| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-10-24 09:25 Ⅰ誘導および患者メタ情報を用いた深層学習による多誘導ECG再構成 ○中西隆一・平田晃正（名工大）  EMCJ2025-54 MW2025-140 EST2025-67 |
|
| 抄録 | （和） | 本研究では，I誘導と患者メタデータを入力として12誘導心電図（ECG）を再構成する深層学習モデ ルを提案した．本モデルは二分岐構造を採用しており，一方のブランチではBi-LSTMネットワークを用いて時系列 ECG信号を処理し，もう一方のブランチでは臨床メタデータを処理する．これらの特徴を統合することで，単一誘 導入力のみを用いた場合と比較して，再構成精度を評価した．その結果，複数のメタデータ特徴量，特に軸情報や 伝導時間に関する指標を導入することで，再構成性能の改善に大きく寄与することが示された．また，既存手法と の比較により，メタデータを統合することが心電図再構成において有意な利点がもたらすことが明らかとなった． さらに，モンテカルロドロップアウトを用いた不確実性推定を導入することにより，再構成波形の各時刻における モデルの信頼性を可視化することが可能となった．その結果，R波付近では誤差とともに不確実性も高まり，一方 でP波やT波では小さいなど，誤差の傾向を反映した妥当な信頼性指標となることが確認された．以上の知見から， 本手法はウェアラブルECGシステムの臨床的有用性を高める有望なアプローチであることが示唆される． |
| （英） | This study presents a deep learning model for reconstructing 12-lead electrocardiograms (ECGs) using Lead I and patient metadata as inputs. The proposed model adopts a dual-branch architecture: one branch processes time-series ECG signals using a Bi-directional Long Short-Term Memory network, and the other handles clinical metadata. By integrating these features, the model achieved higher reconstruction accuracy compared to single-lead input alone. Experimental results demonstrated that incorporating multiple metadata features, particularly axis information and conduction time parameters, contributed significantly to improved performance. Comparative analysis with existing methods indicated that integrating metadata provides a distinct advantage in reconstruction performance. Furthermore, uncertainty estimation using Monte Carlo dropout not only enabled visualization of the model’s confidence for each time point in the reconstructed waveforms but also revealed physiologically meaningful patterns, such as increased uncertainty around steep QRS complexes and reduced uncertainty in flatter segments. These findings suggest that the proposed approach offers a promising pathway for enhancing the clinical utility and reliabilityof wearable ECG systems. |
|
| キーワード | （和） | 心電図 / ウェアラブルデバイス / 深層学習 / Bi-LSTM / モンテカルロドロップアウト / / / |
| （英） | Electrocardiogram / Wearable device / Deep learning / Bi-LSTM / Monte Carlo dropout / / / | |
| 文献情報 | 信学技報, vol. 125, no. 210, EST2025-67, pp. 83-88, 2025年10月. | |
| 資料番号 | EST2025-67 | |
| 発行日 | 2025-10-16 (EMCJ, MW, EST) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EMCJ2025-54 MW2025-140 EST2025-67 |
|
| 研究会情報 | |
| 研究会 | EMCJ MW EST IEE-EMC |
| 開催期間 | 2025-10-23 - 2025-10-24 |
| 開催地（和） | 東北学院大学五橋キャンパス（仙台市） |
| 開催地（英） | |
| テーマ（和） | マイクロ波，電磁界シミュレーション，EMC一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | EST |
| 会議コード | 2025-10-EMCJ-MW-EST-EMC |
| 本文の言語 | 日本語 |
| タイトル（和） | Ⅰ誘導および患者メタ情報を用いた深層学習による多誘導ECG再構成 |
| サブタイトル（和） | |
| タイトル（英） | Deep Learning-Based Multi-Lead ECG Reconstruction Using Lead I and Patient's Metadata |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 心電図 / Electrocardiogram |
| キーワード(2)（和/英） | ウェアラブルデバイス / Wearable device |
| キーワード(3)（和/英） | 深層学習 / Deep learning |
| キーワード(4)（和/英） | Bi-LSTM / Bi-LSTM |
| キーワード(5)（和/英） | モンテカルロドロップアウト / Monte Carlo dropout |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 中西 隆一 / Ryuichi Nakanishi / |
| 第1著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute Technology (略称： Nitech) |
| 第2著者 氏名（和/英/ヨミ） | 平田 晃正 / Akimasa Hirata / |
| 第2著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute Technology (略称： Nitech) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-10-24 09:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | EST |
| 資料番号 | EMCJ2025-54, MW2025-140, EST2025-67 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.208(EMCJ), no.209(MW), no.210(EST) |
| ページ範囲 | pp.83-88 |
| ページ数 | 6 |
| 発行日 | 2025-10-16 (EMCJ, MW, EST) |
[研究会発表申込システムのトップページに戻る]