胎児心電図信号を用いた深層学習に基づく胎児の不整脈検知

• Item type: SIG Technical Reports(1)
• 公開日: 2022-05-19
• タイトル: 胎児心電図信号を用いた深層学習に基づく胎児の不整脈検知
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 医療・健康・生活支援
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学理工学部情報工学科
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): Department of Information and Computer Science, Keio University
• 著者名: 中谷, 早良; 山本, 幸平; 大槻, 知明
• 著者名(英): Sara, Nakatani; Kohei, Yamamoto; Tomoaki, Ohtsuki
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 不整脈は乳幼児の突然死の原因のひとつであり，胎児の不整脈を検知することは非常に重要である．胎児心電図（FECG : Fetal Electrocardiogram）は心拍を検出する手段のひとつであり，胎児の不整脈は FECG 信号から検出した心拍間隔 (RRI : RR-Interval) に基づいて検知できる．しかし，不整脈検知精度は心拍検出精度次第で劣化しやすいという問題がある．一方で，近年，成人の心電図信号を用いた不整脈検知法では，深層学習に基づいた手法が高い不整脈検知精度を達成している．そこで本稿では，FECG 信号を用いた深層学習に基づく胎児の不整脈検知法を提案する．提案法では，取得した FECG 信号のサンプリング周波数を全被検者で統一した後に複数の心拍が含まれるようにセグメント化し，そのセグメントを深層学習モデルに入力し，正常と不整脈のセグメントに分類する．そして，複数のセグメントの分類結果に基づいて，被験者を健常者か不整脈被検者に分類する．このとき，学習データの各セグメントを，推定 RRI に基づいて正常，不整脈，正常と不整脈どちらの可能性もあるセグメントの 3 つにラベル付けする．そして，正常あるいは不整脈にラベル付けしたセグメントのみを用いて学習することで，深層学習モデルの分類精度を改善する．これらの手順により，提案法では不整脈検知精度に対する心拍検出精度の劣化の影響を低減する．実験の結果，健常者と不整脈被検者の二値分類において，提案法は胎児心拍検出と特徴量検出に基づく従来法よりも高い正解率，特異度，感度を達成し得ることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Arrhythmia is one of the causes of sudden infant death, and it is very important to detect fetal arrhythmia for fetal well-being. Fetal electrocardiogram (FECG) is one of major fetal heartbeat detection methods. Fetal arrhythmia can be detected based on the heartbeat detection results from FECG signals such as heartbeat intervals. However, the accuracy of arrhythmia detection easily degrades depending on the accuracy of heartbeat detection. In this report, we propose a deep learning-based fetal arrhythmia detection method using FECG signals. Recently, arrhythmia detection methods using adult ECG signals have achieved a high arrhythmia detection accuracy based on deep learning. Motivated by this fact, in the proposed method, the acquired FECG signals are segmented, and the segments are input into a deep learning model that classifies them into normal or arrhythmia ones. Based on the classification results of multiple segments, a subject is judged as a healthy or arrhythmia subject. Each segment of the training data is divided into three categories based on the estimated heartbeat interval: (i) normal, (ii) arrhythmia, and (iii) a segment that could be both normal and arrhythmia. Only segments labeled as normal or arrhythmia are used for training a deep learning model to achieve a higher classification accuracy of the model. Through these procedures, the proposed method detects fetal arrhythmia with less effects of heartbeat detection errors. The experimental results showed that the proposed method could outperform the conventional methods with heartbeat detection and feature detection in terms of accuracy, specificity, and recall.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11515904
• 書誌情報: 研究報告高度交通システムとスマートコミュニティ（ITS）; 巻 2022-ITS-89, 号 12, p. 1-6, 発行日 2022-05-19
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8965
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会