.

.

. ..

.

.

突発的な異常信号データの検出法と心電図データへの適用

もりた ひろよし

森田 啓義電気通信大学大学院情報システム学研究科情報ネットワークシステム学専攻教授

2013年 5月 14日

共同研究者：　長野県工科短期大学校　 准教授 太田隆博

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 1 / 24

.

. .

1 主要結果

.

. . 2 システムの概要

.

. .

3 提案手法

.

. .

4 実験１：心電図

.

. .

5 実験２：電源波形

.

. .

6 まとめ

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 2 / 24

主要結果

.

主要結果

.

.

.

. ..

.

.

定常な波形データの中から異常波形をリアルタイムに自動的に検出する手法の提案・実装

応用例I 不整脈・異常電源波形 (スウェル))の監視・リアルタイム検出

I 機器の予防保全（異常振動・異常信号の検出）

I 脳波なども含めた生体信号の異常検出

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 3 / 24

システムの概要

本システムの概要

��

�

正常な信号を効率よく圧縮する確率モデルから異常信号を検出する．

I 信号ごとの局所的な圧縮率を確率モデルから計算する．

I 局所的な圧縮率の変動から異常を検知する．

I 検出はデータを符号化せずとも行える．処理が高速もちろん圧縮保存しながら検出も可能

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 4 / 24

システムの概要

本システムの特長

携帯型心電図測定器への組込みを目指し，

I よい検出率

I 省メモリ

I リアルタイム性

などの特長をもつ．

データ圧縮手法として，ファイル圧縮や心電図データ圧縮に有効な反辞書符号化法を用いる．

本発表では，不整脈検出と電源電圧変動検出への適用結果について紹介する.

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 5 / 24

提案手法

反辞書とはなにか？I 入力データに出現しない極小禁止語の集まり．I 入力データに現れるすべての単語を集めた辞書より小さい．

反辞書の大きさは入力データの長さに比例，一方，辞書は２乗に比例．入力データの長さが 100万なら，両者の大きさの比は1:100万!

.

Example (反辞書)

.

.

.

. ..

.

.

入力データ x = 122132の反辞書A(x)と辞書D(x)を比べると，

A(x) = {11, 23, 31, 33, 121, 212, 222, 321, 322}D(x) = {1, 2, 3, 12, 13, 21, 22, 32, 122, 132, 213,

221, 1221, 2132, 2213, 12213, 22132, 122132}森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 6 / 24

提案手法

反辞書による確率モデル

1

110 1

52

6

21

2

32

3

42 1

2

3

3

1

32

3

ධຊ⣔䠖122132

ฟຊ⣔䠖122132

ᅗ1 ☜⋡䝰䝕䝹 (AD-automaton)

➢ㄒ:(㎡᭩, ฟຊ⣔, ධຊ⣔㛗)

㎡᭩䠖{11, 23, 121, 212, 222}

2. 3 ㎡᭩䛻䜘䜛☜⋡䝰䝕䝹

3

8

9

10

7

➢䜰䝹䝣䜯䝧䝑䝖: {1, 2, 3}

e(122) 6グ䛾㏻㐣㢖ᗘ䜢䛘䛶, 䛭䛾ฟ⌧☜⋡䜢⟬⾡➢(e(䞉))䛩䜛䠊

グ๐㝖

7/26 JPCA2012, ᮾி䠈6.14, 2012

入力データ x = 122132A(x) = {11, 23, 31, 33, 121, 212, 222, 321, 322}A = {11, 23, 121, 212, 222} ! A(x)

1

入力データ x = 122132A(x) = {11, 23, 31, 33, 121, 212, 222, 321, 322}A = {11, 23, 121, 212, 222} ! A(x)

ノード 0からスタート：　確率

P0(0)1/3

P1(2)" 1

P4(2)" 1

P6(1)" 1

P5(3)" 1

P0(2)" 1/3

　= 1/9

1

入力データ x = 122132A(x) = {11, 23, 31, 33, 121, 212, 222, 321, 322}A = {11, 23, 121, 212, 222} ! A(x)

ノード 0からスタート：　確率

P0(0)1/3

P1(2)" 1

P4(2)" 1

P6(1)" 1

P5(3)" 1

P0(2)" 1/3

　= 1/9

実線 通常状態への遷移点線 禁止状態への遷移（通常は発生しない）

1

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 7 / 24

提案手法

心電図と従来法による圧縮率の変化

I 単純に圧縮しただけでは圧縮率変化から不整脈検出は困難

2. 4 䝕䞊䝍ᅽ⦰䛸␗ᖖἼᙧฟ

ᅽ⦰⋡(ᚑ᮶ἲ䠖5ḟ⟬⾡➢)

