The detection of the shivering with machine learning

2022 Fiscal Year Research-status Report

• Project/Area Number: 21K08919
• Research Institution: University of Yamanashi
• Principal Investigator: 和田 啓一 山梨大学, 大学院総合研究部, 臨床助教 (70568112)
• Co-Investigator(Kenkyū-buntansha): 岩下 博宣 山梨大学, 大学院総合研究部, 助教 (10232670) ; 松川 隆 山梨大学, 大学院総合研究部, 教授 (80209519)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: シバリング / 機械学習 / ウサギ

Outline of Annual Research Achievements

周術期のシバリングを防ぐことは合併症などの観点から重要である。これまで我々は、一定の条件や薬物投与がシバリング閾値温度に与える影響を、ウサギを使用した実験系にて研究し報告を行ってきた。現在までの研究ではシバリングの発生を専門の観察者による目視で行ってきたが、精度の問題がありこれを自動化する手法を模索してきた。近年になり、ハードウェアやソフトウェアの進歩によって機械学習が身近なものとなってきたことを受け、これを利用してシバリングの検出を試みることにした。しかし動物実験への機械学習の応用や、動画を用いた時系列の異常検知に関する文献は数少ない。そこで現在進行中の実験環境を応用し、目視に代わりうる時系列の異常検知を行う機械学習モデルの構築を検討することとした。本研究により、より精度の高いシバリングの検出が可能となるだ
けでなく、動物実験並びに医学研究などでの動画解析が大いに発展することが期待できる。
本研究はいずれも現在進行中の研究に並行して行うものとする。現在われわれはウサギを用いてマグネシウムがシバリング閾値温度に与える影響を調べている。オスのニホンシロウサギを笑気およびイソフルランで緩徐麻酔導入を行ったうえで気管挿管管理として各種条件を整えて直腸を強制冷却してシバリングを得るものである。
昨年度はリアルタイムでデータ収集し、シバリングが発生した時点で検出が可能になるようなシステム構築を試みた。今年度は生体情報ではなく撮影した動画を解析することでシバリングの発生を検知できるような仕組みを構築していく。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

リアルタイムでのモデル構築に難渋した。

Strategy for Future Research Activity

今年度は、より複雑であるが目視に近い動画像を用いた検出を行う。具体的方法としては、観察者による目視でのシバリング検出をしつつカメラによる動画撮影を行ってデータ収集を行った。通常、ニホンシロウサギの呼吸数は毎分60回程度であるので、得られた動画を1秒程度のサイクルで分割した。これらの分割されたデータを用いて異常検知が可能なモデルの構築を行う。この検出方法は計算量が多くなることが予想されるため、一般的なPCを用いて演算を行う。
これと並行して遅れの生じている生体情報データのリアルタイム解析に用いるモデルの構築も進めていく。

Causes of Carryover

研究計画に遅れが生じているため。