| 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 | 2024-02-29 15:10 軽量で解釈可能な深層学習モデルを用いた脳波の睡眠段階分類 ○伊藤青空・田中聡久（東京農工大）  EA2023-82 SIP2023-129 SP2023-64 |
|
| 抄録 | （和） | 睡眠障害の診断には，専門家による睡眠段階の判定が必要とされる．このために不可欠な生理データの一つが脳波である．脳波の判読に基づく判定作業は非常に時間と労力を要するため，判定を自動化する技術の確立が期待されている．特に有望な技術が深層学習であり，専門家の判定と同等以上の性能が報告されている．しかしながら，推論過程が複雑であるために，安全性や説明責任を確保する上で重要な解釈可能性に欠ける．そこで，推論時の重要度を可視化できる自己注意機構と，文脈を考慮した連続エポックデータにおける転移学習を導入したモデルSleepSatelightFTCを提案する．このモデルはSleep-EDF Database Expandedの睡眠段階分類において，SOTAモデルの半分以下のパラメータ数で，より高い正解率（84.8%）とカッパ係数（0.787）を達成した．自己注意機構における重要度の可視化により，K-複合などの波形特徴をモデルが学習していることを確認した． |
| （英） | Sleep scoring by experts is necessary for diagnosing sleep disorders. EEG is one of the essential physiological data for this process. Sleep scoring based on EEG interpretation is very time-consuming and labor-intensive; therefore, establishing a technology to automate this process is highly desired. One promising technology is deep learning, which has performed as well as or better than experts. However, it lacks interpretability, which is crucial for ensuring safety and accountability due to the complexity of the inference process. We propose a new model, SleepSatelightFTC, which employs self-attention to visualize the importance of inference and transfer learning on continuous epoch data to reflect the context. This model achieved a higher accuracy (84.8%) and Kappa coefficient (0.787) with less than half the number of parameters of the SOTA model in sleep stage classification using the Sleep-EDF Database Expanded. The visualization of the importance of self-attention confirmed that the model learned waveform features such as K-complexes. | |
| キーワード | （和） | 脳波 / 睡眠段階分類 / 自己注意機構 / 解釈可能性 / / / / |
| （英） | electroencephalography (EEG) / sleep stage classification / self-attention mechanism / interpretability / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 402, SIP2023-129, pp. 127-132, 2024年2月. | |
| 資料番号 | SIP2023-129 | |
| 発行日 | 2024-02-22 (EA, SIP, SP) | |
| 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 | EA2023-82 SIP2023-129 SP2023-64 |
|
| 研究会情報 | |
| 研究会 | SIP SP EA IPSJ-SLP |
| 開催期間 | 2024-02-29 - 2024-03-01 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | |
| テーマ（和） | 音声，応用／電気音響, 信号処理，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2024-02-SIP-SP-EA-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 軽量で解釈可能な深層学習モデルを用いた脳波の睡眠段階分類 |
| サブタイトル（和） | |
| タイトル（英） | Lightweight and Interpretable Deep Learning Model for EEG-Based Sleep Stage Classification |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 脳波 / electroencephalography (EEG) |
| キーワード(2)（和/英） | 睡眠段階分類 / sleep stage classification |
| キーワード(3)（和/英） | 自己注意機構 / self-attention mechanism |
| キーワード(4)（和/英） | 解釈可能性 / interpretability |
| 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） | 伊藤 青空 / Aozora Ito / イトウ アオゾラ |
| 第1著者 所属（和/英） | 東京農工大学 (略称： 東京農工大) Tokyo University of Agriculture and Technology (略称： TUAT) |
| 第2著者 氏名（和/英/ヨミ） | 田中 聡久 / Toshihisa Tanaka / タナカ トシヒサ |
| 第2著者 所属（和/英） | 東京農工大学 (略称： 東京農工大) Tokyo University of Agriculture and Technology (略称： TUAT) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-02-29 15:10:00 |
| 発表時間 | 60分 |
| 申込先研究会 | SIP |
| 資料番号 | EA2023-82, SIP2023-129, SP2023-64 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.401(EA), no.402(SIP), no.403(SP) |
| ページ範囲 | pp.127-132 |
| ページ数 | 6 |
| 発行日 | 2024-02-22 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]