ECG 이미지에서 핵심 구성 요소의 세그멘테이션 기반 추출: 정밀한 분류 및 디지털화를 위한 프레임워크

심전도(ECG)의 물리적 및 종이 기반 자료는 심혈관 질환(CVD)의 역사와 다양성에 대한 귀중한 통찰을 담고 있다. 이러한 이미지를 디지털화하고 분류할 수 있는 알고리즘의 개발은 특히 대표성이 부족하고 의료 서비스에 접근이 어려운 인구 집단을 포함하여 CVD의 이해와 치료에 크게 기여할 수 있다. 2024년 조지 B. 무디 PhysioNet 챌린지의 일환으로, 우리는 심전도 이미지를 디지털화하고 분류하기 위한 딥러닝 기반 접근법을 제안한다. 본 연구에서는 심전도 이미지의 주요 구성 요소를 추출하기 위해 딥러닝 기반 세그멘테이션 모델을 활용한 후, 이를 바탕으로 심혈관 질환을 탐지하고 신호를 디지털화하는 분류 모델을 학습시켰다. 우리 팀인 BAPORLab은 디지털화 과제에서 신호 대 잡음 비율(SNR) 5.493을 기록하며 2위를 달성하였으며, 분류 과제에서는 매크로 F-측정값 0.730을 달성하여 3위를 기록하였다.