2014 Fiscal Year Research-status Report
聴診音を用いた心音の混入に頑健な肺疾患者及び心臓疾患者の高精度な検出法の研究
| Project/Area Number |
26330198
|
|---|
| Research Institution | Nagasaki University |
|---|
Principal Investigator |
松永 昭一 長崎大学, 工学研究科, 教授 (90380815)
|
|---|
| Project Period (FY) |
2014-04-01 – 2017-03-31
|
| Keywords | 情報システム / 肺音 / 異常音識別 / 肺疾患者識別 / 心音 |
|---|
| Outline of Annual Research Achievements |
本研究では、複数の聴診箇所から得られる多様な呼吸音を用いた、高精度で頑健な呼吸器等の疾患者の検出を目指したアルゴリズムの開発を行っている。平成26年度の研究実績は以下の通りである。
1)被検者や聴診箇所によっては心音が多数含まれる場合がある。心音(特にⅠ音とⅡ音)の聴取できる区間の正確な検出は呼吸器疾患や心疾患の頑健な検出のためには重要である。そこで現有の肺音データに対して、心音の混入が多い聴診の肺音における副雑音の高精度な検出を目的に左胸部２箇所のラベルデータの整備を行い、より信頼できるデータとした。
2)肺音に含まれる副雑音には大きく分類し、連続性の副雑音と断続性の副雑音の２種類がある。これらの音はスペクトルの情報が異なるだけでなく、聴診箇所、発声のタイミング、継続時間などが異なる。本研究ではこれらの雑音の生起傾向を考慮した異常音としてのスコアと正常音としての統計的手法によるスコアの定式化を提案した。この手法により、異常音と正常音の識別精度、健常者と肺疾患者の識別精度を向上させることができた。従来の音響パラメータ(パワーとスペクトル包絡)のみでの副雑音モデルの詳細化では精度が向上しなかったことから、より大局的な音響情報が必要であることを示した。
3)音響特徴パラメータとして従来はケプストラム係数を用いていたが、異常肺音の検出に必ずしも適しているとは言えない。そこで、ケプストラム係数を入力としたDeep neural networkを用いたパラメータを用いたHMMによる識別システムを構築した。
4)心音が多く含まれる左胸からの肺音に対しての最尤推定による教師なし学習における副雑音検出の効果を調査した。心音の適応は行えていないものの、適応データを選択することにより、適応の効果はあることが判明したが、若干の性能の向上にとどまった。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
心音に対するセグメントラベルの付与が想定していたよりも難しいことが判明し、ラベル付けが遅れている。心音が多く含まれる聴診箇所が左胸部3ヵ所、左背部3ヵ所あるが、２ヵ所のラベル付与が完了した。また、副雑音のモデル化に関しては大きな進捗が得られたが、心音のラベル付与の遅れにより心音の検出に関するアルゴリズムの開発の研究が遅延している。
一方で、研究実績の概要に記入した副雑音の特性を考慮した異常音と正常音の識別、健常者と疾患者の識別やDeep Neural Networkを用いた高精度な識別方式への展開、教師なし学習に関してはおおむね順調に進展している。
|
| Strategy for Future Research Activity |
心音を含む肺音データに対するラベル付与を引き続き行い、肺音データベースのラベル付きデータの量の増加に努める。具体的には、残りの左胸部１ヵ所、左背部３ヵ所のラベルの付与を進める。
また、26年度に行った研究成果である、2)雑音の生起傾向を考慮した異常音としてのスコアと正常音としてのスコアの統計的算出手法の定式化、及び従来より行ってきた複数の聴診箇所のスコアを組み合わせた識別手法に対して、心音モデルを導入し、より精度の高い異常肺音検出アルゴリズムの作成を目指す。また前年度と同様にパワーとスペクトルの音響特徴パラメータのみではなく多様な音響特徴心音の検出の進展が困難な場合でも、心音の混入に頑健な副雑音の高精度で検出可能なアルゴリズムの開発を行う。また、昨年度新たに構築したDNN-HMMを用いた異常肺音識別に関しては、今後大きく識別性能を向上させる可能性があるため、データ量を増加させより多数の聴診箇所で検討を行うとともに、従来の聴診箇所異存の音響モデルを非依存の音響モデルに拡張することを検討する。また、現在、DNNの入力はパワーとケプストラムを用いているので、より識別精度の向上が可能な音響パラメータの導入に関して検討していく。また、3)心音が多く含まれる左胸からの肺音に対しての最尤推定による教師なし学習において、拡充したデータベースを用いた心音区間の検出アルゴリズムを検討するとともに、心音モデルの適応の可能性についても検討を開始し、特に心音のⅠ音、Ⅱ音の検出精度の向上を目指す。さらに、これらの手法を統合した、複数の聴診箇所から得られた呼吸音を用いた高精度な疾患者の検出アルゴリズムに関して検討を行う。
|
| Causes of Carryover |
おおよそ、計画通りの使用となった(95%)ものの、5%の少額の未使用額が発生した。これは計画当初と比較して、円安の影響を受け、購入費用がより必要となったため、予定していた計算機を購入できなかったことが主な要因である。
|
| Expenditure Plan for Carryover Budget |
概ね従来の使用計画に沿って使用する。昨年度の未使用額は少額であるため物品費の購入補填にあてる。
|
Research Products
(3 results)
