[論文レビュー] Deep Time-Frequency Representation and Progressive Decision Fusion for ECG Classification

Jing Zhang, Jing Tian+3 more|arXiv (Cornell University)|Jan 19, 2019

ECG Monitoring and Analysis参考文献 38被引用数 4

ひとこと要約

本論文は、短時間フーリエ変換（STFT）を用いて時間周波数表現を学習し、スケール別に特徴を抽出する畳み込みニューラルネットワーク（CNN）の予測を段階的オンライン融合で統合する深層学習フレームワークを提案する。この手法は、PhysioNet AF分類チャレンジデータセットで99.44%の正確性と99.21%のF1スコアを達成し、コンペティションの上位エントリーよりも優れた性能を示した。

ABSTRACT

Early recognition of abnormal rhythms in ECG signals is crucial for monitoring and diagnosing patients' cardiac conditions, increasing the success rate of the treatment. Classifying abnormal rhythms into exact categories is very challenging due to the broad taxonomy of rhythms, noises and lack of large-scale real-world annotated data. Different from previous methods that utilize hand-crafted features or learn features from the original signal domain, we propose a novel ECG classification method by learning deep time-frequency representation and progressive decision fusion at different temporal scales in an end-to-end manner. First, the ECG wave signal is transformed into the time-frequency domain by using the Short-Time Fourier Transform. Next, several scale-specific deep convolutional neural networks are trained on ECG samples of a specific length. Finally, a progressive online decision fusion method is proposed to fuse decisions from the scale-specific models into a more accurate and stable one. Extensive experiments on both synthetic and real-world ECG datasets demonstrate the effectiveness and efficiency of the proposed method.

研究の動機と目的

• ノイズ、多様な不 rhythm および限られたアノテーション付きデータの存在下でも正確なECGリズム分類を実現すること。
• 手作業で設計された特徴量や単一スケールモデルの限界を克服し、複数の時間スケールにわたる判別的表現を学習すること。
• 時間周波数特徴量のエンドツーエンド学習と段階的意思決定統合により、分類のロバスト性と正確性を向上させること。
• ポータブルまたはリソース制限のあるECGモニタリングシステムへの実装に適した計算効率の高い手法を開発すること。

提案手法

• 時間周波数ドメインへの変換として、短時間フーリエ変換（STFT）を用いて生ECG信号を処理し、マルチスケール解析を可能にする。
• 固定長のECGサンプルを用いて、複数のスケール特化型深層畳み込みニューラルネットワーク（CNN）を学習させ、異なる時間分解能での階層的特徴を抽出する。
• スケール特化型モデルからの予測を動的に統合することで、正確性と安定性を向上させる段階的オンライン意思決定統合戦略を採用する。
• 畳み込み層およびプーリング層の特徴マップを用いて、時間領域および周波数領域における判別的パターンの検出能力を可視化・検証する。
• 手作業で設計された特徴量に依存しないエンドツーエンド学習により、特徴量学習と意思決定統合を同時に最適化する。
• 合成20クラスECGデータおよび実世界のPhysioNet AF分類データの両方で手法を検証する。

実験結果

リサーチクエスチョン

• RQ1 従来の手作業で設計された特徴量と比較して、深層時間周波数表現はECG分類性能を向上させることができるか？
• RQ2 複数の時間スケールにわたる特徴量の学習は、モデルのロバスト性と正確性を向上させるか？
• RQ3 段階的オンライン意思決定統合は、スケール特化型モデルからの予測を効果的に統合し、優れた性能を達成できるか？
• RQ4 実世界のECGデータセット（例：PhysioNet）において、提案手法は最先端のアプローチと比較して優れた性能を示すか？
• RQ5 ポータブルデバイスへの実装に適した計算効率を維持しながら、高い性能を維持できるか？

主な発見

• 提案手法は、PhysioNetバリデーションセットで99.44% ± 0.57%の正確性と99.21% ± 0.81%のF1スコアを達成し、2017年Computing in Cardiology Challengeの上位エントリーよりも優れた性能を示した。
• スケール特化型モデル（レベル4）の意思決定統合により、テストセットで100%の正確性と100%のF1スコアを達成しており、ほぼ完璧な一般化能力を示している。
• 特徴量の可視化結果から、モデルは特に第2畳み込み層で特定の周波数帯域および時間領域に強い判別的応答を学習していることがわかった。
• モデルの予測結果はリズムカテゴリごとに良好にクラスタリングされており、『正常』と『ノイジー』リズムの境界付近にわずかに誤分類されたサンプルが見られた。これはラベルノイズまたは難易度の高いケースの可能性を示唆している。
• 合成データおよび実世界データの両方で優れた性能を示し、モデルのロバスト性と一般化能力を確認した。
• 時間周波数表現と段階的統合の組み合わせが、手作業特徴量と深層特徴量を統合するアンサンブル手法をも凌駕するほど、ECG分類に非常に有効であることが示された。