機械学習ベースの胎児健康予測とスマートWebアプリケーションの開発

• 心電図(ECG)不整脈検出のため、患者データを中央集約せず分散学習する半教師あり連合学習フレームワークを提案。マルチレベル特徴抽出・適応的特徴融合・疑似ラベリングを組み合わせ、ラベル付き/ラベルなしデータを活用。
• クライアントの貢献度を考慮した重み付き連合集約によりグローバルモデルを更新する方式を採用。
• MIT-BIH不整脈データセットで評価し、半教師あり連合学習設定で96.81%の精度とAUC 0.9957を達成。ランダムフォレスト、SVM、K近傍法、AdaBoost、勾配ブースティング、多層パーセプトロンと比較。

心血管疾患(CVD)は世界人口の約3分の1に影響を与える主要な健康問題であり、多大な経済的・社会的損失をもたらしている。本レビューは、PRISMA 2020ガイドラインに基づき、69の研究を対象とした最新のマルチモーダル入力深層学習アルゴリズムを体系的に分析し、CVDの早期検出とリスク評価の向上に焦点を当てている。ウェアラブルセンサー、医療画像、電子健康記録(EHR)、ゲノムプラットフォームなどの先進的なデータモダリティを活用し、統合されたマルチモーダルデータによるCVDリスクの包括的評価が進んでいる。レビューでは、心電図(ECG)、心拍変動(HRV)、血圧(BP)、心エコー図、心臓MRI/…

• マルチスケール特徴抽出と階層的アテンション機構を組み込んだ新アーキテクチャ「MSHAN」を提案し、ECG不整脈検出で全体精度96.25%を達成した。
• マクロ平均感度95.34%以上、マクロ平均精度95.01%以上、特異度98.36%以上、平均AUC 0.980を記録した。
• MIT-BIH不整脈データベースを用いた実験で、従来手法のResNet-1D(92.14%)や1D CNN(88.73%)を上回る性能を示した。

• ポルトガルのサンタマリア病院の23,122人(2019年1月〜2021年11月)の実臨床データセットで、重症患者の異常心拍数(頻脈/徐脈)を早期検出する自動アラート研究が実施された
• ロジスティック回帰、K近傍法、ランダムフォレスト、ナイーブベイズの4分類器を比較し、ロジスティック回帰が最高性能だった
• 患者固有の四分位範囲(IQR)ベースの定義でAUROC 0.78、リコール85.4%、プレシジョン66.1%、F1 74.5%を記録

• 潜在拡散モデルを用いて50,000の合成疼痛シナリオを生成し、顔表情・心拍変動・皮膚電気活動の多モーダルデータを統合するフレームワークを提案した。
• UNBC-McMasterデータセットでMAE 0.89、BioVid Heat Pain Databaseで78.3%の精度、新生児評価で81.5%の精度を達成し、教師あり転移学習より40.4%優れたクロスデータセット汎化を示した。