심방세동 진단을 위한 시계열성을 보전한 2차원 심전도 데이터 기반의 합성곱 신경망 모델 (Convolutional neural network model based on 2D ECG data that preserves time series for diagnosing atrial fibrillation)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 31권 / 1호 / 21 ~ 27페이지
· 저자명 : 윤용선, 김재광

초록

본 논문은 심장의 이상징후 중 심방세동 진단을 위하여 시계열성을 보전한 2D 심전도 데이터 기반의 합성곱 신경망 모델을 제안한다. 제안 모델은 시계열성을 보전한 2D 구조의 심전도 데이터를 사용하여 1D 합성곱 신경망 모델이나 기존의 2D 합성곱 신경망 모델에 비하여심방세동 진단 성능을 높인다. 제안 방법의 유효성을 검증하기 위하여 Physionet 2017에 공개된 심전도 데이터를 활용하여 비교실험을 수행하였다. 1D 합성곱 신경망을 사용한 모델, 기존의 2D 합성곱 신경망 모델들과 제안 방법을 동일 환경에서 비교한 결과, 제안 방법이다른 방법들에 비하여 더 적은 수의 학습 파라미터를 사용하면서도 더 높은 F1 점수와 정밀도(precision)를 보임을 확인하였다.

영어초록

This paper proposes a convolutional neural network model based on 2D electrocardiogram data that preserves time series for diagnosing of atrial fibrillation among cardiac abnormalities. The proposed model uses ECG data of a 2D structure that preserves time series to improve atrial fibrillation diagnosing performance compared to the 1D convolutional neural network model and the existing 2D convolutional neural network model. To confirm the superiority of the proposed method, a comparative experiment was conducted using the ECG data published in Physionet 2017. A comparing of a 1D convolutional neural network model, two existing 2D convolutional neural network models and ours in the same experimental environments, the proposed method shows a higher F1 score and precision with fewer learning parameters.

참고자료

· 없음