Core Concepts
본 연구는 심장 소리 신호의 최소 지속 시간을 자동으로 분류하기 위한 최적의 신호 품질 평가 지표와 트랜스포머 기반 합성곱 신경망 모델을 제안한다.
Abstract
본 연구는 751명의 소아 환자로부터 수집한 심장 소리 신호를 바탕으로 진행되었다. 먼저 신호의 품질을 평가하기 위해 RMSSD와 ZCR 지표를 사용하였다. 이를 통해 적절한 신호를 선별하였다.
다음으로 MFCC 특징을 입력으로 하는 트랜스포머 기반 합성곱 신경망 모델을 개발하였다. 이 모델은 심장 소리 신호의 지속 시간을 변화시켜 분류 정확도를 평가하였다.
실험 결과, 5초 길이의 심장 소리 신호가 가장 높은 93.69%의 분류 정확도를 보였다. 3초 신호는 충분한 정보가 없어 정확도가 낮았고, 15초 신호는 더 많은 잡음을 포함하고 있었다. 또한 RMSSD 0.4와 ZCR 0.3이 적절한 신호 품질 기준으로 나타났다.
Stats
5초 심장 소리 신호의 분류 정확도는 93.69%이다.
3초 심장 소리 신호의 분류 정확도는 92.41%이다.
15초 심장 소리 신호의 분류 정확도는 93.67%이다.
RMSSD 0.4와 ZCR 0.3이 적절한 신호 품질 기준이다.
Quotes
"본 연구는 심장 소리 신호의 최소 지속 시간을 자동으로 분류하기 위한 최적의 신호 품질 평가 지표와 트랜스포머 기반 합성곱 신경망 모델을 제안한다."
"실험 결과, 5초 길이의 심장 소리 신호가 가장 높은 93.69%의 분류 정확도를 보였다."
"RMSSD 0.4와 ZCR 0.3이 적절한 신호 품질 기준으로 나타났다."