심전도 분류를 위한 스펙트로그램 및 합성곱 신경망 기반의 새로운 응용 프로그램

심전도(ECG)는 인간 심장의 전기적 활동을 나타내는 생의학 신호입니다. 다양한 심장 질환이 ECG 장치의 출력 결과를 사용하여 검출되었습니다. 최근 신호 처리 기술의 발전이 ECG 신호 처리에 대한 새로운 지평을 열었습니다. 이 범위 내에서 신호의 시간-주파수 정보를 그래픽으로 나타낸 스펙트로그램과 합성곱 신경망(CNN)을 기반으로 심전도 신호를 구분하기 위한 새로운 응용 프로그램이 제안되었습니다. 이를 위해 Physionet에서 공개적으로 이용 가능한 데이터 세트가 활용되었습니다. 첫째로, 각 신호의 스펙트로그램을 얻었습니다. 그 다음, 이 다채로운 스펙트로그램 이미지를 AlexNet, VGG-16, ResNet-18인 CNN의 입력으로 사용하였습니다. 모델의 훈련 및 검증을 위해 전이 학습 및 파인튠 방법이 사용되었습니다. 그 결과, AlexNet이 83.82%의 정확도로 가장 효율적인 결과를 제공하였습니다. 이 연구의 실험 결과는 제안된 모델이 ECG 신호 분류에 대해 유망한 결과를 보장함을 보여줍니다.