A density-adaptive spatiotemporal interaction network with Motif Matrix for premature contraction detection

技術要約：モチーフ行列を用いた、期外収縮検出のための密度適応型時空間相互作用ネットワーク

問題提起
期外上室収縮（PAC）および期外心室収縮（PVC）は、異所性電気インパルスに起因する一般的な心室性不整脈である。現在の診断プロトコルは、臨床医による心電図（ECG）の目視検査に大きく依存しているが、このプロセスは労働集約的かつ時間を要し、主観的な解釈による診断のばらつきが生じやすい。機械学習（ML）やディープラーニング（DL）の手法は自動化されたECG解析を進展させてきたが、既存の手法には依然として大きな課題が存在する。従来のML手法は、手作業による特徴量抽出への依存、臨床的な変動に対する堅牢性の欠如、および過学習への脆弱性に苦しんでいる。一方、既存のディープラーニングアーキテクチャ（CNNやTransformerなど）は、ECG信号に内在する空間・時間情報の相互作用に関するドメイン固有の知識を明示的に組み込むことができず、複雑な不整脈のダイナミクスを効果的にモデル化する能力に限界がある。

手法：NDAMMフレームワーク
これらの制限に対処するため、著者らは新しい**密度適応型モチーフ行列ベースモデル（NDAMM）**を提案する。このフレームワークは、条件付き変分オートエンコーダー（CVAE）アーキテクチャを用いて、空間および時間の両次元から相互作用情報を抽出するように設計されている。NDAMMの核となるのは、以下の2つの特化したブロックである：

1. 適応型空間相互作用（ASI）ブロック：

   • 目的： 空間次元における情報相互作用に参加する最適な近傍範囲を適応的に選択すること。
   • メカニズム： モデルは、融合特徴を捉えるために**モチーフ行列（Motif Matrix）**を利用する。異なる半径（$s_1$から$S$）におけるモチーフ行列からの特徴を集約するために、Atrous Spatial Pyramid Pooling (ASPP) ネットワークを採用している。
   • 特徴量融合： マルチヘッドアテンション機構を用いて、ターゲットエージェントの特徴（$\psi_i$）を、グローバル特徴（$\psi_G$）および集約されたモチーフ特徴（$\psi^f_{M_s}$）と統合する。プーリングによる情報損失を軽減するため、モデルはアテンション出力から得られた統計的特徴（最大値、最小値、平均値）を組み込んでいる。最終的な空間特徴（$\Psi_{si}$）は、融合された特徴とエージェントの局所特徴とのアダマール積によって得られる。

2. 適応型時間相互作用（ATI）ブロック：

   • 目的： 時間次元における各エージェントの相互作用確率を生成すること。
   • メカニズム： 空間ブロックと同様に、ASPPを用いて時間軸（$t_1$から$T$）にわたるモチーフ行列を集約する。
   • 重み付け： **ROI単位の逆重み付けネットワーク（ROI-wise Reverse Reweighting Network）**が、グローバルな軌跡特徴と時間的モチーフ特徴に基づき、動的に重み（$\eta$）を割り当てる。これにより、モデルは重要な時間的影響に焦点を当てることが可能になる。最終的な時間的特徴（$\Psi_{ti}$）は、時間的モチーフ行列の加重和である。

3. 学習および損失関数：

   • モデルは、以下の3つのコンポーネントからなる複合損失関数を用いて学習される：
     • 分類損失 ($L_{CLS}$): PAC、PVC、または正常洞リズム（NSR）を予測するためのカテゴリカルクロスエントロピー。
     • 選択損失 ($L_{SEL}$): 潜在的な相互作用の選択をグラウンドトゥルースのラベルに整合させるためのバイナリクロスエントロピー。
     • カルバック・ライブラー情報量（KLダイバージェンス） ($L_{KLD}$): 事後分布と事前分布の間のダイバージェンスを最小化することで、潜在空間を正則化する。
   • 全損失は加重和であり、潜在空間の安定性を高めるために、学習が進むにつれてKLダイバージェンスの重みが段階的に増加する。

実験設定
NDAMMの有効性は、2つの公開データベースを用いて評価された：

• CPSCDB (China Physiological Signal Challenge 2018): 12誘導記録（500 Hz）、2秒間の断片にセグメント化。
• MITDB (MIT-BIH Arrhythmia Database): デュアルチャンネル記録（360 Hz）、同様にセグメント化。
• 前処理: リサンプリング（250 Hz）、ウェーブレットによるデノイジング、およびZスコア正規化を含む。
• 比較対象: 提案手法であるNDAMM-ResNet50を、ResNet50、ViT-ResNet50、SwinT-ResNet50、およびDAMM-ResNet50（モチーフ行列を使用しているが密度適応を行わないベースライン）と比較した。

主要な結果

• 性能: NDAMM-ResNet50は、両方のデータセットにおいてすべての制御モデルに対して優れた精度を達成した。
  • CPSCDB: PACおよびPVCの両方で**99.4%**の精度を達成し、感度と特異度は99.0%を超えた。
  • MITDB: PACおよびPVCの両方で**99.2%**の精度を達成した。
  • 改善幅は0.1%から0.9%であり、既存の戦略よりも優れた性能と複雑性のトレードオフを示した。
• 収束性: モデルは、勾配の不安定性を防ぐ適応メカニズムにより、低振動かつ迅速で安定した収束（22〜24エポック）を示した。
• アブレーション研究:
  • 特徴量集約: Atrous Spatial Pyramid Pooling (ASPP) の使用は、標準的なSPPやDepthwise Separable Pyramidal Poolingと比較して最良の結果をもたらした。これは、複雑さを損なうことなく受容野を効果的に拡大できたためである。
  • 統計的特徴: 最大値、最小値、平均値の統計量を統合することは、標準偏差や中央値を使用する場合よりも優れた安定性を提供した。
• 複雑性: NDAMMは、ML-WCNNと比較して時間複雑度を19.2%削減し、空間複雑度を49.0%削減した。また、CNN-Transformerアーキテクチャと比較して、高い、あるいは同等の精度を維持しながら、パラメータ数を48.1%、FLOPsを**60.0%**削減した。
• 解釈性: Grad-CAMによる可視化は、モデルがPACにおける異常なP波や、PVCにおける広いQRS波を正しく特定していることを確認し、臨床的に関連する形態学的変化を捉えるモデルの能力を検証した。

意義と主張
本論文は、NDAMMが密度適応型フレームワークを通じて時空間情報の相互作用を明示的にモデル化することにより、自動ECG分類における重要な進歩を提供すると主張している。主な貢献は以下の通りである：

1. 新規のモデリング: モチーフ行列を利用して、空間および時間の両面で近傍の相互作用範囲を動的に調整するASIおよびATIブロックの導入。
2. 性能と効率: 既存のTransformerや複雑なCNNベースのアーキテクチャよりも大幅に低い計算負荷（少ないパラメータ数とFLOPs）を維持しながら、PAC/PVC検出において最先端の精度を実現。
3. 解釈性: 可視化分析は、モデルのアテンションメカニズムが臨床的な診断基準（例：PACにおけるP波の形態、PVCにおけるQRS幅）と一致していることを確認しており、てんかん予測などのより広範なアプリケーションへの適用の可能性を示唆している。

著者らは、現在の実装は単一誘導解析を用いたPACおよびPVC検出に焦点を当てているものの、その計算効率の高さから、軽量な組み込みシステムやエッジコンピューティングへの展開に適していると結論付けている。今後の計画として、マルチ誘導構成や他の生物学的信号領域への拡張が予定されている。