Upload
vuongmien
View
230
Download
4
Embed Size (px)
Citation preview
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、アビラトナ,ウダンタ
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