クロスデータセット心臓信号ドメイン汎化と特徴解釈可能性に関する研究

科学分野:

• 生体医工学
• 人工知能
• 信号処理

背景:

• 心電図（ECG）信号のクロスデータセットモデリングは、ドメインシフトと臨床的解釈可能性の欠如によって課題となっています。
• 既存の手法は、異なるECGデータセット間での汎化や、透明な臨床的洞察の提供に苦労しています。

研究 の 目的:

• 汎化と解釈可能性を向上させるクロスドメインECGモデリングのためのトランスフォーマーベースのフレームワークを提案すること。
• 自動ECG分析のドメインシフトに対処し、臨床的適用性を向上させること。

主な方法:

• ドメイン不変特徴強化モジュール（DFEM）と解釈可能性駆動型アテンション制約メカニズム（IACM）を組み込んだトランスフォーマーベースのフレームワークを開発しました。
• 厳密な実験のために、4つの権威ある不整脈データベース（MIT-BIH上室性、MIT-BIH不整脈、INCART、SCD-Holter）を採用しました。
• モデルコンポーネントと解釈可能性を検証するために、アブレーションスタディ、特徴重要度分析、t-SNE可視化を実施しました。

主要な成果:

• 提案手法は、すべてのターゲットドメインでベースラインのトランスフォーマーモデルを上回る優れたパフォーマンスを達成しました。
• MIT-BIH不整脈データベースで8.4%高い精度（0.768）、INCARTデータベースで4.7%改善されたF1スコア（0.898）を達成しました。
• アブレーションスタディはDFEMとIACMの有効性を確認し、分析によりモデルが臨床的に関連性の高いECG特徴に焦点を当てていることが示されました。

結論:

• 提案されたフレームワークは、ターゲットドメインサンプルを必要とせずにECGモデリングにおけるドメインシフトを効果的に軽減します。
• この手法は、臨床応用のためのモデル解釈可能性と識別性能を同時に向上させます。
• このアプローチは、心臓不整脈の堅牢で透明性の高い自動分析のための有望なソリューションを提供します。