| 研究課題/領域番号 |
18K11377
|
|---|
| 研究機関 | 大分大学 |
|---|
研究代表者 |
西島 恵介 大分大学, 理工学部, 助教 (30237698)
|
|---|
| 研究分担者 |
古家 賢一 大分大学, 理工学部, 教授 (10643611)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| キーワード | シャント音 / 狭窄 / 音響特徴量 |
|---|
| 研究実績の概要 |
シャント音は狭窄位置では高い周波数が多く含まれるという特徴がある。しかし，狭窄位置から離れるほど高周波成分が失われる。すなわち、徐々に正常なシャント音に近づいていく。そのため，狭窄位置から離れた位置で収集された音は狭窄の判定が正しく行えない場合がある。しがたって，正しい狭窄位置での計測，もしくは狭窄位置に依存しない判定方法が必要となる。 それらの課題を解決するため，複数位置でシャント音を計測し，複数位置のデータを用いることで狭窄位置に依存しない定量化を試みた。最大6箇所の複数位置のシャント音を計測し，得られたシャント音の特徴分析を行い，各計測位置の特徴を表す音響特徴量を提案した。具体的には，各計測位置のシャント音から1脈拍を切り出し，各位置のスペクトログラムの差分の平均を新たな音響特徴量として定義した。これにより各位置の音響特徴を表すことができ，狭窄位置では高周波成分が特徴として現れることを確かめた。
その特徴量を用いて，正常，狭窄のシャント音を学習アルゴリズムにより，識別モデルを作成し，識別を試みた。学習アルゴリズムとしてサポートベクターマシンを用い，正常，狭窄の2クラス分類を試みた。その結果，学習データの不足によりモデル化が不十分であることが考えられたため，データ拡張の手法を提案した。その結果，正解率は向上したが，まだ不十分であり，さらなる検討が必要である。また，定義した音響特徴量を用いて狭窄位置を推定し，その位置のシャント音データで識別する手法を提案した。位置推定には新たに定義した音響特徴量が優れており，正常，狭窄の識別にはメル周波数ケプストラム係数が優れていた。
狭窄音の収集を行う計画についてはコロナ禍により実施できなかった。データ数の増加は重要な課題であるため，今後もコロナ禍の状況を見ながらデータ数を増やすための計測を継続する必要がある。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
コロナ禍により，データ収集が進まず，検証用のデータが不足している。今後も継続的にデータ収集を実施する必要があるが，コロナを取り巻く環境改善が必要である。
|
| 今後の研究の推進方策 |
次年度は，データ不足を補うため，データ収集を実施する予定である。しかし，コロナ禍の状況はさほど改善されておらず，状況を見ながら研究を実施する。
また，データ収集が困難な場合は，既存のデータを加工して見かけ上のデータを増やすデータ拡張を学習時だけでなく，音響特徴量の評価に利用できないか検討する。
|
| 次年度使用額が生じた理由 |
コロナ禍のため，データ収集が実施できなかった。次年度にデータ収集を計画し使用する。また，学会等での成果発表で使用する。
|
