ECG 잡음에 강건한 트랜스포머 기반 부정맥 감지 모델 (A Transformer-based Arrhythmia Detection Model Robust to ECG Noise)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 32권 / 3호 / 185 ~ 192페이지
· 저자명 : 곽영상, 김재광, 이지운

초록

머신러닝 기반의 심전도 신호를 기반으로 한 심장 부정맥의 진단은 정제된 데이터에서는 효과적이지만 잡음이 섞인 실제 심전도 신호에서 부정맥을 판별하는 데에 일관된 성능을 보이지 못하는 한계가 있다. 본 논문에서는 시계열 신호 패턴 추출에서 우수한 성능을 보이는 트랜스포머를 기반으로 잡음에 강건한 심전도 신호 부정맥 검출 모델을 제안한다. 제안 방법을 검증하기 위하여 3가지 다른 종류의 잡음을 포함한 MIT-BIH 부정맥 데이터셋에서 실험을 진행하였고, 기존 모델에 비하여 정제된 데이터와 잡음 데이터 모두에서 높은 성능을 보이는 것을 확인하였다.

영어초록

Diagnosis of cardiac arrhythmia based on machine learning-based ECG signals iseffective in refined data, but there are limitations in which it does not showconsistent performance in discriminating arrhythmia from actual ECG signals mixedwith noise. In this paper, we propose an ECG signal arrhythmia detection modelrobust to noise based on transformers showing excellent performance in time seriessignal pattern extraction. To verify the proposed method, experiments wereconducted on MIT-BIH arrhythmia datasets including three different types of noise,and it was confirmed that both refined and noise data showed higher performancethan existing models.

참고자료

· 없음