[論文レビュー] A Survey of Applications of Artificial Intelligence for Myocardial Infarction Disease Diagnosis

Javad Hassannataj Joloudari, Sanaz Mojrian+11 more|arXiv (Cornell University)|Jul 11, 2021

ECG Monitoring and Analysis参考文献 35被引用数 4

ひとこと要約

本調査は、心電図（ECG）信号を用いた自動心筋梗塞（MID）診断のための人工知能（AI）ベースの手法、特にディープラーニングのレビューを行っている。深層畳み込みニューラルネットワーク（DCNNs）が特徴を自動で学習できるため、従来の機械学習手法よりも優れていることが強調されており、早期のMID検出に非常に効果的である。

ABSTRACT

Myocardial infarction disease (MID) is caused to the rapid progress of undiagnosed coronary artery disease (CAD) that indicates the injury of a heart cell by decreasing the blood flow to the cardiac muscles. MID is the leading cause of death in middle-aged and elderly subjects all over the world. In general, raw Electrocardiogram (ECG) signals are tested for MID identification by clinicians that is exhausting, time-consuming, and expensive. Artificial intelligence-based methods are proposed to handle the problems to diagnose MID on the ECG signals automatically. Hence, in this survey paper, artificial intelligence-based methods, including machine learning and deep learning, are review for MID diagnosis on the ECG signals. Using the methods demonstrate that the feature extraction and selection of ECG signals required to be handcrafted in the ML methods. In contrast, these tasks are explored automatically in the DL methods. Based on our best knowledge, Deep Convolutional Neural Network (DCNN) methods are highly required methods developed for the early diagnosis of MID on the ECG signals. Most researchers have tended to use DCNN methods, and no studies have surveyed using artificial intelligence methods for MID diagnosis on the ECG signals.

研究の動機と目的

• 手作業によるECG解釈の限界、すなわち時間と費用がかかり、人的誤差のリスクがあることを是正するため。
• ECG信号を用いた自動MID診断のためのAIベースの手法、特に機械学習およびディープラーニングの特定と分析を行うため。
• 特にDCNNsを含むディープラーニングモデルが、ECGデータから関連する特徴を自動で抽出できる点に注目し、その優位性を強調するため。
• 既存の文献に欠けている点を埋めるために、ECG信号を用いたMID診断に特化したAI応用の包括的レビューを提供するため。

提案手法

• 人工知能を用いてMID診断に応用した、査読付き論文を対象とした体系的レビュー。
• 特徴工学の必要性に基づき、手法を機械学習（ML）とディープラーニング（DL）のアプローチに分類する。
• 手作業による特徴抽出を要するML手法と、特徴を自動で学習するDL手法を比較する。
• 生のECG信号から階層的表現を学習できる能力があるため、深層畳み込みニューラルネットワーク（DCNNs）が最も効果的なアプローチとされている。
• レビューされた研究におけるMID検出の報告された正解率、感度、特異度に基づき、モデルのパフォーマンスを評価する。
• ECGデータを用いた早期MID診断におけるAI応用のトレンドと研究ギャップを特定する。

実験結果

リサーチクエスチョン

• RQ1 機械学習とディープラーニング手法は、ECG信号のMID診断における特徴抽出のアプローチでどのように異なるか？
• RQ2 ECG信号を用いたAIベースのMID診断における現在の最先端の技術は何か。特にモデルアーキテクチャとパフォーマンスの観点から。
• RQ3 なぜ深層畳み込みニューラルネットワーク（DCNNs）は、従来のML手法よりもMID検出に優れているとされるのか？
• RQ4 ECGデータを用いたMID診断へのAI応用における主な課題と制限は何か。それらはどのように解決されているか？
• RQ5 ECG信号を用いたMID診断に特化したAI応用を包括的に調査したサーベイが不足しているのではないか？

主な発見

• 特に深層畳み込みニューラルネットワーク（DCNNs）を含むディープラーニングモデルが、ECG信号を用いた自動MID診断において最も効果的なアプローチとして浮上している。
• 機械学習手法とは異なり、DCNNsは生のECGデータから関連する特徴を自動で学習できるため、診断の効率が向上する。
• 近年の研究の大半が、心筋梗塞の早期兆候を検出する性能に優れるため、DCNNベースのモデルに注目が集まっている。
• これまでの研究では、ECG信号を用いたMID診断に特化したAI手法の包括的サーベイがなされておらず、顕著な研究ギャップが浮き彫りになっている。
• 本調査は、DCNNsが早期かつ正確なMID検出に非常に有望であることを確認しており、特徴抽出および分類タスクの両方で従来のML技術を上回っている。