心筋梗塞は世界中で死亡の主要な原因となっています。本論文では、心筋梗塞を検出するためのドメインに着想を得たニューラルネットワークモデルの設計について述べます。まず、さまざまなリードの寄与度を調査しました。この系統的な分析は文献上初めてのものであり、15つの心電図リードの中でv6、vz、およびIIリードのデータが心筋梗塞を正しく識別するために重要であることを示しています。次に、この知見を基に、地震を識別するために設計されたConvNetQuakeニューラルネットワークモデルを改良し、心筋梗塞の分類において最先端の結果を達成しました。レコード単位での分割では99.43%、患者単位での分割では97.83%の分類精度を達成しており、これらの2つの結果は10秒間の生心電図データのみを使用して医師レベルの性能を示しています。最後に、当社の多チャンネル心電図ニューラルネットワークが手動による特徴量抽出やデータ前処理なしで医師レベルの性能を達成することを示します。（注：v6, vz, II などのリード名は一般的な表記なのでそのまま使用しています）