ᚰ㟁ᅗ

N N N V N N N N N N N N V N N N N

ᅽ⦰⋡(ᚑ᮶ἲ䠖2ḟ⟬⾡➢)

8/26 JPCA2012, ᮾி䠈6.14, 2012

N : ṇᖖ⬦V : ⬦(ᚰᐊᛶᮇእ⦰)

ᅗ2 ᚰ㟁ᅗ䛸ᚑ᮶ἲ䛻䜘䜛ᅽ⦰⋡䛾ኚ

2. 4 䝕䞊䝍ᅽ⦰䛸␗ᖖἼᙧฟ

ᅽ⦰⋡(ᚑ᮶ἲ䠖5ḟ⟬⾡➢)

ᚰ㟁ᅗ

N N N V N N N N N N N N V N N N N

ᅽ⦰⋡(ᚑ᮶ἲ䠖2ḟ⟬⾡➢)

8/26 JPCA2012, ᮾி䠈6.14, 2012

༢⣧䛻ᅽ⦰䛧䛯䛰䛡䛷䛿䠈ᅽ⦰⋡䛾ኚ䛛䜙⬦㒊ศ䜢ฟ䛩䜛䛣䛸䛜㞴䛧䛔䛯䜑䠈ฟ䛻㐺䛧䛯☜⋡䝰䝕䝹䜢ᵓ⠏䛩䜛䠊

N : ṇᖖ⬦V : ⬦(ᚰᐊᛶᮇእ⦰)

ᅗ2 ᚰ㟁ᅗ䛸ᚑ᮶ἲ䛻䜘䜛ᅽ⦰⋡䛾ኚ

ᅽ⦰⋡(ᥦἲ)

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 8 / 24

提案手法

データ圧縮と異常波形検出

I 検出に適した反辞書確率モデルを構築する．

I しきい値の自動設定

2. 4 䝕䞊䝍ᅽ⦰䛸␗ᖖἼᙧฟ

ᅽ⦰⋡(ᚑ᮶ἲ䠖5ḟ⟬⾡➢)

ᚰ㟁ᅗ

N N N V N N N N N N N N V N N N N

ᅽ⦰⋡(ᚑ᮶ἲ䠖2ḟ⟬⾡➢)

8/26 JPCA2012, ᮾி䠈6.14, 2012

༢⣧䛻ᅽ⦰䛧䛯䛰䛡䛷䛿䠈ᅽ⦰⋡䛾ኚ䛛䜙⬦㒊ศ䜢ฟ䛩䜛䛣䛸䛜㞴䛧䛔䛯䜑䠈ฟ䛻㐺䛧䛯☜⋡䝰䝕䝹䜢ᵓ⠏䛩䜛䠊

N : ṇᖖ⬦V : ⬦(ᚰᐊᛶᮇእ⦰)

ᅗ2 ᚰ㟁ᅗ䛸ᚑ᮶ἲ䛻䜘䜛ᅽ⦰⋡䛾ኚ

ᅽ⦰⋡(ᥦἲ)

しきい値

不整脈 不整脈

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 9 / 24

提案手法

提案システムのフローチャート2. 5 ᥦ䛩䜛ฟ䝅䝇䝔䝮

䝕䞊䝍ᅽ⦰

ᚰ㟁ᅗ

➢ჾ

Ꮫ⩦⣔

㎡᭩

ᮇタᐃ

⬦䛒䜚

Ri Ӎ T

⬦䛺䛧

Yes

No

ฟ⤖ᯝ䛾ಖᏑ䞉ఏ㏦

ṇᖖ⬦䜢Ꮫ⩦⣔䛸䛧䛶䠈ṇᖖ⬦䛾ᅽ⦰䛻㐺䛧䛯☜⋡䝰䝕䝹䜢ᵓ⠏䛩䜛䠊

T : 䛧䛝䛔

ᅽ⦰⋡䛜䛧䛝䛔䜢㉸䛘䛯䛛䛹䛖䛛䛻䜘䜚ᐃ䛩䜛䠊

Ri : 䝇䝷䜲䝗❆ෆ䛾ᖹᆒᅽ⦰⋡

9/26 JPCA2012, ᮾி䠈6.14, 2012森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 10 / 24

