要約
心電図信号は、さまざまな要因によって引き起こされる複数のノイズに影響を受けます。したがって、さらなる分析を行う前に、このような信号をノイズ除去するという標準的な手法が採用されています。機械学習の新しい分野である深層学習（deep learning）の進歩により、このタスクにおいて最先端の性能を約束する新方法が利用可能になりました。本稿では、深層再帰的ノイズ除去ニューラルネットワークを使用して心電図信号をノイズ除去する新たなアプローチを提案します。動的ECGモデルによって生成された合成データを使用してネットワークを事前学習し、その後実際のデータで微調整を行う転移学習（transfer learning）技術を利用しています。また、合成トレーニングデータが実際の信号に対するネットワーク性能に与える影響についても調査しました。提案された方法は、異なるノイズ量を持つ実際のデータセットでテストされました。結果は、4層の深層再帰的ニューラルネットワークが重いノイズを含む信号に対して基準となる方法を上回ることが示されています。さらに、合成データで事前学習されたネットワークは、実際のデータのみで学習されたネットワークよりも優れた結果を得ているようです。適切な微調整後、人工データで事前学習された最先端のノイズ除去ニューラルネットワークが実際のECG信号に対して非常に優れた性能を発揮することを示しています。