대규모 교차 양식 사전 훈련 모델을 활용한 심전도 기반 심혈관 상태 추정 및 심근병증 검출 개선: AI 시스템 개발 및 다기관 검증 연구
본 연구는 심전도(ECG) 데이터에서 심혈관 상태 지표를 평가하고 심근병증을 포함한 다양한 심혈관 질환을 선별하는 딥러닝 모델인 CardiacNets를 소개하며, 교차 양식 대조 학습 및 생성 사전 훈련을 통해 심장 MRI(CMR)의 진단적 강점을 활용하여 ECG 분석을 향상시키고, 고품질 CMR 이미지 생성을 통해 해석 가능성을 높입니다.
좌심실 비대증 진단을 위한 양방향 신호 워핑 및 심전도 프로토타입 라이브러리 구축
본 논문에서는 심전도 신호에서 나타나는 좌심실 비대증을 진단하기 위해 양방향 신호 워핑(BSW) 기법을 활용하여 심전도 프로토타입 라이브러리를 구축하고, 이를 통해 새로운 심전도 데이터를 기존 프로토타입과 비교 분석하는 진단 보조 시스템을 제안합니다.
PCG 신호의 비유사도 행렬을 이용한 심장 박동의 자율 감지 및 분류
본 논문에서는 심음도(PCG) 신호에서 비유사도 행렬과 프레임 수준 스펙트럼 발산을 결합하여 심장 박동을 자율적으로 감지하고 S1과 S2로 분류하는 새로운 방법을 제안합니다.
심방세동 감지를 위한 자기 지도 방식의 주기 인식 심전도 표현 학습
본 논문에서는 심방세동 감지를 위해 의료적 사전 지식을 활용한 자기 지도 방식의 주기 인식 심전도 표현 학습 방법을 제안합니다. 이 방법은 대규모의 레이블링되지 않은 심전도 데이터에서 주기적 특징을 학습하여 심방세동 감지 성능을 향상시킵니다.
1000만 건 이상의 다양한 심전도 데이터를 기반으로 구축된 병원 및 휴대용 기기에 적용 가능한 범용 심전도 기반 모델
본 연구는 백만 명 이상의 환자로부터 얻은 천만 개 이상의 심전도 데이터를 사용하여 150가지 이상의 심장 이상을 진단할 수 있는 범용 심전도 기반 모델(ECGFounder)을 개발했습니다. ECGFounder는 기존 심전도 모델의 한계를 극복하고, 심장 전문의 수준의 진단 정확도를 달성했으며, 단일 리드 심전도에서도 높은 성능을 보여 휴대용 기기에 적용 가능성을 높였습니다. 또한, 다양한 임상 작업에 대한 미세 조정을 통해 만성 신장 질환 및 관상 동맥 질환과 같은 다른 질병 진단에도 효과적으로 활용될 수 있음을 입증했습니다.
