본 논문은 심전도(ECG) 부정맥 분류를 위한 새로운 신경망 EXGnet을 제안합니다. EXGnet은 단일 리드 신호에 특화되어 높은 정확도, 설명 가능성, 그리고 에지 디바이스 배포의 용이성을 동시에 달성하도록 설계되었습니다. 심전도 의사의 진단 방식을 모방하여, 정규화된 상호상관 기반 손실 함수를 통해 XAI(설명 가능한 인공지능) 지도를 통합하여 임상적으로 중요한 심전도 영역에 모델의 주의를 집중시킵니다. 수동 주석 없이 심박 변이도 기반 접근법으로 자동 생성된 기준 자료를 사용하며, 정량적 ECG 특징을 학습에 활용하여 정확도를 높이지만 추론 과정에서는 제외하여 경량화된 모델을 구현합니다. 다중 해상도 블록을 도입하여 계산 효율성을 유지하면서 단기 및 장기 신호 특징을 효율적으로 포착합니다. Chapman 및 Ningbo 벤치마크 데이터셋에서 평균 5회 교차 검증 정확도 98.762% 및 96.932%, F1 점수 97.910% 및 95.527%를 달성하여 성능 우수성을 입증했습니다. 제거 연구 및 정량적, 정성적 설명 가능성 평가를 통해 XAI 지도의 중요성을 확인했습니다. 결론적으로 EXGnet은 고성능 부정맥 분류와 설명 가능성을 결합하여 신뢰할 수 있고 접근 가능한 휴대용 ECG 기반 건강 모니터링 시스템의 길을 열었습니다.
