본 연구는 심전도(ECG) 스캔 이미지를 이용한 다중 레이블 분류를 탐구하여 기존의 정상/비정상 이분법적 분류를 넘어섰습니다. AlexNet, VGG, ResNet, Vision Transformer 등 다양한 심층 신경망 아키텍처의 성능을 스캔된 ECG 데이터셋에서 평가하여 모델 정확도, 이미지 인공물에 대한 강건성, 그리고 다양한 ECG 상태에 대한 일반화 가능성을 비교 분석했습니다. 또한 스캔 이미지에서 추출된 ECG 신호가 신뢰할 수 있는 자동 분류에 충분한 진단 정보를 유지하는지 여부를 조사했습니다. 각 아키텍처의 강점과 한계를 강조하여 이미지 기반 ECG 진단의 실현 가능성과 임상 워크플로우 통합 가능성에 대한 통찰력을 제공합니다.
