특징 기반 분류기와 합성곱 신경망을 이용한 심장 리듬 이상 탐지: 짧은 ECG 세그먼트 분석

심방세동(AF)와 같은 심혈관 질환의 진단은 전문가가 심전도(ECG) 신호를 시각적으로 검토해야 하는 긴 시간과 높은 비용이 소요되는 절차이다. 환자 관리 개선과 의료비 절감을 위해 이러한 병변의 자동 탐지는 매우 중요하다. 본 연구에서는 2017년 Physionet/Computing in Cardiology 챌린지의 일환으로 ECG 신호의 짧은 세그먼트를 네 가지 클래스(심방세동, 정상, 기타 리듬, 노이즈)로 분류하였다. 우리는 최신의 특징 기반 분류기와 합성곱 신경망(CNN) 기반 접근법을 비교하였다. 두 방법 모두 챌린지 데이터셋을 기반으로 하되, 추가적으로 Physionet에서 유도된 데이터베이스를 활용하여 훈련하였다. 특징 기반 분류기는 훈련 세트(5배 교차 검증)에서 F1 스코어 72.0%를 기록하였으며, 은닉 테스트 세트에서는 79%를 달성하였다. 동일하게, CNN 모델은 증강된 데이터베이스에서 72.1%의 F1 스코어를 얻었고, 테스트 세트에서는 83%를 기록하였다. 최종적으로 CNN 기반 방법은 대회에서 79%의 최종 점수를 기록하였다. 본 연구에서 개발한 루틴 및 사전 훈련된 모델은 GNU GPLv3 라이선스 하에 무료로 제공된다.