지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 발행연도
- 2021
- 저작권
- 강릉원주대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 딥러닝 기술의 적용 수준이 더욱 고도화되고 활용 범위가 확대되고 있다. 의료 분야에서의 적용을 살펴보면, X-ray와 CT 촬영으로 얻어진 영상에 딥러닝을 적용하여 질병을 예측하거나 분류하는 연구가 진행되고 있다. 다른 분야에서의 적용 사례들과 비교해본다면, 의료 분야에서의 딥러닝 기술 적용은 이루어지고 있기는 하지만, 아직은 미비한 실정이다.
본 논문에서는 1-D 합성곱 신경망 모델을 사용하여, 심혈관 질환 상태를 분류하는 효율적인 ECG 데이터 분석 기법을 제안한다. 제안된 시스템은 MIT-BIH 부정맥 데이터베이스에서 일부 데이터를 선정하여, 모델을 훈련하고 검증 및 평가를 실시하였으며, 심혈관 질환을 ‘N’, ’S’, ’V’, ’F’, ’Q’ 5가지의 라벨로 분류한다. 딥러닝 모델을 설계할 때 주로 사용되는 ResNet, ResNeXt의 구조를 바탕으로 모델의 뼈대를 구성하였다. 나아가 Focal Loss와 Adabound 기법을 사용하여 모델의 성능을 향상시켰다.
평가용 데이터를 사용하여 제안된 시스템의 성능을 평가한 결과, 분류 정확도로 98.85%를 얻었으며 사용된 데이터의 불균형을 고려하여 계산한 F1-score는 라벨 별로 0.9947, 0.8705, 0.9650, 0.8141, 0.9944가 된다. 이러한 결과들로부터 제안된 시스템의 우수한 성능을 확인하였다.
본 논문에서는 1-D 합성곱 신경망 모델을 사용하여, 심혈관 질환 상태를 분류하는 효율적인 ECG 데이터 분석 기법을 제안한다. 제안된 시스템은 MIT-BIH 부정맥 데이터베이스에서 일부 데이터를 선정하여, 모델을 훈련하고 검증 및 평가를 실시하였으며, 심혈관 질환을 ‘N’, ’S’, ’V’, ’F’, ’Q’ 5가지의 라벨로 분류한다. 딥러닝 모델을 설계할 때 주로 사용되는 ResNet, ResNeXt의 구조를 바탕으로 모델의 뼈대를 구성하였다. 나아가 Focal Loss와 Adabound 기법을 사용하여 모델의 성능을 향상시켰다.
평가용 데이터를 사용하여 제안된 시스템의 성능을 평가한 결과, 분류 정확도로 98.85%를 얻었으며 사용된 데이터의 불균형을 고려하여 계산한 F1-score는 라벨 별로 0.9947, 0.8705, 0.9650, 0.8141, 0.9944가 된다. 이러한 결과들로부터 제안된 시스템의 우수한 성능을 확인하였다.
목차
1. 서론 ----------------------------------------------------------------------------------22. 관련 기술 연구2.1. 심전도 데이터 ------------------------------------------------------------------52.2. ResNet ---------------------------------------------------------------------------72.3. ResNeXt -------------------------------------------------------------------------92.4. Adabound ----------------------------------------------------------------------122.5. Focal Loss ----------------------------------------------------------------------133. CNN 기반 ECG 데이터 분석 시스템 설계 ----------------------------------------154. 실험 결과 및 성능 분석4.1. 활용 데이터 ---------------------------------------------------------------------194.2. 결과 분석 ------------------------------------------------------------------------215. 결론 ----------------------------------------------------------------------------------24참고문헌 --------------------------------------------------------------------------------26
최근 본 자료
댓글(0)
0