| 研究課題/領域番号 |
21K12704
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分90130:医用システム関連
|
|---|
| 研究機関 | 三重大学 |
|---|
研究代表者 |
若林 哲史 三重大学, 工学研究科, 教授 (30240443)
|
|---|
| 研究分担者 |
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)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | パターン認識 / 医用画像処理 / 動画像解析 / 深層学習 / 睡眠 / 新生児 / NICU / 機械学習 / 動画 / 顔 / Brazelton / NBAS / 表情 |
|---|
| 研究開始時の研究の概要 |
本研究では，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，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手法を提案する．特徴ベクトルにはオプティカルフローの累積ヒストグラムや時空間HOGV特徴，機械学習にはSVM，Random Forest や深層学習手法を用いて比較実験を行い，分類精度の高い手法を明らかにする．
|
| 研究成果の概要 |
本研究ではNICUにおける児の睡眠覚醒状態を，動画により非接触で自動分類する手法を提案した．全身が映っている動画と顔領域を抽出した動画のそれぞれに対して，オプティカルフローから求めた動きの特徴量を用いる機械学習手法と深層学習である3DResNetを用いる手法を比較検討した．さらに，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が得られた．
|
| 研究成果の学術的意義や社会的意義 |
機器によるバイタルデータ（眼球電位，筋電位，脳波，呼吸等）の測定により正確な睡眠覚醒状態を評価できることが報告されているが，新生児の行動観察に基づくNBASのStateとは一致せず，新生児への負担が大きいため長時間の連続測定は難しい．また，これまでにBrazeltonのNBASに基づく睡眠覚醒状態を継続的・客観的に自動分類する手法は存在しなかった．
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な観測が可能になり，看護師の主観に左右されない客観的な睡眠覚醒状態の調査ができるため，NICUの明暗環境と新生児睡眠覚醒状態の関係の大規模調査を可能にするという点で意義がある．
|
