용량성 ECG 잡음 제거를 위한 딥 네트워크

자유 생활 조건에서 심장 건강을 지속적으로 모니터링하는 것은 수술 후 회복 중인 환자와 고령자 등 심장 질환 위험이 높은 개인에게 효과적인 치료를 제공하기 위해 중요합니다. 용량성 전기심장도(cECG)는 피부 접촉 없이 생체 전위를 측정할 수 있는 능력을 통해 편안하고 장기간의 모니터링을 가능하게 하는 기술 중 하나입니다. cECG 모니터링은 의자, 침대, 자동차 시트 등의 많은 가정용 물체를 사용하여 개인을 무 Seamless(무선)으로 모니터링할 수 있습니다. 그러나 이 방법은 운동 아티팩트에 매우 취약하여 임상 실무에서의 활용이 크게 제한됩니다. 현재 cECG 시스템의 사용은 주로 리듬 분석에 한정되어 있습니다. 본 논문에서는 용량성 ECG의 노이즈 제거 작업을 수행하기 위한 새로운 엔드투엔드 딥러닝 구조를 제안합니다. 제안된 네트워크는 차량 운전 중 개별적으로 수집된 움직임으로 인해 오염된 3채널 cECG와 참조 LEAD I ECG를 사용하여 학습되었습니다. 또한, 신호 영역과 주파수 영역 모두에 손실 함수를 적용하기 위한 새로운 공동 손실 함수를 제안합니다. 우리는 모델 예측값과 실제값에 대해 광범위한 리듬 분석을 수행하였으며, Mean Square Error(MSE)와 Cross Correlation 등을 통해 신호 노이즈 제거 성능을 평가하였습니다. MSE는 0.167이고 Cross Correlation은 0.476로 보고되었습니다. 보고된 결과들은 필터링된 cECG를 사용하여 형태학적 분석을 수행할 수 있는 가능성을 강조합니다. 제안된 접근 방식은 자유 생활 조건에서 개인의 지속적이고 포괄적인 모니터링을 가능하게 할 수 있습니다.