| 研究課題/領域番号 |
20K19923
|
|---|
| 研究機関 | 奈良先端科学技術大学院大学 |
|---|
研究代表者 |
黄 銘 奈良先端科学技術大学院大学, 先端科学技術研究科, 助教 (50728300)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 複雑活動認識 / 睡眠健康 / カフレス血圧推定 / 深層学習 / マシンラーニング |
|---|
| 研究実績の概要 |
令和３年度では、確立されつつである食・運動・睡眠の後天型である生活習慣因子の計測手法に基づいて、各因子の識別、定量化の、マシンラーニングモデルの構築に着目し、研究を推進しました。具体的には、下記の研究を実施しました。
１、ウェアラブルデバイスの活動認識システムを用いて、日常的複雑な活動の自動的認識ための実測実験及び自動認識パイプラインの研究開発。実際の生活において、同じ動き（短時間の四肢運動）には曖昧さがあり、複数の活動に対応し、一つの活動の中、当該活動に属しない動きもあります。これらの問題点を解決するため、深層・統計学習技術を利用して斬新的な複雑活動の同定方法の研究開発でした。
２、睡眠の睡眠状態、睡眠の質を同定する深層学習モデルの研究開発。脳波の信号を用いた睡眠構造の同定にあたって、時間軸における多尺度的な関係をモデリングするTransformerという深層学習モデルでSoTAの結果を越えるパフォーマンスを達成しています。
３、ポータブル光電脈波（PPG）信号を用いて、血圧変動を推定するモデルの研究開発
以上の研究の推進によって、各因子に対する生信号から特徴あるいはバイオマーカーの抽出、同定手法を整備しつつあります。以上の課題に対して、研究手法の新規性や有用性が認められ、国際雑誌論文かトップレベル国際会議論文として、採用されました。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
1、ウェアラブルデバイスから勤務状態、飲食状態のような人間の複雑な活動を認識する手法（パイプライン）の研究は先例が少ない、挑戦的な課題です。本研究で、教師なし学習やgraph neuroworkを先駆け的に本分野に導入し、有望的な結果ができました。
2、睡眠状態について、最新の深層学習モデルに斬新な前処理手法を融合したことで、最高レベルの睡眠状態分類結果を示しています。
3、血圧は循環器健康の重要な指標であり、血圧の動態を常にモニタリングする手法の研究は、少人数の実装実験で、許容範囲内の予測精度を達成しました。
|
| 今後の研究の推進方策 |
１、心臓、循環器状態のモニタリング実験を行い、バイオマーカーの同定アルゴリズムの検証を行います。
２、日常活動のモニタリング実験を行い、各活動の同定アルゴリズムの効能を検証します。
|
| 次年度使用額が生じた理由 |
国際、国内の出張は無くなりましたので、剰余金は次年度に移ります。
令和４年度に、実験の実施にあたって、発生する謝金及び国際ワークショップの開催に助成金を使用します。
|
