[論文レビュー] When Healthcare Meets Off-the-Shelf WiFi: A Non-Wearable and Low-Costs Approach for In-Home Monitoring

Lingchao Guo, Zhaoming Lu+3 more|arXiv (Cornell University)|Sep 21, 2020

Context-Aware Activity Recognition Systems参考文献 56被引用数 14

ひとこと要約

本論文では、市販のWiFiデバイスを用いて壁を越えて微細な人体ポーズ図と詳細な呼吸状態を捉える、低コストで非装着型の在宅モニタリングシステムを提案する。チャネル状態情報（CSI）とカスタムニューラルネットワークを活用することで、カメラに匹敵するポーズ推定と正確な呼吸カーブ追跡を実現し、プライバシー上の懸念や装着型デバイスが不要な状況で、異常イベントや呼吸パターンの検出が可能になる。

ABSTRACT

As elderly population grows, social and health care begin to face validation challenges, in-home monitoring is becoming a focus for professionals in the field. Governments urgently need to improve the quality of healthcare services at lower costs while ensuring the comfort and independence of the elderly. This work presents an in-home monitoring approach based on off-the-shelf WiFi, which is low-costs, non-wearable and makes all-round daily healthcare information available to caregivers. The proposed approach can capture fine-grained human pose figures even through a wall and track detailed respiration status simultaneously by off-the-shelf WiFi devices. Based on them, behavioral data, physiological data and the derived information (e.g., abnormal events and underlying diseases), of the elderly could be seen by caregivers directly. We design a series of signal processing methods and a neural network to capture human pose figures and extract respiration status curves from WiFi Channel State Information (CSI). Extensive experiments are conducted and according to the results, off-the-shelf WiFi devices are capable of capturing fine-grained human pose figures, similar to cameras, even through a wall and track accurate respiration status, thus demonstrating the effectiveness and feasibility of our approach for in-home monitoring.

研究の動機と目的

• 高齢化が進む社会における、低コストで侵襲性のない在宅医療モニタリングの増大するニーズに対応する。
• 装着型センサーやカメラベースのシステムの限界、すなわちコスト、プライバシー上の懸念、環境への感受性を克服する。
• 既存のWiFiインfraストラクチャに依存することで、行動および生理的データの継続的かつ24時間体制での監視を可能にするシステムを開発する。
• 市販のWiFiハードウェアに依存し、ハードウェア要件を最小限に抑えることで、実際の家庭への展開が現実的であることを保証する。
• 転倒などの異常行動や、病的な呼吸パターンの早期検出を可能にし、診断前の支援を提供する。

提案手法

• 室内環境における多径路伝搬によるチャネル状態情報（CSI）を、市販のWiFiデバイスで収集する。
• 空間的および時間的の人間の運動パターンをモデル化することで、壁を越えていても、CSIデータから微細な人体ポーズ図を再構築するための深層ニューラルネットワークを設計する。
• 胸部の動きに対応する低周波成分を分離することで、CSI振幅変動から呼吸状態カーブを抽出する。
• ノイズを低減し、CSI内での微小な振幅の呼吸関連変調を強化するための信号処理技術を適用する。
• ポーズ推定と呼吸状態追跡を統合したフレームワークを構築し、行動と生命徴候の同時監視を可能にする。
• 抽出された呼吸カーブ特徴量を用いて機械学習（例：SVM）を適用し、チェイン・ストークス呼吸や不整脈呼吸などの異常パターンを分類する。

実験結果

リサーチクエスチョン

• RQ1 市販のWiFiデバイスは、壁を越えて含めても、室内環境で詳細な人体ポーズ図を正確に再構築できるか？
• RQ2 CSIに基づく信号処理とニューラルネットワークは、医療用機器に匹敵する呼吸数の追跡を達成できるか？
• RQ3 WiFi信号のみを用いて、転倒や長時間の不動といった異常行動をどの程度検出できるか？
• RQ4 CSIから得られるカーブから、チェイン・ストークス呼吸や不整脈呼吸といった病的な呼吸パターンを区別できるか？
• RQ5 障害物や異なる人体ポーズが存在する現実の非視線内（NLoS）条件下でも、システムの性能はどの程度保たれるか？

主な発見

• 本システムは、被験者が壁の向こうにいても、カメラベース手法と同等のポーズ推定性能を達成しており、WiFiベースの人体図再構築の可能性を示している。
• 呼吸状態カーブは高い時間分解能で正確に追跡されており、微細な変化や無呼吸期間の検出が可能である。
• SVMを用いた抽出されたCSIベースの特徴量を用いることで、チェイン・ストークス呼吸や不整脈呼吸といった異常呼吸パターンを、診断前の用途に十分な精度で分類できる。
• 通常の障害物が存在する実際の室内環境でも効果的に動作し、非視線内条件に対しても頑健であることが示された。
• 既存のWiFiインfraストラクチャのみを用いることで、行動的および生理的データの継続的かつ非侵襲的な監視が可能となり、コストとプライバシーリスクを顕著に低減できる。
• 視線内（LoS）距離が1.5メートルの場合、LoS経路からの距離が約1.2メートルの範囲でセンシングが可能であり、ベッドやソファといった重要な監視領域には十分である。