心電図ノイズフィルタリングフレームワークの知識ベースによる設計と評価

科学分野:

• 生体医工学
• 信号処理
• 心臓病学

背景:

• 心電図（ECG）は心臓モニタリングに不可欠ですが、ノイズの影響を受けやすく、信号品質を低下させます。
• 従来のECGフィルタリング方法は、均一なノイズ除去を適用しますが、クリーンな信号セグメントや重要な臨床的特徴を歪める可能性があります。

研究 の 目的:

• ECG信号処理のための新しいノイズ存在フレームワークを開発および評価すること。
• 信号の歪みを最小限に抑え、臨床的に関連性の高いECGパラメータを維持することを目的として、ノイズの存在とタイプに基づいてフィルタリング戦略を適応させること。

主な方法:

• ノイズを検出し、そのタイプを分類し、調整されたフィルタリングを適用するために、ノイズ存在フレームワークが開発されました。
• カーネル密度推定（KDE）を使用して、サンプリング周波数がノイズ検出に与える影響を評価し、500 Hzを最適として特定しました。
• 階層型Adaboostモデルを実装し、ノイズ検出と分類精度のためにSVM、RF、およびExtraTree分類器と比較しました。

主要な成果:

• 階層型Adaboostモデルは、7つのデータセット全体でノイズ検出において高い精度（数式：本文参照）およびノイズ分類において（数式：本文参照）を達成しました。
• ノイズプロファイルフィルタリングは、ノイズ存在下（数式：[数式]ミリ秒）およびノイズ非存在下（数式：[数式]ミリ秒）フィルタリングと比較して、最小のQT間隔差（2.50ミリ秒）をもたらす優れた性能を示しました。
• QRS間隔測定において大幅な改善が観察され、[数式]ミリ秒（ノイズ非存在下）から[数式]ミリ秒（ノイズ存在下）および4.28ミリ秒（ノイズプロファイル）への差が減少しました。

結論:

• ノイズの存在とタイプに基づいてECGフィルタリングを適応させることは、臨床パラメータの維持を大幅に向上させ、より信頼性の高い間隔測定につながります。
• 開発されたフレームワークは、ポータブルECGシステムに適しており、適切な再トレーニングにより他の生理学的信号に拡張できます。
• 合成ノイズでトレーニングされましたが、フレームワークの実用的な適用性は、診断ECG機能を維持する上での有効性によって裏付けられています。