お知らせ 研究会の開催と会場に参加される皆様へのお願い(2022年6月開催~)
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2022-05-26 14:03
U-Net を用いた心電図信号による連続血圧値推定
吉澤陸人山本幸平大槻知明慶大SeMI2022-5
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. 
(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 / / / /  
(英) Blood pressure / Deep learning / ECG / Health monitoring / / / /  
文献情報 信学技報, vol. 122, no. 46, SeMI2022-5, pp. 20-25, 2022年5月.
資料番号 SeMI2022-5 
発行日 2022-05-19 (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 SeMI2022-5

研究会情報
研究会 SeMI IPSJ-DPS IPSJ-MBL IPSJ-ITS  
開催期間 2022-05-26 - 2022-05-27 
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)  
講演論文情報の詳細
申込み研究会 SeMI 
会議コード 2022-05-SeMI-DPS-MBL-ITS 
本文の言語 日本語 
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(英)  
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  
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) 吉澤 陸人 / Rikuto Yoshizawa / ヨシザワ リクト
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 幸平 / 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 2022-05-26 14:03:00 
発表時間 18分 
申込先研究会 SeMI 
資料番号 SeMI2022-5 
巻番号(vol) vol.122 
号番号(no) no.46 
ページ範囲 pp.20-25 
ページ数
発行日 2022-05-19 (SeMI) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会