DeScoD-ECG: 심전도 기저선 방랑 및 노이즈 제거를 위한 깊은 점수 기반 확산 모델

목적: 전기심장도(ECG) 신호는 기준선 변동과 같은 잡음 간섭에 자주 노출됩니다. 고품질이고 고충실도의 ECG 신호 재구성은 심혈관 질환 진단에 매우 중요합니다. 따라서 본 논문에서는 새로운 ECG 기준선 변동 및 잡음 제거 기술을 제안합니다. 방법: 우리는 ECG 신호에 특화된 조건부 확산 모델을 확장하여, 전기심장도 기준선 변동 및 잡음 제거를 위한 깊이 기반 점수 확산 모델(Deep Score-Based Diffusion model for Electrocardiogram baseline wander and noise removal, DeScoD-ECG)을 개발하였습니다. 또한, 다중 샷 평균화 전략을 적용하여 신호 재구성을 개선했습니다. 본 연구에서는 QT 데이터베이스와 MIT-BIH 노이즈 스트레스 테스트 데이터베이스를 사용하여 제안된 방법의 타당성을 검증하였습니다. 비교를 위해 전통적인 디지털 필터 기반 방법과 딥러닝 기반 방법 등 기존 베이스라인 방법들을 채택하였습니다. 결과: 양적 평가 결과는 제안된 방법이 최고의 베이스라인 방법 대비 네 가지 거리 기반 유사성 지표에서 최소 20% 이상의 전체 개선을 이룩한 것으로 나타났습니다. 결론: 본 논문은 DeScoD-ECG가 ECG 기준선 변동 및 잡음 제거에서 최신 수준의 성능을 보임을 입증하였으며, 극단적인 잡음 오염 하에서도 실제 데이터 분포를 더 잘 근사하고 높은 안정성을 제공합니다. 의의: 본 연구는 조건부 확산 기반 생성 모델을 ECG 잡음 제거에 처음으로 확장한 사례 중 하나이며, DeScoD-ECG는 생체 의학 응용 분야에서 광범위하게 활용될 가능성이 있습니다.