자원 제약 ECG 진단 장치를 위한 푸리에 크기 스펙트럼을 이용한 빠른 CNN 기반 심전도 신호 품질 평가

심전도(ECG) 신호 품질의 자동 평가는 지속적인 건강 모니터링에서 불가피한 잡음이 있는 ECG 기록 하에서 거짓 경고를 줄이고 눈에 띄지 않는 건강 모니터링 장치의 신뢰성을 향상시키는 데 중요한 역할을 합니다. 본 연구에서는 최적의 하이퍼파라미터와 활성화 함수를 갖춘 1-D 합성곱 신경망(1-D CNN)에 대한 입력으로 푸리에 크기 스펙트럼을 기반으로 한 ECG 신호 품질 평가(ECG-SQA) 방법을 제시하며, 이는 자원 제약 장치의 CNN 모델 크기 및 계산 부하를 상당히 줄입니다. 다양한 유형의 P파, QRS 복합체 및 T파(PQRST) 형태와 여러 종류의 잡음 원인이 포함된 단일 리드 및 다중 리드 ECG 신호를 포함하는 미학습 ECG 데이터베이스에서 최적의 1-D CNN 기반 ECG-SQA 방법은 세 개의 합성곱 층, 세 개의 밀집 층 및 커널 크기 3에서 99.30%의 민감도와 95.40%의 특성을 보였습니다. 이 연구는 최적의 파라미터 선택이 CNN 모델 크기 852 kB 및 67697개의 파라미터에 비해 계산 자원을 52% 줄일 수 있음을 입증하였습니다. Raspberry Pi 컴퓨팅에서의 실시간 구현 결과 5초 ECG 신호의 품질 확인을 위한 처리 시간이 124.4 ± 42.5 ms임을 보여줍니다.