Suche senden
Hochladen
スマートフォンによる短時間睡眠支援に向けた入眠時刻の推定
•
Als PPTX, PDF herunterladen
•
0 gefällt mir
•
3,345 views
U
Ubi NAIST
Folgen
スマートフォンベースで測定した心拍数を入力として,入眠時刻の推定を行った結果を示す.
Weniger lesen
Mehr lesen
Technologie
Diashow-Anzeige
Melden
Teilen
Diashow-Anzeige
Melden
Teilen
1 von 38
Jetzt herunterladen
Empfohlen
深層リカレントニューラルネットワークを用いた日本語述語項構造解析
深層リカレントニューラルネットワークを用いた日本語述語項構造解析
Hiroki Ouchi
論文の書き方・読み方
論文の書き方・読み方
Satoshi Miura
Shunsuke Horii
Shunsuke Horii
Suurist
変調スペクトルを考慮したHMM音声合成
変調スペクトルを考慮したHMM音声合成
奈良先端大 情報科学研究科
確率(人間科学のための基礎数学)
確率(人間科学のための基礎数学)
Masahiro Okano
大規模凸最適化問題に対する勾配法
大規模凸最適化問題に対する勾配法
京都大学大学院情報学研究科数理工学専攻
(DL hacks輪読) Difference Target Propagation
(DL hacks輪読) Difference Target Propagation
Masahiro Suzuki
機械学習プロフェッショナルシリーズ輪読会 #5 異常検知と変化検知 Chapter 1 & 2 資料
機械学習プロフェッショナルシリーズ輪読会 #5 異常検知と変化検知 Chapter 1 & 2 資料
at grandpa
Empfohlen
深層リカレントニューラルネットワークを用いた日本語述語項構造解析
深層リカレントニューラルネットワークを用いた日本語述語項構造解析
Hiroki Ouchi
論文の書き方・読み方
論文の書き方・読み方
Satoshi Miura
Shunsuke Horii
Shunsuke Horii
Suurist
変調スペクトルを考慮したHMM音声合成
変調スペクトルを考慮したHMM音声合成
奈良先端大 情報科学研究科
確率(人間科学のための基礎数学)
確率(人間科学のための基礎数学)
Masahiro Okano
大規模凸最適化問題に対する勾配法
大規模凸最適化問題に対する勾配法
京都大学大学院情報学研究科数理工学専攻
(DL hacks輪読) Difference Target Propagation
(DL hacks輪読) Difference Target Propagation
Masahiro Suzuki
機械学習プロフェッショナルシリーズ輪読会 #5 異常検知と変化検知 Chapter 1 & 2 資料
機械学習プロフェッショナルシリーズ輪読会 #5 異常検知と変化検知 Chapter 1 & 2 資料
at grandpa
機械学習基礎(2)(パラメータ推定)
機械学習基礎(2)(パラメータ推定)
mikan ehime
自然方策勾配法の基礎と応用
自然方策勾配法の基礎と応用
Ryo Iwaki
(DL hacks輪読) Deep Kernel Learning
(DL hacks輪読) Deep Kernel Learning
Masahiro Suzuki
ゼロから始める自然言語処理 【FIT2016チュートリアル】
ゼロから始める自然言語処理 【FIT2016チュートリアル】
Yuki Arase
Arithmer NLP 自然言語処理 ソリューション紹介
Arithmer NLP 自然言語処理 ソリューション紹介
Arithmer Inc.
2011/07/16 NagoyaCV_takmin
2011/07/16 NagoyaCV_takmin
Takuya Minagawa
Pythonのmain関数
Pythonのmain関数
Katsuhiro Morishita
ゼロから作るDeepLearning 4章 輪読
ゼロから作るDeepLearning 4章 輪読
KCS Keio Computer Society
初めてのグラフカット
初めてのグラフカット
Tsubasa Hirakawa
未出現事象の出現確率
未出現事象の出現確率
Hiroshi Nakagawa
「日本語LaTeX」が多すぎる件について
「日本語LaTeX」が多すぎる件について
Takayuki Yato
ニューラルネットワークを用いた自然言語処理
ニューラルネットワークを用いた自然言語処理
Sho Takase
クラシックな機械学習の入門 3. 線形回帰および識別
クラシックな機械学習の入門 3. 線形回帰および識別
Hiroshi Nakagawa
Office365事例を調べてみた(官公庁/自治体)
Office365事例を調べてみた(官公庁/自治体)
Katsuhito Okada
はじめてのパターン認識8章サポートベクトルマシン
はじめてのパターン認識8章サポートベクトルマシン
NobuyukiTakayasu
HiPPO/S4解説
HiPPO/S4解説
Morpho, Inc.
