곡선 프레셰 평균을 이용한 신호 평균화와 ECG 데이터 분석

초록

본 논문은 시간적 변형이 존재하는 다중 신호에 대해, 전통적인 유클리드 평균이 아닌 프레셰 평균을 적용하여 정렬‑평균 과정을 자동화한다. 비유클리드 거리 정의와 최적화 알고리즘을 제시하고, 이를 ECG 기록의 평균 심장 주기 추출에 적용해 기존 템플릿 기반 방법보다 향상된 결과를 보인다.

상세 분석

프레셰 평균은 거리 공간(metric space) 상에서 정의되는 중심점으로, 유클리드 평균이 적용되지 못하는 비선형 구조에 적합하다. 논문은 먼저 연속적인 곡선 집합을 L²‑와 워프된 시간축을 동시에 고려하는 복합 거리(dissimilarity)로 정의한다. 이 거리 함수는 두 곡선 사이의 형태 차이와 시간 변형 차이를 각각 제곱합 형태로 통합하며, 시간 변형은 미분가능한 변환 함수 ϕ∈Γ(0,1) (단조 증가, 경계 고정) 로 모델링한다. 최적화는 교대 최소화(Alternating Minimization) 방식으로 진행한다. 초기에는 임의의 곡선을 평균 후보로 설정하고, 각 샘플에 대해 최적 ϕᵢ를 동적 프로그래밍(DP) 기반의 동적 시간 정렬(DTW) 변형으로 추정한다. 이후 정렬된 곡선들을 유클리드 평균으로 재계산하고, 이 과정을 수렴할 때까지 반복한다. 중요한 기여는 “템플릿 없이” 평균을 구한다는 점이다. 기존 방법은 사전에 선택된 기준 템플릿에 의존해 정렬 오류가 누적되는 반면, 프레셰 평균은 전체 데이터 집합을 동시에 고려해 전역 최적화를 수행한다. 알고리즘 복잡도는 O(N·M·L·logL) 수준으로, N은 샘플 수, M은 반복 횟수, L은 곡선 길이이며, 실험에서는 1015회 반복이면 충분히 수렴한다. ECG 적용 사례에서는 P‑Q‑R‑S‑T 파형이 시간적으로 비동기적인 다중 심장 주기에서 추출된다. 프레셰 평균을 이용하면 QRS 복합체의 위치와 형태가 명확히 정렬되어, 잡음에 강인한 평균 파형을 얻는다. 또한, 평균 파형의 변동성(표준편차 곡선)도 함께 제공되어 임상적 변이 해석에 활용 가능하다. 논문은 시뮬레이션 데이터와 실제 MIT‑BIH ECG 데이터베이스를 통해 정량적 평가를 수행했으며, 평균 파형의 신호‑대‑잡음비(SNR)와 형태 유사도(코사인 유사도)에서 기존 템플릿 기반 평균보다 23dB 향상을 보고한다.