提案手法

学習によるパラメータの自動設定I 学習系列の自動設定

正常脈を学習系列とする．学習系列の範囲は導出式 [OM04] から算出．2. 8 Ꮫ⩦⣔䛾⮬タᐃ(Ꮫ⩦⣔ೃ⿵䛾タᐃ)

12/26

ඛ㢌 ᮎᑿ

ᚰ㟁ᅗ䝕䞊䝍

ṇᖖ⬦

⬦

1 2 3 4

1 2 䞉䞉䞉 L

1 2 䞉䞉䞉 L

Ꮫ⩦⣔㛗⠊ᅖ

䞉䞉䞉

Ꮫ⩦⣔㛗ୗ㝈 Ꮫ⩦⣔㛗㝈

1 2 䞉䞉䞉 L L+1

L+1 䞉䞉䞉 L+M-1

Ꮫ⩦⣔㛗⠊ᅖ䛿䠈1ᢿ䛾䝃䞁䝥䝹䞉䝎䜲䝘䝭䝑䜽䝺䞁䝆䛛䜙ᚓ䜙䜜䜛䠊[OM04]

Ꮫ⩦⣔1

Ꮫ⩦⣔2

Ꮫ⩦⣔M

䞉䞉䞉

JPCA2012, ᮾி䠈6.14, 2012

ᚰ㟁ᅗ䛾ሙ䛿䠈M=14⛬ᗘ

䛸䛺䜛䠊

[OM04] 信学論, Vol.J87-A, pp.1187-1195, 2004.

1セット = 11拍

実験データ値 57秒 202秒

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 11 / 24

提案手法

しきい値と検出率2. 9 䛧䛝䛔䛸ฟ⋡

13/26

ᅽ⦰⋡䛧䛝䛔

䛧䛝䛔䛜ప䛩䛞䜛䛸䠈ㄗฟ䛜ቑຍ

⬦ ⬦

JPCA2012, ᮾி䠈6.14, 2012

ᅽ⦰⋡䝕䞊䝍

䛧䛝䛔

䛧䛝䛔䛜㧗䛩䛞䜛䛸䠈ᮍฟ䛜ቑຍ

⬦ ⬦

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 12 / 24

提案手法

しきい値の自動設定方法 (1/2)

��

�

M本の学習系列のそれぞれから生成された符号器を用いて，対応する学習系列を圧縮する．

2. 10 䛧䛝䛔䛾⮬タᐃ

14/26

Ꮫ⩦⣔䛛䜙⏕ᡂ䛥䜜䛯➢ჾ䜢⏝䛔䛶䠈Ꮫ⩦⣔⮬㌟䜢ᅽ⦰䛧䠈ᅽ⦰⋡䛾(䜢㉸䛘䜛ᑠ)䜢䛧䛝䛔䛻タᐃ䛩䜛䠊

Ꮫ⩦⣔

➢ჾ

(1) ➢ჾᵓ⠏

➢ჾ

ධຊ

ᅽ⦰䝕䞊䝍

(2) ᅽ⦰

ฟຊ

ᅽ⦰⋡䛾䜢⏝䛔䛶

䛧䛝䛔タᐃ

JPCA2012, ᮾி䠈6.14, 2012

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 13 / 24

提案手法

しきい値の自動設定方法 (2/2)

15/26

Ꮫ⩦⣔䛛䜙⏕ᡂ䛥䜜䛯➢ჾ䜢⏝䛔䛶䠈Ꮫ⩦⣔⮬㌟䜢ᅽ⦰䛧䠈ᅽ⦰⋡䛾(䜢㉸䛘䜛ᑠ)䜢䛧䛝䛔䛻タᐃ䛩䜛䠊

Ꮫ⩦⣔䛾ᅽ⦰䝕䞊䝍

䛧䛝䛔(ᅽ⦰⋡䛾䜢㉸䛘䜛ᑠ)

() =1.234䛾䛸䛝䠈䛧䛝䛔䜢1.24䛸ᐃ䜑䜛䠊

(Ꮫ⩦⣔1䠈䛧䛝䛔1)(Ꮫ⩦⣔2䠈䛧䛝䛔2)

䛣䛾ฎ⌮䛷䛿䠈Ꮫ⩦⣔䛸䛧䛝䛔䛾⤌䜏䜟䛫䛜M⤌䛷䛝䜛䠊

䞉䞉䞉(Ꮫ⩦⣔M䠈䛧䛝䛔M)

