Detecting COVID-19 from digitized ECG printouts using 1D convolutional neural networks

要約

COVID-19のパンデミックは，世界中の医療サービスの脆弱性を露呈し，迅速かつ費用対効果の高いスクリーニングおよび診断を提供する新規ツールの開発の必要性を高めている．COVID-19感染により心筋障害が引き起こされる可能性が臨床的に報告されており，心電図はCOVID-19の診断バイオマーカーとして機能する可能性がある．本研究では，心電図信号を活用し，COVID-19の自動検出を目指す．心電図用紙の記録から心電図信号を抽出し、それを1次元畳み込みニューラルネットワーク（1D-CNN）に入力し、学習・診断する新しい方法を提案する。デジタル化された信号の品質を評価するために、紙媒体の心電図画像中のRピークにラベルを付ける。その後、各画像から算出したRR間隔を、対応するデジタル化信号のRR間隔と比較する。COVID-19心電図画像データセットを用いた実験により，提案するデジタル化手法は，平均絶対誤差28.11msで，元の信号を正しく捉えることができることが示された．また、デジタル化した心電図信号に対して学習させた提案1D-CNNモデルは、COVID-19とそれ以外の被験者を正確に識別することができ、COVID-19と正常、COVID-19と心拍異常、COVID-19とその他のクラスの分類精度はそれぞれ98.42%, 95.63%, 98.50% となる。さらに、提案手法は、多クラス分類タスクにおいても高い性能を達成している。我々の発見は、デジタル化されたECG信号で訓練された深層学習システムが、COVID-19の診断のための潜在的なツールとして機能することを示しています。

要約(オリジナル)

The COVID-19 pandemic has exposed the vulnerability of healthcare services worldwide, raising the need to develop novel tools to provide rapid and cost-effective screening and diagnosis. Clinical reports indicated that COVID-19 infection may cause cardiac injury, and electrocardiograms (ECG) may serve as a diagnostic biomarker for COVID-19. This study aims to utilize ECG signals to detect COVID-19 automatically. We propose a novel method to extract ECG signals from ECG paper records, which are then fed into a one-dimensional convolution neural network (1D-CNN) to learn and diagnose the disease. To evaluate the quality of digitized signals, R peaks in the paper-based ECG images are labeled. Afterward, RR intervals calculated from each image are compared to RR intervals of the corresponding digitized signal. Experiments on the COVID-19 ECG images dataset demonstrate that the proposed digitization method is able to capture correctly the original signals, with a mean absolute error of 28.11 ms. Our proposed 1D-CNN model, which is trained on the digitized ECG signals, allows identifying individuals with COVID-19 and other subjects accurately, with classification accuracies of 98.42%, 95.63%, and 98.50% for classifying COVID-19 vs. Normal, COVID-19 vs. Abnormal Heartbeats, and COVID-19 vs. other classes, respectively. Furthermore, the proposed method also achieves a high-level of performance for the multi-classification task. Our findings indicate that a deep learning system trained on digitized ECG signals can serve as a potential tool for diagnosing COVID-19.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL