Journal of the Korea Institute of Information and Communication Engineering (한국정보통신학회논문지)

The Korea Institute of Information and Commucation Engineering (한국정보통신학회)
권호 표지
DOI QR코드

DOI QR Code

ST Segment Shape Classification Algorithm for Making Diagnosis of Myocardial Ischemia

심근허혈 진단을 위한 ST세그먼트 형태 분류 알고리즘

  • Received : 2011.05.31
  • Accepted : 2011.07.13
  • Published : 2011.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

ECG is used to diagnose heart diseases such as myocardial ischemia, arrhythmia and myocardial infarction. Particularly, myocardial ischemia causes the shape change of the ST segment, this change is transient and may occur without symptoms. So it is important to detect the transient change of ST segment through long term monitoring. ST segment classification algorithm for making diagnosis myocardial ischemia is presented in this paper. The first step in the ST segment shape classification process is to detect R wave point and feature points based adaptive threshold and window. And then, the suggested algorithm detects the ST level change, To classify the ST segment shape, the suggested algorithm uses the slope values of the four points between the S and T wave. The ECG data in the European ST-T database were used to verify the performance of the developed algorithm. The best correct rate was 99.40% and the worst correct rate was 68.48%.

심전도는 심근허혈, 부정맥, 심근경색과 같은 심장질환의 진단에 이용된다. 특히 심근허혈은 ST 세그먼트의 형태 변화가 나타나는데, 이러한 변화는 일시적으로 나타나며 특별한 증상을 동반하지 않는다. 따라서 지속적인 모니터링을 통해서 ST의 일시적인 변화를 검출하는 것이 매우 중요하다. 이에 본 연구에서는 심근허혈 진단을 위한 ST세그먼트 형태 분류 알고리즘을 제안한다. 이는 전처리 과정과 적응가변형 문턱치를 통해 R파와 각 특징점을 검출 한 후 S와 T파사이의 굴곡점으로부터 특정한 기울기 정보를 추출하여 ST의 기울기 기준점과 비교함으로써, 검출된 ST를 6가지 형태로 분류하는 방법이다. 개발된 알고리즘은 심전도로부터 ST 레벨 변화 구간을 검출하고, 검출된 구간에 대해서도 ST의 형태를 분류함으로써 심전도 레벨 변화뿐만 아니라 형태에 대한 정보도 제공한다. 제안한 알고리즘의 심근허혈 패턴 진단 성능을 평가하기 위해서 European ST 데이터베이스를 사용하였다. 성능 평가 결과 가장 높은 분류성공률은 99.4%이며, 낮은 성공률은 68.48%를 나타내었다.

Keywords

References

  1. S. Sangwatanaroj, S. Prechawat, B. Sunsaneewitayakul, S. Sitthisook, P. Tosukhowong, and K. Tungsanga, "New electrocardiographic leads and the procainamide test for the detection of the Brugada sign in sudden unexplained death syndrome survivors and their relatives," Eur. Heart J., vol. 22, no. 24, pp. 2290-2296, 2001. https://doi.org/10.1053/euhj.2001.2691
  2. S. F.Wung and B. Drew, "Comparison of 18-lead ECG and selected body surface potential mapping leads in determining maximally deviated ST lead and efficacy in detecting acute myocardial ischemia during coronary occlusion," J. Electrocardiol., vol. 32, pp. 30-37, 1999. https://doi.org/10.1016/S0022-0736(99)90032-8
  3. D. Ge, N. Srinivasan and S. M. Krishnan, "Cardiac arrhythmia classi-cation using autoregressive modeling," Biomedical Engineering Online, vol. 1, no. 5, 2002.
  4. A. Fahoum and A. Qasaimeh, ECG arrhythmia classication using simple reconstructed phase space approach," Computers in Cardiology, pp. 757-760, 2006.
  5. A. Bartolo, B. D. Clymer, R. C. Burgess, J. P. Turnbull, J. A. Golish and M. C. Perry, "An arrhythmia detector and heart rate estimator for overnight polysomnography studies," IEEE Transactions on Biomedical Engineering, vol. 48, no. 5, pp. 513-521, 2001. https://doi.org/10.1109/10.918590
  6. Daniel T. Lee and Akino Yamamoto, "Wavelet Analysis : Theory and Application," Hewlett-Packard Journal, PP. 44-54, Dec. 1992.
  7. 조익성, 권혁숭, "PVC 분류를 위한 적응형 문턱치와 윈도우 기반의 R파 검출 알고리즘," 한국통신학회논문지, 제 34권 11호, pp. 1289-1295. 2009년 11월.
  8. A. Taddei, A. Biagini, G. Distante, M. Erndin, M. G. Mazzei, P. Pisani, N. Roggero, M. Varanini, R. G. Mark, G. B Moody, L. Braaksma, C. Zee-lenberg and C. Marchesi, "The European ST-T database: development, distribution and use," Computers in Cardiology, pp. 177-180, 1990.