初期の心房細動（AF）は持続時間が短く、無症候性であることがあり、検出が困難です。モバイルセンシングデバイスの使用は、リアルタイムの心臓検出の可能性を提供しましたが、体の動きによって生成されるノイズ信号の影響を非常に受けやすくなっています。

そこで、ノイズ耐性のある携帯端末の早期AF検出を研究することは非常に重要です。効果的な特徴の抽出はAF検出にとって重要ですが、ほとんどの既存の研究では、情報の変化をキャプチャするために長いECG信号に依存する必要があり、微妙なものを敏感にキャプチャできない、表現が弱い浅い時間、周波数、または時間周波数エネルギー（TFE）機能を使用していました。

初期のAFによって引き起こされる変動は、ほとんどの研究では、AFと正常な洞調律（SR）信号との区別のみが考慮されていました。ノイズやその他の信号の干渉を無視します。

この報告された研究では、早期心房細動による短い心電図セグメントの微妙な変化を正確に捉えることができる3つの新しい深い特徴を提案し、モバイル端末によって生成されるノイズやその他の信号の干渉を調べ、早期心房細動検出のための新しい特徴セットを提案します。

6つの一般的な分類器を使用して、2つの従来の時間周波数法によって抽出された特徴に対する開発した深い特徴の相対的な有効性、および早期AFを検出するための提案された特徴セットのパフォーマンスを評価します。

この研究は、AFとSRを分類するための最良の結果が、0.96 F1スコアのランダムフォレスト（RF）によって得られることを示しています。4種類の信号を分類するための最良の結果は、全体的なF1スコアが0のExtreme Gradient Boosting（XGBoost）によって得られます。