Heart Murmur Detection Algorithm based on Spectral Flatness

주파수 평탄도에 기반한 심잡음 검출 알고리즘

Abstract

Heart sounds generated by the beating heart and blood flow reflect the turbulence created when the heart valves snap shut. Cardiac diagnosis is typically started by an auscultation using a stethoscope, from which a medical doctor, depending on his hearing capabilities and training, listens and interprets the acoustic signal. This method of diagnostic is uncertain, mostly due to the fact that human ear loses the acoustic frequency sensitivity through the years. Even though an auscultation has some weaknesses like uncertainty, it is considered as a primary tool due to its simplicity. In this paper, heart murmur detection algorithm is proposed using time and frequency characteristics of heart sound. The propose heart murmur detection method adapted conventional primary heart sound detection method in time domain and modified spectral flatness method in frequency domain for detecting heart murmurs. From experimental results, it is confirmed that the proposed algorithm detect the heart murmurs efficiently.

1. 서 론

심음은 심장의 수축/이완 과정에서 판막의 움직임과 판막을 통과하는 혈류가 만들어 내는 소리로 심장 청진은 심 기능에 대한 중요한 의학적 정보를 제공한다. 심장주기는 수축기(systole)와 이완기(diastole)로 구성되어 있다. 수축기에는 심방과 심실이 혈액을 분출하고 이완기에는 심방과 심실이 혈액으로 가득 채워진다. 심실수축 (Ventricular systole)은 승모판과 삼첨판이 닫힌 후에 일어나며, 심실이완(ventricular diastole)은 대동맥판과 폐동맥판이 닫힌 후에 일어난다. 심방수축(arterial systole)은 심실이완기의 마지막 단계에서 일어난다. 심음은 발생순서에 따라 명명되고 심장주기중의 특별한 지점에서 발생된다. 최초의 심음청취를 제 1 심음 (first heart sound, S1)이라 하며, 심실수축 말기에 일어나는 음을 제 2 심음 (second heart sound, S2)이라 한다. S1과 S2사이의 기간을 심실수축 이라하며 S2가 일어난 다음 S1까지의 기간을 심실이완이라 한다. 심잡음은 수축기, 이완기 동안에 혹은 이 두 기간 동안에 들을 수 있는 소음으로, 잡음의 주원인은 혈액 역류, 판막에서 빠른 속도의 혈류가 있을 때, 동 정맥 단락 (A-V shunts) 통한 계속적인 혈액의 흐름으로 기인된다[1]. 청진기를 이용한 심음(heart sound)진단은 병원에서 질병 진단의 가장 기본적인 수단으로 매우 중요하게 인식되어 왔다. 심질환의 진단은 일반적으로 심음 청진으로부터 시작되는데, 청진은 개인의 청각특성, 숙련정도 등에 따라 달라진다. 인간의 청각특성은 시간의 흐름에 따라 변화하게 되어 심음의 청진을 통한 진단은 불확실성을 동반하게 되지만 진단의 편리함으로 인하여 심질환에 진단에 가장 기본적인 방법으로 인식되고 있다[2,3].

현재까지 심음에 관한 연구는 심음을 수집하는 환경에 따른 심음의 잡음 제거를 위한 연구, 심장에 대한 전기적인 신호의 심장주기와 기계적인 신호의 심장주기는 시간적 차이에 따른 심장의 생리학적변화에 기반한 연구 등 다양한 방식으로 진행되어 왔으며, 심음신호 분석 및 진단을 위해서 서포트 벡터 머신 (SVM, support vector machine), 고속 푸리에 변환 (FFT, fast Fourier transform), 웨이브렛 변환 (wavelet transform), 소프트 문턱치 함수(soft-thresholding function)등이 이용되었다. [4,5]

