本研究では、PPG信号からECG信号を変換するための注意機構付き深層状態空間モデル(ADSSM)を提案しています。このモデルは、ノイズに強く、少量のデータでも効率的に学習できるという特徴があります。
実験では、MIMIC-III データベースの55人分のデータを使用し、健常者と心房細動患者の両方を対象としました。健常者のデータに対してはクリーンな信号とノイズ付きの信号の両方で評価を行い、モデルの頑健性を示しました。
健常者のクリーンな信号に対して、相関係数0.858、RMSE 0.07 mV、SNR 15.365 dBという良好な結果が得られました。ノイズ付きの信号に対しても、相関係数0.847、RMSE 0.076 mV、SNR 13.887 dBと、ほとんど性能が低下しませんでした。これは、モデルの確率的な性質によりノイズに強くなっていることを示しています。
心房細動患者のデータに対しては、相関係数0.804、RMSE 0.078 mV、SNR 12.261 dBと、健常者ほど良くありませんでしたが、それでも十分な性能を発揮しました。
さらに、変換したECG信号を既存の心房細動検出モデルに入力したところ、PR-AUCが0.986と、実ECGを入力した場合とほぼ同等の性能が得られました。これにより、ECGの豊富な知識ベースとPPGの連続測定の両方の利点を活かすことができることが示されました。
翻譯成其他語言
從原文內容
arxiv.org
深入探究