17일 전

심전도 분석을 위한 딥러닝: PTB-XL에서의 벤치마킹 및 통찰

Nils Strodthoff, Patrick Wagner, Tobias Schaeffter, Wojciech Samek
심전도 분석을 위한 딥러닝: PTB-XL에서의 벤치마킹 및 통찰
초록

심전도 검사는 매우 흔하고 비침습적인 진단 절차이며, 그 해석은 점차 자동 해석 알고리즘에 의해 지원되고 있다. 자동 심전도 해석 분야의 발전은 지금까지 훈련용 적절한 데이터셋의 부족과 다양한 알고리즘 간 비교 가능성을 보장하기 위한 명확한 평가 절차의 부재로 인해 제한되어 왔다. 이러한 문제를 완화하기 위해 최근 공개된 무료 접근이 가능한 PTB-XL 데이터셋에 대한 최초의 벤치마킹 결과를 제시한다. 이 데이터셋은 다양한 과제를 포괄하며, 심전도 진단 보고서 예측, 나이 및 성별 예측, 신호 품질 평가 등이 포함된다. 분석 결과, 특히 ResNet 및 Inception 기반의 합성곱 신경망(Convolutional Neural Networks)이 모든 과제에서 가장 뛰어난 성능을 보였으며, 전통적인 특징 기반 알고리즘을 크게 능가하였다. 이러한 결과는 은닉된 계층 구조(hidden stratification), 모델 불확실성(model uncertainty), 그리고 탐색적 해석 가능성 분석을 통해 분류 알고리즘에 대한 심층적인 통찰을 보완한다. 또한 ICBEB2018 챌린지 심전도 데이터셋에 대한 벤치마킹 결과도 제시하고, PTB-XL에서 사전 훈련된 분류기들을 활용한 전이 학습(transfer learning)의 전망을 논의한다. 본 연구를 통해 PTB-XL 데이터셋이 심전도 분석 알고리즘에 대한 구조화된 벤치마킹 자원으로 정착되기를 기대하며, 관련 분야의 다른 연구자들이 이러한 노력을 함께할 수 있도록 장려하고자 한다.

심전도 분석을 위한 딥러닝: PTB-XL에서의 벤치마킹 및 통찰 | 최신 연구 논문 | HyperAI초신경