웨어러블 단일 리드 ECG 모니터링 시스템을 위한 지식 증류 기반 경량 부정맥 분류 모델에 대한 연구

부정맥은 전 세계적으로 높은 사망률을 보이는 질병 중 하나로, 매년 수백만 명의 사망자를 초래합니다. 이는 심장 질환 진단 및 중재를 위한 실시간 심전도(ECG) 모니터링의 중요성을 강조합니다. 12개 이상의 리드에서 ECG 신호로 훈련된 심층 학습 모델은 AI 지원 의료 분야에서 자동 부정맥 감지를 위한 주요 접근 방식입니다. 이러한 다중 리드 ECG 기반 모델은 자동 부정맥 탐지에서 좋은 성능을 보이지만, 복잡성 때문에 리소스가 제한된 장치에서는 사용이 제약되는 경우가 많습니다. 본 논문에서는 웨어러블 장치의 임베디드 인텔리전스를 위해 교사 모델에서 학생 모델을 훈련하기 위해 지식 증류 기법을 사용하는 효율적이고 경량의 부정맥 분류 모델을 제안합니다. 결과에 따르면 학생 모델은 96.32%의 정확도를 달성하였고, 이는 교사 모델과 유사하며, 압축 비율이 1242.58배 작아 다른 경량 모델보다 우수한 성능을 보입니다. 제안된 모델을 통해, 우리는 STM32F429 Discovery 키트와 ADS1292R 칩을 기반으로 한 웨어러블 ECG 모니터링 시스템을 개발하여 소형 웨어러블 장치에서 실시간 부정맥 탐지를 달성하였습니다.