心電図信号を用いた心筋梗塞の自動検出における深層畳み込みニューラルネットワークの応用

心電図（ECG）は、心筋梗塞（MI）を含むさまざまな心血管疾患（CVD）の診断に有用な診断ツールである。ECGは心臓の電気活動を記録し、その信号は心臓の異常な活動を反映している。しかし、ECG信号は振幅が小さく、持続時間が短いため、視覚的に解釈することが困難である。そこで本研究では、ECG信号を用いて心筋梗塞を自動検出する新たな手法を提案する。本研究では、ノイズありおよびノイズなしの正常および心筋梗塞のECG波形の自動検出を目的として、畳み込みニューラルネットワーク（CNN）アルゴリズムを実装した。ノイズありECG波形では平均93.53％、ノイズ除去済みECG波形では平均95.22％の精度を達成した。さらに、本研究では特徴抽出や特徴選択を一切行わない。したがって、本提案アルゴリズムはノイズを含む未知のECG信号に対しても正確に検出が可能である。このため、本システムは臨床現場において医師の心筋梗塞診断を支援するための導入が期待される。