新しい深層WaveNetモデルを用いた心音信号の分類

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Comput Methods Programs Biomed.2020 Jun;196:105604. S0169-2607(20)31437-1. doi: 10.1016/j.cmpb.2020.105604.Epub 2020-06-12.

新しい深層WaveNetモデルを用いた心音信号の分類

Classification of heart sound signals using a novel deep WaveNet model.

Shu Lih Oh
V Jahmunah
Chui Ping Ooi
Ru-San Tan
Edward J Ciaccio
Toshitaka Yamakawa
Masayuki Tanabe
Makiko Kobayashi
U Rajendra Acharya

PMID: 32593061 DOI: 10.1016/j.cmpb.2020.105604.

抄録

背景と目的:

世界的に心臓弁膜症の死亡率が高く、有病率が高くなっていることから、心臓弁膜症の迅速かつ正確な診断が必要とされている。本研究では、低コストで信号を取得できることから、心音図（PCG）信号を使用している。本研究では、正常心音、大動脈弁狭窄症、僧帽弁脱、僧帽弁狭窄症、僧帽弁逆流症の5種類の心音を分類しています。

BACKGROUND AND OBJECTIVES: The high mortality rate and increasing prevalence of heart valve diseases globally warrant the need for rapid and accurate diagnosis of such diseases. Phonocardiogram (PCG) signals are used in this study due to the low cost of obtaining the signals. This study classifies five types of heart sounds, namely normal, aortic stenosis, mitral valve prolapse, mitral stenosis, and mitral regurgitation.

方法:

本研究では、5種類の心音の自動分類のために、独自に開発した深層WaveNetモデルを提案した。このモデルは、5つのクラスに分類されたPCG記録を合計1000枚、各クラス200枚の記録を用いて開発されています。

METHODS: We have proposed a novel in-house developed deep WaveNet model for automated classification of five types of heart sounds. The model is developed using a total of 1000 PCG recordings belonging to five classes with 200 recordings in each class.

結果:

心音を5つのクラスに分類するための訓練精度は97％を達成しました。正常クラスでは最高の分類精度98.20%を達成した。開発したモデルは10倍のクロスバリデーションで検証され、ロバスト性が確認された。

RESULTS: We have achieved a training accuracy of 97% for the classification of heart sounds into five classes. The highest classification accuracy of 98.20% was achieved for the normal class. The developed model was validated with a 10-fold cross-validation, thus affirming its robustness.

結論:

本研究の結果から、開発したモデルは5種類の心音を正確に分類できることが明らかになった。開発したシステムは、循環器内科医が患者の心臓弁膜症の検出に利用できる可能性がある。

CONCLUSION: The study results clearly indicate that the developed model is able to classify five types of heart sounds accurately. The developed system can be used by cardiologists to aid in the detection of heart valve diseases in patients.