权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Non-Contact Sleep Stage Estimation: Machine Learning in Multi-Imbalance Data for Improvements in Accuracy and Interpretability

非接触式睡眠阶段估计：多重不平衡数据中的机器学习，以提高准确性和可解释性

基本信息

批准号：
22KJ1367
负责人：
中理怡恒
金额：
$ 1.09万
依托单位：
The University of Electro-Communications
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2024-03-31
项目状态：
已结题

项目摘要

本研究は，マットレスセンサなどの簡易センサで専門医師なしに睡眠段階を推定する手法の実用化に向け，（1）一夜の各睡眠段階の割合不均衡を考慮した推定法（2）突発的もしくは数分以上にわたり特徴が出現する睡眠段階にロバストな推定法，（3）年齢やその日の体調などによる個人(内)差を考慮した推定法，の3つのサブテーマに取り組む．2022年度は，（1）では全睡眠段階を1つの機械学習のモデルで学習するのではなく，睡眠段階毎に2クラス分類としてモデルを学習し，各モデルの推定精度の高さ順に組み合わせる推定法を構築した．これにより，特定の睡眠段階を過剰判定する問題を解決し，従来の全睡眠段階を学習する手法と提案手法を比較すると，平均して17%の推定精度の向上が確認された．また，モデルの解釈のために中途覚醒を学習したモデルを分析したところ，健常者と睡眠時無呼吸症候群（SAS）患者との間で判定に有効な特徴量が異なることがわかり，SAS診断の指標の1つとなる可能性を示唆した．この成果をモデルの解釈に基づくSAS判定法として全国人工知能学会，学習したモデルの内容を生理学的な知見への紐づけとして日本睡眠学会にて発表し，対外的に評価を受けた．（2）では，計測データに対し，事前に複数の長さで区切り，各長さのデータを個別のモデルで学習し，推定結果を組み合わせる推定法を構築した．REM推定について，従来手法よりも提案手法の平均の適合率が約20%，再現率約40%と大幅に改善し，関連する内容を国際会議のIEEE EMBCにて発表した．さらに，(1)と(2)の複数の長さの組み合わせによる判定とどれか特定の長さでの判定でどちらも，平均推定精度が約59%から約70%に改善され，それぞれ，ヘルスケア・医療情報技術研究会と(3)国際会議のAAAI Spring Symposium Seriesにて発表し対外的に評価を受けた．

This study is based on a simple sleep stage estimation procedure performed by a doctor in the Matsushita Clinic. The method of using the method of inferring (1) considering the unevenness of each sleep stage during the night (2) sudden onset of symptoms The method of estimating the stage of sleep when there is a certain number of もしくは and above, (3) the age of the childの日の Body tune などによるPersonal (internal) differences are considered and the した presumption method is used, and the の3つのサブテーマにtakes the りgroup む. In 2022, (1) ではall sleep stagesを1つのMechanical learningのモデルで学するのではなく, every sleep stageに2クラスClassificationとしてモデルをLearningし, eachモデルのESTIMATION ACCURACYのHIGHさShunに Groupみ合わせるESTIMATION METHODを CONSTRUCTIONした.これにより, specific sleep stage を pass judgment, problem を solution し, come の full sleep stage を learning Comparison of する technique and proposal technique すると, average して17% estimated accuracy and upward confirmation された.また, モデルの解釈のために中覚 Wake up を学したモデルをANALYSIS したところ, healthy people and sleep apnea syndrome (SA) S) The patient's judgment is valid and the special amount is different, and the SAS diagnostic index is 1 and the possibility is indicated.このachievementをモデルの解釈にbaseづくSASdetermination methodとしてNational Artificial Intelligence Society, learn したモデルのThe content is based on the knowledge of physiology, the Japanese Sleep Society's knowledge, and the evaluation of external factors. (2) では, measure データに対し, beforehand plural の长さでsectional cutり, each length さのデータをIndividual のモデルでlearningし, the estimated result を combination わせる estimation method をconstructed した. The REM estimation method, the average adaptation rate of the proposed method is about 20%, the reproduction rate is about 40%, and the improvement is significant, and the content of the relevant international conference is the IEEE EMBC table.さらに, (1)と(2)の长さの集团み合わせによるdetermination とどれかspecific の长さでのdetermination でどちらも, average estimation The accuracy is about 59% and the improvement is about 70%. The Spring Symposium Series is based on the performance of the watch outside of the Spring Symposium Series.

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

複数の時間窓の生体振動データを学習した機械学習の組み合わせによる無拘束型睡眠段階推定

结合从多个时间窗口的生物振动数据中学习的机器学习来估计无限制的睡眠阶段

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
中理怡恒;高玉圭樹
通讯作者：
高玉圭樹

Non-Contact REM Sleep Estimation Correction by Time-Series Confidence of Predictions: From Binary to Continuous Prediction in Machine Learning for Biological Data

DOI：
10.1109/embc48229.2022.9871503
发表时间：
2022-07
期刊：
2022 44th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC)
影响因子：
0
作者：
Iko Nakari;Naoya Matsuda;K. Takadama
通讯作者：
Iko Nakari;Naoya Matsuda;K. Takadama

Random Forests による睡眠時無呼吸症候群と健常者の学習結果の比較に基づく特徴抽出と解釈可能な判定

使用随机森林比较睡眠呼吸暂停综合征和健康受试者的学习结果的特征提取和可解释判断