連続ウェーブレット変換および2D畳み込みニューラルネットワークを用いた心房細動の自動検出

心房細動（AF）は、合併症および死亡率を引き起こす最も一般的な心律不整脈である。AFは、非常に短時間にわたる発作（いわゆる「近位性AF」）または持続性の発作（「持続性AF」）として現れることがあり、いずれの場合も心室の不規則な興奮を引き起こし、心臓全体の機能に影響を及ぼす。このような状態に対して、早期かつ自動的な検出は未解決の課題であり、AFに対する効果的な治療戦略の実現を妨げている。本研究では、連続ウェーブレット変換（CWT）と2次元畳み込みニューラルネットワーク（2D-CNN）を組み合わせた新しい検出手法を開発した。この手法は、心電図（ECG）信号の時周波数特徴を分析する点で、従来のAF検出法とは異なり、心房活動または心室活動を単独で分離して処理する方式ではない。その後、2D-CNNを用いてAF検出性能を向上させる学習を行った。評価にはMIT-BIH心房細動データベースを用い、本手法の有効性を、多くの場合同データセットを用いて実施された既存手法と比較した。新たに開発されたCNNを用いたアルゴリズムは、感度（Sensitivity）99.41%、特異度（Specificity）98.91%、陽性予測値（Positive Predictive Value）99.39%、全体的な正確度（ACC）99.23%という高い性能を達成した。本手法は、心房または心室活動を単独で抽出するのではなく、ECG信号の時周波数特徴に着目しているため、わずか5拍の心拍データを用いてもAF発作を検出可能であるという利点を有しており、将来的な実用化に向けた可能性を示している。