患者間ECG心拍分類：PSOにより最適化された時系列VCGを用いた手法

心不整脈の分類は人間にとって困難な課題であり、その自動化は極めて望ましい。しかし、心電図（ECG）信号を用いた完全自動心不整脈分類において、患者間（inter-patient）の枠組みを考慮すると、依然として大きな課題が残っている。患者間パラダイムとは、未知の被験者からの信号を用いて分類器を評価する手法であり、実世界の状況をよりリアルに再現する。本研究では、ベクトル心電図（VCG）に基づく新たなECG表現である時間的ベクトル心電図（Temporal Vectorcardiogram, TVCG）を提案し、特徴抽出に複雑ネットワークを活用する。さらに、サポートベクターマシン（SVM）分類器の微調整と、粒子群最適化（Particle Swarm Optimization, PSO）アルゴリズムを用いた特徴選択を実施した。患者間パラダイムにおける実験結果から、提案手法はMIT-BIHデータベースにおいて最新の手法と同等の性能を達成した。具体的には、心房性期外収縮（Sクラス）について正の予測値（+P）が53%、心室性期外収縮（Vクラス）について感度（Se）が87.3%を達成した。これらの結果は、TVCGが心拍の情報をより豊かに表現しており、心臓信号およびパターン認識に関連する問題解決において有用である可能性を示している。ソースコードは以下のURLから入手可能：http://www.decom.ufop.br/csilab/site_media/uploads/code/tvcg_pso.zip