PVCsNet：心電図画像から早期心室収縮を分類するための専門的な人工知能モデル
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：PVCsNet : A Specialized Artificial Intelligence-Based Model to Classify Premature Ventricular Contractions From ECG Images
雑誌名：IEEE J Biomed Health Inform. 2025 Sep; 29(9): 6463-6473.
概 要：
本研究は、早期心室収縮（PVCs）の起源を手術前に特定することが重要であることを背景に、心電図（ECG）画像からPVCsを分類するための深層学習ネットワーク「PVCsNet」を提案します。従来の検出方法は精度やデータ処理に限界があり、大規模なデータセットと複雑な解釈を必要とします。PVCsNetは、残差構造と注意メカニズムを取り入れ、限られたデータでも高い分類性能を発揮します。実験結果では、PVCsNetは94.49%の全体精度を達成し、心臓の起源に基づいてデータを6つの異なるクラスに分類しました。
方 法：
本研究は、心電図画像から早期心室収縮を分類するための深層学習モデルPVCsNetを開発しました。モデルは、4つの3×3畳み込み層を特徴抽出器として使用し、残差接続と注意ブロックを組み合わせています。主要評価指標は、全体精度94.49%であり、特に重要なカテゴリにおいて高い精度を示しました。
結 果：
PVCsNetは、心電図画像を用いて早期心室収縮を分類し、94.49%の全体精度を達成しました。データは、右心室流出路（RVOT）、左心室流出路（LVOT）、乳頭筋（PM）、弁輪（VA）、サミット、His-Purkinje系（HPS）の6つの起源に基づいて分類されました。RVOTが最も一般的かつ重要な起源であり、PMとHPSも臨床的意義があります。
結 論：
PVCsNetは、心電図画像の分類において有望な結果を示し、臨床診断における応用の可能性を示唆しています。このモデルは、今後の医療研究や診断に貢献することが期待されます。