심혈관 질환은 전 세계 사망의 주요 원인이며, 심전도(ECG)는 심장 평가에 널리 사용되는 비침습적 도구입니다. 이 논문은 ECG 생성에 있어 기존 방법론의 한계점을 극복하기 위해, 생리학적 시뮬레이터와 임상 경험을 통합한 새로운 확산 모델 SE-Diff를 제안합니다. SE-Diff는 경량 ODE 기반 ECG 시뮬레이터를 활용하여 생리학적으로 타당한 파형을 생성하고, LLM 기반 경험 검색 증강 전략을 통해 임상 지식을 주입합니다. 실제 ECG 데이터셋에 대한 실험 결과, SE-Diff가 기존 방법론보다 신호 충실도와 텍스트-ECG 의미 정렬에서 우수한 성능을 보였으며, 후속 ECG 분류 작업에도 기여함을 입증했습니다.
