| 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 | 2023-01-20 10:20 光電脈波信号を用いたU-Netとドメイン敵対的学習による被験者間条件における動脈血圧波形推定 ○吉澤陸人・山本幸平・大槻知明（慶大）  SeMI2022-96 |
|
| 抄録 | （和） | 光電脈波（PPG）信号を用いた深層学習モデルによる血圧推定法が近年盛んに研究されている．この手法は，カメラやドップラーレーダを用いた非接触血圧推定法の基礎にもなっている．しかし，多くの先行研究の特性評価は，データリーケージを起こしている．血圧推定モデルの汎化性能を適切に評価するためには，被験者を学習・テストデータ間で完全に分離した実験条件（被験者間条件）下で評価する必要がある．本稿は，被験者を区別可能な大規模パブリックデータセットを用いて，被験者間条件下で PPG 信号から血圧を推定する手法を提案する．提案法は，8 秒間の PPG 信号から動脈血圧（ABP）と呼ばれる 8 秒間の血圧波形を U-Net を用いて推定する．推定した ABP から，8 秒間の ABP の離散値である収縮期血圧（SBP），拡張期血圧（DBP），平均血圧（MBP）を算出する．さらに，被験者間条件下の血圧推定精度を改善するために，被験者に依らない特徴量の抽出を促進するドメイン敵対的学習を適用する．特性評価の結果，提案法は，被験者間条件下で血圧，特に MBP を中程度の精度で推定できることを確認した．SBP，DBP，MBP，ABP推定値の平均絶対誤差は各々 15.21, 7.12, 8.20, 10.14 mmHg であった．また，真値・推定値間のピアソンの相関係数は，各々 0.49，0.39，0.54，0.84 であった． |
| （英） | Blood pressure (BP) estimation methods using photoplethysmogram (PPG) signals based on deep learning models have been actively studied. These methods are also the basis of non-contact BP estimation methods using a camera or a Doppler radar. However, the performance evaluations of many previous studies are under data leakage. To properly evaluate the generalizability of BP estimation models, the evaluation should be performed under the experimental condition that subjects are completely separated between training and test data (inter-subject paradigm). In this research, we propose a BP estimation method from PPG signals under inter-subject paradigm using a subject-distinguishable large public dataset. Our BP estimation method estimates an 8-second BP waveform called arterial BP (ABP) from an 8-second PPG segment using U-Net. From the estimated ABP, systolic BP (SBP), diastolic BP (DBP), and mean BP (MBP) are calculated, which are the discrete single values for the 8-second ABP. In addition, we apply domain adversarial training, which facilitates the BP estimation model to extract subject-invariant features for improving BP estimation accuracy under inter-subject paradigm. Our experimental results showed that our method can estimate BP with moderate accuracy under inter-subject paradigm, particularly MBP. The mean absolute errors for the estimated SBP, DBP, MBP, and ABP were 15.21, 7.12, 8.20, and 10.14 mmHg, respectively. The Pearson’s correlation coefficients between the true and estimated values were 0.49, 0.39, 0.54, and 0.84, respectively. | |
| キーワード | （和） | 血圧 / 光電脈波 / 深層学習 / 被験者間条件 / ドメイン敵対的学習 / / / |
| （英） | Blood pressure / Photoplethysmogram / Deep learning / Inter-subject / Domain adversarial training / / / | |
| 文献情報 | 信学技報, vol. 122, no. 341, SeMI2022-96, pp. 113-118, 2023年1月. | |
| 資料番号 | SeMI2022-96 | |
| 発行日 | 2023-01-12 (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 | SeMI2022-96 |
|
| 研究会情報 | |
| 研究会 | SeMI SeMI |
| 開催期間 | 2023-01-19 - 2023-01-20 |
| 開催地（和） | 鳴門グランドホテル海月 |
| 開催地（英） | Naruto grand hotel |
| テーマ（和） | センシング，モビリティ，モバイル・ユビキタスコンピューティング，センサ・アドホック・モバイルネットワーク，アプリケーション，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 | 2023-01-SeMI-SeMI |
| 本文の言語 | 日本語 |
| タイトル（和） | 光電脈波信号を用いたU-Netとドメイン敵対的学習による被験者間条件における動脈血圧波形推定 |
| サブタイトル（和） | |
| タイトル（英） | Arterial Blood Pressure Waveform Estimation from Photoplethysmogram under Inter-subject Paradigm by U-Net and Domain Adversarial Training |
| 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） | 光電脈波 / Photoplethysmogram |
| キーワード(3)（和/英） | 深層学習 / Deep learning |
| キーワード(4)（和/英） | 被験者間条件 / Inter-subject |
| キーワード(5)（和/英） | ドメイン敵対的学習 / Domain adversarial training |
| 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) |
| 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) |
| 第3著者 氏名（和/英/ヨミ） | 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) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-01-20 10:20:00 |
| 発表時間 | 10分 |
| 申込先研究会 | SeMI |
| 資料番号 | SeMI2022-96 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.341 |
| ページ範囲 | pp.113-118 |
| ページ数 | 6 |
| 発行日 | 2023-01-12 (SeMI) |
[研究会発表申込システムのトップページに戻る]