[논문 리뷰] A Survey of Applications of Artificial Intelligence for Myocardial Infarction Disease Diagnosis

Javad Hassannataj Joloudari, Sanaz Mojrian외 11명|arXiv (Cornell University)|2021. 07. 11.

ECG Monitoring and Analysis참고 문헌 35인용 수 4

한 줄 요약

이 종합 검토는 심전도(ECG) 신호를 이용한 자동 심근경색(MID) 진단을 위한 인공지능(AI) 기반 방법, 특히 딥 러닝의 성과를 검토한다. 특히 딥 컨volution 뉴럴 네트워크(DCNNs)가 전통적인 머신 러닝보다 특징을 자동으로 학습하기 때문에 조기 MID 진단에 매우 효과적이라는 점을 강조한다.

ABSTRACT

Myocardial infarction disease (MID) is caused to the rapid progress of undiagnosed coronary artery disease (CAD) that indicates the injury of a heart cell by decreasing the blood flow to the cardiac muscles. MID is the leading cause of death in middle-aged and elderly subjects all over the world. In general, raw Electrocardiogram (ECG) signals are tested for MID identification by clinicians that is exhausting, time-consuming, and expensive. Artificial intelligence-based methods are proposed to handle the problems to diagnose MID on the ECG signals automatically. Hence, in this survey paper, artificial intelligence-based methods, including machine learning and deep learning, are review for MID diagnosis on the ECG signals. Using the methods demonstrate that the feature extraction and selection of ECG signals required to be handcrafted in the ML methods. In contrast, these tasks are explored automatically in the DL methods. Based on our best knowledge, Deep Convolutional Neural Network (DCNN) methods are highly required methods developed for the early diagnosis of MID on the ECG signals. Most researchers have tended to use DCNN methods, and no studies have surveyed using artificial intelligence methods for MID diagnosis on the ECG signals.

연구 동기 및 목표

• 수동적인 ECG 해석 방식의 한계를 해결하기 위해, 이는 시간이 오래 걸리고 비용이 많이 들며 인간의 실수에 취약하기 때문이다.
• ECG 신호를 이용한 자동 MID 진단을 위한 AI 기반 방법, 특히 머신 러닝과 딥 러닝의 탐색 및 분석을 목적으로 한다.
• 특히 DCNNs를 포함한 딥 러닝 모델이 ECG 데이터로부터 관련 특징을 자동으로 추출하는 데서 유의미한 슈퍼리어리티를 보인다는 점을 강조한다.
• 기존 문헌에서 부족한 점을 메우기 위해, ECG 신호를 이용한 MID 진단에 특화된 AI 응용에 대한 종합적인 검토를 제공한다.

제안 방법

• 심전도(ECG) 신호를 이용한 MID 진단에 인공지능을 적용한 동료 심사된 논문들을 대상으로 한 체계적 검토.
• 특징 공 ing 요구 여부에 따라 방법을 머신 러닝(ML) 및 딥 러닝(DL) 접근법으로 분류.
• 수작업으로 특징 추출이 필요한 ML 방법과 특징을 자동으로 학습하는 DL 방법 간의 비교.
• 원시 ECG 신호로부터 계층적 표현을 학습할 수 있는 능력 덕분에, 딥 컨volution 뉴럴 네트워크(DCNNs)가 가장 효과적인 접근법으로 강조됨.
• 검토된 논문들에서 보고된 정확도, 민감도 및 특이도를 기반으로 모델 성능 평가.
• ECG 데이터를 이용한 조기 MID 진단에 있어 AI 응용의 추세 및 연구 격차 규명.

실험 결과

연구 질문

• RQ1 머신 러닝과 딥 러닝 방법은 ECG 신호를 이용한 MID 진단에서 특징 추출 방식에서 어떻게 다를까?
• RQ2 ECG 신호를 이용한 AI 기반 MID 진단의 현재 최신 기술 수준은 무엇이며, 특히 모델 아키텍처와 성능 측면에서 어떻게 되어 있는가?
• RQ3 왜 딥 컨volution 뉴럴 네트워크(DCNNs)는 전통적인 ML 방법보다 MID 검출에 더 효과적인가?
• RQ4 ECG 데이터를 이용한 AI를 통한 MID 진단 적용 시 주요 과제와 제약 조건는 무엇이며, 어떻게 해결되고 있는가?
• RQ5 ECG 신호를 이용한 MID 진단에 특화된 AI 응용에 대해 종합적인 종합 검토가 부족한가?

주요 결과

• 딥 러닝 모델, 특히 딥 컨볼루션 뉴럴 네트워크(DCNNs)는 ECG 신호를 이용한 자동 MID 진단에서 가장 효과적인 접근법으로 부상했다.
• 머신 러닝 방법이 수작업으로 특징를 공학해야 하는 데 반해, DCNNs는 원시 ECG 데이터로부터 관련 특징를 자동으로 학습함으로써 진단 효율성을 향상시킨다.
• 최근 대부분의 연구는 조기 심근경색 징후를 탐지하는 데 뛰어난 성능을 보이는 DCNN 기반 모델에 집중하고 있다.
• 이전 연구들 중에서 ECG 신호를 이용한 MID 진단에 특화된 인공지능 방법의 응용을 종합적으로 검토한 사례는 없었으며, 이는 상당한 연구 격차를 시사한다.
• 이 조사 결과는 DCNNs가 전통적인 ML 기법보다 특징 추출 및 분류 작업 모두에서 뛰어난 성능을 보이며, 조기 및 정확한 MID 진단에 매우 유망한 것으로 확인되었다.