心臓の電気生理学的活動により放出される磁界を測定する心磁図法（ＭＣＧ）におけるパターン認識に機械学習を使用することが本明細書に開示される。直接カーネル法が、異常なＭＣＧ心臓パターンを正常なＭＣＧ心臓パターンから区別するために使用される。教師なし学習では、直接カーネルをベースとした自己組織化マップが導入される。教師あり学習では、直接カーネル部分最小二乗法及び（直接）カーネルリッジ回帰が使用される。これらの結果は次に、従来のサポートベクトルマシン及びカーネル部分最小二乗法を用いて比較される。これらの方法に対するハイパーパラメータは、検査前に、トレーニングデータの妥当性検証サブセットに調整される。最も有効な前処理もまた、局所、垂直、水平及び二次元（グローバル）のマハラノビススケーリング、ウェーブレット変換、及びフィルタリングによる変数選択を用いて、調査される。結果は、３つの方法すべて同様に、訓練を受けた熟練者により実現される分類の質を上回って、有望なものであった。したがって、心拍記録データを分類する装置及びそれに関連する方法が開示され、この方法は、電磁的な心臓活動を感知するセンサから取得した感知データに対してカーネル変換を適用し、その結果、機械学習を用いて変換データを分類する前に変換データを得ることを有する。
（もっと読む）