웨어러블 ECG 기반 신호처리 및 부정맥 분류

Wearable ECG signal processing and arrhythmia classification

연구 내용

웨어러블 환경에서 획득한 ECG 신호의 품질을 평가하고 잡음 제거·분류 모델을 구축하여 부정맥을 정확히 판별하는 연구

웨어러블 기기에서 ECG를 장기적으로 측정하기 위해 전극 재사용성과 신호 품질 저하 요인을 고려한 측정 성능을 평가합니다. 수집된 ECG 신호에 대해 딥러닝 기반 분류 모델을 적용하여 부정맥을 포함한 다중 클래스 판별을 수행합니다. 또한 잡음 제거와 QRS 관련 특징을 반영하도록 학습을 구성해 신호 기반 진단 정확도를 높이는 방향으로 연구를 진행합니다. 센서-신호-분류 파이프라인을 통합하여 헬스케어 모니터링에 적용 가능한 구조를 확보합니다.

관련 프로젝트

0건

연구 흐름

초기에는 웨어러블 ECG 모니터링 시스템을 설계하고, 데이터 취득부터 처리까지의 구현 절차를 정립하는 데 집중했습니다. 이후 2021년에는 전극 재료 형태(금속 플레이트, 전도성 테이프 등)를 비교 평가하여 장기 사용 관점에서 신호 검출 성능을 검증했습니다. 2022년에는 ECG 잡음 제거를 위한 딥러닝 기반 모델을 확장하고 부정맥 분류로 연계하여 성능 향상 구조를 구축했습니다. 최근에는 측정 신뢰성과 모델 기반 판별을 함께 고려하는 형태로 웨어러블 진단 고도화를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

장기 사용 가능한 ECG 전극 성능 평가
웨어러블 부정맥 자동 분류
ECG 잡음 제거 전처리 모듈
개인 맞춤형 심전도 모니터링 시스템
원격 건강관리 알림 로직
신호 품질 기반 재측정 가이드
임상 스크리닝 보조 분석
모바일/엣지 배치용 분류 모델
센서 교체에 따른 성능 검증 체계
웨어러블 헬스케어 서비스 데이터 파이프라인