心電図信号を用いた早期不整脈の予測と分類のための畳み込みニューラルネットワーク-トランスフォーマーモデル

Summary

開発されたモデルは、初期の不整脈をN、L、R、V、およびAクラスに分類することを目的としています。ここでは、すべてのデータセットを組み合わせてプリンシパル データセットを作成し、モデルを入力として使用して、さまざまな不整脈クラスを出力として生成します。

Abstract

世界中の主要な死因である心血管疾患、特に不整脈は、早期診断と発見のための精密で自動化された技術の創出を必要としています。心電図(ECG)信号から不整脈を特定するために、この論文では、正常(N)、左脚枝ブロック(L)、右脚ブロック(R)、心房早期拍動(A)、早期心室収縮(V)の5つの主要な心拍タイプに焦点を当てた深層学習ベースの分類モデルを紹介します。INCART 12-lead、Sudden Cardiac Death Holter、Supraventricular、MIT-BIH Arrhythmiaデータベースなど、いくつかのソースからのLead Iシグナルを活用し、390万件以上のトレーニングと112,575件のテストセグメントを生み出しています。

データ準備の例としては、180 サンプル、固定ウィンドウ セグメンテーション、最小/最大正規化、合成マイノリティ オーバーサンプリング手法 (SMOTE) によるクラス バランシングなどがあります。ハイブリッド アーキテクチャでは、Transformer レイヤーを使用して時間依存関係をモデル化し、1D 畳み込みニューラル ネットワーク (CNN) を使用して空間特徴を抽出します。Adam オプティマイザーとドロップアウト、正則化のためのバッチ正規化は、モデルを学習させます。

提案されたシステムは、TN4モデルやその他の最先端のベンチマークを上回り、すべてのクラスで99.99%の精度、精度、およびF1スコアを達成しています。特徴のロバスト性は、以前の研究によって動機付けられたディープハイブリッドアーキテクチャと畳み込みニューラルネットワークを適用することでさらに向上します。提案されたパラダイムは、人工知能主導の個別化されたデジタルヘルスケアを前進させ、スケーラブルでリアルタイムの不整脈の特定に大きな期待を寄せています。

Introduction

心血管疾患(CVD^)は依然として世界の主要な健康問題の1つであり、世界保健機関(WHO)1によると、毎年世界の死亡の約31%を占めています。これらの症例のかなりの部分には、不整脈 - 心臓のリズムの不規則性が関与しており、良性から生命を脅かすものまでさまざまです。不整脈はしばしば不規則な時間によって特徴付けられます。これらの混乱は、患者の罹患率と死亡率に大きく寄与し、脳卒中、心不全、突然の心停止などの深刻な健康問題のリスクを高めます。したがって、不整脈の早期発見と正確な分類は、患者の転帰を改善し、医療費を管理し、心臓治療の質を向上させるために重要です²。

心電図検査(ECG)は、不整脈を検出するための主要な非侵襲的診断ツールであり続けています。心電図は、心臓の電気的活動を視覚的な波形として捉えることで、臨床医が特定の不整脈パターンを示す可能性のある微妙な変化を特定することを可能にします³。しかし、心電図信号を手動で解釈するのは時間がかかり、開業医間の個人差によりばらつきが生じやすく、人為的ミスの余地が生じます。これらの課題は、広範なデータセットを扱ったり、微妙な不整脈を認識したりすると、さらに大きくなります。デジタルヘルスケアへの世界的なシフトに伴い、一貫性のあるリアルタイムのECG分析を提供できる信頼性の高い自動診断システムの必要性がますます重要になっています⁴。

