核心概念
本研究は、小児心音信号の最小信号長を検証し、トランスフォーマーベースの畳み込みニューラルネットワークを用いて心音分類の精度を向上させることを目的としている。
要約
本研究は、小児心音信号の自動分類のための最小信号長を調査し、トランスフォーマーベースの畳み込みニューラルネットワークモデルを提案している。
主な内容は以下の通り:
751人の小児患者から収集した3,435個の心音信号を用いて、心音分類のための最適な信号長を検討した。
信号品質評価指標であるRMSSDとZCRを用いて、適切な心音信号を選別した。
MFCCを特徴量として入力し、トランスフォーマーベースの畳み込みニューラルネットワークモデルを構築した。
提案モデルを用いて、信号長5秒が最も高い分類精度(93.69%)を示すことを明らかにした。一方、信号長3秒では十分な情報がなく、15秒では雑音が多くなるため、精度が低下した。
患者の年齢や性別といった人口統計学的情報を用いて、モデルの性能評価も行った。
統計
心音信号の長さが5秒の場合、分類精度は93.69%である。
心音信号の長さが3秒の場合、分類精度は92.41%である。
心音信号の長さが15秒の場合、分類精度は93.67%である。