Accelerometer Data Harmonization and Feature Engineering for Gait Analytics

技術要約：歩行解析のための加速度計データのハーモナイゼーションと特徴量エンジニアリング

問題提起
歩行解析は、フィットネス・トラッキングから神経学的および整形外科的疾患の診断・モニタリングに至るまで、ヘルスケア関連のアプリケーションにおいて大きな可能性を秘めている。スマートフォンやウェアラブルデバイスに搭載された慣性計測装置（IMU）は、データ収集のための遍在的かつアクセシブルな手段を提供しているが、この分野は重大な障壁に直面している。それは、研究間における比較可能性の欠如である。センサー仕様、装着部位（腰、足首、手首など）、記録プロトコル、およびデータ構造の不均一性が、データセットの有効な統合を妨げている。この断片化は、堅牢で汎用的な分析手法の開発を阻み、ディープラーニングのような、ますますデータ集約的なアルゴリズムの有用性を制限している。異種混合の歩行加速度計データを統合しつつ、残留する差異を特定・定量化する能力を維持できる、標準化されたフレームワークが切実に求められている。

手法
本研究では、データウェアハウス、標準化された処理パイプライン、および概念実証としてのダウンストリーム分析という、3つのコアコンポーネントからなる、分析中心の包括的なフレームワークを提案し、評価する。

1. データウェアハウス (DWH): 著者らは、935名の参加者を対象とした6つの公開データセット（HuGaDB, McGill, MAREA, Vajdi, OU-ISIR-ISD, OU-ISIR-SAID, DBHuGa）からデータを保存・整理するために、スター・スキーマ・データベースを実装した。このスキーマは、生および処理済みセンサーデータ（加速度計、ジャイロスコープ、磁力計、EMG）のための中心となるファクトテーブルと、コンテキスト・メタデータ（参加者の特性、センサーの位置、研究プロトコル）のためのディメンション・テーブルを利用している。この構造により、効率的な分析クエリが可能になり、不均一性の原因を調査するために必要なコンテキストが保持される。
2. 処理パイプライン: データのハーモナイゼーションを行うための自動化された抽出・変換・ロード（ETL）パイプラインを開発した。主なステップは以下の通りである。
   • 信号前処理: 方位依存性を軽減するため、3軸加速度データからジャーク（躍度）のユークリッドノルムを算出する。
   • 歩行周期の抽出: 明示的なアノテーションを必要とせずに歩行周期を抽出するアルゴリズム。非中心部のセンサーに対しては、周波数スペクトル解析と振幅閾値を用いて、優位なフェーズ（遊脚期）と非優位なフェーズのピークを特定する。中心部のセンサーに対しては、2番目の極小値ごとに周期を分割する。
   • 品質管理: 抽出された周期をフィルタリングする品質管理ステップ。抽出された周期を参加者固有の平均周期と相関させ、相関係数が0.7を超えるもののみを保持する。
   • 特徴量エンジニアリング: パイプラインは2つの特徴量セットを生成する。(a) 歩行の規則性と非対称性を捉える10個の統計的特徴量（例：優位／非優位ピークの平均および標準偏差の比率）、および (b) ジャークのユークリッドノルムから導出され、一様にリサンプリングされた（200タイムポイント）歩行周期。
3. 評価戦略: ハーモナイズされたデータは、以下の方法で評価された。
   • グラウンドトゥルース（正解）検証: MAREAデータセットにおける力センサー（FSR）のアノテーションに対して、歩行周期抽出アルゴリズムのテストを行った。
   • 統計的比較可能性: 相関係数およびt検定を用いて、異なるデータセット、センサー位置、および身体側における平均歩行周期と統計的特徴のペアワイズ比較を実施した。
   • ダウンストリーム・タスク: ハーモナイズされたデータによるデータの集約が予測性能を向上させるかどうかを評価するため、ロジスティック回帰とランダムフォレストを用いた性別分類タスクを実施した。

主な結果

• 抽出精度: 歩行周期抽出アルゴリズムは高い精度を示し、MAREAデータセットのグラウンドトゥルースに対して、優位ピーク検出率で99.3%（左足首）および99.9%（右足首）を達成した。
• データ品質: 抽出された343,431個の周期のうち、約74.4%が品質閾値（相関 > 0.7）を満たし、分析のために保持された。
• ハーモナイゼーション対比較可能性: 本フレームワークはデータを共通の形式に統合することには成功したが、技術的なハーモナイゼーションが特徴量の比較可能性を保証するわけではなかった。
  • センサー位置: 中心部に配置されたセンサー（例：腰）は、末梢部のセンサー（足首、手首）と比較して、データセット間で高い相関（r ≈ 0.8–0.96）を示したが、末梢部センサーは低い対応関係を示した。
  • データセットの影響: 名目上は同一の場所（例：右腰）にあるセンサーであっても、データセット間で周期の重なりは中程度（r = 0.82）にとどまり、統計的特徴には有意な差が見られた。
  • 変動性: 一部のデータセットでは、被験者内相関が被験者間相関よりも一般的に高かったが、他のデータセットではそうではなかった。これは、被験者固有の歩行特性と記録固有の要因の相対的な寄与が、データセットによって異なることを示唆している。
• ダウンストリームの性能: 性別分類の性能は、ほとんどの構成においてチャンスレベル（偶然と同程度）付近に留まった。単一データセットのモデルと比較して、データの集約による一貫したメリットは見られず、これは残留するデータセット間の不均一性が、標準化パイプラインだけでは解決されなかったことを示唆している。

意義および主張
著者らは、本研究を、歩行解析における再現可能なクロススタディ（研究間解析）への完全な解決策ではなく、その基礎となるステップとして位置づけている。主要な貢献は、異種混合の加速度計データを統一された分析環境に統合することを可能にする、オープンソースのPythonベースのフレームワークを提供したことである。

本研究は、標準化された処理（ハーモナイゼーション）が、共通の表現を作成するための不可欠な第一歩ではあるものの、センサー構成、記録プロトコル、または参加者集団から生じる系統的な差異を本質的に除去するものではないことを示している。本フレームワークの価値は、これらの残留する差異を定量化し、透明化できる点にある。コンテキスト・メタデータを保持し、再現可能なインフラストラクチャを提供することで、このツールは、研究者が（ゲノミクスやMRIにおけるバッチ効果と同様の）特定の不均一性の原因（例：バッチ効果）を破棄するのではなく、調査することを可能にする。著者らは、将来の分析においては、データセットおよびセンサー固有の要因を明示的に考慮する必要があると結論付けており、提案されたフレームワークは、堅牢で汎用的な歩行解析手法を開発するために必要な厳密な調査を促進するものである。