睡眠時動画解析による生体情報抽出法の開発と睡眠状態変動推定へのその応用

点击翻译按钮获取中文摘要

令和４年度は以下の２つの計画について研究を進めた。【計画１: 数学モデルに基づく赤外線動画からの自律神経リズム抽出法の開発】LSTM(Long Short-Term Memory)モデルに基づく心拍間隔を予測する数学モデルの開発にむけ、オートエンコーダを用いた時系列予測モデルの実装に取り組んだ。しかし、学習に要する計算時間の割に予測精度が期待したほど良くならず応用するまでには至っていない。一方、赤外線動画から得られる多チャンネルの時系列データに対して、独立成分分析を用いて心拍間隔を予測する数学モデルでは、ピーク間隔時系列を取得する際、等間隔データにリサンプリング処理した上で解析することで、心拍間隔の時間変動の推定精度が大幅に向上することを確認した。その結果、心拍変動リズムの指標として知られるLF/HFリズムを算出することまで実現できている。このリズムと睡眠リズムとの関係性、寝顔形状の推移との関係性について調査を深める段階にある。【計画２: 顔形状の特徴記述法の改良とその時間変動に関する特徴抽出】昨年開発した寝顔形状の特徴記述法に用いた顔の特徴点抽出法では特徴点の位置ずれの影響が大きいことが課題であった。そこで、MediaPipe Face Meshライブラリを用いた特徴点抽出を行う方法を用いた。特徴点間のメッシュ情報を活用できる利点があり、面積比による寝顔形状の特徴記述法を開発した。現在、検証を進めている段階であるが、従来法に比べて余計な変動が少なく寝顔形状の推移を調査しやすい指標が得られているのではないかと評価している。合わせて前年度開発したクラスタリング手法を用いることで各クラスの時間的推移を可視化し寝顔形状の状態の定量化を進めている段階である。これより異なる実験日間での寝顔形状の類似性や相関などを深く調査することで、睡眠や体調との関係性について解析していく必要がある。