講演抄録/キーワード |
講演名 |
2017-01-26 16:25
機械学習を用いた呼吸状態の推定に関する研究 ○松岡啓介・奥田次郎(京都産大) NC2016-53 |
抄録 |
(和) |
近年,光電容積脈波(photoplethysmography; PPG)信号から,呼吸状態を推定する研究が行われている. 生理学的な研究から,PPG信号には,呼吸と同期する成分が含まれていることが知られている. 本研究では,10名の健常者の指尖で計測したPPG信号から特徴抽出を行い,ニューラルネットワーク,サポートベクトルマシンおよびk-平均法を用いて,PPGの特徴量の時系列から呼吸状態(吸気・呼気)の推定を行った. また, 主成分分析による特徴量の次元削減が与える影響について考察した. これらの結果から,PPG信号を特徴量とする機械学習による呼吸状態の推定の有用性を評価した. |
(英) |
Recent studies have tried to extract information on respiration from photoplethysmographic (PPG) signals. It is well known that the PPG signal includes respiratory synchronous components. In this study, we extracted feature information from the PPG signal measured at fingertip of 10 healthy subjects. We estimated respiratory states (inspiration / expiration) using machine learning algorithms including neural network, support vector machine, and k-means clustering. We also investigated influence of dimensional reduction of the features by using principal component analysis. We evaluated usefulness of respiratory state estimation by machine learning with PPG signals. |
キーワード |
(和) |
光電容積脈波 / ニューラルネットワーク / 主成分分析 / / / / / |
(英) |
Photoplethysmography / Neural Network / Principal Component Analysis / / / / / |
文献情報 |
信学技報, vol. 116, no. 424, NC2016-53, pp. 31-36, 2017年1月. |
資料番号 |
NC2016-53 |
発行日 |
2017-01-19 (NC) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2016-53 |
研究会情報 |
研究会 |
NC NLP |
開催期間 |
2017-01-26 - 2017-01-27 |
開催地(和) |
北九州学術研究都市 産学連携センター |
開催地(英) |
Kitakyushu Foundation for the Advanement of Ind. Sci. and Tech. |
テーマ(和) |
ニューロコンピューティングの実装および人間科学のための解析・モデル化,一般 |
テーマ(英) |
Implementation of Neuro Computing,Analysis and Modeling of Human Science, etc |
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2017-01-NC-NLP |
本文の言語 |
日本語 |
タイトル(和) |
機械学習を用いた呼吸状態の推定に関する研究 |
サブタイトル(和) |
|
タイトル(英) |
Estimation of respiratory state using machine learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
光電容積脈波 / Photoplethysmography |
キーワード(2)(和/英) |
ニューラルネットワーク / Neural Network |
キーワード(3)(和/英) |
主成分分析 / Principal Component Analysis |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
松岡 啓介 / Keisuke Matsuoka / マツオカ ケイスケ |
第1著者 所属(和/英) |
京都産業大学 (略称: 京都産大)
Kyoto Sangyo University (略称: Kyoto Sangyo Univ.) |
第2著者 氏名(和/英/ヨミ) |
奥田 次郎 / Jiro Okuda / オクダ ジロウ |
第2著者 所属(和/英) |
京都産業大学 (略称: 京都産大)
Kyoto Sangyo University (略称: Kyoto Sangyo Univ.) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2017-01-26 16:25:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2016-53 |
巻番号(vol) |
vol.116 |
号番号(no) |
no.424 |
ページ範囲 |
pp.31-36 |
ページ数 |
6 |
発行日 |
2017-01-19 (NC) |