DeScoD-ECG: 深層スコアベース拡散モデルによるECGベースラインのうろこぎとノイズ除去

目的：心電図（ECG）信号は、ベースラインの揺れなどのノイズ干渉にしばしば悩まされます。高品質かつ高忠実度のECG信号再構築は、心血管疾患の診断において極めて重要です。したがって、本論文では新しいECGベースラインの揺れとノイズ除去技術を提案します。方法：条件付き拡散モデルをECG信号に特化して拡張しました。これを深層スコアベースの拡散モデル（Deep Score-Based Diffusion model for Electrocardiogram baseline wander and noise removal: DeScoD-ECG）と呼びます。さらに、多ショット平均化戦略を導入し、信号再構築の精度を向上させました。QTデータベースとMIT-BIHノイズストレステストデータベースを使用して実験を行い、提案手法の実現可能性を検証しました。比較のために、従来のデジタルフィルターに基づく方法や深層学習に基づく方法などの基準手法を採用しました。結果：数量評価結果は、提案手法が4つの距離に基づく類似性指標で優れた性能を示し、最良の基準手法と比較して全体的に20％以上の改善が見られたことを示しています。結論：本論文は、DeScoD-ECGがECGベースラインの揺れとノイズ除去において最先端の性能を持つことを示しており、真のデータ分布に対するより良い近似と極端なノイズ汚染下での高い安定性が確認されました。意義：本研究は、条件付き拡散モデルをECGノイズ除去に適用する最初の一例であり、DeScoD-ECGは医学生物学的な応用分野で広範に使用される可能性があります。