본 논문에서는 심음의 시간과 주파수 특성을 이용하여 심잡음을 검출하는 알고리즘을 제안하였다. 제안한 알고리즘은 심음의 시간적 특성을 이용하여 심음의 주성분을 검출하는 기존의 알고리즘에서 심잡음이 심음의 크기와 유사하거나 더 크게 나타날 때, 심잡음을 심음으로 판별하는 문제를 개선하고, 심잡음과 심음 주성분 구간에서의 특성 분석을 위해 변형된 주파수 평탄도를 이용하여 심잡음을 검출 할 수 있도록 하였다. 정상심음과 심질환으로 인한 심잡음 신호를 이용한 실험을 통해 제안한 알고리즘이 심잡음을 효과적으로 검출할 수 있음을 확인하였다

 

2. 심음과 심잡음

2.1 심장주기

심장주기는 두 기간–수축기(systole)와 이완기(diastole)-로 구성되어 있다. 수축기에는 심방과 심실이 혈액을 분출하고 이완기에는 심방과 심실이 혈액으로 가득 채워진다. 심실수축 (Ventricular systole)은 승모판과 삼첨판이 닫힌 후에 일어나며, 심실이완 (ventricular diastole)은 대동맥판과 폐동맥판이 닫힌 후에 일어난다. 심방수축 (arterial systole)은 심실이완기의 마지막 단계에서 일어난다. 심음은 발생순서에 따라 명명되고 심장주기중의 특별한 지점에서 발생된다. Fig. 1은 심장 주기와 심음 신호를 보여주고 있다. 최초의 심음청취를 제 1심음 (first heart sound, S1)이라 하며 이것은 심실용적이 최대로 되는 심실수축 초기에 일어난다. 심실수축 말기에 일어나는 음을 제 2심음 (second heart sound, S2)이라 한다. S1과 S2사이의 기간을 심실수축 이라하며 S2가 일어난 다음 S1까지의 기간을 심실이완이라 한다.

Fig. 1.Correlation of the four heart sounds with electric and mechanical events of the cardiac cycle. [6]

2.2 심음의 특성

검진자는 심장을 청진할 때에 심음의 4가지 기본적인 특성을 반드시 고려해야 되는데 심음의 4가지 기본적인 특성은 주파수, 강도, 질, 기간이다.

주파수 (frequency)란 진동하는 신체에 의하여 매 초당 발생되는 파동주기의 수를 말한다. 이것은 청진기에 의하여 식별할 수 있는 심음과 주기를 시작하는 운동 속에 있는 한 물체의 진동성 이동이다. 주파수는 pitch(소리의 높이, 음조, 음의 강약이 음악적인 척도로 측정했을 때 높거나 혹은 낮은지를 청진자에게 알려주는 주관적인 감각)를 결정한다. 강도(intensity)는 진동성 물체에 의하여 발생되는 음파의 높이와 관계가 있다. 강도는 인지된 음의 큰소리 (loudness)를 결정한다. 질(quality)은 같은 정도의 주파와 강도를 가진 두 음을 식별시키지만 두 음은 다른 근원에서 온다. 기간 (duration)은 음이 지속되는 시간의 길이를 의미하는 것으로 심음은 기간이 짧고, 심잡음 혹은 심마찰음은 기간이 길다.

2.3 심잡음의 특성

잡음은 수축기, 이완기 동안에 혹은 이 두 기간 동안에 들을 수 있는 계속적인 소음이라고 정의한다. 잡음의 주원인은 혈액이 뒤로 역류될 때 (누출이 있는 판막, 중격 결손 혹은 동정맥 접속), 좁아진 판막 혹은 기형성 판막을 통하여 혈액이 앞으로 흐를 때, 정상 판막 혹은 비정상 판막을 통한 빠른 속도의 혈류가 있을 때, 심장내 느슨해진 구조 (건삭)의 진동 그리고 동 정맥 단락 (A-V shunts)을 통한 계속적인 혈액의 흐름으로 기인된다.

