본 논문은 심전도(ECG)를 이용한 심장 이상 진단의 효율성을 높이기 위해 다양한 신경망 구조의 성능을 비교 분석했습니다. 기존 연구들이 추가적인 영상 검사에 의존하거나 다양한 분류 문제에 일반화되지 못하는 한계를 지적하며, 제한된 ECG 데이터셋에서의 효과적인 학습 전략을 강조합니다. 특히, PTB-XL과 CPSC18과 같은 대규모 ECG 데이터셋에서 학습한 정보를 폐색전증(PE) 검출을 위한 소규모 데이터셋에 적용하는 전이 학습을 통해 학습 효율 및 예측 성능 향상 가능성을 분석합니다. GitHub에 코드를 공개하여 재현성을 확보했습니다.
