Fetal ECG Separation Methods for Prenatal Healthcare System

Abstract

임신 중 태아심장 상태의 감시와 평가는 태아의 위험한 상태 변화를 조기에 발견하고 조치하여 건강하게 신생아를 출생하는데 있어 매우 중요하다. 이를 위해서는 태아의 심장 상태 변화를 지속적으로 감시를 해야 하는데 산모의 복부심전도로부터 산모와 태아의 심전도를 분리 추출하여 태아의 심전도를 이용하여 태아의 상태를 감시하는 방법들이 널리 연구되고 있다. 그러나 산모복부심전도는 산모의 심전도 및 여러 잡음들에 의해 오염되어 있어 이 신호로부터 태아의 심전도를 분리하는 것은 큰 과제 중에 하나이다. 본 연구에서는 산전 헬스케어 시스템 개발을 위한 효과적인 태아심전도 분리 기술들을 제안한다. 본 학위 논문의 첫번째 파트에서는 희소 표현 잡음 제거 기법을 이용한 태아심전도 추출 기술에 대해 다룬다. 해당 연구에서 희소 표현 잡음 제거 기법 중에 하나 인 총 변동 잡음 제거 기법을 연속적으로 적용하여 산모복부심전도로부터 태아의 심전도를 추출하는 방법을 제안하였고, 실시간으로 태아의 심전도를 추출 후 태아의 심박수를 측정할 수 있었다. 본 연구의 두번째 파트는 딥러닝 네트워크 구조를 이용하여 태아의 심전도를 추출하는 모델을 제안하였다. 이 파트에서 우리는 W 모양의 단일 딥러닝 네트워크 구조를 이용하여 산모복부심전도로부터 한 번에 산모와 태아의 심전도를 분리하는데 성공하였으며, 기존에 제안된 태아심전도를 추출하는 모델들에 비해 높은 R-피크 감지성능을 보였다. 마지막으로 실시간 연산을 가능하게 하기 위해 모델의 복잡도를 줄이고 태아의 심전도 추출 성능을 유지할 수 있는 방향에 대해 연구를 수행하였으며, attention 메커니즘을 통해 그 가능성을 확인할 수 있었다. 본 연구에서 구현한 기술들은 산전 헬스케어 시스템에 유용하게 사용될 수 있을 것이라 기대한다.