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
Hitomi Yanaka
【DL輪読会】BloombergGPT: A Large Language Model for Finance arxiv
【DL輪読会】BloombergGPT: A Large Language Model for Finance arxiv
Deep Learning JP
AIと代数幾何 ~8分版~/ Artifical Inteligence Parameter Space Transformation using Alg...
AIと代数幾何 ~8分版~/ Artifical Inteligence Parameter Space Transformation using Alg...
Haruka Matsuzaki
放送大学テキスト「自然言語処理」 7章 構文の解析(1)
放送大学テキスト「自然言語処理」 7章 構文の解析(1)
Yasuhide Miura
ゆれぽいんと ~ユーザ参加型センシングを用いた揺れの事前通知アプリ~
ゆれぽいんと ~ユーザ参加型センシングを用いた揺れの事前通知アプリ~
Ubi NAIST
潜在的情報を用いた飲食店用不動産賃料推定モデル
潜在的情報を用いた飲食店用不動産賃料推定モデル
Ubi NAIST
Weitere ähnliche Inhalte
Was ist angesagt?
機械学習基礎(2)(パラメータ推定)
機械学習基礎(2)(パラメータ推定)
mikan ehime
自然方策勾配法の基礎と応用
自然方策勾配法の基礎と応用
Ryo Iwaki
(DL hacks輪読) Deep Kernel Learning
(DL hacks輪読) Deep Kernel Learning
Masahiro Suzuki
ゼロから始める自然言語処理 【FIT2016チュートリアル】
ゼロから始める自然言語処理 【FIT2016チュートリアル】
Yuki Arase
Arithmer NLP 自然言語処理 ソリューション紹介
Arithmer NLP 自然言語処理 ソリューション紹介
Arithmer Inc.
2011/07/16 NagoyaCV_takmin
2011/07/16 NagoyaCV_takmin
Takuya Minagawa
Pythonのmain関数
Pythonのmain関数
Katsuhiro Morishita
ゼロから作るDeepLearning 4章 輪読
ゼロから作るDeepLearning 4章 輪読
KCS Keio Computer Society
初めてのグラフカット
初めてのグラフカット
Tsubasa Hirakawa
未出現事象の出現確率
未出現事象の出現確率
Hiroshi Nakagawa
「日本語LaTeX」が多すぎる件について
「日本語LaTeX」が多すぎる件について
Takayuki Yato
ニューラルネットワークを用いた自然言語処理
ニューラルネットワークを用いた自然言語処理
Sho Takase
クラシックな機械学習の入門 3. 線形回帰および識別
クラシックな機械学習の入門 3. 線形回帰および識別
Hiroshi Nakagawa
Office365事例を調べてみた(官公庁/自治体)
Office365事例を調べてみた(官公庁/自治体)
Katsuhito Okada
はじめてのパターン認識8章サポートベクトルマシン
はじめてのパターン認識8章サポートベクトルマシン
NobuyukiTakayasu
HiPPO/S4解説
HiPPO/S4解説
Morpho, Inc.
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
Hitomi Yanaka
【DL輪読会】BloombergGPT: A Large Language Model for Finance arxiv
【DL輪読会】BloombergGPT: A Large Language Model for Finance arxiv
Deep Learning JP
AIと代数幾何 ~8分版~/ Artifical Inteligence Parameter Space Transformation using Alg...
AIと代数幾何 ~8分版~/ Artifical Inteligence Parameter Space Transformation using Alg...
Haruka Matsuzaki
放送大学テキスト「自然言語処理」 7章 構文の解析(1)
放送大学テキスト「自然言語処理」 7章 構文の解析(1)
Yasuhide Miura
Was ist angesagt?