従来の機械学習モデルは、ECG分析に適用され、中程度の成功を収めています。ただし、手作りの機能とドメイン固有の専門知識に依存しているため、顕著な制限があります。この制限に対処するために、モデルでは、過小評価されているクラスの合成データ ポイントを生成する Synthetic Minority Over-sampling Technique (SMOTE) を採用しているため、データセットのバランスを取り、すべてのハートビートの種類で一般化するモデルの能力が向上します。SMOTEと当社のディープラーニングモデルの統合により、特に希少な不整脈の分類性能が向上し、より公平な^{診断ツール5}がサポートされます。この研究の主な目的は3つあります。まず、不整脈をリアルタイムで検出できる正確でスケーラブルなモデルを開発し、デジタルでパーソナライズされたヘルスケアへの世界的なシフトに貢献することを目指しています。次に、ECG解析におけるハイブリッドCNN-Transformerアーキテクチャの有効性を実証し、精度と堅牢性の両方で従来の方法よりも優れた性能を発揮する可能性を強調すること⁶。

最後に、臨床診断に有意義な応用が可能なモデルを開発し、心臓の異常の早期発見を強化することを目指しています。この研究は、ディープラーニングの進歩と実用的な医療アプリケーションとの間のギャップを埋めることを目指しており、私たちのアプローチを心臓治療と患者の転帰の改善を追求するための貴重なツールとして位置付けています⁶。

Protocol

1. データセットの取得

1. 公開されている心電図 (ECG) データセットを取得して、不整脈分類⁷ の深層学習モデルを開発および検証します。
2. MIT-BIH不整脈データベース、MIT-BIH上室性不整脈データベース、サンクトペテルブルクINCART12誘導不整脈データベース、および突然心臓死ホルターデータベースからのLead-Iデータセットを組み合わせます。
   注:データセットは、患者の人口統計と不整脈の種類の多様性を考慮して選択され、モデルがさまざまなケースで一般化できるようにします。各データセットは、さまざまな心拍クラスをカバーする高品質の注釈付きECG記録を提供します。リードIデータのみが抽出され、すべてのデータセットで使用され、入力を標準化し、一貫性を維持し、診断に最も関連性の高いシグナルに焦点を当てました。 図1に示すように、リードIは右腕(負極)と左腕(正極)の電位差を、リードIIは右腕(負極)と左脚(正極)の電位差を測定します。 表 1 は、プリンシパル・データ・セットが 4 つのデータ・セットを結合して NULL 値を削除することによって作成され、ファイルの名前が Alldata.CSV であることを示しています。

2. データの前処理

1. Alldata.CSVからのデータを train と test の 2 つの部分に分割します。前処理 2 では、Alldata.CSV から N、L、R、A、V クラスをフィルタリングし、それを Train パーツと Test パーツの 2 つの部分に分割します (図 2)。
2. 各患者のECG信号を固定の180ミリ秒ウィンドウに分割し、それぞれにN、L、R、A、Vクラスなどの対応する不整脈クラスに従って注釈を付けます(図3)。
   注:このセグメンテーションにより、サンプル間で一貫した入力長が可能になり、各ハートビートセグメント内の時間特性がキャプチャされました。
3. Pythonのライブラリを使用して、形式(.dat、.hea、および.atr)の生のECGファイルを読み取ります。

3. ノーマライゼーション

1. 信号振幅の均一性を確保するには、Min-Max スケーリングを使用してセグメント化されたすべての ECG データを正規化し、各サンプルを 0 から 1 の範囲に変換します。
   注: ここで使用する正規化手法は MinmaxScaler⁸ です。

4. SMOTEによるクラスバランス

注:不整脈の分類における一般的な課題は、正常な心拍が異常な心拍を大幅に上回る重大なクラスの不均衡です。

1. 上記の課題に対処するには、既存のインスタンス⁹を補間することによってマイノリティクラスの合成サンプルを生成するトレーニングセットに合成マイノリティオーバーサンプリング手法(SMOTE)を適用します。
   注:すべての不整脈タイプにわたって一般化するモデルの能力は、新しい合成サンプルによって強化され、各クラスが公正に表現されることを保証します。

5. トレインとテストの分割

1. 前処理後、70 対 30 の分割を使用してデータをトレーニング セットとテスト セットに分割し、セット間のクラス分布を維持するために層別化します。
   注:この分割により、各不整脈クラスがトレーニングフェーズとテストフェーズの両方で適切に表現されるようになり、モデルのパフォーマンスを確実に評価できるようになりました。

