| 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 | 2022-07-15 15:05 心拍変動解析を用いた暑熱ストレスの予測モデルの構築 ○嶋田悠介・菅野正嗣（阪公立大）  SeMI2022-47 |
|
| 抄録 | （和） | 暑熱ストレスを予測し制御することは快適性に繋がる。暑さに対する快適性は個人によって異なるため、集団として快適な環境を実現するためには、個人それぞれに適したモデルを作成する方法が必要である。人それぞれに適したモデルを作成する研究は先行研究として存在する。しかしながら、モデルを作成するために必要なラベルデータを収集するために、個人が暑い、寒いなどのフィードバックを取る必要があった。そこで、ユーザと直接インタラクションを取ることなく快適性のモデルを作成することを研究の目的とし、心拍変動解析を用いてモデルを作成することを検討した。心臓が拍動する時に電気信号が発生し、R波と呼ばれるこの中でも、もっとも鋭いピークを測定することができる。このR波の発生時刻と次のR波の発生時刻の差をRRIと言う。RRIを数分サンプリングしスペクトル解析を施すことによってRRIを周波数別に分解することができる。これにより、LFとHFという成分を抽出することができる。LFは交感神経の活発さであり、HFは副交感神経の活発さを表すことから、この比をとることでLF/HFと呼称されるストレスを表現することができる。データ測定の手順としては、まず心拍センサとRaspberry PiをBluetooth通信によって接続し、3分間測定して得られたLF/HFをRaspberry Pi上に送信する。そして温湿度センサが測定した温度と湿度をBluetooth通信によって受信し、温度、湿度、LF/HFを一つのデータとした。実際に大学生10人に対してデータ測定の実験を行った。予測モデルはリッジ回帰を採用し、データ不足を補うために転移学習を導入した。また、一つ抜き交差検証を用いてRMSEを算出し、モデルの性能評価を行った。ストレス指標を対象とした予測モデルでも転移学習を用いることで、精度が改善することも示された。一方で特徴量の種類や正確な実験環境の構築、データ取得の難しさなど様々な課題も明らかになった。 |
| （英） | Predicting and controlling heat stress leads to comfort. Because People have different feelings against heat, we need a method to create tuned predictive models for each person to make a comfortable environment. Prior research exists on creating a model suitable for everyone. However, we had to get feedbacks from users such as hot or cold to collect the label data. The objective of the study was to create a model of comfort without direct interaction with the user, and we examined the use of heart rate variability analysis to create a model. When the heart beats and generates an electrical signal, an electrical signal, and we can measure the sharpest peak of this signal called the R wave. We call the difference between the onset time of the R wave and the next R wave RRI, and by sampling the RRI for several minutes and performing spectral analysis, the RRI can be broken down by frequency. We can extract two components from that called LF and HF. Since LF represents sympathetic nervous system activity and HF represents parasympathetic nervous system activity, this ratio can be used to express stress, which is called LF/HF. In the data measurement procedure, the heart rate sensor is first connected to the Raspberry Pi via Bluetooth communication, and it send the LF/HF obtained after 3 minutes of measurement to the Raspberry Pi. Then, another sensor also sends the temperature and humidity to Raspberry Pi via Bluetooth communication, and we combined LF/HF and these two parameters into one data set. We conducted the experiment on ten university students. We employed Ridge regression as the prediction model and introduced transfer learning to compensate for the lack of data. In addition, we calculated RMSE using one-out cross-validation to evaluate the performance of the model. It was shown that the accuracy of the prediction model for stress indicators can be improved by using transition learning. On the other hand, we found various issues such as the types of features, the construction of an accurate experimental environment, and the difficulty of data acquisition. | |
| キーワード | （和） | 心拍変動解析 / 暑熱ストレス / 転移学習 / リッジ回帰 / / / / |
| （英） | Heart rate variability / Heat stress / Transfer learning / Ridge regression / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 108, SeMI2022-47, pp. 127-132, 2022年7月. | |
| 資料番号 | SeMI2022-47 | |
| 発行日 | 2022-07-06 (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 | SeMI2022-47 |
|
| 研究会情報 | |
| 研究会 | NS SR RCS SeMI RCC |
| 開催期間 | 2022-07-13 - 2022-07-15 |
| 開催地（和） | 金沢歌劇座 + オンライン開催 |
| 開催地（英） | The Kanazawa Theatre + Online |
| テーマ（和） | 無線分散ネットワーク，M2M(Machine-to-Machine)，D2D(Device-to-Device)，一般 |
| テーマ（英） | Distributed Wireless Network, M2M (Machine-to-Machine)，D2D (Device-to-Device)，IoT（Internet of Things）, etc |
| 講演論文情報の詳細 | |
| 申込み研究会 | SeMI |
| 会議コード | 2022-07-NS-SR-RCS-SeMI-RCC |
| 本文の言語 | 日本語 |
| タイトル（和） | 心拍変動解析を用いた暑熱ストレスの予測モデルの構築 |
| サブタイトル（和） | |
| タイトル（英） | A Predictive Model of Heat Stress Using Heart Rate Variability Analysis |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 心拍変動解析 / Heart rate variability |
| キーワード(2)（和/英） | 暑熱ストレス / Heat stress |
| キーワード(3)（和/英） | 転移学習 / Transfer learning |
| キーワード(4)（和/英） | リッジ回帰 / Ridge regression |
| 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） | 嶋田 悠介 / Yusuke Shimada / シマダ ユウスケ |
| 第1著者 所属（和/英） | 大阪公立大学 (略称： 阪公立大) Osaka Metropolitan University (略称： Osaka Metro. Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 菅野 正嗣 / Masashi Sugano / スガノ マサシ |
| 第2著者 所属（和/英） | 大阪公立大学 (略称： 阪公立大) Osaka Metropolitan University (略称： Osaka Metro. Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-07-15 15:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SeMI |
| 資料番号 | SeMI2022-47 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.108 |
| ページ範囲 | pp.127-132 |
| ページ数 | 6 |
| 発行日 | 2022-07-06 (SeMI) |
[研究会発表申込システムのトップページに戻る]