MECG-E: Mambaを基にしたECG強化器によるベースライン・ウォンダリング除去

心電図（ECG）は、心血管疾患の診断に重要な非侵襲的な方法です。しかし、心電図信号は電気的干渉や信号の揺れなどのノイズ汚染に敏感であり、これが診断精度を低下させる原因となります。これまでに様々な心電図除噪法が提案されてきましたが、既存の大多数の方法は非常にノイジーな条件下では性能が劣り、または推論時に複数のステップが必要となり、オンライン処理時の遅延につながっています。本論文では、高速推論と優れた非線形マッピング能力で知られるMambaアーキテクチャを活用した新しい心電図除噪モデル、すなわちMambaベース的心電図強化器（MECG-E）を提案します。実験結果は、異なるノイズ条件下において複数の指標でMECG-Eがいくつかの既知の既存モデルを上回ることを示しています。さらに、MECG-Eは最先端の拡散型心電図除噪器よりも少ない推論時間が必要であり、モデルの機能性と効率性を証明しています。