要約
本研究の目的は、43,101件の心電図（ECG）記録から構成されるデータセットを用いて、27種類の心疾患異常を分類することであった。本研究では、ルールベースのアルゴリズムと複数のディープラーニングアーキテクチャを組み合わせたハイブリッドモデルを開発した。我々は、2種類の畳み込みニューラルネットワーク（CNN）—完全畳み込みニューラルネットワーク（Fully Convolutional Neural Network）とエンコーダー構造のネットワーク—を比較し、それらを組み合わせたアーキテクチャおよび年齢と性別を入力とする追加のニューラルネットワークを含むモデルを検討した。これらのモデルのうち2つを、導出されたECG特徴量を用いたルールベースモデルと統合した。モデルの性能評価は、モデル開発段階においてホールドアウト法を用いた検証データ上で実施された。最終的に、開発データで訓練されたモデルをDockerイメージにデプロイし、チャレンジの検証データセットでテストした。チャレンジ検証セットにおいて最も高い性能を示したモデルを、全チャレンジテストセットにデプロイして評価した。評価は、特定のチャレンジスコアに基づいて行われた。当チーム（TeamUIO）は、チャレンジ検証セットで0.377のスコアを達成し、全テストセットでは最良モデルで0.206のスコアを記録した。全テストセットにおけるスコアは、公式ランキングにおける41チーム中20位に位置した。