自己教師あり対照学習を活用した心電図から左室収縮機能低下を判読する深層学習手法の提案

抄録

自己教師あり学習は，コンピュータビジョンのタスクにおいてラベル付けされていないデータを活用するために有効な手法であることが実証されている．本研究では，12誘導心電図データから左室収縮機能低下を判読する深層学習モデルの性能を向上させるために，自己教師あり事前学習を活用した手法を提案する．提案手法では，まず対照学習を用いて正解ラベルのない心電図データから有効な特徴を抽出するエンコーダを事前学習し，その後事前学習されたエンコーダを用いて左室収縮機能低下を判読するモデルをファインチューニングした．実験では，提案手法は教師あり学習を用いたベースライン手法と比較して，わずか28%の正解ラベルしか使用せずに，ベースライン手法より高い性能を達成した．