WAVIE: 종이 심전도를 완전 자동으로 디지털화하기 위한 모듈식이고 오픈소스인 파이썬 구현

심전도(ECG)는 심장 질환 평가에 널리 사용되는 도구이다. 인공지능 응용을 촉진하기 위해 심전도의 디지털화에 많은 노력이 기울여졌지만, 기존 방법의 일반화 능력에는 여전히 한계가 존재한다. ‘심전도 이미지의 디지털화 및 분류: 조지 B. 무디 PhysioNet 챌린지 2024’의 일환으로, 실세계 데이터의 이질성을 효과적으로 다룰 수 있는 완전 자동화형 모듈식 및 오픈소스 프레임워크인 WAVIE를 제안한다. PTB-XL 데이터셋을 활용해 알려진 변형과 아티팩트를 포함한 합성 종이 심전도를 생성하였다. 우리 팀인 wavie ABI는 방향 보정, 객체 탐지, 파형 추출을 위한 딥러닝 모델로 구성된 3단계 프레임워크를 개발하였다. 디지털화 과제의 은닉 테스트 세트에 대한 추론 결과, 평균 신호 대 잡음비(SNR)는 5.469로 16개 팀 중 3위를 기록하였다. WAVIE는 특정 심전도 디지털화 작업에 맞게 재구성 및 미세 조정이 가능한 종합적이고 일반화 가능한 기준선을 제공하며, 향후 연구 응용에 대한 적응성을 보장한다.