Compressor-Based Classification for Atrial Fibrillation Detection

要約

心房細動 (AF) は、公衆衛生に重大な影響を及ぼす最も一般的な不整脈の 1 つです。
したがって、AF エピソードの自動検出は、生体医工学における最も重要なタスクの 1 つです。
この論文では、最近導入されたコンプレッサーベースのテキスト分類の方法を AF 検出 (心拍リズム間の二値分類) のタスクに適用します。
$\Delta$RR および RR 間隔シーケンスに適用される正規化された圧縮距離、k 最近傍分類器の構成、および最適なウィンドウ長を調査します。
良好な分類結果が得られます (5 分割交差検証で平均感度 = 97.1%、平均特異度 = 91.7%、最高感度 99.8%、最高特異度 97.6%)。
最高の専用AF検出アルゴリズムに近い性能が得られます。
私たちの結果は、もともとテキストのために提案された gzip 分類が、生物医学データや連続確率シーケンス一般に適していることを示唆しています。

要約(オリジナル)

Atrial fibrillation (AF) is one of the most common arrhythmias with challenging public health implications. Automatic detection of AF episodes is therefore one of the most important tasks in biomedical engineering. In this paper, we apply the recently introduced method of compressor-based text classification to the task of AF detection (binary classification between heart rhythms). We investigate the normalised compression distance applied to $\Delta$RR and RR-interval sequences, the configuration of the k-Nearest Neighbour classifier, and an optimal window length. We achieve good classification results (avg. sensitivity = 97.1%, avg. specificity = 91.7%, best sensitivity of 99.8%, best specificity of 97.6% with 5-fold cross-validation). Obtained performance is close to the best specialised AF detection algorithms. Our results suggest that gzip classification, originally proposed for texts, is suitable for biomedical data and continuous stochastic sequences in general.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google