초록 ▼

중환자 의료에서 환자의 상태를 정확히 알려주는 경보 시스템은 매우 중요하다. 그러나 무려 86%에 달하는 경우가 보고되었을 정도로 높은 오경보율은 중환자의 회복과 의료진의 적절한 처치를 방해하는 방해물이 되어왔다. 특히 중환자의 생명까지 좌우할 수 있는 치명적인 부정맥 증상에 대한 오경보는 중대한 결과를 유발할 수 있을 정도로 중요하기에, 이를 줄이기 위해선 무엇보다 심전도에서 부정맥 증상을 정확히 탐지해내야 한다. 이 연구에서 우리는 이 문제의 해결책으로 지난 10년 간 이미지 인식이나 음성 인식과 같은 패턴 인식 문제에 대해서

중환자 의료에서 환자의 상태를 정확히 알려주는 경보 시스템은 매우 중요하다. 그러나 무려 86%에 달하는 경우가 보고되었을 정도로 높은 오경보율은 중환자의 회복과 의료진의 적절한 처치를 방해하는 방해물이 되어왔다. 특히 중환자의 생명까지 좌우할 수 있는 치명적인 부정맥 증상에 대한 오경보는 중대한 결과를 유발할 수 있을 정도로 중요하기에, 이를 줄이기 위해선 무엇보다 심전도에서 부정맥 증상을 정확히 탐지해내야 한다. 이 연구에서 우리는 이 문제의 해결책으로 지난 10년 간 이미지 인식이나 음성 인식과 같은 패턴 인식 문제에 대해서 놀랄만한 성취를 이루어낸 딥 러닝 방법론을 고려한다. ECG에서 부정맥 증상을 탐지하기 위해, 우리는 새롭게 개발한 두 종류의 심층 신경망 구조와 convolutional neural networks를 이 연구에서 제안하며, 실험 결과 우리가 제안한 딥 러닝 알고리즘 중에서도 특히 convolutional neural networks의 경우 민감도, 특이도, 그리고 정확도가 각각 89.47%, 88.03%, 88.67%를 달성하여, 우리의 알고리즘이 충분히 경쟁력이 있음을 보여주었다.

Abstract

Ⅳ. Results of the research
Experimental results show that the convolutional neural network yielded a sensitivity, specificity, and accuracy of 89.47%, 88.03%, and 88.67% in life-threatening arrhythmia detection.

목차 Contents

• 표지 ... 1
• 제출문 ... 2
• 보고서 초록 ... 3
• 요약문 ... 4
• SUMMARY ... 5
• CONTENTS ... 6
• 목차 ... 7
• 제 1 장 연구개발과제의 개요 ... 8
• 제 1 절 연구개발의 필요성 ... 8
• 제 2 절 연구개발의 목적 ... 10
• 제 2 장 국내외 기술개발 현황 ... 11
• 제 1 절 심전도 ... 11
• 제 2 절 위급한 부정맥 증상에 대한 현행 기준 ... 12
• 제 3 절 현재의 부정맥 탐지 방법과 그 한계 ... 13
• 제 3 장 연구개발수행 내용 및 결과 ... 15
• 제 1 절 심층 신경망(Deep neural networks) ... 15
• 제 2 절 심층 신경망을 위한 추가 구조 ... 18
• 제 3 절 Convolutional neural networks ... 21
• 제 4 절 데이터 및 실험 설계 ... 23
• 제 5 절 결과 ... 28
• 제 4 장 목표달성도 및 관련분야에의 기여도 ... 34
• 제 1 절 PhysioNet/CinC challenge 2015 결과와의 비교를 통한 목표 달성 평가 ... 34
• 제 2 절 중환자 생체신호 분석에의 기여 ... 35
• 제 5 장 연구개발결과의 활용계획 ... 36
• 제 6 장 참고문헌 ... 37
• 끝페이지 ... 40