ECGNET: 深層視覚注意を用いた心房細動検出のための注目領域学習

心房細動（Atrial Fibrillation: AF）に関連するパターンの複雑さと、これらのパターンに影響を与える高いノイズレベルにより、現在の信号処理や浅層機械学習アプローチでは正確なAF検出結果を得ることが大幅に制限されています。深層ニューラルネットワークは、データ内の非線形パターンを学習するために非常に強力であることが示されています。深層学習アプローチがECG（心電図）内でのAF存在に関連する複雑なパターンを学習しようとする際、どの部分に注目すべきかを知ることで恩恵を受けます。本論文では、より正確なAF検出を行うための二つのチャンネルを持つ深層ニューラルネットワークを提案します。最初のチャンネルは前処理されたECG信号を取り込み、AF検出のために注目すべき場所を自動的に学習します。第二のチャンネルは同時に前処理されたECG信号を取り込み、全体的な信号のすべての特徴を考慮します。モデルは可視化を通じて、心房細動検出を試みる際にどの部分が重要であるかを示しています。さらに、この組み合わせは心房細動検出の性能を大幅に向上させています（MIT-BIH心房細動データベースにおいて5秒間のECGセグメントを使用し、感度99.53%、特異度99.26%、精度99.40%を達成しました）。