A Signal Extraction Approach for Remote Heart Rate Variability Assessment Using Proxy Measure in a Driving Simulator

技術概要：ドライビングシミュレータにおける代理指標を用いた遠隔心拍変動評価のための信号抽出アプローチ

問題提起
従来の心拍変動（HRV）モニタリングは、ECG やウェアラブル PPG などの接触型センサーに依存しており、これらは自然な運転姿勢を妨げ、不快感を引き起こし、ステアリング操作中の運動アーティファクトを導入する可能性があります。一方、遠隔フォトプレチスモグラフィ（rPPG）は、顔面ビデオから心拍信号を抽出することで非接触の代替手段を提供しますが、ドライビングシミュレータのような動的環境では重大な課題に直面します。これらの課題には、頭部運動、照明の変化、表情の変化によって引き起こされる低い信号対雑音比（SNR）が含まれ、これらは血液量に関連する微妙な周期的な色の変化をしばしば不明瞭にします。さらに、既存の rPPG 研究は脈拍数（PR）推定に焦点を当てることが多く、現実的な運転条件下での HRV パラメータ（SDNN、RMSSD）および心拍間隔（IBI）検出精度の包括的な検証は不十分です。

手法
本研究は、ベースライン（BSL）および高速道路走行条件（濃い霧の発生を含む）下で、モーションベースのドライビングシミュレータ（DS）で記録された 29 名の参加者のデータセットに適用された包括的な rPPG 処理パイプラインを評価します。手法は以下の通りです：

1. 関心領域（ROI）の選択: 顔面領域は、Simple Linear Iterative Clustering（SLIC）アルゴリズムを用いてスーパーピクセル（SP）サブ領域に分解されます。2 つの構成（10 SP と 20 SP）がテストされました。Viola-Jones 検出、幾何学的微細化、および Lucas-Kanade 光フロー追跡を含む階層的パイプラインにより、フレーム間の空間的対応が保証されます。
2. 信号抽出: 4 つの確立された rPPG アルゴリズムが適用されました：空間部分空間回転（2SR）、色度ベース法（CHROM）、皮膚に直交する平面（POS）、および主成分分析（PCA）。
3. 信号品質とクリーニング: 2 段階の選択基準が採用されました。まず、0.7–3 Hz 帯域で計算された信号対雑音比（SNR）が -17 dB 未満のセグメントは破棄されました。次に、最適な SP 領域が、参照 ECG に対する平均絶対誤差（MAE）が最小、かつ SNR が最大となる基準に基づいて選択されました。
4. ピーク強調: ピークの顕著性を向上させるために、2 つの新しい強調技術が導入されました：
   • Lp ノルム: 4 サンプルの移動ウィンドウを介して適用され、$p$ 値は 1 から 9 の範囲です。
   • Grünwald–Letnikov 分数階微分（GL FOD）: 分数階次数が 1.0 から 3.0 の範囲で適用されました。
   • 信号は、ピーク検出前にチェビシェフ型 II 帯域通過フィルタリングとハニング窓平滑化でさらに処理されました。
5. 評価: 性能は、同時記録された 1000 Hz ECG 参照に対して評価されました。指標には、3 つの時間的許容基準（厳格：250 ms、中程度：350 ms、緩和：RR 間隔あたり 1 ピーク）における PR 精度（MAE、RMSE）、HRV パラメータ精度（SDNN、RMSSD）、および IBI 検出性能（適合率、再現率、F1 スコア）が含まれます。統計分析（t 検定、マン・ホイットニーの U 検定）により、BSL 条件と DS 条件が比較されました。

主な貢献

• HRV への拡張: 本研究は、動的な運転環境において、PR だけでなく臨床的に関連する HRV パラメータ（SDNN、RMSSD）および拍動ごとの整列を含む rPPG 評価を拡張しました。
• 新規ピーク強調: rPPG 信号に特化したピーク強調戦略として、Lp ノルムおよび GL FOD の導入と比較評価を行いました。
• 最適構成の特定: 堅牢な結果をもたらす特定のパラメータ範囲を特定しました：Lp ノルムについては $p \approx 6–7$、GL FOD については分数階次数 $1.0–1.4$ です。
• 包括的なベンチマーク: 2 つの空間的構成（10 SP 対 20 SP）および 2 つの運転状態にわたる 4 つの rPPG アルゴリズム（2SR、CHROM、POS、PCA）の厳密な比較を行い、真値 ECG に対して検証しました。

結果

• 脈拍数（PR）: 20 SP 領域と GL FOD を組み合わせた 2SR 法が、運転条件下で $1.92 \pm 1.72$ bpm という最低の MAE を達成しました。すべての構成が臨床的に許容される精度（誤差は概ね $\pm 5$ bpm 以内）を達成しました。
• HRV パラメータ: SDNN のベストケース MAE は $0.061$ 秒、RMSSD は $0.081$ 秒でした。HRV 推定は PR よりもピーク局在誤差に敏感ですが、このフレームワークは参照 ECG の統計的構造を成功裏に再現しました。
• IBI 検出: 「緩和」基準の下で、F1 スコアは 0.93 に達しました。2SR および CHROM 法は、POS および PCA よりも一貫して優れていました。
• 手法比較:
  • 2SR は PR 推定に推奨されました。
  • CHROM に Lp ノルムを組み合わせる手法が、HRV（SDNN/RMSSD）推定に優先されました。
  • PCA は、ノイズ分散への感度により、最も高いセグメント破棄率を示しました。
• 統計的有意性: このパイプラインは、BSL 条件と DS 条件の間での PR/HR の統計的に有意な増加を検出することに成功し（$p < 0.01$）、参照 ECG を反映しました。ただし、参照 ECG も rPPG 派生手法も、条件間の SDNN または RMSSD に有意な差を検出することはなく、パイプラインがデータの背後にある統計的構造を保持していることを示しています。
• 観察された限界: GL FOD 法は rPPG 波形に緩やかな変化を導入し、IBI 検出においてピーク位置のずれを引き起こす可能性があることが指摘されました。また、本研究は、頭部姿勢に起因する顔検出の失敗がデータ欠損の主要な原因であったことを指摘しました。

意義と主張
著者は、提案されたフレームワークが動的環境における完全な非接触自律神経モニタリングの実現可能性を実証し、rPPG の能力を制御された実験室環境を超えて拡張したと主張しています。本研究は研究者に方法論的な指針を提供し、PR には 2SR が最適である一方、ドライビングシミュレータにおける HRV 推定には Lp ノルムを併用した CHROM が優れていることを示唆しています。論文は、このシステムが自律神経系の活動の統計的構造を信頼性高く再現できることを強調しており、道路安全および人間と機械の相互作用に焦点を当てたドライバーモニタリングシステムのための実用的な非侵襲的代替手段となっています。著者は明示的に、この手法が PR および一般的な HRV 傾向に対して堅牢である一方で、波形の形態上の問題により FOD を用いた精密な IBI 検出には注意が必要であり、現在のフレームワークは期外収縮などの病的拍動を検出するにはまだ感度が十分ではないと警告しています。