Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

xLSTM-ECG: Multi-label ECG Classification via Feature Fusion with xLSTM

Created by
  • Haebom

저자

Lei Kang, Xuanshuo Fu, Javier Vazquez-Corral, Ernest Valveny, Dimosthenis Karatzas

개요

본 논문은 심혈관 질환 진단에 필수적인 심전도(ECG)의 효율적이고 정확한 자동 판독을 위한 새로운 방법인 xLSTM-ECG를 제안한다. xLSTM 네트워크를 이용하여 PTB-XL 데이터셋을 기반으로 ECG 신호의 다중 레이블 분류를 수행한다. 시간-주파수 변환 기법인 STFT를 사용하여 ECG 파형을 주파수 영역으로 변환하여 특징 추출을 향상시키고, 12-lead ECG의 복잡성을 고려하여 설계된 xLSTM 아키텍처를 통해 국소적 및 전역적 신호 특징을 모두 포착한다. PTB-XL 및 Georgia 12-Lead 데이터셋에서의 실험 결과, 제안된 모델은 우수한 다중 레이블 분류 성능과 견고성, 효율성을 보여주며, 임상 진단 및 환자 치료 향상에 기여할 수 있음을 확인했다.

시사점, 한계점

시사점:
xLSTM 기반 ECG 다중 레이블 분류 모델의 효과적인 설계 및 적용을 제시.
STFT를 이용한 주파수 영역 변환을 통해 특징 추출 성능 향상.
12-lead ECG의 복잡성을 고려한 xLSTM 아키텍처의 우수성 검증.
향상된 ECG 분류 정확도를 통해 임상 진단 및 환자 치료 개선에 기여.
한계점:
제안된 모델의 일반화 성능에 대한 추가적인 검증 필요.
다양한 데이터셋에 대한 성능 비교 분석 부족.
코드 공개 시점이 논문 수락 이후로 지정되어 즉각적인 접근성이 제한됨.
👍