단일 리드 심전도 데이터를 이용한 심혈관 질환 예측 = Cardiovascular Disease Prediction using Single-Lead ECG Data

국문 초록 (Abstract)

혈관 질환을 진단하는 가장 대표적인 방법은 심전도 데이터를 분석하는 것이며, 병원에서 측정하는 심전도 데이터는 대부분 12개의 리드로 구성되어 있다. 하지만, 웨어러블 헬스케어 기기에서는 일반적으로 1개의 리드만 측정되며, 심혈관 질환을 진단하는 데에도 한계가 있다. 따라서 본 논문에서는 웨어러블 헬스케어 기기로 측정 가능한 단일 리드를 사용하여 흔히 발생하는 심혈관 질환인 심방세동, 좌각차단, 우각차단을 예측하는 연구를 진행하였다. 합성곱 신경망 모델을 기반으로 질환을 예측하였으며 AUC, F1-score를 통해 성능을 측정 및 비교한 결과, 심방세동, 좌각차단, 우각차단의 예측 평균 AUC가 각각 0.966, 0.971, 0.965, F1-score가 각각 0.867, 0.816, 0.848로 우수한 성능을 보이는 것을 확인하였다. 이를 통해 웨어러블 헬스케어 기기에서 획득 가능한 단일 리드만을 활용한 심혈관 질환의 진단 가능성을 확인할 수 있었다.

다국어 초록 (Multilingual Abstract)

The most representative approach to diagnosing cardiovascular disease is to analyze electrocardiogram (ECG), and most ECG data measured in hospitals consist of 12 leads. However, wearable healthcare devices usually measure only single-lead ECG, which has limitations in diagnosing cardiovascular disease. Therefore, in this paper, we conducted a study to predict common cardiovascular diseases such as atrial fibrillation (AF), left bundle branch block (LBBB), and right bundle branch block (RBBB) using a single lead that could be measured with a wearable healthcare device. For experiments, we used a convolutional neural network model and measured its performance using various leads in terms of AUC and F1-score. For AF, LBBB, and RBBB, average AUC values were 0.966, 0.971, and 0.965, respectively, and average F1-scores were 0.867, 0.816, and 0.848, respectively. These experimental results confirm the possibility of diagnosing cardiovascular disease using only a single lead ECG that can be obtained with wearable healthcare devices.