심장마비의 탐지 및 위치 결정을 위한 새로운 패턴 인식 방법: ECG 신호 1주기에서 추출한 T파 적분 및 총 적분을 특징으로 사용

본 논문에서는 심장의 좌심실에 발생하는 심근경색(MI)의 탐지 및 위치 결정을 위해 정상 및 환자 ECG 신호의 한 주기에서 추출한 두 가지 새로운 특징, 즉 T파 적분값과 전체 적분값을 사용하였다. 이전 연구에서는 신체표면 전위지도 데이터로부터 일부 특징을 활용하여 이 목적을 달성한 바 있으나, 표준 ECG가 더 널리 사용되고 있음을 고려하여 본 연구에서는 표준 ECG를 기반으로 한 MI의 탐지 및 위치 결정에 집중하였다. T파 적분값은 심근경색 발생 시 T파의 중요한 특징을 반영하므로 본 연구에서 중요한 특징으로 선택하였다. 두 번째 특징으로는 한 ECG 주기의 전체 적분값을 사용하였는데, 이는 심근경색이 ECG 신호의 형태학적 특성에 영향을 미쳐 전체 적분값의 변화를 초래할 것으로 기대되기 때문이다. 정상 신호와 비정상 신호를 정확하게 분류할 수 있는 능력을 갖춘 패턴 인식 기법 중 인공 신경망(ANN)을 사용하였으며, 비선형성 특성을 지닌 일종의 라디얼 기저 함수(RBF)인 확률적 신경망(PNN)을 선택하였다. 또한 k-최근접 이웃(KNN), 다층 퍼셉트론(MLP), 나이브 베이즈 분류기와 같은 다른 분류기들도 비교 분석에 활용하였다. 학습 및 테스트 데이터로는 PhysioNet 데이터베이스를 사용하였으며, MI의 위치 결정에 있어서는 테스트 데이터에서 76% 이상의 정확도를 달성하였고, MI 탐지에 있어서는 94% 이상의 높은 정확도를 보였다. 본 방법의 주요 장점은 간단한 구조와 뛰어난 정확도에 있다. 또한 본 방법에 더 많은 특징을 추가함으로써 분류 정확도를 더욱 향상시킬 수 있다는 점도 확인되었다. 표준 ECG에서 단 두 가지 특징만을 활용하는 간단한 방법이 제안되었으며, 이는 심근경색의 위치 결정에 있어 우수한 정확도를 보였다.