キャパシティブECGのノイズ除去用深層ネットワーク

自由な生活環境下での心臓健康の継続的な監視は、術後回復中の患者や高齢者など、心臓リスクが高い個人に対する効果的なケアを提供するために重要です。キャパシティブ心電図（cECG）は、皮膚接触なしで生体電位を測定できる機能により、快適で長期的な監視を可能にする技術の一つです。cECG監視は椅子、ベッド、さらには車のシートなどの多くの家庭用品を使用して行うことができ、個々の無縫合監視を実現します。しかしながら、この方法は動きによるアーティファクトに非常に敏感であり、臨床現場での使用が大きく制限されています。現在のcECGシステムの使用はリズム解析に限定されています。本論文では、キャパシティブ心電図のノイズ除去を行うための新しいエンドツーエンド深層学習アーキテクチャを提案します。提案されたネットワークは、車を運転している個人から収集した3チャンネルの動きによって汚染されたcECGと基準LEAD I ECGを使用して訓練されます。さらに、信号領域と周波数領域の両方に損失関数を適用する新しい共同損失関数も提案します。モデル予測と真値に対して広範なリズム解析を行いました。また、モデル予測と真値間の平均二乗誤差（MSE）とクロス相関係数を使用して信号ノイズ除去を評価しました。報告される結果はMSEが0.167、クロス相関係数が0.476でした。これらの報告された結果は、フィルタリングされたcECGを使用して形態解析を行う可能性を示しています。提案された手法は自由な生活環境下での個々の継続的かつ包括的な監視を可能にするでしょう。