Classification of Atrial Fibrillation Using Time-Frequency Features Extraction of ECG Signal and Two-Dimensional CNN Model

Abstract

부정맥을 딥러닝에 기반하여 분류하기 위해 입력 과정에서 심전도 신호의 다양한 형태학적 특징들을 고려하지 않고, 학습 과정의 네트워크층 구조 및 파라미터들에 의존적으로 분류하게 되면 많은 연산이 요구된다. 본 연구에서는 심전도 신호의 시간-주파수 특징 추출과 2차원 합성곱 모델을 이용한 심방 세동 분류 방법을 제안한다. 이를 위해 먼저 잡음을 제거한 심전도 신호에서 QRS 특징점을 검출하고 단일 비트 세그먼트를 추출하였다. 이때 시간-주파수 영역의 형태학적 특징을 동시에 추출할 수 있도록 최적 분해능의 스펙트로그램 이미지를 생성하였다. 이후 이를 2차원 합성곱 모델의 입력으로 사용한 후 가중치를 학습시키고 검증 데이터로 모델을 평가한 후 부정맥을 분류하였다. 제안 방법의 유효성을 검증하기 위하여 Physionet 2017에 공개된 심전도 데이터를 활용하여 1차원 합성곱 모델과의 민감도, 특이도, 정확도, F1-score를 비교하였다. 실험 결과 제안 방법이 적은 연산량으로 더 높은 95.3%의 정확도와 94%의 F1-score를 보임을 확인하였다.