| 講演名 | 2022-05-26 U-Net を用いた心電図信号による連続血圧値推定 吉澤 陸人(慶大), 山本 幸平(慶大), 大槻 知明(慶大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | カフを用いずに不快感少なく血圧を推定する方法として, 心電図を用いた方法が近年研究されている. 先行研究では, 心電図信号から血圧を推定する深層学習モデルが提案された. しかし, それらは約 10 秒間のセグメントにおける最大, 最小, 平均血圧を推定するのみであり, そのセグメント内の連続的な血圧値の推移（連続血圧値）を推定できない. 本稿では, 深層学習モデルの U-Net を用いて心電図信号から連続血圧値を推定する方法を提案する. 約 185 時間分のデータセットによる特性評価を通して, 提案法は高い精度で連続血圧値を推定できることを確認した. また, 提案法は連続血圧値を推定できるにもかかわらず, 推定した連続血圧値から算出された最大, 最小, 平均血圧の推定精度は先行研究と同程度であることを確認した. 最後に, 提案法および先行研究の提案モデルに対する特性評価を基に, モデルが被験者に過学習する問題や今後の課題について考察した. |
| 抄録(英) | Blood pressure estimation methods using electrocardiogram (ECG) signals have been recently studied for user-friendly blood pressure estimation. Previous works proposed deep learning models to estimate blood pressure from ECG signals. However, they can only estimate max, min, and mean blood pressures in about a 10-second segment and cannot estimate the continuous blood pressure transition, called arterial blood pressure (ABP). This report presents the ABP estimation method from ECG signals using the deep learning model of U-Net. Through the performance evaluation with a dataset of about 185 hours of ECG signals, we observed that the proposed method estimated ABP with high accuracy. Furthermore, we confirmed that the accuracies of the calculated max, min, and mean ABPs were comparable to those in the previous works, even though our method can estimate ABP. In the end, we discussed the subject-overfitting problem and future work based on the evaluation of our model and a model proposed in the previous work. |
| キーワード(和) | 血圧 / 深層学習 / 心電図 / ヘルスモニタリング |
| キーワード(英) | Blood pressure / Deep learning / ECG / Health monitoring |
| 資料番号 | SeMI2022-5 |
| 発行日 | 2022-05-19 (SeMI) |
| 研究会情報 | |
| 研究会 | SeMI / IPSJ-DPS / IPSJ-MBL / IPSJ-ITS |
|---|---|
| 開催期間 | 2022/5/26(から2日開催) |
| 開催地（和） | 北谷町商工会ホール |
| 開催地（英） | |
| テーマ（和） | センサネットワーク，モバイルインテリジェンス，分散コンピューティング，ITS，スマートコミュニティ，モバイルコンピューティング，パーベイシブシステム，一般 |
| テーマ（英） | |
| 委員長氏名（和） | 山本 高至(京大) |
| 委員長氏名（英） | Koji Yamamoto(Kyoto Univ.) |
| 副委員長氏名（和） | 門田 和也(日立) / 大和田 泰伯(NICT) |
| 副委員長氏名（英） | Kazuya Monden(Hitachi) / Yasunori Owada(NICT) |
| 幹事氏名（和） | 橋本 匡史(サイバー大) / 金井 謙治(早大) / 内山 彰(阪大) |
| 幹事氏名（英） | Masafumi Hashimoto(Cyber Univ.) / Kenji Kanai(Waseda Univ.) / Akira Uchiyama(Osaka Univ.) |
| 幹事補佐氏名（和） | 勝間田 優樹(NTTドコモ) / 田谷 昭仁(青学大) / 中山 悠(東京農工大) |
| 幹事補佐氏名（英） | Yuki Katsumata(NTT DOCOMO) / Akihito Taya(Aoyama Gakuin Univ.) / Yu Nakayama(Tokyo Univ. of Agri. and Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Sensor Network and Mobile Intelligence / Special Interest Group on Distributed Processing System / Special Interest Group on Mobile Computing and Pervasive Systems / Special Interest Group on Intelligent Transport Systems and Smart Community |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | U-Net を用いた心電図信号による連続血圧値推定 |
| サブタイトル（和） | |
| タイトル（英） | Arterial Blood Pressure Estimation from Electrocardiogram Signals using U-Net |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 血圧 / Blood pressure |
| キーワード(2)（和/英） | 深層学習 / Deep learning |
| キーワード(3)（和/英） | 心電図 / ECG |
| キーワード(4)（和/英） | ヘルスモニタリング / Health monitoring |
| 第 1 著者 氏名（和/英） | 吉澤 陸人 / Rikuto Yoshizawa |
| 第 1 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 2 著者 氏名（和/英） | 山本 幸平 / Kohei Yamamoto |
| 第 2 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 3 著者 氏名（和/英） | 大槻 知明 / Tomoaki Ohtsuki |
| 第 3 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 発表年月日 | 2022-05-26 |
| 資料番号 | SeMI2022-5 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | SeMI-46 |
| ページ範囲 | pp.20-25(SeMI), |
| ページ数 | 6 |
| 発行日 | 2022-05-19 (SeMI) |