부정맥 진단을 위한 딥러닝 기반 잡음 제거 및 이미지 인코딩

초록

본 연구는 심전도(ECG) 신호의 잡음 제거와 이미지 인코딩을 통해 딥러닝 기반 부정맥 분류 성능을 향상시키고자 한다. FCN 기반 오토인코더를 활용하여 다양한 SNR 수준의 잡음을 효과적으로 제거하였으며, 제거된 1D 신호를 시각적 패턴을 강화한 이미지로 변환하여 분류 모델에 적용하였다. 실험 결과, 제안 모델은 기존 필터 대비 우수한 잡음 제거 성능(SNR 9.831, RMSE 0.045, PRD 20.887, 상관계수 0.935)을 보였으며, 이미지 기반 분류에서는 99%의 정확도와 25.3초의 추론 속도로 우수한 실시간 처리 성능을 입증하였다. 본 기법은 향후 모바일 환경 및 다양한 생체신호 분석에 활용될 수 있는 기반 기술로 기대된다.

키워드