An Arrhythmia Classification-Guided Segmentation Model for Electrocardiogram Delineation

要約

タイトル：心電図の画像化における心臓リズム分類に基づくセグメンテーションモデル

要約：
– ECGのキー波形を正確に検出することは、心臓病の診断や治療を支援するために必要な重要な初期ステップである。
– セグメンテーションモデルを使用したディープラーニングベースの手法は、P波、QRS波、T波の位置を検出するために有望な結果を示しているが、不整脈の信号を処理する能力については不明である。
– 本研究では、広範囲の不整脈を正確に検出するためにディープラーニングモデルを活用する新しい手法を提案している。
– 本手法は、セグメンテーションに加えて不整脈分類のタスクを組み合わせたハイブリッド損失関数を使用してセグメンテーションモデルをトレーニングし、さまざまな不整脈のタイプを含む多様なトレーニングセットを使用することによって、難しいケースに対処できるようにしている。
– 実験結果は、本モデルが広範囲の異常なリズムタイプを正確に検出し、分類ガイダンスとの組み合わせによって、特に心房細動や心房

要約(オリジナル)

Accurate delineation of key waveforms in an ECG is a critical initial step in extracting relevant features to support the diagnosis and treatment of heart conditions. Although deep learning based methods using a segmentation model to locate P, QRS and T waves have shown promising results, their ability to handle signals exhibiting arrhythmia remains unclear. In this study, we propose a novel approach that leverages a deep learning model to accurately delineate signals with a wide range of arrhythmia. Our approach involves training a segmentation model using a hybrid loss function that combines segmentation with the task of arrhythmia classification. In addition, we use a diverse training set containing various arrhythmia types, enabling our model to handle a wide range of challenging cases. Experimental results show that our model accurately delineates signals with a broad range of abnormal rhythm types, and the combined training with classification guidance can effectively reduce false positive P wave predictions, particularly during atrial fibrillation and atrial flutter. Furthermore, our proposed method shows competitive performance with previous delineation algorithms on the Lobachevsky University Database (LUDB).

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI