Electrocardiogram (ECG) Based Cardiac Arrhythmia Detection and Classification using Machine Learning Algorithms

要約

人工知能、特に機械学習 (ML) とディープラーニング (DL) の急速な進歩により、重篤な健康状態の診断、予後、治療の改善という医学における新たな展望が開かれました。
この論文では、不整脈心電図 (ECG) 信号を分類するための、高い予測精度を備えた ML モデルの開発に焦点を当てています。
この研究で利用された ECG 信号データセットは、PhysioNet および MIT-BIH データベースから取得されました。
研究は二項分類から始まり、最適化された双方向長短期記憶 (Bi-LSTM) モデルが正常信号と心房細動信号の区別において優れた結果をもたらしました。
この研究の極めて重要な側面は、医療専門家を対象とした調査であり、AI ベースの ECG 分類器の実用性を検証しただけでなく、精度やより多くの種類の不整脈を含めるなど、改善の余地がある領域も特定されました。
これらの洞察に基づいて、5 つの異なるタイプの ECG 信号をより高い精度で分類できる高度な畳み込みニューラル ネットワーク (CNN) システムの開発が推進されました。
CNN モデルの堅牢なパフォーマンスは、厳格な階層化された 5 分割相互検証を通じて保証されました。
現実世界の実用性を実証するために Web ポータルも開発され、リアルタイム分類用のトレーニング済みモデルへのアクセスが提供されました。
この研究では、遠隔健康監視、予測医療、支援診断ツール、教育訓練やデータサイエンティストと医療関係者の学際的コラボレーションのための模擬環境における、このようなモデルの潜在的な応用例に焦点を当てています。

要約(オリジナル)

The rapid advancements in Artificial Intelligence, specifically Machine Learning (ML) and Deep Learning (DL), have opened new prospects in medical sciences for improved diagnosis, prognosis, and treatment of severe health conditions. This paper focuses on the development of an ML model with high predictive accuracy to classify arrhythmic electrocardiogram (ECG) signals. The ECG signals datasets utilized in this study were sourced from the PhysioNet and MIT-BIH databases. The research commenced with binary classification, where an optimized Bidirectional Long Short-Term Memory (Bi-LSTM) model yielded excellent results in differentiating normal and atrial fibrillation signals. A pivotal aspect of this research was a survey among medical professionals, which not only validated the practicality of AI-based ECG classifiers but also identified areas for improvement, including accuracy and the inclusion of more arrhythmia types. These insights drove the development of an advanced Convolutional Neural Network (CNN) system capable of classifying five different types of ECG signals with better accuracy and precision. The CNN model’s robust performance was ensured through rigorous stratified 5-fold cross validation. A web portal was also developed to demonstrate real-world utility, offering access to the trained model for real-time classification. This study highlights the potential applications of such models in remote health monitoring, predictive healthcare, assistive diagnostic tools, and simulated environments for educational training and interdisciplinary collaboration between data scientists and medical personnel.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google