6. データセットの分割とクラス分布

1. 最終的なデータセットをトレーニングセットとテストセットに分割し、データの70%をトレーニングに、30%をテストに使用します。
2. SMOTEを適用してクラス分布のバランスを取り、 表2に示すように、各不整脈タイプがトレーニングセットとテストセットの両方で適切に表されていることを確認します。
   注: 合計で 3,966,620 個の ECG セグメントがトレーニングに使用され、 112,575 個の ECG セグメントがモデルのテストに使用されます。この大量のデータと、不整脈の種類の多様性が、実世界の心電図信号におけるさまざまなタイプの不整脈を検出する際のモデルのロバスト性に貢献しました。

7. 調査方法

1. モデルアーキテクチャ
   1. 不整脈の正確な分類を実現するには、1D 畳み込みニューラル ネットワーク (CNN) 層と Transformer 層で構成されるハイブリッド深層学習モデルを実装します。
      注:ハイブリッドモデルアーキテクチャは、ECG信号の空間的および時間的特徴の両方の長所を活用するように特別に設計されています。特徴抽出とシーケンスモデリング機能を組み合わせています。
2. 1D-Convolutional Neural Network (CNN) ブロック
   1. CNN ブロックを 2 つの 1D 畳み込み層で構成され、各層に ReLU 活性化関数と max-pooling 層が続くように設定します。これらの層は、入力 ECG 信号から空間依存性を抽出します。特徴抽出を強化するには、CNN^{レイヤー10}の各変換ステップの後にReLU活性化関数を追加します。
      注: この構成により、モデルは各セグメント内の空間依存性を効果的に学習できます。
   2. 第 1 畳み込み層: この層を使用して、サイズ 3 の 32 個のフィルターを入力信号に適用します。この操作は次のように表されます。
      (1)
      ここで、 y_i は出力、 w_j は重み、 x_(i+j) は入力 ECG セグメント、b はバイアス項、σ は活性化関数 (この場合は ReLU) です¹¹。
   3. プーリング層: 各畳み込みの後、空間次元を 2 倍に縮小する max-pooling 演算を設定します。これは次のように定義されます。
      (2)
      注 : この操作では、計算の複雑さを軽減しながら、最も顕著な機能を保持します。
   4. 2 番目の畳み込みレイヤー: このレイヤーを使用して、サイズ 3 の 64 個のフィルターを前のレイヤーの特徴マップに適用し、上位レベルの特徴¹² を抽出します。畳み込みの後にReLU活性化関数を適用して、非線形性を導入します。
      (3)
      1. 追加の活性化層:畳み込み後の中間段階ごとにReLU活性化を適用して、ネットワークの表現力を強化し、モデルが正の活性化に焦点を当てるようにします¹³。
   5. Dropout: 全結合レイヤーセクション¹⁴ で Dropout 率を 0.5 に指定します。
3. トランス ブロック:
   1. このプロトコルに従うには、Transformer ブロックを 2 つのマルチヘッド セルフ アテンション層を含むように設定して、モデルが ECG 信号¹⁵ の異なる部分間の時間的依存関係をキャプチャできるようにします。
   2. マルチヘッドセルフアテンション:このメカニズムは、シーケンス要素のすべてのペア間の関係を計算します。クエリ Q、キー K、および値 V を含むシーケンスの場合、アテンションを次のように計算します。
      (4)
      ここで、Q、K、および V はそれぞれクエリ行列、キー行列、および値行列であり、 d_k はキー ベクトルの次元を表します。
      注:モデルが関連性に応じてさまざまなセグメントを重み付けできるようにすることで、このメカニズムは、微妙な時間的特性を持つ不整脈を区別するモデルの能力を強化します。
   3. 活性化関数: レイヤー間で明示的に ReLU を使用します。
4. 連続ウェーブレット変換 (CWT):
   1. データをCNN層に供給する前に、連続ウェーブレット変換を適用して、ECG信号を時間-周波数表現¹⁶に変換する。
      注:この変換は、さまざまな不整脈タイプを区別するために重要な、時間の経過に伴う周波数変動をキャプチャすることにより、より包括的な機能セットを提供します。
5. トレーニングプロセス:
   1. モデルをトレーニングするには、Adam オプティマイザーを使用して、勾配の 1 番目と 2 番目のモーメントに基づいて学習率を動的に調整します。Adam の更新ルールを次のように定義します。
      (5)
      ここで、 m_t と v_t は 1 番目と 2 番目のモーメント推定値、α は学習率、ε はゼロ¹⁷ による除算を防ぐための小さな定数です。
   2. バッチサイズ64の100エポック以上のトレーニングを実施し、早期停止を利用して過適合を軽減します。
      注: トレーニング データは PyTorch DataLoader ユーティリティを介してモデルに入力され、ドロップアウトとバッチ正規化の両方を適用してネットワークを正規化し、収束を改善しました。
6. ハイパーパラメータの調整
   1. 早期停止、Adam オプティマイザー、ドロップアウト、バッチ正規化、およびバッチ サイズ 1024 を使用して手動チューニングを実行します。
      注 : このホワイト ペーパーでは、グリッド探索またはベイジアン探索については明示的に言及されていませんが、これらの選択肢は 実用的なチューニング戦略を反映しています。
7. 検証手法
   1. SMOTE¹⁸ を適用した後、70-30 の層別列車とテストの分割を使用します。
      注: K フォールドは使用されませんが、層別化ではクラス分布が保持されるため、大規模なデータセットでは多くの場合、これで十分です。

