|
【講座概要】
近年、医療・ヘルスケア分野では、心電図（ECG）、脳波（EEG）、筋電図（EMG）、脈波（PPG）、呼吸信号などの生体信号を活用した診断支援技術や健康管理システムの研究開発が急速に進展しています。特に近年の機械学習や深層学習技術の発展により、生体信号から従来困難であった病態推定、異常検知、認知状態推定などが可能となりつつあります。
一方で、生体信号は雑音や個人差の影響を受けやすく、単純にAIを適用するだけでは十分な性能を得ることができません。そのため、生体信号特有の前処理、特徴抽出、信号解析技術とAI技術を適切に融合することが重要となっています。
本セミナーでは、生体信号処理の基礎から始め、機械学習・深層学習を活用した最新の解析手法、さらにExplainable
AI（説明可能AI）やFoundation Modelなどの最新動向までを体系的に解説します。また、医療診断支援、ウェアラブルヘルスケア、ブレイン・コンピュータ・インタフェース（BCI）などの応用事例についても紹介します。
信号処理技術者、AI研究開発者、医療機器開発者、ヘルスケア関連企業技術者などを対象に、生体信号解析技術の全体像と今後の展望を理解していただくことを目的とします。
【受講対象】
・医療機器メーカー技術者
・ヘルスケア関連企業技術者
・AI開発者
・信号処理技術者
・医療情報システム開発者
・大学・研究機関研究者
【受講後習得できること】
・生体信号処理の基礎知識
・AI開発に必要な信号処理技術
・Deep Learning活用方法
・Foundation Modelの最新動向
・Explainable AIの考え方
・ヘルスケア分野における今後の研究開発方向
1.生体信号処理とは
1.1 Biomedical Signal Processingの概要
1.2 生体信号の特徴
1.3 AIの現状と将来展望
1.4 生体信号解析における課題
2.代表的な生体信号
2.1 ECG（心電図）
2.1.1 波形の意味
2.1.2 不整脈検出
2.1.3 心疾患診断支援
2.2 EEG（脳波）
2.2.1 周波数帯域
2.2.2 睡眠解析
2.2.3 BCI
2.3 EMG（筋電図）
2.3.1 筋活動推定
2.3.2 リハビリテーション応用
2.4 PPG（脈波）
2.4.1 心拍推定
2.4.2 SpO?推定
2.4.3 ウェアラブル機器応用
2.5 呼吸信号
2.5.1 睡眠時無呼吸
2.5.2 呼吸状態モニタリング
3.生体信号処理の基礎技術
3.1 フィルタリング
3.2 雑音除去
3.3 周波数解析
3.4 ウェーブレット解析
3.5 アーチファクト除去
3.6 特徴量抽出
4.機械学習による生体信号解析
4.1 SVM
4.2 Random Forest
4.3 XGBoost
4.4 クラスタリング
4.5 異常検知
5.Deep Learningによる生体信号解析
5.1 CNN
5.2 RNN
5.3 LSTM
5.4 Transformer
5.5 Self-Supervised Learning
6.Foundation Modelと生体信号解析
6.1 Foundation Modelとは
6.2 ECG Foundation Model
6.3 EEG Foundation Model
6.4 Multimodal AI
6.5 大規模モデル
7.Explainable AI（XAI）の生体信号解析への適用
7.1 AI説明責任
7.2 SHAP
7.3 Grad-CAM
7.4 Attention可視化
7.5 信頼できる生体解析AI
8.最新研究動向と応用事例
8.1 ヘルスケア
8.1.1 ウェアラブルデバイス
8.1.2 在宅医療
8.1.3 遠隔モニタリング
8.2 次世代技術
8.2.1 EEG Speech Decoding
8.2.2 Digital Twin Healthcare
【質疑応答】
|
