[論文レビュー] Online Heart Rate Prediction using Acceleration from a Wrist Worn Wearable

Ryan McConville, Gareth Archer+5 more|Bristol Research (University of Bristol)|Jun 25, 2018

Non-Invasive Vital Sign Monitoring参考文献 6被引用数 4

ひとこと要約

本稿では、心拍数を腕に装着した加速度計データからオンラインで予測するアクティブラーニング手法を提案する。この手法により、高消費電力なPPGセンサーへの依存度を低減する。予測の不確実性が高い場合にのみPPGを動的に照会することで、3名の心臓弁手術後の患者が4週間にわたり自由な生活状態で得たデータを用いて、平均絶対誤差2.89 bpmを達成した一方で、PPGセンサーの使用率は20.25%にまで低下した。

ABSTRACT

In this paper we study the prediction of heart rate from acceleration using a wrist worn wearable. Although existing photoplethysmography (PPG) heart rate sensors provide reliable measurements, they use considerably more energy than accelerometers and have a major impact on battery life of wearable devices. By using energy-efficient accelerometers to predict heart rate, significant energy savings can be made. Further, we are interested in understanding patient recovery after a heart rate intervention, where we expect a variation in heart rate over time. Therefore, we propose an online approach to tackle the concept as time passes. We evaluate the methods on approximately 4 weeks of free living data from three patients over a number of months. We show that our approach can achieve good predictive performance (e.g., 2.89 Mean Absolute Error) while using the PPG heart rate sensor infrequently (e.g., 20.25% of the samples).

研究の動機と目的

• 腕に装着したウェアラブル機器の加速度計データが、実世界の条件下で長期にわたり心拍数を信頼性高く予測できるかどうかを調査すること。
• 心臓疾患の手術後回復段階、フィットネスの変化、老化に伴い生じる心拍数-加速度計関係の変化（コンセプトドリフト）に対処すること。
• 知的なオンデマンド照会により、高消費電力なPPGセンサーへの依存度を低減し、エネルギー消費を最小限に抑えること。
• 時間経過に伴い変化する生理的パターンに適応できるオンラインアクティブラーニングフレームワークの開発と評価。
• 定期的なPPG検証を伴う、唯一の加速度計データのみを用いた長期的・低消費電力な心拍数モニタリングの実現可能性を示すこと。

提案手法

• 3軸の加速度計特徴量（統計的、スペクトル的、ゼロクロッシング指標を含む）を1分間のウィンドウ単位で抽出し、回帰モデルのアンサンブルを学習する。
• 不確実性に基づくアクティブラーニングを採用：予測分散が閾値$ O $を超えた場合にのみPPGを照会する。
• 予測誤差が閾値$ T $を超えた、または有効期限（TTL）を超えた場合にモデルを再学習し、コンセプトドリフトへの適応を保証する。
• アルゴリズムはエッジゲートウェイ上でオンラインで実行され、ストリーミングデータをリアルタイムに処理し、最小限の遅延でモデルを更新する。
• 予測の不確実性が高い区間でのみPPG照会を優先することで、予測精度とセンサー使用率のバランスを図り、全体のPPGサンプリング頻度を低減する。
• システムは、2つの回復段階に分かれる3名の患者の4週間分の自由生活データを用いて評価され、特徴量は1分間のPPG心拍数測定と同期されている。

実験結果

リサーチクエスチョン

• RQ1 自由生活状態で長期にわたり、加速度計データのみで心拍数を十分な精度で予測できるか？
• RQ2 初期データで事前学習した静的でオフラインモデルを用いた場合、性能は時間経過とともにどのように低下するか？
• RQ3 患者の回復過程における心拍数-加速度計関係のコンセプトドリフトに適応できるか、オンラインアクティブラーニングアプローチの有効性はいかがなものか？
• RQ4 不確実性に基づく照会による予測精度とPPGセンサー使用率のトレードオフはどの程度か？
• RQ5 臨床的に許容可能な心拍数予測精度を維持しつつ、PPG使用率を最小限に抑えることで、どの程度のエネルギー節約が達成できるか？

主な発見

• 提案されたオンラインアクティブラーニング手法は、患者549番で平均絶対誤差（MAE）2.89ビート/分を達成したが、PPG測定が必要なサンプルはわずか20.25%であった。
• 3名全員にわたり高い性能を維持し、MAEは2.5〜5.0 bpmの範囲に収まり、オフラインベースラインモデルを著しく上回った。
• 不確実性閾値$ O $を引き上げることで、PPG使用率は約50%から15〜20%に低下したが、MAEの上昇はわずかであった。
• オンライン手法は、予測値と真の心拍数のプロットからも視覚的に確認できるように、心拍数の上昇・低下のトレンドを、オフラインベースラインよりも正確に追跡した。
• コンセプトドリフトに対しても強靭性を示し、回復過程における患者の生理的変化にもかかわらず、数か月にわたり高い精度を維持した。
• PPGセンサー使用率を最大80%まで削減することで、顕著なエネルギー節約を達成した一方で、臨床的に意味のある予測精度を維持した。