Key points are not available for this paper at this time.
부정맥은 경미한 불편함에서 잠재적으로 치명적인 상태까지 다양하며, 심전도(ECG)를 통해 감지할 수 있습니다. 웨어러블 기술의 발전으로 인해, ECG는 이동 중에도 모니터링할 수 있지만, 이러한 장치는 종종 노이즈가 많은 데이터를 캡처하여 정확한 부정맥 감지를 복잡하게 만듭니다. 본 연구는 생성적 적대 신경망(GAN)을 활용하여 효과적인 노이즈 제거 및 정밀한 부정맥 분류를 위해 새로운 딥러닝 모델을 만드는 것을 목표로 합니다. 우리는 웨어러블 장치의 ECG 측정을 정화된 데이터를 사용하여 정리하고 부정맥을 감지하는 딥러닝 모델을 개발했습니다. MIT-BIH 부정맥 및 노이즈 데이터베이스를 사용하여 모델을 사전 훈련했습니다. 노이즈 감소를 위해 최소 제곱 GAN이 사용되었으며, 원래 ECG 신호의 무결성을 유지합니다. 잔여 네트워크는 부정맥의 유형을 분류했습니다. 초기 훈련 후 실제 ECG 데이터를 활용하여 전이 학습을 적용했습니다. 우리의 노이즈 제거 모델은 데이터 명확성을 상당히 향상시켜 신호 대 노이즈 비율에서 30 dB 이상의 결과를 달성했습니다. 부정맥 탐지 모델은 노이즈 없는 데이터에 대해 99.10%의 F1 점수를 기록하여 높은 정확성을 보였습니다. 개발된 모델은 웨어러블 ECG 장치를 사용하여 실시간으로 정확한 부정맥 탐지가 가능하며, 즉각적인 환자 알림 및 적시의 의료 대응을 용이하게 합니다.
Park et al. (Mon,)은 이 질문을 연구했습니다.