(20)
機械学習基礎(2)(パラメータ推定)
機械学習基礎(2)(パラメータ推定)
自然方策勾配法の基礎と応用
自然方策勾配法の基礎と応用
(DL hacks輪読) Deep Kernel Learning
(DL hacks輪読) Deep Kernel Learning
ゼロから始める自然言語処理 【FIT2016チュートリアル】
ゼロから始める自然言語処理 【FIT2016チュートリアル】
Arithmer NLP 自然言語処理 ソリューション紹介
Arithmer NLP 自然言語処理 ソリューション紹介
2011/07/16 NagoyaCV_takmin
2011/07/16 NagoyaCV_takmin
Pythonのmain関数
Pythonのmain関数
ゼロから作るDeepLearning 4章 輪読
ゼロから作るDeepLearning 4章 輪読
初めてのグラフカット
初めてのグラフカット
未出現事象の出現確率
未出現事象の出現確率
「日本語LaTeX」が多すぎる件について
「日本語LaTeX」が多すぎる件について
ニューラルネットワークを用いた自然言語処理
ニューラルネットワークを用いた自然言語処理
クラシックな機械学習の入門 3. 線形回帰および識別
クラシックな機械学習の入門 3. 線形回帰および識別
Office365事例を調べてみた(官公庁/自治体)
Office365事例を調べてみた(官公庁/自治体)
はじめてのパターン認識8章サポートベクトルマシン
はじめてのパターン認識8章サポートベクトルマシン
HiPPO/S4解説
HiPPO/S4解説
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
【DL輪読会】BloombergGPT: A Large Language Model for Finance arxiv
【DL輪読会】BloombergGPT: A Large Language Model for Finance arxiv
AIと代数幾何 ~8分版~/ Artifical Inteligence Parameter Space Transformation using Alg...
AIと代数幾何 ~8分版~/ Artifical Inteligence Parameter Space Transformation using Alg...
放送大学テキスト「自然言語処理」 7章 構文の解析(1)
放送大学テキスト「自然言語処理」 7章 構文の解析(1)
Mehr von Ubi NAIST
ゆれぽいんと ~ユーザ参加型センシングを用いた揺れの事前通知アプリ~
ゆれぽいんと ~ユーザ参加型センシングを用いた揺れの事前通知アプリ~
Ubi NAIST
潜在的情報を用いた飲食店用不動産賃料推定モデル
潜在的情報を用いた飲食店用不動産賃料推定モデル
Ubi NAIST
通行量センシングと機械学習に基づく飲食店用不動産賃料推定
通行量センシングと機械学習に基づく飲食店用不動産賃料推定
Ubi NAIST
多様なユースケースに対応可能なユーザ参加型モバイルセンシング基盤の実装と評価(DICOMO 2016)
多様なユースケースに対応可能なユーザ参加型モバイルセンシング基盤の実装と評価(DICOMO 2016)
Ubi NAIST
もみもみセンサー
もみもみセンサー
Ubi NAIST
PenStickの開発
PenStickの開発
Ubi NAIST
node-senstickの開発
node-senstickの開発
Ubi NAIST
Senstickのエナジーハーベスト化
Senstickのエナジーハーベスト化
Ubi NAIST
Senstickを利用したペン動作の解析
Senstickを利用したペン動作の解析
Ubi NAIST
Senstickを使った姿勢・状態検出
Senstickを使った姿勢・状態検出
Ubi NAIST
情報処理学会第78回全国大会"価値共創キュレーションシステムの構想 〜会員制タクシーの会話支援を実例とした概念設計〜"
情報処理学会第78回全国大会"価値共創キュレーションシステムの構想 〜会員制タクシーの会話支援を実例とした概念設計〜"
Ubi NAIST
第77回MBL研究会 "多様なIoTデータストリームをクラウドレスで分散処理するミドルウェアの設計"
第77回MBL研究会 "多様なIoTデータストリームをクラウドレスで分散処理するミドルウェアの設計"
Ubi NAIST
調味料から健康に「ちょみけん」
調味料から健康に「ちょみけん」
Ubi NAIST
[DPSWS2015] Recurchat: 端末間でアプリ配布可能なBluetoothChatシステム
[DPSWS2015] Recurchat: 端末間でアプリ配布可能なBluetoothChatシステム
Ubi NAIST
【2015年度関西支部大会】照明装置の順点灯制御と照度‐距離モデルに基づく屋内位置推定手法をとその評価(守谷)
【2015年度関西支部大会】照明装置の順点灯制御と照度‐距離モデルに基づく屋内位置推定手法をとその評価(守谷)
Ubi NAIST
[Ubicomp'15]SakuraSensor: Quasi-Realtime Cherry-Lined Roads Detection throug...
[Ubicomp'15]SakuraSensor: Quasi-Realtime Cherry-Lined Roads Detection throug...
