MEDICINE & AI

タイトル：An intelligent diagnosis method for cardiovascular diseases based on the CNN-CBAM-GRU model 雑誌名：PLoS One. 2025; 20(9): e0330279. 概　要： 心血管疾患（CVD）の早期診断は、患者の転帰を改善するために重要です。本研究では、複雑な時間的および形態的特性を持つ心電図（ECG）信号の自動分類の課題に対処するため、CNN（畳み込みニューラルネットワーク）、CBAM（畳み込みブロック注意モジュール）、GRU（ゲート付き再帰ユニット）を統合したCNN-CBAM-GRUモデルを提案します。このモデルは、MIT-BIHおよびPTB-XLの2つの公的ECGデータセットで評価され、5クラス分類設定での性能を検証しました。多くの既存のアプローチが限られた指標のみを報告するのに対し、本研究では精度、適合率、再現率、感度、F1スコアなどの複数のパフォーマンス指標にわたる包括的な評価を行い、分類の有効性をより完全に示しています。 方　法： 本研究は、MIT-BIHおよびPTB-XLの2つの公的ECGデータセットを用いたコホート研究です。提案されたCNN-CBAM-GRUモデルは、空間的特徴表現と時間的シーケンスモデリングを強化するために設計されており、パラメータサイズは2.45百万とコンパクトです。主要評価指標には、精度、F1スコアが含まれています。 結　果： 提案されたモデルは、MIT-BIHデータセットで98.17%の精度と98.91%のF1スコア、PTB-XLデータセットで99.21%の精度と99.47%のF1スコアを達成しました。これにより、予測性能と計算効率の強いバランスが示されました。 結　論： CNN-CBAM-GRUモデルは、心電図分類および自動心血管疾患診断のための実用的かつ堅牢なソリューションであることが確認されました。このモデルは、心血管疾患のインテリジェントな診断において有望な結果を示しています。