심장 부정맥의 조기 발견은 심장 환자의 심각한 합병증을 예방할 수 있다. 심전도 수동 진단이 여전히 임상 표준이지만, 시각적 해석에 의존하고 주관적이다. 딥 러닝은 부정맥 감지를 자동화하여 정확성, 일관성 및 효율성을 향상시키는 강력한 도구로 부상했다. 본 논문에서는 심음 기록에서 부정맥 심장 신호를 식별하기 위해 CNN-H-Infinity-LSTM 아키텍처를 제안한다. 제안된 모델은 H-Infinity 필터에서 영감을 받은 학습 가능한 매개변수를 도입하여 견고성과 일반화를 향상시킨다. PhysioNet CinC Challenge 2016 데이터 세트에서 실험한 결과, 제안된 모델은 안정적인 수렴을 달성하고 기존 벤치마크를 능가하여 테스트 정확도 99.42% 및 F1 점수 98.85%를 달성했다.
