[論文レビュー] Measuring Physical Activity of Older Adults via Smartwatch and Stigmergic Receptive Fields

Antonio Luca Alfeo, Mario G. C. A. Cimino+1 more|arXiv (Cornell University)|Jan 2, 2019

Time Series Analysis and Forecasting参考文献 10被引用数 4

ひとこと要約

本論文では、心拍数、手首の動き、歩数計データを分析することで、高齢者の身体活動レベル（PAL）を継続的にモニタリングするスマートウォッチベースのシステムを提案する。この手法は、スタイグメルギック受容場（SRF）を用い、スタイグメルギーにインspiredされたトレースと適応的SRFを採用し、微小行動を検出するとともに、差分進化を用いて最適化することで、1日単位のPALを導出する。この仕組みにより、健康状態の変化を早期に検出可能であり、3名の被験者を用いた概念実証による検証がなされている。

ABSTRACT

Physical activity level (PAL) in older adults can enhance healthy aging, improve functional capacity, and prevent diseases. It is known that human annotations of PAL can be affected by subjectivity and inaccuracy. Recently developed smart devices can allow a non-invasive, analytic, and continuous gathering of physiological signals. We present an innovative computational system fed by signals of heartbeat rate, wrist motion and pedometer sensed by a smartwatch. More specifically, samples of each signal are aggregated by functional structures called trails. The trailing process is inspired by stigmergy, an insects' coordination mechanism, and is managed by computational units called stigmergic receptive fields (SRFs). SRFs, which compute the similarity between trails, are arranged in a stigmergic perceptron to detect a collection of micro-behaviours of the raw signal, called archetypes. A SRF is adaptive to subjects: its structural parameters are tuned by a differential evolution algorithm. SRFs are used in a multilayer architecture, providing further levels of processing to realize macro analyses in the application domain. As a result, the architecture provides a daily PAL, useful to detect behavioural shift indicating initial signs of disease or deviations in performance. As a proof of concept, the approach has been experimented on three subjects.

研究の動機と目的

• 高齢者の健康長寿を支援し、疾患予防を促進するため、非侵襲的かつ継続的な身体活動レベル（PAL）測定法の開発。
• ウェアラブルセンサデータを用いて、人為的アノテーションによるPAL評価の主観性と不正確さを克服すること。
• 生体生理信号から微小行動を検出できる計算アーキテクチャを設計し、上位レベルの行動分析を可能とすること。
• 個々のユーザーに適応するスタイグメルギーにインspiredされた処理ユニット（SRF）を実装し、パーソナライズされたPAL推定を可能とすること。
• 3名の被験者からの実世界データを用いて、早期の健康悪化を示す行動の変化を検出するためのシステムの実現可能性を検証すること。

提案手法

• スマートウォッチセンサ（心拍数、手首の動き、歩数計）から得られる生信号が、時間的信号パターンを表す機能的構造「トレース」として集約される。
• スタイグメルギック受容場（SRF）は、トレース間の類似性を計算し、昆虫の協調行動を模倣するスタイグメルギー的メカニズムにより、信号データ内に繰り返し現れる微小行動を検出する。
• SRFは、階層的処理とマクロレベルの行動分析を可能とするために、マルチレイヤースティグメルギックパーセプトロンアーキテクチャに統合される。
• SRFの構造的パラメータは、差分進化アルゴリズムを用いて適応的に最適化され、個々のユーザーに合わせたモデルチューニングが行われる。
• 検出された典型的な行動を統合することで、1日単位のPALスコアが算出され、身体活動傾向の縦断的モニタリングが可能となる。
• 本アーキテクチャは、3名の高齢者被験者からの実際のセンサデータを用いて訓練およびテストされ、行動の変化を検出する能力が評価された。

実験結果

リサーチクエスチョン

• RQ1 スタイグメルギーにインspiredされた計算モデルは、高齢者のスマートウォッチ生信号から微小行動を効果的に検出できるか？
• RQ2 差分進化で最適化された適応的SRFは、高齢者の個々の差異に応じて身体活動モニタリングをどれほど適応的にパーソナライズできるか？
• RQ3 導出された1日単位のPALスコアは、早期疾患発症や機能低下の兆候となる行動の変化を信頼性高く示せるか？
• RQ4 マルチレイヤーSRFアーキテクチャを用いることで、生センサデータを臨床的意味を持つPAL指標に変換する実現可能性はいかがなものか？
• RQ5 従来のPAL評価法と比較して、本システムは客観性と変化への感受性において優れているか？

主な発見

• スタイグメルギック受容場（SRF）を用いることで、スマートウォッチの生信号から明確な微小行動を検出できた。スタイグメルギーにインspiredされたアプローチの実現可能性が示された。
• 差分進化で最適化された適応的SRFは、個々の被験者に効果的に適合し、パーソナライズ性と信号解釈の正確性が向上した。
• マルチレイヤーSRFアーキテクチャにより、階層的処理が可能となり、生センサデータが意味のある1日単位のPALスコアに変換された。
• 3名の被験者を用いた概念実証において、時間経過に伴う行動の変化を検出できた。これは、早期疾患発見の可能性を示唆している。
• 本アプローチは、継続的で非侵襲的かつ客観的なPALモニタリングを提供し、主観的な人為的アノテーションへの依存を低減した。
• 心拍数、運動、歩数計の複数の生理的信号からPALを導出できる能力により、システムの耐障害性と臨床的妥当性が向上した。