技術概要：マルチサイト PPG 自然環境下における生理データセット：新興マルチサイトウェアラブルからのもの

問題提起

光電容積脈波記録法（PPG）は、ウェアラブル機器における心拍数および生理モニタリングの主要なセンシングモダリティである。しかし、公開されている「自然環境下（in-the-wild）」の PPG データセットは、主に手首中心のスマートウォッチ、あるいは短時間かつ管理された実験室セッションに限定されている。手首ベースのセンシングには、運動アーチファクトや、より深い位置にある血管に起因する光学信号の質の低下といった、本質的な課題が存在する。スマートリング、イヤリング、ネックレスといった新興のフォームファクタは、指や耳たぶにおける高い血流灌流や相対的な安定性などの潜在的利点を提供するが、自然な日常活動中に収集された大規模なマルチサイトデータセットは不足している。既存のデータセットは、単一デバイスに焦点を当てているか、実用的な日常のフォームファクタを欠いている（例えば、胸骨や足首といった非標準的な配置を使用している）、あるいは管理された環境に限定されており、多様なウェアラブルタイプにわたる堅牢で汎用性の高い生理センシングに関する研究を阻害している。

手法

データセット収集とハードウェア

著者らは、都市環境における日中の活動にわたる複数日にわたり、20 名の被験者（女性19名、男性1名；年齢20〜51歳）から収集されたMulti-site PPGデータセットを提示する。本研究では、4 種類の独自開発された非侵襲的ウェアラブル機器を使用したが、それらは以下の通りである：

1. スマートイヤリング：ピアスされた耳たぶに装着。
2. スマートリング：指に装着。
3. スマートウォッチ：手首に装着。
4. スマートネックレス：ペンダントとして装着。

すべての機器は、nRF52832 マイクロコントローラーを基盤とした統一ハードウェア設計を共有し、MAX30101 PPG センサー（緑色および赤外線チャンネル）、LIS2DW12 加速度計、HDC2010 温度センサーを統合している。これらはデータをワイヤレスでスマートフォンアプリにストリーミングする。真値（グラウンドトゥルース）として、被験者は 130 Hz で ECG を記録する商用の Polar H10 胸部ストラップを装着した。

データ処理

データセットは 2 つの形式で公開される：

• 生データセット：デバイスごとに、PPG（緑色/赤外線）、3 軸加速度、温度を含む、タイムスタンプ付きの連続データ（Bluetooth 切断により潜在的に不連続となり得る）が 350 時間以上収録されている。
• ウィンドウ化データセット：前処理され、モデル構築に即用可能なデータであり、1 秒のストライドを持つ 8 秒の移動ウィンドウで構成される。このデータセットは、ECG の質が低いセグメント（緩んだストラップ接触、心拍数が 40〜180 bpm の範囲外など）を除外し、ウェアラブルデータを Polar ECG の真値と整合させている。デバイスごとに 229.66 時間から 290.23 時間のデータが含まれ、そのうち 190.95 時間は 4 つのすべてのデバイスが同時にアクティブであった。

ベンチマークプロトコル

著者らは、ECG 由来の真値に対して、3 つのクラスの方法を用いて心拍数推定性能を評価した：

1. ヒューリスティックアルゴリズム：6 つの従来の信号処理手法（NeuroKit、HeartPy、FFT など）。
2. 教師ありモデル：5 つのニューラルネットワークアーキテクチャ（1D ResNet、DCL、FCN、CNN-LSTM、Transformer）。
3. 自己教師ありモデル：2 つの対照学習アプローチ（SimCLR、BYOL）。

評価は、20 フォールドの Leave-One-Subject-Out（LOSO）交差検証プロトコルを用いて行われ、平均絶対誤差（MAE）、二乗平均平方根誤差（RMSE）、ピアソン相関係数（$\rho$）を測定した。

