DOI QR코드

DOI QR Code

Arrhythmia classification based on meta-transfer learning using 2D-CNN model

2D-CNN 모델을 이용한 메타-전이학습 기반 부정맥 분류

  • Kim, Ahyun (Department of Artificial Intelligence Convergence Chonnam National University) ;
  • Yeom, Sunhwoong (Department of Artificial Intelligence Convergence Chonnam National University) ;
  • Kim, Kyungbaek (Department of Artificial Intelligence Convergence Chonnam National University)
  • 김아현 (전남대학교 인공지능융합학과) ;
  • 염성웅 (전남대학교 인공지능융합학과) ;
  • 김경백 (전남대학교 인공지능융합학과)
  • Published : 2022.11.21

Abstract

최근 사물인터넷(IoT) 기기가 활성화됨에 따라 웨어러블 장치 환경에서 장기간 모니터링 및 수집이 가능해짐에 따라 생체 신호 처리 및 ECG 분석 연구가 활성화되고 있다. 그러나, ECG 데이터는 부정맥 비트의 불규칙적인 발생으로 인한 클래스 불균형 문제와 근육의 떨림 및 신호의 미약등과 같은 잡음으로 인해 낮은 신호 품질이 발생할 수 있으며 훈련용 공개데이터 세트가 작다는 특징을 갖는다. 이 논문에서는 ECG 1D 신호를 2D 스펙트로그램 이미지로 변환하여 잡음의 영향을 최소화하고 전이학습과 메타학습의 장점을 결합하여 클래스 불균형 문제와 소수의 데이터에서도 빠른 학습이 가능하다는 특징을 갖는다. 따라서, 이 논문에서는 ECG 스펙트럼 이미지를 사용하여 2D-CNN 메타-전이 학습 기반 부정맥 분류 기법을 제안한다.

Keywords

Acknowledgement

이 논문은 2019년도 정부(과기정통부)의 재원으로 한국연구재단 바이오·의료기술개발사업의 지원을 받아 수행 된 연구임(NRF-2019M3E5D1A02067961).