메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
이세열 (청운대학교)
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제17권 제1호
발행연도
2022.2
수록면
71 - 78 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
심전도는 심장 활동에 대한 전기신호의 위치 수치의 변화를 시간대 별로 저장하는 방법으로 심장의 정상 또는 이상상태를 분석하는 검사 방법이다. 기존의 심전도 분석 알고리즘에는 주파수 대역 통과 필터를 이용한 규칙기반의 분석이 사용되었으나 최근 인공지능 기술을 적용한 딥러닝, 기계학습 같은 알고리즘들이 연구되고 있다. 본 논문에서는 심전도 data set에 고속 푸리에 변환을 전처리로 수행하고 0.67Hz-50Hz의 대역필터를 적용하고 4초간의 심전도 비트를 기준점의 이전 3초, 이후 1초간의 데이터로 재구성한다. 제안모델은 딥러닝의 합성곱 신경망 연산을 적용하고 overfitting 해결방안으로 dropout을 반복하는 모델을 제안하였다. 학습데이터는 MIT-BIH의 48개의 부정맥 data set 중 4개의 페이스메이커 제외한 44개 data set 학습하였다. 제안한 합성곱 신경망 모델의 연구결과는 평균 정확도 99.8%이며 평가데이터의 평균 정확도는 99.6%로 기존 연구대비 동등하거나 유사한 성능을 보였다. 본 논문에서 제안한 모델은 심장비트에 대한 분류이다. 그러나 학습모델을 개선하면 심방세동와 심실빈맥, 심실세동 등의 심전도 리듬 분류 연구에 도움이 될 것이다.
#ECG #Arrhythmia #Deep learning #MIT-BIH #Convolution neural network(CNN)

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0