12개의 리드를 갖는 ECG 분류를 위한 합성곱 신경망과 규칙 기반 알고리즘

본 연구의 목적은 43,101개의 심전도(ECG) 기록으로 구성된 데이터셋을 기반으로 27가지 심장 이상을 분류하는 것이었다. 규칙 기반 알고리즘과 다양한 딥러닝 아키텍처를 결합한 하이브리드 모델을 개발하였다.우리는 두 가지 다른 합성곱 신경망(Convolutional Neural Network, CNN)을 비교하였으며, 이는 완전 합성곱 신경망(Fully Convolutional Neural Network)과 인코더 네트워크(Encoder Network)였다. 또한 이 두 모델의 조합과 함께 나이 및 성별을 입력으로 사용하는 추가 신경망을 포함한 다양한 조합을 평가하였다. 그 중 두 가지 조합은 도출된 ECG 특징을 활용한 규칙 기반 모델과 최종적으로 결합되었다. 모델의 성능은 모델 개발 과정에서 유지 검증(hold-out validation)을 통해 검증 데이터셋을 이용하여 평가되었다. 마지막으로, 모델들은 제공된 개발 데이터로 훈련된 Docker 이미지에 배포되었으며, 챌린지 검증 세트에서 테스트되었다. 챌린지 검증 세트에서 가장 우수한 성능을 보인 모델은 이후 전체 챌린지 테스트 세트에 배포되어 추가로 테스트되었다. 모델의 성능은 특정 챌린지 스코어 기준에 따라 평가되었다.우리 팀인 TeamUIO는 챌린지 검증 세트에서 0.377의 스코어를 기록하였으며, 최고 성능 모델의 전체 테스트 세트 스코어는 0.206이었다. 전체 테스트 세트에서의 성능은 공식 순위에서 41개 팀 중 20위에 해당하였다.