Machine Learning-Based Classification of Normal, Fast, and Sleep-Apnea-Related Respiratory Patterns Using Software-Defined Radio Sensing

技術要約：SDRを用いた呼吸パターンの機械学習に基づく分類

問題提起
呼吸モニタリングは、睡眠時無呼吸症候群、COPD、心疾患などの早期発見において極めて重要である。しかし、ポリソムノグラフィのような従来の診断法は侵襲性が高く、専門的な装置を必要とし、継続的な家庭での使用には適していない。ソフトウェア定義無線（SDR）を用いた非接触型無線周波数（RF）センシングは、呼吸波形を捉えるための実行可能な代替手段として浮上しているが、異なる機械学習アーキテクチャの比較評価に関する文献には大きな空白が存在する。具体的には、厳格なリーク制御された評価プロトコルに基づき、全クラスごとの詳細な報告と統計的検証を行った上で、古典的なアンサンブル学習手法とディープラーニングを同一データセットで直接比較した研究はほとんどない。このような制御されたエビデンスの欠如は、解釈性、精度、および計算コストの間のトレードオフが存在するエッジ展開型のヘルスケアシステムにおいて、実務者がモデル選択を行う際の判断を妨げている。

手法
本研究では、USRP X310デバイスを使用して収集された公開SDRデータセットを用い、3つの異なるモデルファミリー（多層パーセプトロン（MLP）、XGBoost、ランダムフォレスト（RF））のベンチマークを行う。データセットは、3つのセンサー・被験者間角度（45°、90°、180°）で記録された3種類の呼吸クラス（正常呼吸（NR）、速呼吸（FR）、睡眠時無呼吸関連（SAR））で構成されている。

• データ前処理： 生の記録は、時間領域の統計量（平均、分散、ピーク間振幅）と周波数領域の記述子（主要周波数、スペクトルパワー）を組み合わせた2,000次元の特徴ベクトルを抽出するために処理された。
• リーク制御： 時系列データに共通する情報のリークを防ぐため、データセットは記録ファイルレベル（訓練用80%、保持されたテスト用20%）で分割された。これにより、同一の連続した呼吸セッションのサンプルが訓練セットとテストセットの両方に現れないようにし、汎化性能の保守的な推定を実現している。
• モデル構成：
  • ランダムフォレスト： 100本の決定木、制約なしの深さ（決定木の複雑さに対する正則化なし）。
  • XGBoost： 100個のエスティメータ、学習率0.1、最大深度6、L2正則化（$\lambda=1$）を適用、ただし最小分割利得の制約（$\gamma=0$）はなし。
  • MLP： 2つの隠れ層（512および256ニューロン）、ReLU活性化関数、ドロップアウト（0.2）、およびAdam最適化を備えたディープネットワーク。
• 評価： パフォーマンスは、精度（Accuracy）、適合率（Precision）、再現率（Recall）、F1スコア、および混同行列を用いて評価された。モデル間の精度の統計的有意性は、二項検定（two-proportion z-test）を用いて判定された。また、過学習の挙動を分析するために、経験的な汎化ギャップ（$\Delta = \text{Err}_{test} - \text{Err}_{train}$）を算出した。

主な結果

• 全体的なパフォーマンス： 保持されたテストセットにおいて、MLPとランダムフォレストが最高の精度（0.90）、および0.89–0.90のマクロF1スコアを達成した。XGBoostは0.87という低い精度となった。
• 統計的有意性： XGBoostと他の2つのモデルとの差は統計的に有意であった（$z=5.39, p < 0.001$）。MLPとランダムフォレストの間には統計的な有意差は認められなかった（$z=0.00, p=1.00$）。
• クラス別パフォーマンス：
  • 正常呼吸（NR）： すべてのモデルにおいて一貫して最も安定して分類されるクラスであった（テスト精度 90–93%）。
  • 速呼吸（FR）： 最も分類が困難なクラスであり、すべてのモデルにおいて最も低い再現率を示した。
  • 睡眠時無呼吸関連（SAR）： MLPとRFによって良好に識別されたが、XGBoostではFRとの混同が生じやすい。
• 混同境界： XGBoostとランダムフォレストにおける支配的な誤分類境界は、FRとSARの間であった。MLPにおける主な混同は、FRとNRの間で発生した。
• 汎化ギャップ：
  • ランダムフォレストは最大の汎化ギャップ（$\Delta \approx 0.10$）を示し、訓練精度は完璧（1.00）であったが、テストでは0.90に低下した。これは、制約のない決定木アンサンブル構造による顕著な過学習を示唆している。
  • XGBoostは中程度のギャップ（$\Delta \approx 0.06$）を示した。
  • MLPは最小のギャップ（$\Delta \approx 0.02$）を示し、これはドロップアウトによる正則化の効果である。

意義および主張
本論文は、リーク管理されたプロトコルの下で、共通のSDR呼吸データセットに対してこれら3つのモデルファミリーを統計的に検証した初のベンチマークを提供すると主張している。本研究は、ランダムフォレストがディープラーニング（MLP）と同等の性能をテストデータ上で達成できる一方で、その完璧に近い訓練精度は訓練サンプルへの高い感受性を隠蔽しており、エッジ展開においては管理すべきリスクであることを強調している。

著者らは、FR/SARの分類境界を現在のSDRベースのシステムの主要な限界として特定しており、速呼吸と睡眠時無呼吸イベントが、振幅やスペクトル特徴のみでは分離が困難な音響的またはスペクトル的特性を共有していることを示唆している。したがって、著者らはこれらのモデルを、現在の誤分類率（重要なクラス間での7–12%）を考慮すると、単独の診断ツールではなく、トリアージまたは事前スクリーニング（臨床医によるレビューのための記録のフラグ立て）の役割に適していると位置付けている。

限界および今後の方向性
著者らは、本研究が単一のデータセットとファイルレベルの分割に依存しており、被験者レベルの分割ではないため、独立性を完全には保証できない可能性があることを認めている。今後の課題として以下を推奨している：

1. 強固な汎化ギャップの推定を得るための、被験者を考慮したクロスバリデーション。
2. ベースラインの構成が最適であることを判断するための、XGBoostおよびランダムフォレストのハイパーパラメータチューニング。
3. 永続的なFR/SARの混同を解決するための、アーキテクチャの強化（例：ハイブリッドCNN-LSTM）または追加の時間的特徴量。
4. 展開の実現可能性を検証するための、エッジハードウェア上でのリアルタイム推論の評価。