Results

提案されたモデルのパフォーマンスメトリクス
提案されたモデルの精度、感度、特異度、およびF1スコアは、不整脈クラスごとに計算されます。モデルのパフォーマンスは、MIT-BIHおよびその他の関連するECGデータベースで評価されます。主な結果をまとめると、以下のようになります。

精度:ハイブリッドCNN-Transformerモデルは、MITDBデータセットで99.32%、結合データベースで97.15%の精度を達成し、異なるECGソース¹⁹に対するモデルの堅牢性を実証した。

感度と特異度:このモデルは、97.75%の感度と99.51の特異度を示し、それぞれ不整脈の症例と非不整脈の症例を正しく特定する有効性を強調しました。高感度は、臨床診断における偽陰性を最小限に抑えるために特に重要です。

ベースラインモデルとの比較分析
このセクションでは、提案された...

Discussion

この研究の結果は、ハイブリッドCNN-Transformerモデルが、ECG不整脈を高い精度、感度、特異度、およびF1スコアで巧みに分類し、従来のCNNのみのモデルやCNN-LSTMモデルを著しく上回っていることを示しています。Transformerレイヤーを組み込むことで、ECG解析の重要な要素である時間的依存関係を捉えるモデルの能力が向上しました。さらに、連続ウェーブレット変換(CWT)は広範な時間-周波数特性を提供するため、CNN層は不整脈タイプ間の微妙な波形変化を区別することができます。これらの知見は、ECGデータの複雑さの管理、特に不整脈エピソードの特定におけるハイブリッドアーキテクチャの有効性を強調しています。

さらに、このモデルは、多様なデータセット間で顕著な一般化可能性を示しており、不整脈分類研究における重大なギャップに対処しています。SMOTEなどの高度な前処理方法を統合することにより、この研究では、すべての不整脈タイプ、特に従来のモデルでは誤分類されがちな頻度の低い不整脈をバランスよく表現できま...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
コンピュータシステム			(トレーニング用) プロセッサ: AMD Ryzen 7 7840HS, CPU RAM:16 GB, GPU RAM:6GBNVIDIA GeForce RTX 3050
imbalanced-learn			python package using the reampling
pytorch			PyTorch は、次の 2 つの高レベルの機能を提供する Python パッケージです: - 強力な GPU アクセラレーションを備えたテンソル計算 (NumPy など -テープベースのAutogradシステム
Seaborn			は、matplotlibに基づくPython視覚化ライブラリです。
生理学的信号および注釈データの読み取り、書き込み、処理、およびプロットに使用される	WFDB