심전도 기반 심박분류 및 부정맥 탐지를 위한 고속 기계학습 모델

우리는 에코 스테이트 네트워크(Echo State Networks)라 불리는 간단한 뇌 영감을 받은 기계학습 접근법을 기반으로 한 완전 자동화되고 빠른 심전도 부정맥 분류기를 제안한다. 본 분류기는 단일 심전도 리드만을 요구하는 저자원 특징 처리를 갖추고 있으며, 훈련 및 검증 과정은 환자 간(inter-patient) 절차를 따르고 있다. 본 방법은 최근 헬스 모니터링용 무선 장치 및 웨어러블 기기의 발전과 잘 부합하는 온라인 분류와 호환된다. 앙상블(ensemble)의 조합을 활용함으로써 병렬 처리를 효과적으로 이용하여 분류기의 훈련 속도를 놀랍게 높일 수 있다. 심장 박동 분류기는 MIT-BIH AR 및 AHA 두 개의 심전도 데이터베이스를 대상으로 평가되었다. MIT-BIH AR 데이터베이스에서, 단일 리드 II를 사용할 경우 심실 조기 박동에 대해 민감도(sensitivity) 92.7%, 긍정 예측도(positive predictive value) 86.1%를 달성하였으며, 리드 V1을 사용할 경우 민감도 95.7%, 긍정 예측도 75.1%를 기록하였다. 이러한 결과는 완전 자동화된 심전도 분류기 분야에서 최첨단 수준과 비교해도 충분히 경쟁력이 있으며, 더 복잡한 특징 선택 전략을 따르는 다른 심전도 분류기들보다도 우수한 성능을 보였다.