[Python][AI] 아기의 심장 소리로 성별 예측? – 데이터셋과 논문 소개

 

fetal heartbeat, phonocardiogram, PCG

아내가 임신하여 얼마전에 산부인과를 다녀왔습니다. 아직 1.5cm에 불과한 태아의 심장 소리를 들으니 심정을 이루 말하기 어렵더군요. 병원을 나오고 친구들과 얘기를 나눠보니 심장 소리를 듣고 아들인지 딸인지 판단할 수 있다고 합니다. 기차소리와 비슷하다면 아들, 말발굽 소리가 난다면 딸이라는 얘기를 들어 보셨나요? 이에 호기심이 생겨 연구 결과가 있는지 찾아보았고, 참고할만한 데이터셋과 연구 결과를 찾을 수 있었습니다. 데이터셋과 연구 결과를 소개하고 실습을 진행하며 아들일지 딸일지 판별하는 실습을 진행하고자 합니다.

---

1. Shiraz University Fetal Heart Sounds Database(SUFHSDB) 소개

---

SUFHSDB는 이란 Shiraz University에서 수집한 태아 및 산모의 심장소리 데이터셋으로, 109명의 임산부(단태아 및 쌍둥이 포함)로부터 수집되었다. 주요 특징은 다음과 같다.

Link : https://physionet.org/content/sufhsdb/1.0.1/

• 총 119개의 태아 심장소리 녹음 데이터
• 디지털 청진기를 이용하여 산모의 하복부에서 녹음
• 평균 녹음 시간: 90초
• 샘플링 주파수: 16,000 Hz(16-bit quantization), 일부 데이터 44,100 Hz
• 데이터 형식: WAV 파일 + WFDB 포맷 메타데이터

이 데이터는 비침습적(non-invasive) 방식으로 기록되었으며, 기존 초음파 기반 심박수 모니터링(CTG)에 비해 장기적인 관찰에 적합한 대체 기술로 주목받고 있다.

---

2. 태아 심장소리를 활용한 성별 판별 연구

---

기존의 연구에서 태아의 성별을 판별하는 방법은 대부분 초음파 기반 검사에 의존했지만, 최근에는 심장소리(PCG) 데이터를 활용한 머신러닝/딥러닝 기법이 연구되고 있다.

 

논문: "Fetal Gender Identification using Machine and Deep Learning Algorithms on Phonocardiogram Signals"

Link : https://arxiv.org/abs/2110.06131

 

이 논문에서는 SUFHSDB 데이터셋을 이용하여 태아의 성별을 판별하는 머신러닝 및 딥러닝 모델을 실험했다.

2.1 데이터 전처리

태아 심장소리는 다양한 노이즈(산모의 심장박동, 외부 환경 소음 등)에 영향을 받는다. 따라서 연구에서는 다음과 같은 노이즈 제거 기법을 적용했다.

• 저역통과 필터(Low-pass filter): 불필요한 고주파 성분 제거
• Denoising Autoencoder(DAE): 딥러닝 기반 자동 인코더를 활용한 노이즈 감소
• Source Separation Algorithm: 단일 채널 블라인드 소스 분리(SCBSS)를 사용하여 태아와 산모의 심장소리 분리

2.2 특징 추출 (Feature Extraction)

PCG 신호에서 유용한 특징을 추출하여 머신러닝 모델의 입력으로 활용했다.

• 주파수 특징(Frequency-based features): 스펙트로그램 분석을 통해 태아와 산모의 심장박동 차이를 반영
• 시간 도메인 특징(Time-domain features): 심장 박동의 주기성 및 강도를 분석
• 비선형 특징(Non-linear features): 심박 변화율 분석

2.3 머신러닝 및 딥러닝 모델 적용

다양한 머신러닝 및 딥러닝 모델을 활용하여 태아의 성별을 예측했다.

• 기본 머신러닝 모델
  • 랜덤 포레스트(Random Forest)
  • 서포트 벡터 머신(SVM)
  • K-최근접 이웃(KNN)
• 딥러닝 모델
  • 1D CNN (Convolutional Neural Network)
  • LSTM (Long Short-Term Memory)
  • 앙상블 기법: 여러 모델을 조합하여 성능을 향상

2.4 성능 평가

• 최종적으로 앙상블 모델을 사용했을 때 91%의 정확도를 달성
• 기존 방법보다 더 높은 성별 분류 정확도를 기록

---

728x90

반응형

3. 태아 성별 판별 모델 개발 방법

---

이제, 위 연구를 참고하여 내 아기의 성별을 판별하는 모델을 개발하는 과정을 살펴보자.

3.1 데이터 수집

• 디지털 청진기(예: JABES Electronic Stethoscope)를 이용해 산모의 하복부에서 태아 심장소리 녹음
• 녹음 환경 통제: 주변 소음 최소화, 산모의 심박수와 분리하여 녹음

3.2 데이터 전처리 및 특징 추출

• 신호 필터링: 저역통과 필터를 사용하여 불필요한 주파수 성분 제거
• SCBSS 기법 적용: 산모와 태아의 심장소리를 분리
• 스펙트로그램 변환: CNN 모델 입력을 위한 이미지 변환

3.3 머신러닝/딥러닝 모델 학습

• 기존 연구에서 높은 성능을 기록한 1D CNN + LSTM 앙상블 모델을 적용
• 데이터 부족 문제 해결을 위해 데이터 증강(Augmentation) 기법 활용

3.4 모델 평가 및 예측

• 훈련된 모델을 이용하여 태아의 심장소리를 입력하고 성별을 예측
• 여러 모델을 조합한 앙상블 기법을 활용하여 정확도 향상

---

4. 결론

---

태아 심장소리를 활용한 성별 판별은 기존의 초음파 방식에 비해 저비용, 비침습적이라는 점에서 큰 장점을 가진다. 특히, SUFHSDB 데이터셋과 머신러닝/딥러닝 기법을 활용하면 90% 이상의 높은 정확도로 태아의 성별을 예측할 수 있다. 

다음 글에서는, 초음파 검사를 진행하며 녹화된 영상에서 심장 소리를 판별하여 아들인지 딸인지 판단하는 실습을 진행하고자한다.