수축기 잡음 (systolic murmurs)은 심실 수축기에 일어난다. 대동맥판 혹은 폐동맥판을 횡단하여 혈액이 앞으로 흐를 때 또는 승모판 혹은 삼첨판으로부터 혈액이 역류되어 흐를 때 수축기 잡음이 생성된다. 그 판막은 정상 (그러나 혈류의 빠른 속도를 가지고 있다) 이거나 혹은 비정상이다. 수축기 잡음은 어린이나 혹은 임신부의 정상심장에서 들린다. 수축기 잡음을 가질 수 있는 흔한 비정상은 승모판 폐쇄부전증, 삼첨판 폐쇄부전증, 대동맥판 협착증, 폐동맥판 협착증, 심실재 중격결손이 포함된다.

이완기 잡음 (diastolic murmurs)은 S2와 다음 S1 사이에서 들을 수 있는 지속적인 소음이다. 수축기 잡음과 다르게 이완기 잡음은 대체로 병적이며 정상이 아니다. 이완기 잡음은 대동맥판 혹은 폐동맥판 기증부전, 승모판 협착 또는 삼첨판 협착, 승모판 혹은 삼첨판을 지나는 혈류의 증가등으로 발생한다. [1].

 

3. 제안한 심잡음 검출 방법

본 논문에서는 심잡음 발생을 검출하기 위하여 심음의 시간영역 특성을 이용하여 청진음에서 주변부보다 신호변화가 큰 부분을 검출하는 HII (Heart-sound Inherency Indicator)와 주파수 영역 특성을 이용하여 주파수 특성변화가 작은 부분을 검출하는 HCI (Heart-sound Constituent Indicator)를 통해 심잡음 발생 영역을 검출하였다. 심음의 주성분인 S1과 S2는 주기적으로 발생하며 주위의 잡음 보다 높은 크기를 가지고, 신호크기에 급격한 변화가 발생한다. 시간영역에서 신호 크기의 급격한 변화를 검출하여, 심음의 주성분을 검출하는 방식인 HII는 심잡음 없는 정상인의 심음에서 심음의 주성분 검출에 유용하게 적용될 수 있다. 그러나 질병에 의한 심잡음이 발생하는 경우, 심잡음이 심음의 크기와 유사하거나 더 크게 나타날 수 있어, 심잡음을 심음으로 판별하는 문제가 발생할 수 있다. 따라서 본 논문에서는 심음의 크기의 변화를 통해 심음을 판별하던 기존 알고리즘의 문제점을 보완하고, 효과적인 심음 판별을 위하여 심음과 심잡음에서 발생하는 주파수 특성을 이용한 HCI를 제안하였다. 제안한 HCI는 심음의 경우 주파수 특성이 일정한 주파수 영역에 분포하기 때문에 주파수 평탄도가 낮아지는 특성을 이용하였다. 제안한 심잡음 검출 방법은 Fig. 2의 블록 다이어그램에서와 같이 입력된 심음 신호를 HII와 HCI를 이용하여 시간영역과 주파수 영역에서 분석 한 후, 공통적으로 심음의 주성분으로 검출된 부분을 제외한 영역에 대하여 심잡음으로 판별하도록 하였다.

Fig. 2.Block diagram of the proposed algorithm.

2.1 HII (Heart-sound Inherency Indicator)

심음의 주성분 검출을 위해 시간 영역에서의 특성을 이용하는 경우, 심음은 주변 잡음에 비해 크게 측정되는 점을 이용한다. 또한 심음은 심장박동 시에만 발생하기 때문에 심장소리부에서는 신호크기의 급격한 변화가 생긴다. 그러므로 입력신호를 변화를 검출하면 심장소리부분을 구분해낼 수 있다. 입력 신호의 한 구간에서 신호 변화량의 최대값인 Mp(i)를 식 (1)과 같이 정의하고, 식 (2)를 통해 구간에서의 평균값인 E(k)를 얻을 수 있다. [7]

심음 주성분/심잡음 예상 구간 판별을 위해 입력 신호의 한 구간에서의 변화량의 최대값과 구간의 평균값을 비교하여, 식 (3)과 같이 입력 신호의 변화량이 주변보다 큰 구간을 심음 혹은 심 잡음 구간으로 예측하고 HIIflag의 값을 ‘0’으로 출력한다.

