본 논문은 단일 채널 심전도(ECG)를 이용하여 수면 무호흡증의 아형(폐쇄성, 중추성, 혼합성)을 실시간으로 분류하는 에너지 효율적인 방법을 제시합니다. 다양한 기계 학습 알고리즘과 심층 학습 아키텍처를 1초 ECG 창에 대해 평가하여 정확도, 복잡성 및 에너지 소비량을 비교 분석하고, 웨어러블 기기용으로 설계된 소형이면서 에너지 효율적인 합성곱 신경망인 SleepLiteCNN을 제안합니다. SleepLiteCNN은 8비트 양자화 후 추론당 1.8 마이크로줄의 에너지만을 사용하면서 95% 이상의 정확도와 92%의 매크로 F1 점수를 달성하며, FPGA 합성을 통해 하드웨어 자원 사용량을 크게 줄일 수 있음을 보여줍니다. 이는 에너지 제약 환경에서 지속적인 실시간 모니터링에 적합함을 시사합니다.