Ubi NAIST
Dicomo2015yoi
Dicomo2015yoi
Ubi NAIST
[DICOMO’15]複数カメラで撮影したスポーツ映像ストリームの実時間自動編纂システムの提案
[DICOMO’15]複数カメラで撮影したスポーツ映像ストリームの実時間自動編纂システムの提案
Ubi NAIST
研究室説明@オリエンテーション2015
研究室説明@オリエンテーション2015
Ubi NAIST
食事・行動履歴に基づく非侵襲的血糖値・空腹度推定手法
食事・行動履歴に基づく非侵襲的血糖値・空腹度推定手法
Ubi NAIST
Mehr von Ubi NAIST
(20)
ゆれぽいんと ~ユーザ参加型センシングを用いた揺れの事前通知アプリ~
ゆれぽいんと ~ユーザ参加型センシングを用いた揺れの事前通知アプリ~
潜在的情報を用いた飲食店用不動産賃料推定モデル
潜在的情報を用いた飲食店用不動産賃料推定モデル
通行量センシングと機械学習に基づく飲食店用不動産賃料推定
通行量センシングと機械学習に基づく飲食店用不動産賃料推定
多様なユースケースに対応可能なユーザ参加型モバイルセンシング基盤の実装と評価(DICOMO 2016)
多様なユースケースに対応可能なユーザ参加型モバイルセンシング基盤の実装と評価(DICOMO 2016)
もみもみセンサー
もみもみセンサー
PenStickの開発
PenStickの開発
node-senstickの開発
node-senstickの開発
Senstickのエナジーハーベスト化
Senstickのエナジーハーベスト化
Senstickを利用したペン動作の解析
Senstickを利用したペン動作の解析
Senstickを使った姿勢・状態検出
Senstickを使った姿勢・状態検出
情報処理学会第78回全国大会"価値共創キュレーションシステムの構想 〜会員制タクシーの会話支援を実例とした概念設計〜"
情報処理学会第78回全国大会"価値共創キュレーションシステムの構想 〜会員制タクシーの会話支援を実例とした概念設計〜"
第77回MBL研究会 "多様なIoTデータストリームをクラウドレスで分散処理するミドルウェアの設計"
第77回MBL研究会 "多様なIoTデータストリームをクラウドレスで分散処理するミドルウェアの設計"
調味料から健康に「ちょみけん」
調味料から健康に「ちょみけん」
[DPSWS2015] Recurchat: 端末間でアプリ配布可能なBluetoothChatシステム
[DPSWS2015] Recurchat: 端末間でアプリ配布可能なBluetoothChatシステム
【2015年度関西支部大会】照明装置の順点灯制御と照度‐距離モデルに基づく屋内位置推定手法をとその評価(守谷)
【2015年度関西支部大会】照明装置の順点灯制御と照度‐距離モデルに基づく屋内位置推定手法をとその評価(守谷)
[Ubicomp'15]SakuraSensor: Quasi-Realtime Cherry-Lined Roads Detection throug...
[Ubicomp'15]SakuraSensor: Quasi-Realtime Cherry-Lined Roads Detection throug...
Dicomo2015yoi
Dicomo2015yoi
[DICOMO’15]複数カメラで撮影したスポーツ映像ストリームの実時間自動編纂システムの提案
[DICOMO’15]複数カメラで撮影したスポーツ映像ストリームの実時間自動編纂システムの提案
研究室説明@オリエンテーション2015
研究室説明@オリエンテーション2015
食事・行動履歴に基づく非侵襲的血糖値・空腹度推定手法
食事・行動履歴に基づく非侵襲的血糖値・空腹度推定手法
Kürzlich hochgeladen
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
Kürzlich hochgeladen
(7)
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
スマートフォンによる短時間睡眠支援に向けた入眠時刻の推定
1.
スマートフォンによる 短時間睡眠支援に向けた入眠時刻の推定 永田大地†,
荒川豊†, 安本慶一† † 奈良先端科学技術大学院大学
2.
目次 1. 背景
2. 関連研究 3. 提案手法 4. 実験 5. まとめ 2
3.
研究背景 睡眠時間の不足 •
日本人の睡眠時間 OECD諸国の中で2番目に少ない[1] 40年間で約50分の減少[2] 睡眠時間の増加は困難 “短時間睡眠(昼寝)”の推奨 [1] : 睡眠時間の国際比較(OECD:経済協力開発機構,34ヶ国が加盟) 3 [2] : 国民の生活時間2000 NHK放送文化研究所・編
4.