Fig. 3의 (a)는 정상 심음과 심실중격결손(VSD)으로 인한 심잡음이 섞인 심음을 보여주고 있으며, Fig. 3(b)는 Fig. 3(a)의 심음이 입력되었을 경우의 HIIflag 출력값을 나타내는 것이다. 그림에서의 보이는 것처럼 정상 심음의 경우 심음의 주성분에서 HIIflag의 값이 ‘0’으로 출력되며 심음의 주성분을 잘 검출하고 있지만, 잡음이 발생하는 경우 잡음 구간에서 HIIflag의 값이 계속 바뀌어 출력되는 것을 알 수 있다. 따라서 HIIflag값이 ‘0‘으로 출력된 구간은 심음의 주성분과 심잡음 구간으로 예측할 수 있다.

Fig. 3.HIIflag of normal and VSD heart sound (a) input signal and (b) HIIflag output.

2.2 HCI (Heart-sound Constituent Indicator)

제안한 HCI (Heart-sound Constituent Indicator)는 스펙트럼 평탄도 (spectral flatness)를 기반으로 한다. 스펙트럼 평탄도는 스펙트럼의 파워가 얼마나 균등하게 분포 되어 있는지를 나타낸다. 스펙트럼 평탄도가 높은 값을 가지는 것은 백색잡음과 같이 스펙트럼이 모든 주파수 밴드에서 고른 파워를 가지는 것을 의미하며, 스펙트럼이 평탄하게 보인다. 반대로 스펙트럼 평탄도가 낮은 경우는 복합 사인파와 같이 신호의 파워가 일정한 밴드에 집중되어 있는 것을 의미하며, 다음 식 (4)와 같이 나타낼 수 있다.

여기서, Xl[k]가 l번째 프레임의 크기 스펙트럼이고, N은 FFT 개수 이다. 스펙트럼 평탄도는 주파수 영역에서 신호의 파워가 일정하게 유지되는 것을 알 수 있으며, 일정 주파수 영역에 신호가 집중되어 있는 심음과 달리 주파수 특성이 일정하지 않은 심잡음에서는 Fig. 4에서와 같이 스펙트럼 평탄도가 높게 나타난다.

Fig. 4.Spectral flatness of heart sound and murmur.

그러나 스펙트럼 평탄도는 심잡음에 따라 특성이 상이하게 표현되고 심음과 유사한 특성을 가진 경우 심음과 심잡음 사이의 신호 차이가 두드러지게 표현되지 않을 수 있다. 따라서 본 논문에서는 심음과 심잡음 사이의 특성을 명확히 구분하여 나타낼 수 있도록 식 (5)와 같이 변형된 스펙트럼 평탄도 MSF (Modified Spectral Flatness)를 제안하였다.

제안한 MSF를 적용하면 Fig. 5에서와 같이 심잡음 구간에서의 신호는 거의 0에 가까운 값으로 나타나 심음과 심 잡음 구간사이의 신호 차이가 크게 표현되어 심음과 심잡음 구간을 판별하는데 용이하게 된다.

Fig. 5.Modified spectral flatness of heart sound and murmur.

HIIflag와의 비교를 통해 심잡음 구간을 검출할 수 있도록 MSF값을 이용해 식 (6)과 같이 심음 구간을 판별하는 HCIflag값을 도출할 수 있다.

Fig. 6의 (b)는 정상심음과 심잠음 구간에서의 HCIflag 출력값을 보여주고 있다. 그림에서 보이는 것과 같이 제안한 HCI를 이용하면 심음의 주성분과 잡음 구간을 분리하여 나타낼 수 있음을 알 수 있다.

Fig. 6.HCIflag of normal and VSD heart sound (a) input signal and (b) HCIflag output.

