심박동 분류의 해석 가능성 분석: 심박동 활동의 전역 시퀀스 특성과 BiLSTM-Attention 신경망 기반

심부전은 인간의 생명을 위협하는 질환으로, 심장병 예방 및 급성 심장사 예방을 위해 심장 박동 이상의 조기 진단이 매우 중요한 의미를 가진다. 심장 박동 활동의 전역적 시계열 특징을 활용한 BiLSTM-Attention 신경망 모델은 심장 박동 분류 정확도를 효과적으로 향상시킬 수 있다. 먼저, 지속파 웨이브릿 변환(continuous wavelet transform) 방법을 통해 신호 노이즈를 제거한다. 이후 태그된 데이터베이스를 이용하여 R파의 피크를 검출하고, P-QRS-T파형 및 RR 간격을 추출한다. 이 특징 집합은 심장 박동 활동의 전역적 시계열 특징으로, 단일 심장 박동의 파형과 연속 21개의 RR 간격을 통합한 것이다. 마지막으로 Bi-LSTM 알고리즘과 Bi-LSTM-Attention 알고리즘을 각각 활용하여 심장 박동 유형을 식별하고, MIT-BIH 심장 박동 이상 데이터베이스를 이용해 알고리즘의 성능을 검증한다. 결과적으로 본 연구에서 제안하는 BiLSTM-Attention 모델은 심장 박동 활동의 전역적 시계열 특징을 결합한 경우, 본 논문에서 다룬 다른 방법들보다 더 높은 해석 가능성을 보였다.