12 리드 심전도 멀티 레이블 분류를 위한 진단별 다중 모델 설계 (Diagnosis-specific Multi-model Design for 12-lead ECG Multi-label Classification)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 61권 / 8호 / 39 ~ 46페이지
· 저자명 : 차재빈, 황서림, 박영철

초록

본 논문은 12 리드 심전도(Electrocardiogram, ECG) 신호를 사용하여 진단 별로 멀티 레이블 분류를 수행하는 다중 모델을 설계하였다. 제안된 다중 모델은 리듬, 지속 시간, 진폭, 형태에 따라 각각의 심전도 신호를 분류하며, 이를 위해 유사한 분류 기준을 공유하는 진단을 그룹화하였다. 이때, 진단의 그룹화를 위해서는 심전도 판독 장비 해석 알고리즘으로 널리 사용되고 있는 미네소타 코드 매뉴얼을 참고하였으며, 실험을 위한 데이터로는 45,152개의 대규모 오픈소스 데이터베이스를 사용하였다. 실험 결과 분석을 위해서는 AUPRC, F1-score, Precision, Recall, Specificity와 같이 다양한 객관적 평가 지표를 사용하였으며, 실험 결과, 제안된 다중 모델은 기존의 단일 모델과 비교하여 모든 평가지표에서 우수한 성능을 보였다. 특히, 제안된 다중 모델은 평균적으로 기존의 단일 모델보다 AUPRC는 0.038, F1-score는 0.036 가량 향상된 성능을 보여주었다.

영어초록

This paper designed a multi-model that performs multi-label classification by diagnosis using 12-lead electrocardiogram (ECG) signals. The proposed multi-model classifies each ECG signal according to rhythm, duration, amplitude, and morphology, and for this purpose, diagnoses that share similar classification criteria are grouped. At this time, the Minnesota Code Manual, which is widely used as an ECG reading equipment interpretation algorithm, was referred to for group diagnoses, and a large-scale open source database of 45,152 records was used for the experiment. We used various objective metrics such as AUPRC, F1-score, Precision, Recall, and Specificity to evaluate the experimental results. As a result, the proposed multi-model showed excellent performance in all evaluation metrics compared to the baseline single model. In particular, the proposed multi-model showed an improved performance of 0.038 in AUPRC and 0.036 in F1-score on average compared to the baseline single model.

참고자료

· 없음