EcoScaleNet: A Lightweight Multi Kernel Network for Long Sequence 12 lead ECG Classification
Created by
- Haebom
Category
Empty
저자
Dong-Hyeon Kang, Ju-Hyeon Nam, Sang-Chul Lee
개요
12 유도 심전도(ECG)의 정확한 해석은 심장 이상을 조기에 발견하는 데 중요하지만, 수동 판독은 오류가 발생하기 쉽고 기존 CNN 기반 분류기는 ECG의 긴 시퀀스에 일반화되는 수용 필드 크기를 선택하는 데 어려움을 겪습니다. Omni Scale CNN(OS CNN)은 골드바흐 추론에서 영감을 얻은 소수 크기 커널을 열거하여 모든 스케일을 커버하지만, 이러한 철저한 설계는 계산 비용을 폭증시키고 더 깊고 넓은 모델을 차단합니다. 본 논문에서는 전체 수용 필드 범위를 유지하면서 중복성을 제거하는 계층적 변형인 Efficient Convolutional Omni Scale Network (EcoScale-Net)을 제시합니다. 각 단계에서 최대 커널 길이는 다운 샘플링 후에도 여전히 필요한 스케일로 제한되며, 모든 Omni Scale 블록 전후에 삽입된 병목 컨볼루션은 채널 증가를 줄이고 다중 스케일 특징을 융합합니다. 대규모 CODE 15% ECG 데이터 세트에서 EcoScaleNet은 OS CNN에 비해 매개변수를 90% 줄이고 FLOPs를 99% 줄이면서 매크로 평균 F1 점수를 2.4% 향상시켰습니다. 이러한 결과는 EcoScaleNet이 저렴한 계산 비용으로 긴 시퀀스 ECG 분류에 대한 최첨단 정확도를 제공하여 범용 하드웨어에서 실시간 배포를 가능하게 함을 보여줍니다. EcoScaleNet 코드는 GitHub 링크에서 사용할 수 있습니다.
시사점, 한계점
•
시사점:
◦
EcoScaleNet은 OS CNN에 비해 매개변수 및 FLOPs를 크게 줄이면서 SOTA 정확도를 달성했습니다.
◦
긴 시퀀스 ECG 분류를 위한 실시간 배포를 가능하게 합니다.
◦
계산 비용을 절감하여 범용 하드웨어에서 실행 가능합니다.
•
한계점:
◦
논문 자체에서 한계점에 대한 언급은 없음. (단, 연구 개발의 초기 단계일 수 있음)
