本論文では、ウェアラブルモバイルセンサ用の低コストかつ高精度な心電図（ECG）監視システムを提案し、個人向けの早期不整脈検出を目指しています。従来の個人向けECG監視の監督学習手法では、専用分類器の訓練に正常な心拍と異常な心拍の両方が必要でした。しかし、個人向けアルゴリズムがウェアラブルデバイスに組み込まれた実世界のシナリオでは、心疾患歴のない健康な人々にとってそのような訓練データは利用できません。本研究においては、(i) 疎辞書学習により得られた健康信号空間での零空間解析を提案し、単純な零空間射影または正則化最小二乗法に基づく分類手法が、疎表現に基づく分類手法と比較して計算複雑度を犠牲にすることなく削減できるかどうかを調査します。(ii) 次に、他の既存ユーザーの正常および異常信号を新しいユーザーの信号空間に射影するための疎表現に基づくドメイン適応技術を導入します。これにより、新しいユーザーの異常心拍データなしで専用分類器を訓練することが可能になります。したがって、合成異常心拍生成を必要とせずにゼロショット学習が達成できます。MIT-BIH ECGデータセットというベンチマークデータセットを使用した広範な実験結果から、このドメイン適応ベースの訓練データジェネレータと単純な1次元CNN分類器を組み合わせると、従来の手法よりも大幅に性能が向上することが示されました。(iii) さらに、(i) と (ii) を組み合わせてアンサンブル分類器を提案し、性能をさらに向上させています。このゼロショット不整脈検出手法は平均98.2% の精度と92.8% のF1スコアを達成しています。最後に、上記革新技術を使用して個々の人々向けエネルギ効率的なECG監視スキームを提案しています。