2. 11 䛧䛝䛔䛾⮬タᐃ

JPCA2012, ᮾி䠈6.14, 2012

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 14 / 24

提案手法

学習系列・しきい値の決定2. 12 Ꮫ⩦⣔䞉䛧䛝䛔䛾Ỵᐃ

16/26

M⤌䛾Ꮫ⩦⣔䞉䛧䛝䛔䛻䜘䜚䠈䝔䝇䝖䝕䞊䝍䛻ᑐ䛩䜛ฟ䜢⾜䛔䠈ฟ⤖ᯝ(ឤᗘ䛸≉␗ᗘ䛾)䛜䜒䛝䛔⤌䜢ฟ⏝䛾Ꮫ⩦⣔䞉䛧䛝䛔䛾⤌䛸䛧䛶タᐃ䛩䜛䠊

(➢ჾ1䠈䛧䛝䛔1)

(➢ჾ2䠈䛧䛝䛔2)

(➢ჾM䠈䛧䛝䛔M)

䞉䞉䞉

䝔䝇䝖䝕䞊䝍(ඛ㢌200⛊䛾䝕䞊䝍䛷⬦䜢䜎䛺䛟䛶䜒䜘䛔)

ឤᗘ+≉␗ᗘ = A1

ឤᗘ+≉␗ᗘ = A2

ឤᗘ+≉␗ᗘ = AM

JPCA2012, ᮾி䠈6.14, 2012

ឤᗘ = ฟ⬦ / (ฟ⬦+ ᮍฟ⬦) 㽢 100 (%) (ᮍฟᑻᗘ)≉␗ᗘ = ฟṇᖖ⬦ / (ฟṇᖖ⬦ + ㄗฟṇᖖ⬦) 㽢 100 (%) (ㄗฟᑻᗘ)

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 15 / 24

提案手法

初期設定の流れ2. 13 ᮇタᐃ䛾ὶ䜜

17/26

Ꮫ⩦⣔ೃ⿵䛾タᐃ

ᚰ㟁ᅗඛ㢌⣔

ೃ⿵䛾䛧䛝䛔䛾タᐃ

䝔䝇䝖䝕䞊䝍䛻ᑐ䛩䜛ฟ

ฟ⏝䛾Ꮫ⩦⣔䞉䛧䛝䛔

䛘䜙䜜䛯⠊ᅖ䛾ඛ㢌⣔䛾ṇᖖ⬦䜢⏝

Ꮫ⩦⣔⮬㌟䜢ᅽ⦰䛧䛯䛸䛝䛾ᅽ⦰⋡䛾䜢⏝

ඛ㢌⣔䜢䝔䝇䝖䝕䞊䝍䛸䛧䛶ᅽ⦰䛧䛶䜒䜘䛔Ꮫ⩦⣔䛸䛧䛝䛔䛾⤌䜢᥈⣴

JPCA2012, ᮾி䠈6.14, 2012

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 16 / 24

実験１：心電図

実験（心電図）3. 1 ᐇ㦂(ᚰ㟁ᅗ)

18/26

MIT-BIH Arrhythmia Database䛾ᚰᐊᛶᮇእ⦰䜢䜐ᚰ㟁ᅗ6䝣䜯䜲䝹䜢⏝䛔䛯䠊

䝃䞁䝥䝸䞁䜾࿘Ἴ 360 Hz (5.8kbit/s)1䝃䞁䝥䝹 16 bit (11 bit resolution)1䝣䜯䜲䝹䝃䜲䝈 1.3Mbyte (650000䝃䞁䝥䝹:⣙30ศ)

⾲1 ᚰ㟁ᅗᵝ

⾲2 䝣䜯䜲䝹䛾ᵝ

ᚰ㟁ᅗ䝣䜯䜲䝹 ⥲ᢿ ᚰᐊᛶᮇእ⦰

䝣䜯䜲䝹105 2,572 82䝣䜯䜲䝹201 2,000 402䝣䜯䜲䝹205 2,656 99䝣䜯䜲䝹215 3,364 310䝣䜯䜲䝹221 2,427 785䝣䜯䜲䝹228 2,053 723

ィ 15,071 2,392JPCA2012, ᮾி䠈6.14, 2012

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 17 / 24

実験１：心電図

学習系列としきい値3. 2 ᐇ㦂⤖ᯝ(Ꮫ⩦⣔䛸䛧䛝䛔䛾タᐃ)

