Multi-Dimensional ECG Analysis using a ResNet and Its Application to Gender Classification

본 논문에서는 심전도(ECG) 신호의 1차원 시계열 정보, GAF(Gramian Angular Field) 변환을 통한 2차원 이미지 정보, 그리고 생리학적 기하학적 특징 벡터를 결합한 통합 딥러닝 시스템을 제안하였다. 제안하는 시스템은 1D ResNet으로 시간적 흐름을 학습하고, GAF로 변환된 2D 이미지를 2D ResNet에 적용하였으며, 여기에 PQRST 특징점 기반의 기하학적 벡터를 추가로 결합하여 세 가지 모듈로 구성된다. 이러한 다차원 설계는 신호의 표현력을 극대화하였고 그 효과를 확인하기 위해 공개 데이터셋인 ECG-ID, 자체 데이터셋인 CSU_DB를 활용하여 성별 분류 실험을 수행하였다. 실험 결과, 제안 시스템은 각 데이터셋에 대해 98.8%, 99.6%의 높은 분류 정확도를 달성하였다. 이를 통해 제안하는 시스템이 1차원 시계열 신호를 다차원으로 확장하여 분석하는 효과적인 방법임을 확인하였고, 이질적인 특징들을 딥러닝 구조에서 결합하는 효과적인 방법인 것도 확인할 수 있었다.