[論文レビュー] A Neural Network Approach to ECG Denoising

Rui Rodrigues, Paula Couto|arXiv (Cornell University)|Dec 20, 2012

ECG Monitoring and Analysis参考文献 19被引用数 18

ひとこと要約

本稿では、他の利用可能なECGリードを用いてノイジーなECGチャネルを再構築することで、ノイズ除去を行う3層の隠れ層を持つ深層順方向ニューラルネットワークを提案する。この手法は、特に低SNR条件下で、ノイズの強いHolter記録における公開のECG解析ツールの性能を向上させ、単一のクリーンなチャネルからの再構築でも、QRS検出および波形の輪郭抽出の精度が優れている。

ABSTRACT

We propose an ECG denoising method based on a feed forward neural network with three hidden layers. Particulary useful for very noisy signals, this approach uses the available ECG channels to reconstruct a noisy channel. We tested the method, on all the records from Physionet MIT-BIH Arrhythmia Database, adding electrode motion artifact noise. This denoising method improved the perfomance of publicly available ECG analysis programs on noisy ECG signals. This is an offline method that can be used to remove noise from very corrupted Holter records.

研究の動機と目的

• Holterモニタリングにおける運動アーティファクトやその他のノイズ要因によるECG信号の劣化に対処すること。
• 汚れた信号における自動ECG解析を向上させる、オフラインで頑健なノイズ除去手法を開発すること。
• 深層ニューラルネットワークを用いて、マルチリードECG情報から1つのノイジーなECGチャネルを再構築すること。
• 特に低SNR条件下での実世界のECGデータに対して、本手法の有効性を評価すること。
• ノイズ除去による再構築が、QRS検出や波形輪郭抽出といった下流のECG解析タスクをどのように改善するかを示すこと。

提案手法

• 3層の隠れ層を持つ順方向ニューラルネットワークを、他の利用可能なECGリードのノイズあり入力からターゲットECGチャネルを再構築するように学習させる。
• 1〜3秒の時間セグメントを入力とし、重複するウィンドウ（16サンプルのシフト）を用いることで、再構築における時間的一致性を確保する。
• 最終的なノイズ除去信号は、特定のサンプルを含むすべての時間セグメントにおける予測の平均値として得られる。
• ネットワークは、リストリクテッドボルツマンマシンのスタックを用いて事前学習し、誤差逆伝搬法による微調整を行う。
• 入力信号はベースラインウォークを低減するための移動平均フィルタで事前処理され、出力信号は中央値フィルタで後処理され、単位分散に正規化される。
• 本手法はGNU Octaveで実装され、学習および再構築の高速化のためにGPUコンピューティングが活用されている。

実験結果

リサーチクエスチョン

• RQ1 深層ニューラルネットワークは、他のECGリードの情報を用いて、ノイジーなECGリードを効果的に再構築できるか？
• RQ2 提案手法によるノイズ除去は、ノイズの強いHolter記録における標準的ECG解析ツールの性能をどのように向上させるか？
• RQ3 QRS複合波や波形境界といった臨床的に重要なECG特徴は、どの程度保持されるか？
• RQ4 入力信号自体がノイズを含んでも、本手法は頑健性を保つことができるか？
• RQ5 1つのクリーンなECGリードのみを用いても、重度に汚損したターゲットリードを臨床的に有用な精度で再構築できるか？

主な発見

• MIT-BIH Arrhythmia Databaseにおいて、SNR ≤ 12 dBの条件下でECG解析性能が顕著に向上し、QRS検出感度は85.06%から89.71%に上昇、陽性予測度は99.14%から99.90%に上昇した。
• 記録mgh124では、QRS検出エラー数がノイズあり時1344件からノイズ除去後890件に減少し、エラーレートは0.1568から0.1038に低下した。
• QTデータベースの記録sele0106において、P波ピーク検出の平均誤差はチャネル1で9.33 msであったが、再構築されたチャネル2を用いることで2.80 msに減少した。
• ターゲットチャネルを入力として用いても性能が維持または向上したため、入力ノイズに対して本手法の頑健性が示された。
• 一部のケースでは、再構築信号が元のクリーンなチャネルよりも優れた輪郭抽出精度を達成しており、特にQRS発現および終了検出において顕著であった。
• 本手法は実際のHolterデータに対しても優れた性能を示し、再構築信号によりQRS検出および波形輪郭抽出タスクの両方で優れた結果が得られた。