講演抄録/キーワード |
講演名 |
2022-03-04 09:05
機械学習による被験者分類に基づく非接触血圧推定法に関する一検討 ○石坂秀壮・山本公平・大槻知明(慶大) MICT2021-101 |
抄録 |
(和) |
近年,日常生活で血圧を測定する方法として, 非接触血圧測定が関心を集めている.
非接触血圧測定法としてドップラーレーダを用いた手法が検討されている.
ドップラレーダを用いることで, 心臓の動きに起因する胸壁変位を検出でき,胸壁変位波形から血圧と相関のある特徴量を抽出し,その特徴量と血圧値を関連付ける血圧推定モデルを構築することで血圧を推定できる.
しかし, 被験者毎にモデル化した場合と比較し,テスト被験者を除く複数被験者でモデル化した場合,血圧推定精度が大きく劣化する.
テスト被験者を除く複数被験者でモデル化した場合の血圧推定精度を改善するために, 本稿では被験者分類に基づくドップラーレーダを用いた非接触血圧推定法を提案する.
提案法では主成分分析および階層型クラスタリングにより被験者分類し, 血圧と相関のある特徴量を入力し収縮
期血圧を出力する血圧推定モデルを分類したクラスタ毎に構築する.
実験を通して, テスト被験者を除く複数被験者でモデル化した場合, 提案法が被験者分類しない場合よりも高い血圧推定精度を達成することを確認した. |
(英) |
Non-contact Blood Pressure (BP) measurement is receiving a lot of interest for BP measurement on a daily basis.
To realize non-contact BP measurement, the use of a Doppler radar has been investigated.
A Doppler radar can detect the pulse wave caused by chest displacement due to heartbeat.
BP can be estimated by constructing a BP estimation model using features that correlate with BP obtained from the pulse wave.
However, compared to the case of modeling for each subject, the accuracy of BP estimation deteriorates significantly when modeling with multiple subjects other than the target subject.
In this report, to improve the accuracy of BP estimation when modeling with multiple subjects, we proposed a non-contact BP estimation method using a Doppler radar based on subject classification.
In the proposed method, subjects are classified by Principal Component Analysis (PCA) and hierarchical clustering.
A BP estimation model that inputs the features that correlate with BP and outputs Systolic BP (Systolic Blood Pressure) is constructed for each classified cluster.
The experimental results showed that when modeling with multiple subjects other than a testing subject, the proposed method achieved high the BP estimation accuracy, compared to the method without subject classification. |
キーワード |
(和) |
ドップラーレーダ / 非接触血圧推定 / 機械学習 / ヘルスケア / / / / |
(英) |
Doppler radar / Non-contact blood pressure estimation / Machine learning / Health care / / / / |
文献情報 |
信学技報, vol. 121, no. 404, MICT2021-101, pp. 1-6, 2022年3月. |
資料番号 |
MICT2021-101 |
発行日 |
2022-02-25 (MICT) |
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 |
MICT2021-101 |
研究会情報 |
研究会 |
MICT EMCJ |
開催期間 |
2022-03-04 - 2022-03-04 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
ヘルスケア・医療情報通信技術,生体,EMC,一般 |
テーマ(英) |
Healthcare and Medical Information Communication Technologies, EMC, etc |
講演論文情報の詳細 |
申込み研究会 |
MICT |
会議コード |
2022-03-MICT-EMCJ |
本文の言語 |
日本語 |
タイトル(和) |
機械学習による被験者分類に基づく非接触血圧推定法に関する一検討 |
サブタイトル(和) |
|
タイトル(英) |
A Study on Non-contact Blood Pressure Estimation Method based on Subject Classification by Machine Learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ドップラーレーダ / Doppler radar |
キーワード(2)(和/英) |
非接触血圧推定 / Non-contact blood pressure estimation |
キーワード(3)(和/英) |
機械学習 / Machine learning |
キーワード(4)(和/英) |
ヘルスケア / Health care |
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) |
石坂 秀壮 / Shuzo Ishizaka / イシザカ シュウゾウ |
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/ヨミ) |
山本 公平 / Kohei Yamamoto / ヤマモト コウヘイ |
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/ヨミ) |
大槻 知明 / Tomoaki Ohtsuki / オオツキ トモアキ |
第3著者 所属(和/英) |
慶應義塾大学 (略称: 慶大)
Keio University (略称: Keio Univ.) |
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 |
2022-03-04 09:05:00 |
発表時間 |
20分 |
申込先研究会 |
MICT |
資料番号 |
MICT2021-101 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.404 |
ページ範囲 |
pp.1-6 |
ページ数 |
6 |
発行日 |
2022-02-25 (MICT) |