Development of High-dimensional Body Activity Time Series Analysis Methods for Unobtrusive Sleep Monitoring

点击翻译按钮获取中文摘要

本研究は，睡眠障害の手がかりが睡眠中の身体の大小さまざまな動きの中に含まれているとの仮説の下，非干渉型の計測装置で取得した高空間分解能の体圧分布時系列から，各種の睡眠障害を特徴づける時空間パターンを抽出するデータ解析技術を開発することを目的とする．R4 (2022) 年度は，体圧分布時系列の計測と同時並行で測定された呼吸インダクタンス・プレチスモグラフ（RIP）信号を対象として，呼吸努力波形から無呼吸や低呼吸が発生している時区間を推定するアルゴリズムの開発に取り組んだ．具体的には，変化点検出処理によりRIP信号から得られた部分呼吸曲線の集合の分類処理に関して，時系列間距離の計算方法が異なる時系列クラスタリング手法の比較調査を実施した．調査結果からは，部分呼吸曲線の分類処理においては，位相だけでなく周期の違いを許容する時系列間距離の評価が求められることと，スケール不変性は考慮しないほうがよいことが知見として得られた．また，研究調査を睡眠・覚醒リズム障害の分析に派生させ，非リズム成分を時系列から分離抽出する課題に取り組んだ．その結果として，アーチファクト（異常データ）をより短い時間長の部分時系列として特定できる可能性が示唆された．自覚症状に乏しい睡眠の問題に対する調査や処置効果の継続的確認の方法として，在宅環境等で普段どおりの睡眠をとる中で症状に関する計測情報が自然と収集されることが理想である．体圧分布時系列における異常時区間の検出技術は，この課題に対する解決策として有望である．呼吸努力波形における異常時区間の検出技術は，目的とする開発技術の主要部分の一つである．異常発生時区間の検出が容易な時間パターンが強調されるように体圧分布時系列から呼吸努力波形を分離する技術を改良し，2つのアルゴリズムをうまく統合することが次の課題である．