主要な貢献

1. 初の大規模自然環境下マルチサイト PPG データセット：本論文は、自然な日常活動中に、4 つの異なる実用的なウェアラブルフォームファクタ（イヤリング、リング、ウォッチ、ネックレス）から同時に収集された、初の大規模な公開 PPG データセットを公開する。これは、スマートリング、イヤリング、ネックレスに関する初のデータセットである。
2. 身体部位別ベンチマーク：本研究は、異なる身体部位における心拍数推定のベースライン性能を確立し、顕著な性能の差を明らかにした。
3. マルチサイトおよびマルチモーダル分析：著者らは、マルチサイトセンサーフュージョンおよび PPG-加速度計フュージョンの初期評価を提供し、補完的なセンシング戦略を研究するためのデータセットの有効性を示した。

結果

身体部位別性能

4 つの部位間で心拍数推定精度に顕著な差が観察され、以下の最良の MAE 結果が得られた（DCL 教師ありモデルを使用）：

• イヤリング：2.30 bpm（最高性能、高品質な実験室環境と同等）。
• リング：5.13 bpm（28 時間の$\tau$-Ring データセットと同等）。
• ウォッチ：8.37 bpm（WildPPG の結果と一致）。
• ネックレス：8.68 bpm。

イヤリングとリングは、これらの部位におけるより強い血流灌流、より良い光学結合、およびより低い運動アーチファクトに起因し、一貫してウォッチとネックレスを上回った。

運動の影響

分析により、すべてのデバイスにおいて心拍数推定誤差（MAE）は一般的に運動パワーの増加に伴って増加することが示された。しかし、イヤリングとネックレスは、リングやウォッチと比較して、運動曝露が低かった（ウィンドウの 91% が低運動ビンに属する）。リングは、より高い運動レベルにおいてもウォッチよりも優れた精度を維持したが、これは指における優れた信号品質に起因する可能性が高い。

フュージョン戦略

• マルチサイトフュージョン：2 つのデバイスを組み合わせる（例：イヤリング + リング）ことは、単一デバイスのベースラインに対して MAE を一貫して改善した（例：イヤリングの MAE を 1.84 から 1.82 bpm に削減）。しかし、4 つすべてのデバイスをフュージョンしても、最良の 2 デバイス組み合わせよりもさらなる向上は得られず、ノイズの多い部位（ウォッチ、ネックレス）が高品質な信号と組み合わさると変動を導入する可能性を示唆している。
• PPG-加速度計フュージョン：加速度データ（z 軸）を追加することは、リングとウォッチに対して一貫した、ただし modest な改善をもたらした（例：ウォッチの MAE が約 0.3 bpm 減少）。イヤリングとネックレスでは恩恵が限定的または混合的であり、運動アーチファクトに陥りやすい部位に対して運動コンテキストが最も価値があることを示している。

意義と主張

本論文は、Multi-site PPGが、新興のウェアラブルフォームファクタに対する生理データの利用可能性における重要なギャップを埋めると主張している。異なる身体部位における日常生活の変動を捉えるデータセットを提供することで、以下が可能となる：

• 堅牢なセンシング研究：手首中心のパラダイムを超え、フォームファクタや身体部位にわたって汎化するモデルの開発。
• 信号品質分析：生理信号と運動アーチファクトが部位（例：耳対手首）によってどのように異なるかを特徴づける能力。
• フュージョン研究：信頼性を向上させるために、複数のセンサーおよびモダリティからのデータをどのように最適にフュージョンするかを調査するための基盤。

著者らは、データセットが将来の研究を支援する一方で、特定の制限とともに公開されていることを強調している：イヤリングの要件に起因する女性被験者の割合が高いこと、Fitzpatrick 肌タイプ VI の欠如、そして手動アノテーションではなくアルゴリズム処理（Pan-Tompkins）を介して導出された真値ラベルであること。このデータセットは、堅牢で非侵襲的な生理モニタリングを進展させるための非商用研究を目的としている。