✔︎HPもぜひご覧ください : https://www.hrl.jp/
Abstract
不整脈はWHOの報告によると, 全世界の死因の31%以上を占める循環器系疾患の一つです。不整脈の自動検出・分類は, 早期発見の有効な手段として, 近年, 特にウェアラブルデバイスによるデータ取得に注目が集まっています。しかし, ウェアラブル心電計は従来の用途とは異なり, 複数の異常な干渉を受けるため, 心室収縮(PVC)や上室性早鐘(SPB)の正確な検出が困難であるという欠点を有しています。従来の心拍 分類モデルは, 大規模なパラメータの問題に悩まされており, 動的なECG心拍分類における性能は満足なものではありませんでした。
本論文では, これらの問題を解決するためにLightweight Fussing Transformerを提案しています。我々はFussing Transformerの自己アテンションに代わり, LightConv Attention (LCA)と名付けたより軽量な構造を開発しました。LCAはより少ないパラメータで自己アテンションと同等以上の性能を発揮することに成功しました。特に, 心拍の内部形態に関する特徴の重みを高めるため, より強力な埋め込み構造(アテンション機構付き畳み込みニューラルネットワーク)を設計しました。さらに提案手法を実データセットに実装し, 実験結果よりPVCとSPBの検出精度が優れていることが確認されました。
✔︎ポイント
✔︎参考文献
✔︎HPもぜひご覧ください : https://www.hrl.jp/