Core Technologies in Analyzing and Estimating the Influences of Exogenous Factors of Heart Health

令和4年度には、日常生活においても綿密に循環器のモニタリングのための生理信号の処理方や心臓不整脈のリアルタイムでモニタリングするアルゴリズム、およびカフレス血圧推定アルゴリズムの研究開発を実施しました。さらに、後天性因子の情報抽出手法についても研究を推進しました。具体的な実施内容は、下記のようにまとめます。１、容積光電脈波（PPG）を用いた心臓不整脈の自動検出アルゴリズムの研究開発においては、PPG信号と同じ源に由来する心電図信号を基に、AFの自動検出深層学習モデルをトレーニングし、転移学習の技術で、PPGを基にした不整脈検出モデルを構築しました。具体的な転移学習方や深層学習モデルを検討し、最適なモデル構築のパイプライン（生データの前処理やマシンラーニングモデルの組み合わせ）を決めました。２、カフレス血圧推定アルゴリズムの研究にあたって、世界最大級のカフレス血圧推定方法の研究開発に特化するMicrosoft Aurora projectのデータセットのアクセス権を取得し、千人以上のデータでデータ駆動やモデル駆動を融合するモデルのトレーニングパイプラインを決めまして、モデルを開発しました。３、ウェアラフルテバイスを用い複雑活動認識モデルの構築にあたって、食事や運動を含めた日常生活にある複雑活動データベースを構築し、信号の特徴にふさわしい深層学習モデル（具体な非公開）を開発しました。以上の研究の推進によって、循環器の生理状態を評価する手法や後天性因子の定量・定性手法を整備しつつあります。

令和4年度には、日常生活においても綿密に循環器のモニタリングのための生理信号の処理方や心臓不整脈のリアルタイムでモニタリングするアルゴリズム、およびカフレス血圧推定アルゴリズムの研究開発を実施しました。さらに、後天性因子の情報抽出手法についても研究を推進しました。具体的な実施内容は、下記のようにまとめます。１、容積光電脈波（PPG）を用いた心臓不整脈の自動検出アルゴリズムの研究開発においては、PPG信号と同じ源に由来する心電図信号を基に、AFの自動検出深層学習モデルをトレーニングし、転移学習の技術で、PPGを基にした不整脈検出モデルを構築しました。具体的な転移学習方や深層学習モデルを検討し、最適なモデル構築のパイプライン（生データの前処理やマシンラーニングモデルの組み合わせ）を決めました。２、カフレス血圧推定アルゴリズムの研究にあたって、世界最大級のカフレス血圧推定方法の研究開発に特化するMicrosoft Aurora projectのデータセットのアクセス権を取得し、千人以上のデータでデータ駆動やモデル駆動を融合するモデルのトレーニングパイプラインを決めまして、モデルを開発しました。３、ウェアラフルテバイスを用い複雑活動認識モデルの構築にあたって、食事や運動を含めた日常生活にある複雑活動データベースを構築し、信号の特徴にふさわしい深層学習モデル（具体な非公開）を開発しました。以上の研究の推進によって、循環器の生理状態を評価する手法や後天性因子の定量・定性手法を整備しつつあります。