ElectroCardioGuard: 신경망을 활용한 심전도 데이터베이스에서의 환자 오인식 방지

심전도(ECGs)는 심장 관련 질병을 진단하는 데 널리 사용되는 도구입니다. 신뢰성 있는 심전도 수집은 정확한 진단에 필수적입니다. 그러나 임상 현장에서는 측정된 심전도 기록이 잘못된 환자에게 할당되는 경우가 종종 발생합니다. 이러한 문제를 인식하고 우리에게 연락한 임상 및 연구 시설과 협력하여, 이 문제를 해결하는 연구를 소개합니다. 본 연구에서는 두 개의 심전도가 동일한 환자에서 유래했는지를 판단하기 위한 소형이고 효율적인 신경망 기반 모델을 제안합니다. 제안된 모델은 뛰어난 일반화 능력을 보여주며, PTB-XL 데이터셋에서 갤러리-프로브 환자 식별 성능이 최고 수준을 달성하면서 760배 적은 매개변수를 사용합니다. 또한, 측정 기록 할당 오류를 감지하기 위해 제안된 모델을 활용하는 기술을 제시하여, 실제 상황에서의 적용 가능성을 입증합니다. 마지막으로, 본 연구를 위해 특별히 수집된 새로운 심전도 데이터셋에서 모델의 성능을 평가하였으며, 해당 데이터셋을 연구 커뮤니티에 공개하였습니다.