환자 간 및 환자 내 ECG 심박 분류를 이용한 부정맥 감지: 시퀀스 투 시퀀스 딥러닝 접근법

심전도(ECG) 신호는 심장 기능을 연구하고 여러 가지 비정상적인 부정맥을 진단하는 데 있어 일반적이고 강력한 도구입니다. 현재까지 심장 부정맥 분류 방법에 있어 상당한 개선이 이루어졌지만, 여전히 다양한 심장 상태를 감지하는 데 있어서 만족할 만한 성능을 제공하지 못하며, 특히 불균형 데이터셋을 처리할 때 더욱 그렇습니다. 본 논문에서는 이러한 현 분류 접근법의 한계를 해결하기 위해 딥 컨볼루션 신경망과 시퀀스 투 시퀀스 모델을 사용하여 자동 심박 분류 방법을 제안합니다. 제안된 방법은 MIT-BIH 부정맥 데이터베이스에서 환자 내(intra-patient) 및 환자 간(inter-patient) 패러다임과 AAMI EC57 표준을 고려하여 평가되었습니다. 두 패러다임 모두에 대한 평가 결과는 문헌에서 가장 우수한 성능을 보였습니다(환자 내 방식의 경우 카테고리 S에서 양성 예측치 96.46%, 민감도 100%, 카테고리 F에서 양성 예측치 98.68%, 민감도 97.40%; 환자 간 방식의 경우 카테고리 S에서 양성 예측치 92.57%, 민감도 88.94%, 카테고리 V에서 양성 예측치 99.50%, 민감도 99.94%). 소스 코드는 https://github.com/SajadMo/ECG-Heartbeat-Classification-seq2seq-model 에서 확인할 수 있습니다.