carryover |
コロナ感染拡大により学会出張等ができず、旅費の支出を行わなかったため。22年度の学会発表で旅費として使用する。
|
Research Products
(2 results)
