소아 Holter 데이터를 활용한 PSVT Classification 모델 개발

Holter 데이터는 일반적인 심전도 데이터와 다르게 24시간 정도 되는 길이를 가진 Long-term ECG 데이터입니다. 본 프로젝트는 이를 활용해 빈맥의 일종인 PSVT(Paroxysmal Supraventricular Tachycardia)를 진단하는 모델을 개발합니다.

---

1. 프로젝트 개요

24시간 이상 연속으로 기록된 Holter ECG 데이터를 입력받아, 정상 상태와 PSVT 발작 구간을 자동으로 분류하는 딥러닝 기반 분류 모델을 개발합니다.

• 목표: 소아 환자의 Holter 데이터를 분석해 PSVT 징후를 조기에 감지
• 적용 사례: 장기 모니터링 환자의 진단 보조, 의료진의 주관적 판독 부담 완화

---

2. 데이터 설명 (데이터의 특성상 비공개)

• 원천 데이터:
  • 형식: WFDB (.sig, .hea, .ann), HDF5 등
  • 길이: 평균 24시간 이상 연속 기록
  • 주파수: 250–500 Hz (채널 및 장비에 따라 상이)
• 레이블링:
  • PSVT 발작 시작/종료 시각 어노테이션 (.csv)

---

3. 임베딩 전략 비교

전략	설명	장점	단점
10초 단위 임베딩	신호를 10초 간격으로 분할 → 각 구간별 임베딩 벡터 생성	노이즈 완화, 구간별 문맥 포착 가능	길이가 길어지면 정보 손실 우려
비트(bit) 단위 임베딩	신호를 비트 단위(샘플 단위)로 작은 슬라이딩 윈도우 생성 → 임베딩	세밀한 시계열 변화 감지, 높은 해상도	너무 짧은 임베딩으로 정보의 절대적인 양의 부족

---

4. 최종 임베딩 방식

다양한 실험 끝에 비트 단위 임베딩을 채택하였습니다.
*VAE를 활용하여 각 환자 단위의 이상 부분 확인 및 각 single beat 로의 임베딩

• 한 환자 당 (12만, 4) 모양의 임베딩 완료

---

5. 모델 아키텍처 1)

---

6. 실험 및 결과