心房細動を視覚的に検出するための簡単なモデル

A simple model to detect atrial fibrillation via visual imaging.

• Valentina D A Corino
• Luca Iozzia
• Giorgio Scarpini
• Luca T Mainardi
• Federico Lombardi

抄録

心房細動の自動検出は困難な課題である。本研究では、顔の映像記録を用いて心房細動を自動検出するモデルを提案し、検証を行った。本研究では、被験者の顔のビデオから抽出した光電図画像（PPGi）信号を解析した。対象としたのは68名の患者であった。洞調律（SR）30例、心房細動25例、心房粗動または頻回異所性拍動（ARR）13例の計68例を対象とした。26の指標が計算された。データセットは3つのサブセットに分割された：トレーニングセット、バリデーションセット、テストセットであり、それぞれデータの58％、29％、13％を含んでいた。その結果、収縮期間隔系列（M）、局所マキシマ類似度（LMS）、パルスハーモニック強度（PHS）の平均値は、すべてのグループで有意に異なっていた。変動性と不規則性のパラメータは、SRで最も低く、AFで最も高く、ARRでは中間値を示した。PHSはSRでARRよりも高く、ARRではAFよりも高かった。LMS指数はSRで最も高く、ARRで中間値、AFで最も低かった。類似度指数は、SRの方がAFとARRよりも高かった。M、類似度1、LMSの3つの特徴を持つモデルを選択した。このモデルを用いた検証セットの精度は、SRで0.947±0.007、AFで0.954±0.004、ARRで0.919±0.006であり、テストセット（未見データ）の精度は、SRで0.876±0.021、AFで0.870±0.030、ARRで0.863±0.029であった。心房細動の検出には、非接触型ビデオモニタリングを用いることで、心房細動をSRや頻回の心房細動と区別して検出することができる。

Automatic detection of atrial fibrillation (AF) is a challenging issue. In this study we proposed and validated a model to identify AF by using facial video recordings. We analyzed photoplethysmographic imaging (PPGi) signals, extracted from video of a subject's face. Sixty-eight patients were included: 30 in sinus rhythm (SR), 25 in AF and 13 presenting with atrial flutter or frequent ectopic beats (ARR). Twenty-six indexes were computed. The dataset was divided in three subsets: the training, validation, and test set, containing, respectively, 58, 29, and 13% of the data. Mean of inter-systolic interval series (M), Local Maxima Similarity (LMS), and pulse harmonic strength (PHS) indexes were significantly different among all groups. Variability and irregularity parameters had the lowest values in SR, the highest in AF, with intermediate values in ARR. The PHS was higher in SR than in ARR, and higher in ARR than in AF. The LMS index was the highest in SR, intermediate in ARR and the lowest in AF. Similarity indexes were higher in SR than in AF and ARR. A model with three features, namely M, Similarity1 and LMS was chosen. With this model, the accuracy for the validation set was 0.947±0.007 for SR, 0.954±0.004 for AF and 0.919±0.006 for ARR; for the test set (never-seen data), accuracy was 0.876±0.021 for SR, 0.870±0.030 for AF and 0.863±0.029 for ARR. A contactless video-based monitoring can be used to detect AF, differentiating it from SR and from frequent ectopies.