[論文レビュー] MyWear: A Smart Wear for Continuous Body Vital Monitoring and Emergency Alert

Sibi Chakkaravarthy Sethuraman, Pranav Kompally+2 more|arXiv (Cornell University)|Oct 17, 2020

Context-Aware Activity Recognition Systems被引用数 5

ひとこと要約

MyWear は、埋め込まれたセンサーと深層ニューラルネットワーク（DNN）を用いて、心拍数、ストレス、筋活動、転倒イベントを継続的かつリアルタイムでモニタリングするスマートウェアラブルガーメントを提案する。本システムは、異常な心拍の分類で平均96.9％の正確性と97.3％の精度を達成し、心筋梗塞の検出で98.2％の正確性を示した。深刻な状況では医療従事者に緊急アラートを送信する。

ABSTRACT

Smart healthcare which is built as healthcare Cyber-Physical System (H-CPS) from Internet-of-Medical-Things (IoMT) is becoming more important than before. Medical devices and their connectivity through Internet with alongwith the electronics health record (EHR) and AI analytics making H-CPS possible. IoMT-end devices like wearables and implantables are key for H-CPS based smart healthcare. Smart garment is a specific wearable which can be used for smart healthcare. There are various smart garments that help users to monitor their body vitals in real-time. Many commercially available garments collect the vital data and transmit it to the mobile application for visualization. However, these don't perform real-time analysis for the user to comprehend their health conditions. Also, such garments are not included with an alert system to alert users and contacts in case of emergency. In MyWear, we propose a wearable body vital monitoring garment that captures physiological data and automatically analyses such heart rate, stress level, muscle activity to detect abnormalities. A copy of the physiological data is transmitted to the cloud for detecting any abnormalities in heart beats and predict any potential heart failure in future. We also propose a deep neural network (DNN) model that automatically classifies abnormal heart beat and potential heart failure. For immediate assistance in such a situation, we propose an alert system that sends an alert message to nearby medical officials. The proposed MyWear has an average accuracy of 96.9% and precision of 97.3% for detection of the abnormalities.

研究の動機と目的

• スマートウェアラブルガーメントを用いた継続的かつリアルタイムの身体的バイタルモニタリングシステムの開発を目的とする。個人の健康管理の向上を図る。
• 既存の商業用ウェアラブル機器に見られるリアルタイムの健康分析と緊急アラートメカニズムの欠如を是正することを目的とする。
• 深層学習を統合し、心疾患の異常と転倒イベントの自動検出を可能にすることで、患者の安全を向上させることを目的とする。
• クラウドベースの電子健康記録（EHR）統合とAI分析を通じて、遠隔モニタリングと心不全の早期予測を可能にすることを目的とする。
• リアルタイムでの筋活動と運動追跡を通じて、アスリートや患者のリハビリテーション成果を向上させることを目的とする。

提案手法

• 心電図（ECG）、筋電図（EMG）、加速度計のマルチセンサー・アレイを織物ベースのガーメントに埋め込み、継続的な生理的データ収集を実現する。
• ECGおよびEMGデータを用いてトレーニングされた深層ニューラルネットワーク（DNN）モデルを採用し、異常な心拍の分類と心不全の予測を実施する。
• 時間領域およびPoincaréプロットベースのHRV指標（例：RMSSD、SDNN、pNNxx）を用いて、ストレスおよび循環器系の健康状態を評価する。
• 加速度が1g未満に低下し、急速に+1g以上に上昇した場合にアラートを発動する転倒検出アルゴリズムを適用する。
• 生データおよび処理済みの生理的データをクラウドに送信し、長期的なEHR保存および後処理分析を可能にする。
• スマートフォンアプリケーションを統合し、ECG、心拍数、体表面温度、HRVスコア、筋活動マップのリアルタイム可視化を実現する。

実験結果

リサーチクエスチョン

• RQ1 スマートウェアラブルガーメントは、心拍数、ストレス、筋活動、転倒イベントといった複数の生理的パラメータをどのように継続的かつリアルタイムでモニタリング可能にするか？
• RQ2 ウェアラブル環境下でECGおよびEMG信号から異常な心拍を正確に分類し、心筋梗塞を予測できる深層学習アーキテクチャは何か？
• RQ3 提案されたシステムは、既存の手法と比較して、高い感度と特異度を達成する形で転倒を検出できるか？
• RQ4 生理的データにおけるリアルタイムの異常検出は、医療分野における早期対応と緊急対応を向上させられるか？
• RQ5 DNNモデルは、最先端の手法と比較して、心疾患の異常分類においてどの程度の性能を示すか？

主な発見

• DNNモデルは、異常な心拍の分類で平均96.9％の正確性と97.3％の精度を達成し、DCST+ABC-SVM（96.1％）やH-Box（95％）といった既存モデルを上回った。
• 心筋梗塞の検出において98.2％の正確性を示し、Acharyaら（93.5％）やKojuriら（95.6％）の先行手法を上回った。
• 転倒検出は98.5％の正確性、98％の感度、99.5％の特異度を達成し、Mezghaniら（98％の正確性）やHemalathaら（92％の正確性）を上回った。
• 混同行列から、心拍分類における誤検出および見逃しの数が最小限であることが確認され、モデルの信頼性が裏付けられた。
• Poincaréプロット分析から、顕著なHRVの変動（例：RMSSD = 71.87 ms、SDNN = 66.51 ms）が観察され、ストレスおよび循環器機能の効果的なモニタリングが可能であることが示された。
• モバイルアプリケーションは、リアルタイムでのECG、心拍数、体表面温度、筋活動の可視化を人体マップ上で成功裏に実現し、利用者および医療従事者の認識向上に寄与した。