|
本研究では導電性布を用いたウェアラブルデバイスで問題となるノイズの影響を軽減するために，ハードウェアとソフトウェア的な観点からノイズを除去する研究に取り組んできた．
採用3年目では，ハードウェア的な観点として，導電性布の構造を変えることで電極自体がアナログフィルタとしての機能を持つ電極の成果が海外の論文誌で採択された．また，ソフトウェア的な観点からノイズを除去する手法として，前年に引き続き深層学習による心電図のノイズ除去の研究に取り組んだ．
導電性の布を使ったウェアラブル型デバイスで心電図を測定する場合，電極が乾燥していることで様々なノイズが混入する．このような環境では心電図とノイズの周波数帯が重複するため，ノイズの強度が大きくなると綺麗な心電図を復元することが困難になる．そこで本年は，畳み込みニューラルネットワークの一部に，抽出した特徴を低周波と高周波に分離し学習する層を新たに追加することによって，ノイズと心電図の周波数帯が重複した際にも心電図のノイズ除去精度が向上することを示した．
具体的に，提案手法の有効性を確認するために，既存の畳み込みニューラルネットワークの層の一部を提案層と入れ替えて評価を行った．また，どの周波数に対して提案層が有効かを明らかにするために，ニューラルネットワークの浅い層，深い層に提案層を配置したモデルも用意し，比較を行った．その結果，ニューラルネットワークの深い層の畳み込み層を提案層に置き換えることで，ノイズの除去性能が既存のモデルよりも改善することを示した．
|
