講演情報
[5]機械学習による医療機器警報音の識別に関する一検討
石田 開1, 藤井 清孝2 (1.湘南工科大学工学部人間環境学科, 2.北里大学医療衛生学部医療工学科)
【目的】医療機器には，病態の急変や機器の動作上の不具合を知らせるため，各種の警報音が搭載されている．しかし，環境音に晒されかつ同時発報する警報音を，適切に識別することは極めて困難である．本研究では，IEC 60601-1-8が規定する，新／旧規格の医療機器警報音を対象に，機械学習による識別精度を検討することを目的とした．【方法】１種類の警報音を推定するモデルと，２つの警報音を両方推定するモデルを検討した．本研究では，旧規格で規定する警報音８種，新規格では７種を対象とした．各警報音は音量を変動させ，環境音（航空機のエンジン音や話し声など，10種を使用）と重畳させた．各警報音は信号処理により，31の特徴量を抽出し，学習用データとした．データは訓練：検証＝９：１に分割し，Ｋ＝５の層化K－分割交差検証で評価した．分類器にはサポートベクタマシン（SVM）とランダムフォレスト（RF）を用いた．【結果】１種類の警報音を推定するモデルでは，SVMによる精度は71.9％となった．しかし，誤りが多かったのは旧規格に集中しており，新規格のみでの精度は87.5％，旧規格のみでは47.5％だった．２種類の警報音を推定するモデルでは，旧規格に対してはSVMで18.6％だった．また新規格に対しては，RFで51.2％となった．但し，少なくとも片方を正しく検出できた場合には，新規格の精度は94.4％となった．【考察】新規格の推定精度が旧規格よりも高かったのは，新規格の各警報音は人間工学を基に，音色が大きく異なっていることで，抽出された特徴量が異なったためと考えられる．また，１種の音源を推定するのは比較的容易であったが，複数の音源が同時に鳴った場合，すべて正しく判別することは難しかった．但し，今回構築したモデルでは，新規格では少なくともどちらか１つは正しく認識できる精度は高かったため，今後はモデルの改良をおこない，更なる精度向上を目指す．