CNN-CBAM-GRUモデルに基づく心血管疾患のインテリジェント診断方法

Zheng Gong^1,2,3,4, Yufeng Chen^1,2,3,4, Shirong Lin^1,2,3,4

¹Shengli Clinical Medical College of Fujian Medical University, Fujian Medical University, Fuzhou, Fujian, China.

|September 2, 2025

まとめ

この研究は,正確な心電図 (ECG) の分類のための新しいCNN-CBAM-GRUモデルを導入し,心血管疾患 (CVD) の診断を改善します. このモデルは,公共のデータセットで高いパフォーマンスを示し,自動化された健康モニタリングのための効率的なソリューションを提供します.

科学分野:

生物医学工学
医療における人工知能
心臓病科

背景:

心血管疾患 (CVD) の早期診断は,患者のアウトカムにとって極めて重要です.
複雑な信号特性により,心電図 (ECG) 信号の分類は困難である.
自動化されたCVD診断には,堅実で効率的なECG分析方法が必要です.

研究の目的:

強化されたECG信号分類のための新しいディープラーニングモデルを開発し,評価する.
心血管疾患の自動診断の精度と効率をECGデータで改善する.
公共のECGデータセットに関する提案されたモデルの包括的なパフォーマンス評価を提供すること.

主な方法:

コンヴォルションニューラルネットワーク (CNN),コンヴォルションブロックアテンションモジュール (CBAM),ゲーテッドリキュアントユニット (GRU) を統合したハイブリッド深層学習モデルを提案した.
2つのベンチマークECGデータセット:MIT-BIHとPTB-XLでCNN-CBAM-GRUモデルを評価した.
精度,精度,リコール,感度,F1スコアを5つのクラスに分類するために使用した包括的な性能評価を実施しました.

主要な成果:

提案されたCNN-CBAM-GRUモデルは,両方のデータセットで高い分類性能を達成しました.
MIT-BIHデータセットで98.17%の精度と98.91%のF1スコアを達成しました.
PTB-XLデータセットで99.21%の精度と99.47%のF1スコアを,245万のパラメータで達成した.

結論:

CNN-CBAM-GRUモデルは,インテリジェントなECG分類のための実用的で堅牢なソリューションを提供します.
このモデルは予測性能と計算効率の強いバランスを示しています.
このアプローチは,高度な心電図分析により,心血管疾患の自動診断を容易にする.

さらに関連する動画