ECG 생체 인식 연구의 데이터 누수 문제를 해결하기 위해 ECG-biometrics-bench 프레임워크가 공개되었습니다. 이 프레임워크는 7개의 공개 ECG 데이터셋을 활용하여 전처리, 분할, 평가 과정을 표준화합니다. 연구팀은 기존 평가 방식의 문제점을 지적하며, 시간 경과에 따른 성능 저하를 완화하는 전략을 제시했습니다.
ECG-biometrics-bench는 닫힌 집합 및 열린 집합 평가를 지원하며, 세션 간 및 장기적인 시간 분리를 포함한 점진적인 프로토콜을 제공합니다. GitHub를 통해 공개될 예정이며, 연구 커뮤니티의 재현 가능한 연구를 돕습니다. 연구 결과, 기존 평가 방식은 인위적으로 성능을 높이는 '랜덤 분할 오류'를 발생시키는 것으로 나타났습니다.
딥시크, ResNet1D, CNN-LSTM 등 다양한 아키텍처를 평가한 결과, 성능 저하는 모델에 국한되지 않고 현재 지도 학습 패러다임의 문제점일 가능성이 높습니다. 다중 세션 템플릿 융합 전략을 통해 시간 경과에 따른 성능 저하를 부분적으로 완화할 수 있음을 확인했습니다.