一般社団法人 日本医療情報学会

[2-D-3-04] エッジデバイスを用いた深層学習によるアラーム音検知システムの検討

*岸本 和昌1、井上 宗紀1、竹村 匡正2 (1. 神戸市立西神戸医療センター, 2. 兵庫県立大学大学院応用情報科学研究科)

Alarm Sound, Sound Classification, Machine Learning, Event Detection, IoT


【背景】機器のネットワーク化でモニタリングデバイスを中心に病院情報システムとの接続が盛んに試みられており、無線LAN通信機能を内蔵した機器も増えてきている。そして一部の医療機器では、ナースコールシステムと連携してアラームを通知、また各機器の専用ソフトで稼働状況の統合管理ができるが、外部出力方法がなくシステムと接続できない機器も少なくない。
一方で、エッジコンピューティングはセンサ情報をそのままクラウドサーバに送信するのではなく、取得したエッジ側の端末でデータ処理し、必要な情報を送信することで通信量の軽減などのメリットが提唱されている。また、ベッドサイドに設置したマイクを用いて音響解析し、患者行動の推測などが試みられている。これらの事から、機器の音響情報から動作検知することで、外部出力のない機器も含めてIoTで統合かつ、ベッドサイドに簡便に設置できると考えられる。
本研究では、医療機器のアラーム音から機種を認識するシステムを構築し、雑音下での判別性能を検討した。
【方法】A病院の病棟で使用頻度の高い8機種の各種アラーム音を収集し、識別器にはモバイル機器に利用できるConvolutional Neural Network(CNN)を用いて学習済モデルを作成した。次に、テスト用に病棟で集音したアラーム音を用いて、適合率、再現率、F値を算出して性能評価した。
【結果】CNNの識別器を作成し、シングルボードコンピュータでリアルタイムに稼働することができた。雑音下では音圧の小さいアラーム音だと適合率が低かった。
【考察】アラーム音は再現性の高いデジタル音であるため雑音下において頑強と推測していたが、雑音下では音圧が小さいと誤識別が多かった。音響情報をベッドサイドで処理して必要な情報だけ送信することで、患者プライバシーに配慮することができると考えられ性能向上に努めたい。