短時間睡眠 理想的な睡眠→ 長さが重要“20分”[3]
4 20分昼寝をしよう。 目覚ましを20分後に 設定して寝よう。 寝付けないな。また 今から20分後に 設定し直そう。 10分経過 寝付けない!何度 も目覚ましを設定 するのは面倒だ! 5分経過 短時間睡眠を行おうとした例 [3] : SC Mednick. “Take a Nap!:Change Your Life”, New York, Workman Pub (2006).
5.
短時間睡眠 理想的な睡眠→ 長さが重要“20分”[3]
5 20分昼寝をしよう。 目覚ましを20分後に 設定して寝よう。 寝付けないな。また 今から20分後に 設定し直そう。 10分経過 寝付けない!何度 も目覚ましを設定 するのは面倒だ! 5分経過 短時間睡眠を行おうとした例 眠る時刻が知りたい [3] : SC Mednick. “Take a Nap!:Change Your Life”, New York, Workman Pub (2006).
6.
提案システムの位置付け 6
7.
提案システムの位置付け 7
8.
提案システムの位置付け 8
9.
睡眠状態 睡眠状態は5 段階に分類
REM NREM 1st phase NREM 2st phase NREM 3rd phase NREM 4th phase 2014/6/11 9
10.
睡眠状態 睡眠状態は5 段階に分類
→ 今回は,3 段階に変更しての利用 REM NREM 1st phase NREM 2st phase NREM 3rd phase NREM 4th phase REM Light-Sleep Deep-Sleep 2014/6/11 10
11.
入眠時刻推定の必要性 • 理想的な起床時刻がわかる
(推定入眠時刻)+ “20分” =(理想起床時刻) 11 快適な目覚め・効果の高い睡眠 入眠の定義覚醒状態→睡眠状態
12.
病院で用いられる入眠時刻推定手法 脳波や生理指標を用いた 終夜睡眠ポリグラフ検査(PSG)
12 脳波計測装置 睡眠状態の高精度な推定 →入眠時刻の推定 課題点 ・限定された環境・患者に大きな負担 ・高価な専用機器の必要性・専門家による判定
13.
病院で用いられる入眠時刻推定手法 13 脳波計測装置
脳波や生理指標を用いた 終夜睡眠ポリグラフ検査(PSG) 睡眠状態の高精度な推定 →入眠時刻の推定 課題点 ・限定された環境・患者に大きな負担 日常的な計測は困難 ・高価な専用機器の必要性・専門家による判定
14.
目次 1. 背景
2. 関連研究 3. 提案手法 4. 実験 5. まとめ 14
15.
外部装置を用いた研究例[4] タニタ社マット型睡眠計スリープスキャン マットレスや布団の下に設置
普段と同じ睡眠を行うことが可能 呼吸,脈拍,体動から(覚醒・睡眠)の推定 • 30秒毎に睡眠状態(4段階)を推定可能 • 睡眠状態を90%以上(PSGとの比較)の 精度で推定 外部装置が必要 [4] : 小西円, 中西純子, 西田佳世, “高齢者の睡眠/覚醒判定におけるセンサーマット型睡眠計の15 有用性-アクティグラフとの比較から-”, 愛媛県立医療技術大学紀要. vol.9, no.1, pp.5-9 (2012).
16.
スマートフォンのみを用いた研究例[5] スマートフォンアプリ「iSleep」 ベット(寝具)周辺に設置
マイクから取得した音のみで体の動きや咳な どを検出し,推定に用いる 16 • 睡眠に関連性の高い行動を検出 • 睡眠状態,睡眠の質の推定 環境雑音に弱い [5] : Hao T., Xing G., Zhou G. “isleep: Unobtrusive sleep quality monitoring using smartphones”, SenSys, pp.1-14 (2013).
17.
既存研究の問題点 短時間睡眠を想定 •
専用機器は不必要 • 使用環境は限定されない 外部装置を用いず,環境依存の少ない 17 入眠時刻推定システムを目標
18.
目次 1. 背景
2. 関連研究 3. 提案手法 4. 実験 5. まとめ 18
19.
提案手法 <目的> 短時間睡眠における入眠時刻から
20分経過後での起床支援 <提案システム> スマートフォンのみを用いた 心拍数による入眠時刻推定システム 19
20.
睡眠計測における生理指標 20 正確性を維持しながら簡易性を追求
21.
