Centrala begrepp
赤外線光波センシング技術を用いて、様々な呼吸パターンを検出し、機械学習アルゴリズムを適用することで、呼吸異常と不良データを効率的に識別できる。
Sammanfattning
本研究では、赤外線光波センシング技術を用いて、人工呼吸ロボットから収集した正常および異常呼吸データを分析し、呼吸異常と不良データを検出する手法を提案している。
まず、ロボットを用いて、正常呼吸(eupnea)、無呼吸(apnea)、頻呼吸(tachypnea)、徐呼吸(bradypnea)、過呼吸(hyperpnea)、低呼吸(hypopnea)、クッスマウル呼吸(Kussmaul's breathing)の7種類の呼吸パターンと不良データを生成した。次に、赤外線光波センシングシステムを用いて、これらのデータを収集した。
収集したデータから、ピーク間振幅、呼吸数、有効スペクトル振幅、信号対雑音比の4つの特徴量を抽出した。これらの特徴量を用いて、決定木、ランダムフォレスト、XGBoostの3つの機械学習アルゴリズムによる8クラス分類を行った。その結果、ランダムフォレストモデルが96.75%の最高精度を達成した。また、距離が遠くなるほど精度が低下したが、アンサンブルモデルであるランダムフォレストとXGBoostが単一の決定木モデルよりも優れた性能を示した。
さらに、正常呼吸と異常呼吸の2クラス分類を行ったところ、ランダムフォレストモデルが96.8%の精度を達成した。これらの結果から、提案する赤外線光波センシングシステムと機械学習アルゴリズムの組み合わせが、呼吸異常の効率的な検出に有効であることが示された。
今後の課題としては、より現実的な呼吸パターンを含む大規模なデータセットを用いた検証や、臨床試験による実用性の検証が挙げられる。
Statistik
呼吸数が12-20回/分の正常呼吸では、呼吸深度が30-58%の範囲にある。
呼吸数が21-50回/分の頻呼吸では、呼吸深度が30-58%の範囲にある。
呼吸数が1-11回/分の徐呼吸では、呼吸深度が30-58%の範囲にある。
呼吸数が12-20回/分の過呼吸では、呼吸深度が59-100%の範囲にある。
呼吸数が12-20回/分の低呼吸では、呼吸深度が1-29%の範囲にある。
呼吸数が21-50回/分のクッスマウル呼吸では、呼吸深度が59-100%の範囲にある。