[論文レビュー] Instant Preliminary Cardiac Analysis from Smartphone Auscultation: A Real-World Canine Heart Sound Dataset and Evaluation

Aswin Jose, Roeland P. J. E. Decorte+1 more|arXiv (Cornell University)|Jan 20, 2026

Phonocardiography and Auscultation Techniques被引用数 0

ひとこと要約

この論文はスマートフォンから収集した現実世界の犬の心音データセットを提示し、SoNUS 3.2.xを用いた初期的心臓分析を評価。変動する録音条件下での心拍数推定に焦点を当て、品質スコアリングモジュールと高速30–40sバリアントを導入。

ABSTRACT

This study presents a real-world canine heart sound dataset and evaluates SoNUS version 3.2.x, a machine learning algorithm for preliminary cardiac analysis using smartphone microphone recordings. More than one hundred recordings were collected from dogs across four continents, with thirty eight recordings annotated by board certified veterinary cardiologists for quantitative evaluation. SoNUS version 3.2.x employs a multi-stage fallback architecture with quality-aware filtering to ensure reliable output under variable recording conditions. The primary sixty second model achieved mean and median heart rate accuracies of ninety one point six three percent and ninety four point nine five percent, while a fast model optimized for thirty to forty second recordings achieved mean and median accuracies of eighty eight point eight six percent and ninety two point nine eight percent. These results demonstrate the feasibility of extracting clinically relevant cardiac information from opportunistic smartphone recordings, supporting scalable preliminary assessment and telehealth applications in veterinary cardiology.

研究の動機と目的

• AIベースの分析のための現実世界でスマートフォン録音された犬の心音データ不足を解消する。
• 変動する録音条件に対して品質ガテイングを備えた堅牢な多段SoNUS 3.2.xパイプラインを開発・検証する。
• 心拍数推定のベンチマークを提供し、獣医現場での在宅テレ心臓診断の実現可能性を評価する。

提案手法

• スマートフォンマイクを用いた現実世界の犬の心音データセットを routine 条件下で収集する（100頭以上、5大陸）。
• S1/S2のタイミング、雑音、異常拍、頻脈などをボード認定獣医心臟専門医が38録音に注釈付け。
• 多段階フォールバックアーキテクチャと品質スコアリングモジュールを備えたSoNUS 3.2.xを開発。
• 短時間評価用の高速30–40sバリアントと長時間評価用の主要60sバリアントを作成。
• PhysioNet CinCデータセットでモデル（ResNet）を雑音検知用に訓練/ファインチューニングし、犬データへ適応。

実験結果

リサーチクエスチョン

• RQ1 スマートフォン録音の犬の心音は現実世界の録音条件下で信頼できる心拍数推定を提供するか。
• RQ2 多段フォールバックと品質ゲーティング機構は録音変動性へのロバスト性を高めるか。
• RQ3 HR推定における犬向け高速30–40sモデルと主要60sモデルの性能特性はどうか。
• RQ4 ドメイン適応後の在宅記録の犬の心音で雑音の多い場面でも雑音検知は扱えるか。

主な発見

Model	Duration	Dataset size (n)	Mean HR error (%)	Mean HR accuracy (%)	Median HR error (%)	Median HR accuracy (%)
Fast Model	30–40 seconds	114	11.14	88.86	7.02	92.98
Primary Model	60 seconds	38	8.37	91.63	5.05	94.95

• 高速モデル（30–40s）は平均HR誤差11.14%、平均HR精度88.86%、中央値HR精度92.98%。
• 主要モデル（60s）は平均HR誤差8.37%、平均HR精度91.63%、中央値HR精度94.95%。
• 品質スコアリング（QS）フィルタリング（閾値≥70）は百分位の精度を向上させ、信頼性の低い出力を減らす。短時間録音の86%、全長録音の84.21%が結果提示に適すると判断。
• 品質スコアリング付きの結果はQS≥70のとき80th/90th百分位のHR精度が高くなる（例：80th百分位84.82-88.71；90th百分位76.49-86.29）。
• SoNUS 3.2.xの多段フォールバックは録音品質のばらつきに対するロバスト性を高め、低品質入力から有効な結果を回復可能にする。
• 雑音検知はPhysioNet CinCデータセットで最先端のベンチマークを達成したが、現実世界の雑音評価は信号品質と周囲騒音の制約により限定的だった。