講演抄録/キーワード |
講演名 |
2020-11-26 17:20
[ポスター講演]スマートフォンセンサを用いたLSTMによる運動時のRRI推定手法の精度評価 ○白崎智美・金井謙治・甲藤二郎(早大) SeMI2020-29 |
抄録 |
(和) |
近年、高齢化や医療費の増大に伴い従来の治療中心の医療から予防治療へシフトすることが課題とされており、新たな手法を用いた早期診断や日常生活(医療機関外)におけるモニタリングの重要性が高まっている。新たな手法の内、Internet of Things (IoT)や深層学習によって推定された生体情報に基づく診断手法やモニタリング手法が挙げられており注目を集めている。本稿では、専門的なウェアラブルデバイスを使用せずにR-R Interval (RRI)を推定するため、主にスマートフォンセンサを使用し深層学習に基づくRRI推定手法を提案する。筆者らはデータセットのために、hitoeと呼ばれるスマートウェアとスマートフォンを用いて異なる運動状態(ウォーキング、ランニング)において、ECG(心電図)、 3軸加速度、圧力、照度、GPS、気温のデータ収集を行い,ECGを正解ラベル、その他を訓練データとして2層のAttention機構を追加したRNNによる回帰モデルを構築した。精度評価結果から、提案手法はRRIとLF/HFを高い精度で推定可能であることを確認する。 |
(英) |
Recently, because of aging of the population and increasing medical spending, it is required to shift from the conventional treatment centered medical care to preventive treatment. Therefore, demands for early diagnosis and handy monitoring in daily life is increasing. To address this fact, Internet of Things (IoT) and deep learning get more attention. In this paper, we propose an R-R Interval (RRI) estimation method based on deep learning using smartphone sensors to estimate the RRI without using special medical devices. To construct dataset, we collect ECG, 3-axis acceleration, pressure, illuminance, GPS, and temperature while walking and running by using a smart wear called hitoe and a smartphone. By using the dataset, we adopt a dual stage attention based RNN model to estimate RRI and evaluate the accuracy. The evaluation results conclude that the proposed method can estimate RRI and LF/HF with high accuracy. |
キーワード |
(和) |
RRI推定 / LF/HF推定 / 深層学習 / IoT / / / / |
(英) |
RRI estimation / LF/HF estimation / deep learning / IoT / / / / |
文献情報 |
信学技報, vol. 120, no. 261, SeMI2020-29, pp. 57-58, 2020年11月. |
資料番号 |
SeMI2020-29 |
発行日 |
2020-11-19 (SeMI) |
ISSN |
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 |
SeMI2020-29 |