AMS-HD：高次元計算を用いたリアルタイムかつ低消費電力な高所病検出システム

arXiv:2602.08916v1 発表タイプ：横 要約：高所病は、高所へと旅立つ多くの個人に影響を与える、潜在的に命を脅かす状態です。症状が急速に拡大することもあり、早期検出は不可欠です。早期の認識は、下山、酸素吸入、または薬物療法などの簡易な介入を可能にし、適切な治療により重症合併症のリスクを著しく低下させることで命を救うことができます。従来の機械学習（ML）技術を用いて、心拍数、酸素飽和度、呼吸率、血圧、体温などの生理的信号に基づいて高所病を検出しようとする試みがなされていますが、予測性能と低いハードウェア要件とのバランスを取ることは常に困難でした。一方、高次元計算（HDC）は、限られた生体医学的機能量にもかかわらずこのタスクのために十分に研究されていない状況において、既存の分類モデルに対する魅力的な代替案をもたらす可能性があります。そのベクトル記号枠組みは本来、ハードウェア効率性の高い設計に適しており、ウェアラブルなどの低消費電力システムに対する強力な候補です。軽量な計算と効率的に整えられたメモリ利用により、HDC はウェアラブルデバイスによって収集された生理パラメータから高所病をリアルタイムで検出することを可能にし、従来の ML モデルと同等の精度を達成します。我々は、カスタマイズされた特徴抽出とハダマード HV エンコーディングを組み合わせて、HDC ベースの検出の精度と効率を両立させることを目的とした新たなシステム AMS-HD を提案します。この枠組みは、ウェアラブルヘルスモニタリングプラットフォームへの展開に適っており、急性高所病の継続的なオンザゴートラッキングを可能にします。

arXiv:2602.08916v1 Announce Type: cross Abstract: Altitude sickness is a potentially life-threatening condition that impacts many individuals traveling to elevated altitudes. Timely detection is critical as symptoms can escalate rapidly. Early recognition enables simple interventions such as descent, oxygen, or medication, and prompt treatment can save lives by significantly lowering the risk of severe complications. Although conventional machine learning (ML) techniques have been applied to identify altitude sickness using physiological signals, such as heart rate, oxygen saturation, respiration rate, blood pressure, and body temperature, they often struggle to balance predictive performance with low hardware demands. In contrast, hyperdimensional computing (HDC) remains under-explored for this task with limited biomedical features, where it may offer a compelling alternative to existing classification models. Its vector symbolic framework is inherently suited to hardware-efficient design, making it a strong candidate for low-power systems like wearables. Leveraging lightweight computation and efficient streamlined memory usage, HDC enables real-time detection of altitude sickness from physiological parameters collected by wearable devices, achieving accuracy comparable to that of traditional ML models. We present AMS-HD, a novel system that integrates tailored feature extraction and Hadamard HV encoding to enhance both the precision and efficiency of HDC-based detection. This framework is well-positioned for deployment in wearable health monitoring platforms, enabling continuous, on-the-go tracking of acute altitude sickness.