生体信号解析の基礎とAI・深層学習の活用技術

ウェアラブルデバイスや医療・ヘルスケアAIの発展に伴い、ECG (心電図) 、EEG (脳波) 、EMG (筋電図) 、PPG (光電容積脈波) などの生体信号をAIによって解析する技術への関心が高まっています。 　一方、生体信号にはさまざまなノイズやアーチファクトが含まれるため、AIによる解析精度を高めるには、適切な信号処理や特徴抽出が重要となります。 　本セミナーでは、生体信号処理の基本から、ノイズ・アーチファクト除去、特徴抽出、機械学習、深層学習による解析手法まで、具体的な技術やその特徴を交えながら段階的に解説します。また、AIの判断根拠を理解するためのExplainable AI (説明可能なAI) についても取り上げます。 　さらに、Transformer、Foundation Model、自己教師あり学習、マルチモーダルAIなど、生体信号解析における最新技術動向や、医療・ヘルスケア、ウェアラブルデバイス等への応用事例を紹介します。生体信号解析とAI技術の基礎から最新動向までを理解し、今後の研究開発や技術応用に役立つ知識を習得していただくことを目的としています。

1. 生体信号処理の基礎
   1. 生体信号とは
   2. ECG (心電図)
   3. EEG (脳波)
   4. EMG (筋電図)
   5. PPG (光電容積脈波)
   6. 呼吸信号
   7. サンプリングとディジタル信号処理
2. 生体信号のノイズ・アーチファクト除去
   1. 電源雑音
   2. 基線変動
   3. 体動アーチファクト
   4. 筋電雑音
   5. ディジタルフィルタ
   6. Wavelet (ウェーブレット)
   7. ICA (独立成分分析)
   8. 適応信号処理
3. 特徴抽出と従来型機械学習
   1. 時間領域特徴
   2. 周波数領域特徴
   3. 時間周波数解析
   4. PCA (主成分分析)
   5. SVM (サポートベクターマシン)
   6. Random Forest (ランダムフォレスト)
4. 深層学習による生体信号解析
   1. CNN (畳み込みニューラルネットワーク)
   2. RNN / LSTM
   3. Attention (注意機構)
   4. Transformer
   5. End – to – End学習
   6. データ量が少ない場合の問題
5. AIの判断根拠を理解する
   1. Explainable AI (説明可能なAI) とは
   2. SHAP
   3. Grad – CAM
   4. Attention Visualization
   5. 医療・ヘルスケアAIで説明可能性が重要な理由
6. 生体信号AIの最新動向
   1. Foundation Model (基盤モデル)
   2. Self – Supervised Learning (自己教師あり学習)
   3. Transfer Learning (転移学習)
   4. ECG・EEG Foundation Model
   5. マルチモーダルAI
   6. 生体信号+画像+音声
7. 応用事例と今後の展望
   1. 不整脈検出
   2. 睡眠解析
   3. ストレス・感情推定
   4. ウェアラブルデバイス
   5. 遠隔モニタリング
   6. EEG Speech Decoding (脳波による音声解読)
   7. Personalized Medicine (個別化医療)
   8. Digital Twin Healthcare (ヘルスケア・デジタルツイン)
• Q&A