生体音響解析に基づく疾患スクリーニング

1

徳島大学 大学院社会産業理工学研究部理工学域 電気電子系 講師 榎本崇宏

閉塞性睡眠時無呼吸症候群OSAS : Obstructive sleep apnea syndrome

2

症状：異常ないびき音，日中の眠気合併症：心臓発作，心筋梗塞などの循環器病

正常 いびき 呼吸停止

簡易診断無呼吸：呼吸が10秒以上停止している状態低呼吸：4％以上の酸素飽和度の低下、換気量の50%以上の低下AHI ：1時間当たりに生じる無呼吸，低呼吸回数の和

OSAS患者： AHI ≧ 5, 10events/h

単純いびき症： AHI ＜ 5, 10events/h

OSAS診断のための検査

3

終夜睡眠ポリグラフ検査 (PSG検査)

図 PSG検査の例

一晩病院に入院、OSASの確定診断

デメリット

1

2

複数の測定用センサを装着

検査コストが高い

検査を実施できる病院が限定

3

OSASのいびき

4

聴覚モデルを用いたOSASスクリーニング法の提案

聴覚モデル：AIM (Auditory image model)[1]

人の聴覚機構を模擬（Roy D.Patterson，2008）

本研究

非接触マイクロフォンにより録音した睡眠音からいびき音を抽出

抽出したいびき音をもとにOSASスクリーニング

1

2

提案法

[1]Patterson, Roy D., and Ingrid S. Johnsrude. ”Functional imaging of the auditory processing applied to speech sounds.” Philosophical Transactions of the

Royal Society B: Biological Sciences 363.1493 (2008): 1023-1035

を聞けば、OSASがわかる？

睡眠音録音

5

ディジタル分解能：16 bit/sample

サンプリング周波数：44.1 kHz

録音時間：6時間（2時間利用）

マイク配置：被験者の口元から約 50 cm

録音場所：阿南共栄病院

被験者データ：男性 69名 女性 30名

録音

録音データ

表被験者データベース

図 PSG検査時の録音準備（阿南共栄病院）

Subject Age BMI(kg/m2) AHI(event/h) No. of snore

Non-OSAS Male 17 54±19 25.85±4.67 7.01±4.81 508±473

0 AHI < 15 Female 18 59±23 25.42±6.35 6.12±3.95 352±431

Combined 35 57±21 25.63±5.52 6.55±4.34 427±452

OSAS Male 52 58±14 27.01±5.13 43.49±22.35 460±302

AHI15 Female 12 61±15 28.22±3.40 39.78±21.77 939±761

Combined 64 59±14 27.24±4.85 42.79±22.12 550±459

本研究は徳島大学研究倫理委員会，阿南共栄病院倫理委員会の承認を受けて実施

提案法

6

AIMに基づく音響特徴量抽出

ロジスティック回帰分析（LRA）

いびき音 / 非いびき音

睡眠音

エネルギーに基づく有音区間検出

> ?

Yes

Non-OSAS？

No

OSAS？

P

P

特徴量選択

いびき音 非いびき音特徴量選択LRA

OSAS / Non-OSAS

提案法

7

AIMに基づく音響特徴量抽出

ロジスティック回帰分析（LRA）

いびき音 / 非いびき音

睡眠音

エネルギーに基づく有音区間検出

> ?

Yes

Non-OSAS？

No

OSAS？

P

P

特徴量選択

いびき音 非いびき音特徴量選択LRA

OSAS / non-OSAS

有音区間の検出

8

Short-term energy(STE)[2][3]法により睡眠音から有音区間を検出

録音した睡眠音

エネルギーの算出

波形の平滑化SNR：5dB以上の検出

有音区間の検出

1episode

有音区間ラベリング：3名による聴感評価いびき音 / 非いびき音（咳,呼吸,声,ベッドノイズ等）

いびき音 50159episode / 非いびき音 31957episode[2]Xu, Changsheng, M. C. Maddage, and Xi Shao. "Automatic music classification and summarization.Speech and Audio Processing, IEEE Transactions on 13.3 (2005): 441-450. "

[3]Fitzgerald, Derry. "Harmonic/percussive separation using median filtering." (2010).

提案法

9

AIMに基づく音響特徴量抽出

ロジスティック回帰分析(LRA)

いびき音 / 非いびき音

睡眠音

エネルギーに基づく有音区間検出

> ?

