The proposed 1-D ResNet Lite model achieved a maximum classification accuracy of 98.0% for gender classification using ECG signals from the CSU_DB dataset.
Does the 1-D ResNet Lite model accurately classify gender based on ECG signals?
A lightweight 1-D ResNet architecture can achieve high accuracy (98.0%) in ECG-based gender classification, showing potential for real-time processing in wearable devices.
본 연구에서는 심전도 (ECG) 신호의 1차원 시계열 정보를 효율적으로 분석하기 위한 딥러닝 구조의 경량 모델, 1-D ResNet Lite를 제안한다. 기존 ECG 분류 연구들이 장시간 신호 입력이나 과도한 네트워크 깊이로 인해 계산 복잡도가 증가하는 한계를 갖는 반면, 본 연구에서는 심장 박동 단위의 ECG 신호를 입력으로 사용하여 실시간 처리에 적합한 경량 신경망 구조를 구현하였다. 또한 1-D ResNet Lite를 ECG 신호 뿐만 아니라 생리학적 의미를 갖는 기하학적 형태의 특징 벡터도 처리하는 이중 구조로 설계하였다. CSUDB 데이터셋을 이용하여 남녀 분류 실험을 진행한 결과, 제안한 1-D ResNet Lite 모델은 CSUDB에서 최대 98. 0%의 분류 정확도를 달성하였다. 이러한 결과는 ECG 기반 생체 인식 분류에 있어 1-D ResNet Lite의 효과성을 입증하였고, 웨어러블 디바이스나 임베디드 시스템과 같은 실제 응용 환경에 적용할 수 있는 가능성을 높였다.
Baek et al. (Thu,) conducted a other in ECG classification. 1-D ResNet Lite model was evaluated on Classification accuracy for gender. The proposed 1-D ResNet Lite model achieved a maximum classification accuracy of 98.0% for gender classification using ECG signals from the CSU_DB dataset.