心的外傷後ストレス障害、うつ病、パニック発作のECGベースの多クラス鑑別診断のためのハイブリッドCNN-SVMアプローチ

科学分野:

• バイオメディカル工学
• ヘルスケアにおける人工知能
• 心臓病学

背景:

• 心的外傷後ストレス障害（PTSD）の診断は、うつ病やパニック発作との症状の重複により複雑であり、誤診につながる可能性があります。
• PTSDの現在の診断方法には客観的なバイオマーカーが欠けており、タイムリーで正確な治療を妨げています。
• 心電図（ECG）信号を使用したPTSD検出のために、畳み込みニューラルネットワーク（CNN）とサポートベクターマシン（SVM）を統合したハイブリッドAIフレームワークを提案します。

主な方法:

• 79人の参加者（PTSD、うつ病、パニック発作、および健康な対照群）からのECGデータを分析しました。
• ECG信号からスケーログラムを作成するためにウェーブレット変換を使用しました。
• 3つのCNNモデル（AlexNet、GoogLeNet、ResNet50）がディープフィーチャを抽出し、次にSVMによって分類され、5倍のクロスバリデーションが使用されました。

結論:

• この研究は、臨床レベルの精度を達成した、PTSD診断のための最初のECGベースのAIフレームワークを提示します。
• ハイブリッドAIモデルは、PTSDとうつ病やパニック発作を効果的に区別し、精神医学的評価のための客観的なバイオマーカーを提供します。
• 開発されたシステムは、早期のPTSD検出を容易にし、タイムリーな介入と患者の転帰の改善への道を開きます。