입환자 간 ECG 심박 분류: PSO로 최적화된 시간적 VCG를 활용한 방법

심장 박동 이상(심부전)의 분류는 인간에게 있어 매우 어려운 과제이며, 이를 자동화하는 것은 매우 바람직하다. 그러나 환자 간(Inter-patient) 패러다임을 고려할 때 전기심장도(ECG) 신호를 통해 완전 자동으로 심장 박동 이상을 분류하는 것은 여전히 도전적인 과제이다. 환자 간 패러다임에서는 모델이 미리 알지 못한 환자의 신호에 대해 평가되며, 이는 실제 임상 환경과 유사한 상황을 반영한다. 본 연구에서는 벡터심전도(VCG) 기반의 새로운 ECG 표현 방식인 시간적 벡터심전도(TVCG)와 복잡한 네트워크를 활용한 특징 추출 기법을 제안한다. 또한, SVM 분류기의 미세 조정과 입자군 최적화(PSO) 알고리즘을 이용한 특징 선택을 수행하였다. 환자 간 패러다임에서의 실험 결과, 제안하는 방법은 MIT-BIH 데이터베이스에서 최신 기술 수준과 비교하여 유사한 성능을 달성하였다. 구체적으로, 상부심실성 비정상 박동(S) 클래스에 대해 53%의 양성 예측도(+P), 심실성 비정상 박동(V) 클래스에 대해 87.3%의 민감도(Se)를 기록하였다. 이는 TVCG가 심장 박동을 더 풍부하게 표현할 수 있으며, 심장 신호 및 패턴 인식 문제 해결에 유용할 수 있음을 시사한다.소스 코드는 다음 링크에서 제공됩니다: http://www.decom.ufop.br/csilab/site_media/uploads/code/tvcg_pso.zip