스마트 헬스 시티를 위한 ECG 기반 부정맥 감지 SNN 알고리즘 (ECG-Based Arrhythmia Detection SNN Algorithm Using STDP and Spike Inference for Smart Health City)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 45권 / 12호 / 2193 ~ 2201페이지
· 저자명 : 이충섭, 이원규, 한승우, 박철수

초록

의료 시스템의 변화와 인구 고령화, 작금의 코로나 사태로 인하여 헬스케어 산업에 많은 관심과 투자가 증대되고 있다. 또한 딥 러닝을 필두로 하는 머신러닝 기술의 발전은 다양한 분야에서 두각을 내기 시작했고 그 중 헬스케어 서비스에 대한 적용과 확산이 빠르게 일어나고 있다. 하지만 기존 딥 러닝 모델은 많은 전력이 소모되고소형화하기 어렵다는 단점이 있어 스마트 시티가 요구하는 웨어러블 디바이스에 적합하지 않다. 이에 저전력과 병렬성을 내재한 차세대 인공지능 연구 분야인 Spiking Neural Network(SNN)이 대안으로 떠오르고 있다. 본 논문에서는 시냅스 전, 후 시간차를 이용하여 학습하는 비지도학습 알고리즘인 STDP를 중심으로 SNN을 설계하였다.
또한 기존 연구들에서 다루지 않았던 ECG 부정맥 데이터 셋을 SNN에 적용하고 누적 스파이크 기반 추론에 따라 정확도와 민감도, 특이도를 비교 분석한다. 실험 결과를 통해 얻은 문제점과 개선점들을 통해 헬스케어 기술로써의 SNN의 가능성을 보이고 새로운 시사점을 보이고자 한다

영어초록

Due to changes in the medical system, an aging population, and the current COVID-19 crisis, a lot of interest and investment in the healthcare industry is increasing. The development of machine learning technology led by deep learning drives its applications to healthcare services. However, the conventional deep learning models consume a lot of power and are difficult to miniaturize, so they are not suitable for wearable devices required by smart cities. Accordingly, interests in spiking neural network (SNN), a next-generation artificial intelligence research field with low power and parallelism, are emerging as an alternative. In this paper, SNN is designed with STDP, an unsupervised learning algorithm that learns time difference between pre and post synapses. It is also applied to ECG arrhythmia data sets and produces accuracy, sensitivity and specificity according to cumulative spike-based inference. With the experiment results, we want to show the possibility of SNN as a healthcare technology and new implications too.

참고자료

· 없음