Abstract
부정맥은 심각한 합병증을 초래할 수 있는 심장 질환으로, 조기 진단이 중요하다. 본 연구는 부정맥 진단의 자동화를 위해 Wavelet 변환과 합성곱 신경망(CNN)을 결합한 새로운 접근 방법을 제안한다. MIT-BIH Arrhythmia Database 와 P-Wave Annotations 를 사용하여 ECG 신호에서 QRS complex 와 P-wave 를 동시에 검출하는 전처리 방법을 개발하였다. Wavelet 변환 기반 전처리와 다양한 ECG 특징 추출 기법 결합한 1 차원 CNN 모델을 적용한 결과, 93%의 전체 정확도와 평균 0.9906 의 AUC 점수를 달성하였으며, 특히 심실 부정맥에 대해 96.8%의 높은 재현율을 보였다. 이는 현재 임상에서 사용되는 많은 자동화된 ECG 분석 시스템들의 miss reading 확률(10-15%)보다 낮은 7%의 miss reading 확률을 나타낸다. 본 연구는 ECG 데이터의 효율적인 해석과 부정맥의 조기 진단 가능성을 입증하였으며, 임상 현장에서의 적용 가능성을 제시한다. 향후 연구에서는 다양한 데이터셋 검증과 실시간 처리 능력 평가를 통해 실제 임상 환경에서의 적용성을 높일 계획이다.