Feature Ensemble-based Wolff Parkinson White Syndrome classification through ECG

ECG를 통한 Feature Ensemble 기반 Wolff Parkinson White 증후군 분류

  • Gyutae Oh (Dept. of Computer Engineering, Korea National University of Transportation) ;
  • Inki Kim (Dept. of IT.Energy Convergence, Korea National University of Transportation) ;
  • Beomjun Kim (Dept. of IT.Energy Convergence, Korea National University of Transportation) ;
  • Younghoon Jeon (Dept. of Software, Korea National University of Transportation) ;
  • Jeonghwan Gwak (Dept. of Software, Korea National University of Transportation)
  • 오규태 (한국교통대학교 컴퓨터공학과) ;
  • 김인기 (한국교통대학교 교통에너지융합학과) ;
  • 김범준 (한국교통대학교 교통에너지융합학과) ;
  • 전영훈 (한국교통대학교 소프트웨어학과) ;
  • 곽정환 (한국교통대학교 소프트웨어학과)
  • Published : 2023.01.11

Abstract

Wolff Parkinson White Syndrome(WPW)은 일반인과는 다르게 선천적으로 심방과 심실 사이에 부전도로(Accessory Pathway)가 존재하여 정상 전도와 비교하였을 때, 빠른 속도로 심실을 자극하여 부정맥을 일으키는 것을 의미한다. WPW는 부정맥이 주된 증상이기는 하나, 평소에는 무증상인 경우가 많고, 성인이 되어 갑작스럽게 발생하는 경우가 존재하기 때문에 인지하지 못하고 살아가는 환자들이 많다는 것이 특징이다. 이러한 특징은 갑작스러운 건강 악화가 타인의 생명에 악영향을 줄 수 있는 트럭 운전기사나 의사와 같은 직업군 등의 경우 WPW를 조기에 발견하고 치료해 위험을 사전에 방지하는 것이 매우 중요하다. 따라서, 본 논문에서는 Electrocardiogram(ECG) 데이터를 기반으로 WPW를 자동으로 분류하기 위한 Feature Ensemble 기반 심층 학습 프레임워크를 제안한다. 제안된 기법의 경우 단일 1D-CNN과 GRU를 이용한 기법 대비 F1-Score, Accuracy 기준의 성능 향상을 달성하였기에 본 Task에 적합함을 보여준다.

Keywords

Acknowledgement

This research was supported by "Regional Innovation Strategy (RIS)" through the National Research Foundation of Korea (NRF) funded by the Ministry of Education [2021RIS-001(1345341783)]