머신러닝을 활용한 부정맥 탐색 방법

Methods for searching arrhythmia using machine learning

인간의 심장은 평상시 분당 약 60회 내지 80회 가량, 하루 약 8만회 이상 박동하는 것으로 알려져 있다. 이런 수 많은 심전도 데이터 중 이상치로 보이는 위치를 기계학습으로 학습된 장비를 통해 검출할 수 있다면 분석 시간을 매우 단축시킬 수 있을 것이다. 본 논문은 Gradient Boosting Algorithm의 하나인 LightGBM을 이용하여, 심전도의 이상 유무를 판단하는 방법을 제안하고 그 실험 결과를 보이고자 한다. LightGBM는 CPU에서도 충분히 동작시킬 수 있는 수준의 가벼운 알고리즘으로 그 효율성은 Guolin Ke, et al.의 논문[1]으로 증명 된 바 있다. 심전도 데이터(edf)는 PhysioNet에서 제공하는 MIT-BIH Arrhythmia Database를 사용하였으며, 데이터 해석에 대한 정보도 함께 수집하였다. 데이터 해석을 근거로 LightGBM에서 사용할 feature들을 추출하였다. 해당 feature들로 학습한 실험결과에 따르면, 정상적인 박동과 그렇지 않은 박동을 머신러닝을 통해 F1 score 기준 약 97의 정확도로 분류해 내었다.