루마니아에서 심혈관 질환은 사망 원인 1위이며, 연간 사망자의 약 1/3을 차지한다. 본 논문은 자원이 제한된 의료 환경에서 효율적이고 경량화된 빠른 부정맥 진단 방법을 탐구한다. 루마니아 공공 의료 데이터 부족으로 인해 PTB-XL, PTB Diagnostic ECG Database, China 12-Lead ECG Challenge Database, Georgia 12-Lead ECG Challenge Database, St. Petersburg INCART 12-lead Arrhythmia Database 등 여러 국제 공개 데이터셋을 결합하여 모델을 훈련했다. ECG 신호 처리 방법(Pan-Tompkins 알고리즘 변형)과 1D CNN, 2D CNN, ResNet, Vision Transformer(ViT) 등의 기계 학습 기법을 사용했다. ECG 신호를 직접 입력한 경우 GRU 기반 1D CNN 모델이 93.4%의 정확도를 달성했고, ECG 신호를 이미지로 변환한 경우 CNN2D 모델이 92.16%의 정확도를 달성했다.
