2023 Fiscal Year Annual Research Report
Automatic Classification of Neonatal Sleep-Wake States by Video Analysis
| Project/Area Number |
21K12704
|
|---|
| Research Institution | Mie University |
|---|
Principal Investigator |
若林 哲史 三重大学, 工学研究科, 教授 (30240443)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
盛田 健人 三重大学, 工学研究科, 准教授 (40844626)
新小田 春美 福岡女学院看護大学, 看護学部, 教授 (70187558)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 睡眠 / 新生児 / NICU / 機械学習 / 動画 / 顔 / Brazelton / NBAS |
|---|
| Outline of Annual Research Achievements |
本研究ではNICUにおける児の睡眠覚醒状態を、動画により自動分類する手法を検討した。具体的には1分ごとにBrazeltonのNBASに基づく睡眠覚醒状態のアノテーションが付与された新生児の動画を対象として、動画から抽出された体の動きと表情の特徴を機械学習し、睡眠覚醒状態を非接触で自動分類する。実施項目として「体の動きに基づく睡眠覚醒状態自動分類」、「表情に基づく睡眠覚醒状態自動分類」、「体の動きと表情の両方を用いる睡眠覚醒状態自動分類」を計画した。
2021年度は、動画フレームの顔領域から抽出したHOG特徴とSVMを用いた分類手法について論文誌で報告するとともに、オプティカルフローにより抽出した体の動きの特徴量を用いる機械学習手法と、動画を3DResNetで分類する手法の比較を行ったが、3DResNetの精度が不十分であった。
2022年度は、後者の実験条件を整えて検討したところ、オプティカルフローから求めた体の動きの特徴量を用いる機械学習手法と3DResNetの分類精度がほぼ同程度となり、その成果を、2022 World Automation Congress (WAC)で発表した。
2023年度は、顔領域を抽出した動画を3DResNetを用いて分類する手法と体全体の動画を3DResNetを用いて分類する手法の結果を、時系列平滑化後に出力確率に基づいて統合したところ、分類精度0.611、カッパスコア0.623が得られ、その結果を論文誌に発表した。
現時点でBrazeltonのNBASに基づく新生児の睡眠覚醒状態自動分類手法は存在せず、本研究の成果により、新生児や看護師に負担をかけずに継続的・客観的な睡眠状態の観測が可能になることを期待できる。
|
Research Products
(3 results)
