勉強

• クラスタリング

研究進捗

• クラスタリング→ラベルがわかっているため精度を出すと約66%

• クラスタリングを説明変数の組み合わせ全て試したが、どれも改善はしなかった

研究進捗

• LSTM_newモデル作成（未完）,LSTMはchat GPT→タイムステップ（ラグ）2の時が一番精度良い

勉強

• LSTMについて
• SequentialモデルのDenseの引数input_shapeについて（エラーが出たところ）
• Sequentialモデル引数全般
• 機械学習モデル評価（超詳しい版）

先生方からのご指摘

• 実際の血中アルコール濃度を検出しているわけではないので、検出→推定に変える。
• アルコールインターロックシステムに使える推定方法なので、アルコールインターロックシステムの名前を絡ませる。もしくは、アルコールチェッカーよりも優位な点を示す。
• 生体パラメータは飲酒以外でも変化するので、飲酒状態を推定しているとは言い切れないのでは？→精度の高さで言い切る必要あり。
• 個人のためだけのモデルであれば、システムの補完に使えないのでは？→汎用化した時の精度を示す必要ある。もしくは運転者は誰かわかるので運転中にデータ採取、学習を行える方法を提案する必要あり

機械学習を用いた生体信号分析による飲酒状態推定法の有効性検証

とかにしようと思う

スマートウォッチと鍵を一体化したシステム→教師なし学習で二値分類→人の手を一度加えラベル付け→二度目から飲酒推定可能

類似研究：特許検索サイト

• 公開特許：脈拍、体温が閾値を超えているか（特開2023-061171）→運転開始時からの変化量？
• 生体信号を非侵襲で測定する特許が出願されている→これにより生体信号の測定方法で突っ込まれても反論できる。

類似研究

1. シートに組み込んだ磁気回路センサーと圧力センサーにより運転手の体動、心拍数及び呼吸数を計測し入眠予兆を検知（製品化）→PCと接続することで飲酒の有無も判別できる予定との記事も発売された製品情報を見るとその機能はなしか（記事2）
2. シートに取り付けたセンサから加速度脈波加齢指数を計測し飲酒の有無を判別→バンド幅と分散度合いから
3. MEMS血流量センサで耳たぶや指先から血流量や心拍、脈の心拍を測定することで呼気中アルコール濃度の相関を確認（追加研究）
4. シートに取り付けたエアパックセンサーを用いて心拍数、心拍・脈波の血流量のゆらぎと呼気中アルコール濃度の相関を確認

→相関の確認やデータのばらつきから飲酒の検知をしているため、機械学習を用いて飲酒の検知をしているという点や簡単に（スマートウォッチでも）測定できる生体パラメータを用いるという点で新規性があると主張する

データ収集ルール（類似実験）

実験3

• アルコールパッチテストで酒に強い弱いを分類

生体パラメータの測定方法

・カテコラミン：採血

・抗利尿ホルモン：採血

・アルドステロン：Spac-Sキット（多分採血）

・レニン：採血

・インスリン：採血

・グルカゴン：採血

・血中乳酸値：採血（簡易キットあり）

・血中尿酸値：採血

・尿酸クリアランス：採血＆検尿

・血漿ビタミンC濃度：採血

・血圧、脈拍、脈圧：血圧計（ABPM630）

簡単に測定できそうな生体パラメータ