19/26

⾲3 䝣䜯䜲䝹䛻ᑐ䛩䜛Ꮫ⩦⣔䛸䛧䛝䛔

ᚰ㟁ᅗ䝣䜯䜲䝹 Ꮫ⩦⣔㛗 䛧䛝䛔

䝣䜯䜲䝹105 220ᢿ 1.60䝣䜯䜲䝹201 209ᢿ 1.40䝣䜯䜲䝹205 220ᢿ 1.51䝣䜯䜲䝹215 253ᢿ 1.43䝣䜯䜲䝹221 220ᢿ 1.37䝣䜯䜲䝹228 253ᢿ 1.49

ᥦᡭἲ䛻䜘䜛Ꮫ⩦⣔䛸䛧䛝䛔䛾タᐃ⤖ᯝ䜢⾲3䛻♧䛩䠊

Ꮫ⩦⣔㛗䛿䠈㛫䛷䛿⣙2䡚3ศ㛫䛾䝕䞊䝍䛸䛺䜛䠊

JPCA2012, ᮾி䠈6.14, 2012

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 18 / 24

実験１：心電図

実験結果：検出率

ឤᗘ = ฟ⬦ / (ฟ⬦+ ᮍฟ⬦) 㽢 100 (%) (ᮍฟᑻᗘ)≉␗ᗘ = ฟṇᖖ⬦ / (ฟṇᖖ⬦ + ㄗฟṇᖖ⬦) 㽢 100 (%) (ㄗฟᑻᗘ)

3. 3 ᐇ㦂⤖ᯝ(ฟ⋡)

20/26

⾲4 䝣䜯䜲䝹䛻ᑐ䛩䜛ឤᗘ䛸≉␗ᗘ

䝣䜯䜲䝹ᥦᡭἲ

ឤᗘ(%) ≉␗ᗘ(%)105 100.0 87.3201 100.0 95.0205 98.0 91.6215 91.8 99.9221 97.7 96.9228 95.7 97.2

6䝣䜯䜲䝹ィ 96.8 94.4

JPCA2012, ᮾி䠈6.14, 2012

ឤᗘ䛸≉␗ᗘ䛸䛧䛶䠈䛭䜜䛮䜜96.8%䛸94.4%䛜ᚓ䜙䜜䛯䠊≉␗ᗘ䛜ᝏ䛔䝣䜯䜲䝹䛻㛵䛧䛶䛿䠈䝣䜯䜲䝹䛾ᚋ㒊ศ䛻䝜䜲䝈䜢䜐䠊

I 感度と特異度はそれぞれ 96.8%，94.4%.

I 心電図データにノイズが含まれると特異度が下がる．

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 19 / 24

実験１：心電図

実験結果：メモリ・計算時間

3. 5 ᐇ㦂⤖ᯝ(⏝䝯䝰䝸䞉ฎ⌮㛫)

22/26

⾲3 䝣䜯䜲䝹䛻ᑐ䛩䜛㎡᭩䛸➢ჾ䝃䜲䝈䝣䜯䜲䝹 ㎡᭩䝃䜲䝈(byte) ➢ჾ䝃䜲䝈(byte)

105 448 24,200201 124 6,500205 54 2,600215 224 11,500221 123 6,500228 278 14,800ᖹᆒ 208 11,016

➢ჾ䛸䛧䛶䛿䠈ᖹᆒ䛧䛶11䜻䝻䝞䜲䝖䛷䛒䜚┬䝯䝰䝸䛷ᐇ⌧䛷䛝䜛䛣䛸䛜☜ㄆ䛷䛝䛯䠊䜎䛯䠈➢㒊ศ䜢䜑䛶䜒䝯䜺䝞䜲䝖䛷ᐇ⾜䛜⬟䛷䛒䜛䠊

ฟฎ⌮㛫䛻䛴䛔䛶䛿䠈1ᢿ䛒䛯䜚0.8䝭䝸⛊䛷ฎ⌮䛷䛝䛯䠊(ṇᖖ⬦1ᢿ䛿0.7䡚1⛊) (CPU: Pentium4 3.2GHz)

JPCA2012, ᮾி䠈6.14, 2012

５ 表５　各ファイルに対する反辞書と検出器サイズ検出

I 検出器は平均 11キロバイトと省メモリで実現I 符号化を含めても符号器は数メガバイトで実行可能I 検出処理時間（Pentimu4 3.2GHz）は，１拍あたり 0.8ミリ秒（正常脈１拍は 0.7～1秒）

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 20 / 24

実験１：心電図

関連研究との検出率の比較

3. 4 ᐇ㦂⤖ᯝ(ฟ⋡)

