DeepFilter: 딥러닝 기술을 활용한 ECG 베이스라인 wondering 제거 필터

세계보건기구(World Health Organization)에 따르면 연간 사망자의 약 36%가 심혈관 질환과 관련이 있으며, 심근경색의 90%는 예방 가능하다고 합니다. 보행 중 전자심장도 검사, 운동 부하 시험, 그리고 휴식 상태에서의 전자심장도 신호 분석은 심혈관 질환 진단을 가능하게 합니다. 그러나 신호 수집 과정에서 다양한 노이즈가 발생하여 신호 품질을 저하시키고 이로 인해 진단 잠재력이 손상될 수 있습니다. 베이스라인 웨이버(baseline wander)는 가장 바람직하지 않은 노이즈 중 하나입니다. 본 연구에서는 딥러닝 기술을 활용한 BLW 노이즈 필터링을 위한 새로운 알고리즘을 제안합니다. 모델 성능은 Physionet의 QT 데이터베이스와 MIT-BIH 노이즈 스트레스 테스트 데이터베이스를 사용하여 검증되었습니다. 또한, 전통적인 필터링 절차와 딥러닝 기술을 사용하는 최신 방법들과 비교 실험을 수행하였습니다. 제안된 접근법은 네 가지 유사성 지표(제곱 거리 합, 최대 절대 제곱, 루트 거리 비율, 코사인 유사성)에서 각각 4.29 (6.35) au, 0.34 (0.25) au, 45.35 (29.69) au 및 91.46 (8.61) au로 가장 우수한 결과를 보였습니다. 본 연구의 소스 코드는 Github에서 무료로 제공되며, 우리의 방법과 관련된 구현 내용을 포함하고 있습니다.