Yes

Non-OSAS？

No

OSAS？

P

P

特徴量選択

いびき音 非いびき音特徴量選択LRA

OSAS / non-OSAS

AIM[1]による信号処理

10

バンドパスフィルタ処理

PCP(Pre-cochlea processing)

外耳・中耳の周波数伝達特性の模擬

BMM(Basilar membrane motion)

基底膜振動の模擬（周波数解析機構）

Wei

gh

t

ガンマチャープフィルタバンク(中心周波数：20Hz-6000Hz)

NAP(Neural activity pattern)

聴神経発火の活動パターンの模擬STI(Strobed temporal integration ）

聴知覚現象の模擬

半波整流, ローパスフィルタ処理

Step 1 Step 2

Step 3 Step 4

ストローブ時間積分

50 filter bank

SAI（Stabilized Auditory image）

安定化聴覚像

出力

音響特徴量抽出

11

SAIから得られるSSAI、ASから音響特徴量を抽出

ピッチ情報 フォルマント情報

Time interval(ms)

Fre

qu

ency

(k

Hz)

32 16 8 4 2 1

6

3.9

2.5

1.5

0.9

0.5

0.3

0.1

SSAI (Summary SAI) AS (Auditory spectrum)

No. 音響特徴量の種類

1 尖度

2 歪度

3 スペクトル重心

4 スペクトルバンド幅

5 スペクトルロールオフ

6 スペクトルエントロピー

7 スペクトルコントラスト

表 SSAI,ASから抽出した特徴量SAI

提案法

12

AIMに基づく音響特徴量抽出

ロジスティック回帰分析(LRA)

いびき音 / 非いびき音

睡眠音

エネルギーに基づく有音区間検出

> ?

Yes

Non-OSAS？

No

OSAS？

P

P

特徴量選択

いびき音 非いびき音特徴量選択LRA

OSAS / Non-OSAS

音響特徴量選択

13

ステップワイズ法[4]による特徴量選択

No. 音響特徴量の種類

1 尖度

2 歪度

3 スペクトル重心

4 スペクトルバンド幅

5 スペクトルロールオフ

6 スペクトルエントロピー

7 スペクトルコントラスト

21次元ステップワイズ

ステップワイズ

ステップワイズ

男性いびき音/非いびき音

女性いびき音/非いびき音

男性/女性いびき音/非いびき音

ステップワイズ法：F検定による特徴量の選択識別に有用な順に特徴量を選択

各データベースにステップワイズ法を使用

[4]Draper, N. R., and H. Smith. Applied Regression Analysis. Hoboken, NJ: Wiley-Interscience, 1998. pp. 307–312.

提案法

14

AIMに基づく音響特徴量抽出

ロジスティック回帰分析（LRA）

いびき音 / 非いびき音

睡眠音

エネルギーに基づく有音区間検出

> ?

Yes

Non-OSAS？

No

OSAS？

P

P

特徴量選択

いびき音 非いびき音特徴量選択LRA

OSAS / Non-OSAS

テストデータセットいびき音/非いびき音

睡眠音の特徴量をもとに確率Pを推定

ロジスティック回帰分析[5]（LRA）

15

LRA

カテゴリーイベント（従属変数：Y）の確率を推定

[5] Timmerman, Dirk, et al. ”Logistic regression model to distinguish between the benign and malignant adnexal mass before surgery: a multicenter study by

the International Ovarian Tumor Analysis Group.” Journal of clinical oncology 23.34 (2005): 8794-8801.

従属変数Y：

いびき音:1, 非いびき音:0

トレーニングデータセットいびき音/非いびき音

𝑃：事象が起こる確率 Y：ラベル𝛽：回帰係数 𝑥：特徴量

従属変数

回帰係数の推定

睡眠音の特徴量をもとに確率Pを推定

ロジスティック回帰分析（LRA）

16

LRA

カテゴリーイベント（従属変数：Y）の確率を推定

[5] Timmerman, Dirk, et al. ”Logistic regression model to distinguish between the benign and malignant adnexal mass before surgery: a multicenter study by the

International Ovarian Tumor Analysis Group.” Journal of clinical oncology 23.34 (2005): 8794-8801.