21/26

⾲5 㛵㐃◊✲䛸䛾ฟ⋡ẚ㍑

ឤᗘ(%) ≉␗ᗘ(%)ᥦᡭἲ 96.8 94.4

ᥦᡭἲ(䝜䜲䝈㝖ཤ) (99.2) (99.5)LPBES00ἲ 94.0 99.1

TF04ἲ 90.0 92.9KAKN06ἲ 98.6 99.8

䛨䝕䞊䝍䝧䞊䝇(MIT-BIH)䜢⏝䛔䛯ᚑ᮶ᡭἲ䛚䜘䜃㛵㐃◊✲䛸䛾ẚ㍑ᐇ㦂⤖ᯝ䜢♧䛩䠊⤖ᯝ䛛䜙䠈ᥦᡭἲ䛿㛵㐃ᡭἲ䛸➼⛬ᗘ䛾ᛶ⬟䜢᭷䛩䜛䛣䛸䛜䜟䛛䛳䛯䠊䝜䜲䝈䛺䛹䜢䜚㝖䛟ᡭἲ䛸⤌䜏䜟䛫䜜䜀䠈࿘Ἴゎᯒ䜢⾜䛖KAKN06ἲ䛸➼௨䛾ᛶ⬟䛜ᚓ䜙䜜䜛䠊

JPCA2012, ᮾி䠈6.14, 2012

表6　関連研究との検出率比較

LPBES00法：IEEE Trans. on Biomed. Eng., 47, 2, 838-848 (2000)TF04法：Computer Methods and Prgrams in Biomed.,74, 2, 95-98 (2004)KAKN06法：, Proc. of the 28th Annual Int’l. Conf. of the IEEE EMBS, 1367-1370 (2006)

I すべて MIT-BIHのデータを用いている．I 提案手法は他の方法と同等の性能をもつI ノイズなどを取り除く手法と組み合わせれば，周波数解析を行う

KAKN06法と同等以上の性能達成．森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 21 / 24

実験２：電源波形

実験（電源波形)3. 6 ᐇ㦂(㟁※Ἴᙧ)

23/26

50Hz䛾⏝㟁※䛻ᑐ䛩䜛ᒁᡤⓗ䛺㟁ᅽ(㟁ᅽ䝇䜴䜵䝹)䛾ฟ䜢⾜䛳䛯䠊㟁ᅽ䝇䜴䜵䝹䛾䛝䛥䛿䠈ṇᖖ䛻ᑐ䛧䛶+5%, +10%, +20%, +30%䛸䛧䛯䠊䜎䛯䠈Ꮫ⩦⣔䛸䛧䛶䛿䠈1࿘ᮇศ䛾Ἴᙧ䜢⏝䛔䛯䠊

JPCA2012, ᮾி䠈6.14, 2012

䝇䜴䜵䝹

ᅗ2 㟁※Ἴᙧ䛸㟁ᅽ䝇䜴䜵䝹(30%)

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 22 / 24

実験２：電源波形

実験結果：検出率3. 7 ᐇ㦂⤖ᯝ(ฟ⋡)

24/26

⾲4 㟁ᅽ䝇䜴䜵䝹䛻ᑐ䛩䜛ឤᗘ䛸≉␗ᗘ

㟁ᅽ䝇䜴䜵䝹䛾䛝䛥ᥦᡭἲ

ឤᗘ(%) ≉␗ᗘ(%)+5% 100.0 100.0

+10% 100.0 100.0+20% 100.0 100.0+30% 100.0 100.0

JPCA2012, ᮾி䠈6.14, 2012

䛩䜉䛶䛾㟁ᅽ䝇䜴䜵䝹䛻ᑐ䛧䛶䠈ឤᗘ䛸≉␗ᗘ䛸䜒䛻100%䛾⤖ᯝ䛜ᚓ䜙䜜䛯䠊

7

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 23 / 24

まとめ

まとめ

�� ��反辞書符号化法を用いた異常信号検出システムの提案

I 心電図に関して，感度 96%，特異度 94.4%の結果が得られ，検出率に関しては，従来手法と同等の性能をもつことを確認ずみ．

I 電源スウェルについては，感度と特異度ともに 100%の結果．I 心電図に関して，自動生成された反辞書と検出器サイズは，それぞれ

208バイトと 11キロバイトとメモリ使用量が少ない．I 心電図の１拍あたりの最長処理時間は 0.8ミリ秒で十分リアルタイム処理可能である．

I 電源スウェルの場合，計算上 180kHzまで対応可能．

森田啓義 (IS.UEC) 電気通信大学新技術説明会 2013 年 5 月 14 日 24 / 24