ECG R-피크 검출을 위한 Pan-Tompkins와 SVM·RF 기법의 성능 비교 연구

초록

본 연구에서는 MIT-BIH Arrhythmia Database의 48개 레코드(360 Hz)를 활용하여 Pan–Tompkins 알고리즘, SVM(선형 커널, C=1), Random Forest(n=100)의 R-피크 검출 성능을 동일한 전처리 및 특징 추출 조건에서 비교·분석하였다. R-피크 중심 ±50 샘플(총 100포인트)의 구간을 기준으로 총 8개의 통계적 특징(평균, 표준편차, 최댓값, 최솟값, 중앙값, Q1, Q3, 분산)을 산출하여 특징 벡터를 구성하였다. 이후 클래스 불균형 문제를 해소하기 위해 1:1 언더샘플링을 적용하고, 전체 데이터를 8:2 비율로 학습·테스트 세트로 분할하였다. Pan–Tompkins 알고리즘, SVM, Random Forest 모델에 동일한 특징과 동일한 자료 분할 방식을 적용하여 공정한 비교가 이루어지도록 하였다. 실험 결과, Random Forest는 정확도(0.9214)와 정밀도(0.8961)에서 가장 높은 성능을 보였으며, SVM은 민감도(0.9707)에서 상대적으로 우수하였다. Pan–Tompkins 알고리즘은 다른 두 모델 대비 정밀도에서 다소 낮았으나, 민감도(0.9384) 측면에서는 안정적인 검출 성능을 확인하였다. 이러한 결과는 전통적 알고리즘과 기계학습 기반 알고리즘이 각각 다른 강점을 가지며, 적용 목적에 따라 선택 기준이 달라질 수 있음을 시사한다. 특히 실시간 처리 환경에서는 민감도가 높은 알고리즘이, 오탐지 억제가 중요한 서비스 환경에서는 정밀도가 높은 알고리즘이 적합하다고 판단된다. 본 연구는 동일 조건하에서 Pan–Tompkins, SVM, Random Forest의 성능을 정량적으로 비교함으로써, 향후 ECG 기반 실시간 진단 및 임상적 활용을 위한 알고리즘 선택의 근거를 제공한다.

키워드