P > Pth ?Yes

No

いびき音

非いびき音

特異度と感度が最も高くなる

確率しきい値 を導出

ROC解析テストデータセットいびき音/非いびき音

𝑃：事象が起こる確率 Y：ラベル𝛽：回帰係数 𝑥：特徴量

従属変数

提案法 ーいびき音自動抽出ー

17

AIMに基づく音響特徴量抽出

LRA

いびき音 / 非いびき音

睡眠音

エネルギーに基づく有音区間検出

>

Yes

Non-OSAS？

No

OSAS？

P

P

特徴量選択

いびき音 非いびき音特徴量選択LRA

OSAS / non-OSAS

Pth

提案法の性能評価 -いびき音自動抽出-

18

✔️いびき音自動抽出精度：85％程度

✔️抽出した「いびき音」をOSASスクリーニングに利用

10分割交差検証（トレーニングデータセット:90%、テストデータセット:10%）

データセット：いびき：50159、非いびき：31957

表 いびき音自動抽出の性能評価結果

Sen. [%] Spe. [%] Acc.[%]

Male 90.87±0.94 83.92±0.93 88.39±0.00

Female 88.28±2.46 77.88±2.43 83.70±0.49

Combined 89.41±1.34 80.63±1.72 85.99±0.28

Sen.：Sensitivity；Spe.：Specificity；Acc. :Accuracy

提案法 ーOSASスクリーニングー

19

AIMに基づく音響特徴量抽出

LRA

いびき音 / 非いびき音

睡眠音

エネルギーに基づく有音区間検出

> ?

Yes

Non-OSAS？

No

OSAS？

P

P

特徴量選択

いびき音 非いびき音特徴量選択LRA

OSAS / non-OSAS

抽出したいびき音-AIM特徴量-

いびき音の特徴量をもとに確率Pを推定

OSASスクリーニング

20

LRAOSAS/Non-OSAS

カテゴリーイベント（従属変数：Y）の確率を推定

P > Pth ?Yes

No

OSAS

Non-OSAS

ステップワイズ法

ラベリング：被被験者データベースを利用

OSAS (AHI≥15) : 1

Non-OSAS (0 ≤AHI < 15) : 0

従属変数Y：

トレーニングデータセット:70% 、テストデータセット:30%に分割、50回試行

表 OSASスクリーニング結果（いびき音：自動抽出）

表 OSASスクリーニング結果（いびき音：手動抽出）

1.自動抽出したいびき音を利用2.マニュアル抽出したいびき音を利用

Sen. [%] Spe. [%] Acc.[%]

Male 77.07±17.77 79.20±21.74 77.60±11.66

Female 92.67±15.49 83.20±19.1 86.75±11.13

Combined 86.74±11.01 71.60±16.58 81.52±6.10

Sen. [%] Spe. [%] Acc.[%]

Male 80.40±11.93 95.20±9.53 84.10±8.37

Female 94.00±12.94 93.60±14.25 93.75±9.19

Combined 84.52±10.55 83.20±13.01 84.07±5.48

提案法の性能評価 - OSASスクリーニング-

21

1

2

✔️ OSASスクリーニング精度：80％程度

✔️自動抽出性能を高めることでスクリーニング性能向上

まとめ

22

聴覚モデルに基づくOSASスクリーニング法を提案

大規模日本人いびき音データベースを用いたOSASスクリーニング

1

2 本技術の性能評価結果から、いびき音抽出の精度は85％程度OSASスクリーニングの精度は80％程度

従来技術・競合技術との比較

・（複数の）接触型センサを使用しない非接触計測・モニタリングだけでなく、疾患に関する情報提供

・従来の音響特徴量を使用した場合よりも高い精度で生体音検出、疾患スクリーニングが可能

本技術に関する知的財産権

23

• 発明の名称 ：生体音響抽出装置、生体音響解析装置、生体音響抽出プログラム及びコンピュータで読み取り可能な記録媒体並びに記録した機器

• 出願番号 ： PCT/JP2017/002592

• 出願人 ： 徳島大学、クイーンズランド大学

• 発明者 ： 榎本崇宏、芥川正武、野中亮、川野憲市郎、ｱﾋﾞﾗﾄﾅ,ｳﾀﾞﾝﾀ

お問い合わせ先

24

徳島大学研究支援・産官学連携センター/

テクノネットワーク四国（四国TLO）

大江瑞絵

ＴＥＬ 088-656-9400

ＦＡＸ 088-656-7274

e-mail ohe＠s-tlo.co.jp