Alarms in the intensive care unit play a major role in critical care. However, patients and medical staffs have suffered from high false alarm rates, which was high as 86% in one report. These false alarms can be more critical for patients with arrhythmia. To reduce them, it is essential to detect arrhythmias in electrocardiogram (ECG) signals accurately. In this paper, we consider deep learning methods to solve this problem. Deep learning, which consists of deep and complex neural networks architectures, has applied successfully in pattern recognition problems such as image recognition and speech recognition, and has made major advances in recent 10 years. We suggest two novel deep neural networks architectures and a convolutional neural network to find life-threatening arrhythmias from critical patients’ ECG signals. Experimental results show that the convolutional neural network yielded a sensitivity, specificity, and accuracy of 89.47%, 88.03%, and 88.67% in life-threatening arrhythmia detection.
중환자 의료에서 환자의 상태를 정확히 알려주는 경보 시스템은 매우 중요하다. 그러나 무려 86%에 달하는 경우가 보고되었을 정도로 높은 오경보율은 중환자의 회복과 의료진의 적절한 처치를 방해하는 방해물이 되어왔다. 특히 중환자의 생명까지 좌우할 수 있는 치명적인 부정맥 증상에 대한 오경보는 중대한 결과를 유발할 수 있을 정도로 중요하기에, 이를 줄이기 위해선 무엇보다 심전도(electrocardiogram)에서 부정맥 증상을 정확히 탐지해내야 한다. 이 논문에서 우리는 이 문제의 해결책으로 딥 러닝 방법론을 고려한다. 복잡한 다층 구조의 인공 신경망을 학습시키는 딥 러닝은 지난 10년 간 이미지 인식이나 음성 인식과 같은 패턴 인식 문제에 대해서 놀랄만한 성취를 이루어 왔다. 그래서 우리는 ECG에서 부정맥 증상을 탐지하기 위해, 새롭게 개발한 두 종류의 심층 신경망 구조와 convolutional neural networks를 이 논문에서 제안한다. 실험 결과, 우리가 제안한 딥 러닝 알고리즘 중에서도 특히 convolutional neural networks의 경우 민감도, 특이도, 그리고 정확도가 각각 89.47%, 88.03%, 88.67%를 달성하여, 우리의 알고리즘이 충분히 경쟁력이 있음을 보여주었다.
