scientific reportsに会津大学との共同研究論文が掲載されました。
掲載日：2023年7月7日
テーマ：適応ウィンドウと深層ニューラルネットワークを用いた心電図の拍ごとのセグメンテーション
概要：心電図（Electrocardiogram：ECG）のタイムリーな異常検出と自動的な解釈は、患者のモニタリングや治療後の処理など、多くの医療応用において重要な役割を果たします。心電図の拍ごとのセグメンテーションは、多くのECG自動分類手法の信頼性と忠実度を保証する上で必要不可欠なステップの一つです。
本論文では、CNN（Convolutional Neural Network）モデルベースの適応ウィンドウアルゴリズムを用いた信頼性の高いECG拍セグメンテーション手法を提案します。この適応ウィンドウアルゴリズムは心拍イベントを認識し、規則的および不規則な拍を含むECG信号から正確な境界をセグメンテーションできます。
本提案手法は、アノテーション付きのデータセットを用いて拍ごとの自動セグメンテーションと手動検査（目視確認）を比較して、定量的および定性的に評価しました。
本提案手法は、MIT-BIHデータセットに対して99.08％の正確性と99.08％のF1スコアで心拍を検出し、正しい境界の決定においても99.25％の正確性を示しました。また、European S-Tデータベースに対しては98.3％の正確性と97.4％の適合率で、さらに、Fantasiaデータベースに対しては99.4％の正確性と適合率でそれぞれ心拍を検出しました。
これらの3つのデータセットを用いて評価した本提案手法の総合的な性能からは、臨床応用を含むECG解析のさまざまな応用においてこの手法が適用される可能性が高いことを示唆しています。
scientific reportsサイトに移動します：
S. M. Isuru Niroshana, Satoshi Kuroda, Kazuyuki Tanaka & Wenxi Chen (2022). Beat-wise segmentation of electrocardiogram using adaptive windowing and deep neural network.
- 2023年8月2日、テーマと概要を追記しました。