心拍数を用いる理由 • 睡眠との関連性が高い
“覚醒状態では高く,睡眠状態では低い値”[6] • 環境ノイズの影響が少ない 音環境等の変化に依存しない • 手軽に計測可能 小型装置,スマートフォンで計測可能 計測可能箇所が豊富 21 [6] : 亀山研一, 鈴木琢治, 行谷まち子, “快眠のための睡眠判定と睡眠モニタリングシステム ”東芝レビュー, Vol.61, No.10. (2006)
22.
心拍数計測方法 22 •
搭載カメラから指先の画像を取得 血流の強弱から画像処理を用いた心拍数導出 • 心拍数測定アプリを実装 既存の心拍計と平均誤差1.83 bpm カメラフラッシュ (バンド装着イメージ) (断面図) (計測中)
23.
睡眠状態推定 • 機械学習を用いる
心拍:覚醒状態と睡眠状態で変動 23 90 85 80 75 70 65 60 55 心拍数[bpm] 心拍数グラフ 覚醒覚醒 睡眠 Time
24.
特徴量の選定 前提知識として 睡眠状態では心拍数の値,変動幅は低下
<用いる特徴量> • 平均値 • 分散値 <データの分割方法> 各区間を一定時間毎(エポック)に区切る 24
25.
システム構成 25
26.
目次 1. 背景
2. 関連研究 3. 提案手法 4. 実験 5. まとめ 26
27.
実験 検証すべき項目 1.
睡眠状態の分類精度 2. 入眠時刻推定精度 27
28.
実験 検証すべき項目 1.
睡眠状態の分類精度 2. 入眠時刻推定精度 28
29.
実験 検証すべき項目 1.
睡眠状態の分類精度 2. 入眠時刻推定精度 29
30.
実験1 睡眠状態分類 <方法>
• SVMを用いた分類 4クラス(state = wake, rem-sleep, light-sleep, deep-sleep) 2クラス(state = wake, sleep) • 検証方法 Hold out 法 Cross validation 法 • エポックを30s に設定 30
31.
データ収集環境 • 5
名の成人,各1 回の睡眠(計6睡眠) 環境:研究室に設置されたベット 体勢:横になった状態での睡眠 • 心拍計 SUUNTO t6d (腕時計+専用ベルト)を代用 • 睡眠段階のGround Truth タニタ社のマット型睡眠計スリープスキャン 正解ラベルの作成 31
32.
睡眠状態推定の結果 32 検証方法4クラス2クラス
Hold out 45.7 % 80.0 % Cross validation 40 ±23 % 76 ±13 % 4クラス分類での精度は低い
33.
睡眠状態推定の結果 33 検証方法4クラス2クラス
Hold out 45.7 % 80.0 % Cross validation 40 ±23 % 76 ±13 % 実用上,問題の無い精度を確認
34.
実験2 入眠時刻推定 <方法>
• 睡眠状態から入眠時刻を推定 • スリープスキャンの入眠時刻と比較 エポック1 2 3 4 5 6 7 経過時刻 34 ( s ) 0 - 30 30 - 60 60 - 90 90 - 120 120 - 150 150 - 180 180 - 210 睡眠状態wake wake wake Light sleep Light sleep Deep sleep Deep sleep
35.
実験2 入眠時刻推定 <方法>
• 睡眠状態から入眠時刻を推定 • スリープスキャンの入眠時刻と比較 エポック1 2 3 4 5 6 7 経過時刻 35 ( s ) 0 - 30 30 - 60 60 - 90 90 - 120 120 - 150 150 - 180 180 – 210 睡眠状態wake wake wake Light sleep Light sleep Deep sleep Deep sleep 入眠時刻が含まれるエポック
36.
入眠時刻推定の結果 36 睡眠ID
入眠エポック最大誤差 スリープスキャン提案システム( s ) 1 15 6 300 2 7 3 150 3 13 11 90 4 54 48 210 5 34 28 210 平均192s で推定可能
37.
まとめ • 短時間睡眠支援の方法
• 心拍数を用いた入眠時刻推定 心拍数による状態分類 入眠時刻推定平均192s 以内 37
38.
今後の課題 • 個人性の考慮
ユーザ毎の特徴を導出 ユーザカテゴリの設定 • 変化点検出など他の手法との比較 • 心拍測定アプリの入眠時刻推定機能追加 プロトタイプ版(心拍数測定)の実装完了 • ユーザによるシステム評価 38
Hinweis der Redaktion
MBL2014 発表18分 質疑応答5分
Jetzt herunterladen