2.3 Decision

입력된 신호분석을 통해 얻은 HIIflag와 HCIflag를 이용하여 심잡음 구간을 검출하기 위해서는 두 가지 flag의 출력값을 비교하여 심잡음 구간을 결정하는 과정이 필요하다. HIIflag는 입력신호에서 주변신호에 비해 입력 신호의 크기가 큰 부분을 판별하여 심음의 주성분과 심잡음 예상구간을 검출하게 되므로, Fig. 7의 흐름도에서와 같이 HIIflag 출력 값을 이용하여 심음의 주성분 혹은 심잡음으로 예상되는 구간을 검출하고, 심음의 주성분/심잡음 예측 구간에서 HCIflag값을 이용하여 주성분 구간을 제외한 구간에 대하여 심잡음 구간으로 판별한다.

Fig. 7.Flow chart of the decision process.

Fig. 8의 (b)는 HIIflag와 HCIflag의 값을 비교하여 심잡음 구간을 검출한 결과를 보여주는 것이다. 그림에서 보이는 것과 같이 제안한 심잡음 검출 알고리즘을 통해 심잡음 구간을 잘 검출 할 수 있음을 알 수 있다.

Fig. 8.Heart murmur detection result of normal and VSD heart sound (a) input signal and (b) heart murmur detection result.

 

3. 실험 및 검토

제안한 알고리즘의 성능 확인을 위하여, 심음 분석에 사용되는 주파수 영역 특징들과의 비교 실험과 정상 심음 사이에 심잡음이 발생할 경우 심잡음 검출유무에 대한 실험을 수행하였다. 먼저, 심음 분석 알고리즘을 위한 특징으로서의 유용성을 확인하기 위해 제안한 변형된 스펙트럼 평탄도 (MSF)를 기존에 사용되고 있는 주파수 영역 특징들과의 비교 실험을 수행하였다. 기존에 사용되고 있는 주파수 영역 특성인 주파수 선도 (Spectral flux), 스펙트럼 왜곡도 (Spectral skewness), 주파수 중심 (Spectral centroid)[8]과 제안한 MSF에 대해서 심음의 주 성분과 심잡음 부분에서의 값을 비교해본 결과 Fig. 9에서 보이는 것과 같이 기존에 사용되고 있는 주파수 특징들에 비해 제안한 MSF에서 심음의 주성분과 심잡음의 특징 값이 잘 구분되어 표시되는 것을 알 수 있다.

Fig. 9.Feature values of frequency domain features (a) spectral flux, (b) spectral skewness, (c) spectral centroid, and (d) proposed MSF.

또한, 제안한 각 특징들을 이용한 선형 분류 실험을 수행한 결과 Table 1에서와 같이 제안한 MSF를 이용한 분류 오류가 가장 낮게 나타나는 것을 알 수 있다.

Table 1.Classification error of frequency domain features and the proposed MSF (Modified spectral flatness) [%]

다음으로 일상 환경에서 심잡음이 발생할 때의 심잡음 검출 유용성을 확인하기 위해 정상 심음과 심잡음이 발생하는 신호를 모두 사용하였으며, 실험에 사용한 심음 신호는 ⌜UNIVERSITY of WASHINTON DEPARTMENT of MEDICINE⌟[9]과 ⌜HEART SOUNDS MADE EASY⌟[10]에서 제공하는 교육용 신호이다. 알고리즘의 심잡음 구간 검출의 효율을 확인하기 위해 사용한 심잡음 신호는 심실중격결손에 의해 발생하는 잡음 (Ventricular, Septal Defect, VSD), 승모판막 역류에 의한 잡음 (Mitral Rgurgitation, MR), 대동맥판막 협착증에 의한 잡음 (Aortic Stenosis, AS), 그리고 심방 중격 결손에 의한 잡음 (Atrial Septal Defect, ASD) 이다. 정상 심음 125주기와 심잡음 신호 156주기에 대해 검출 실험을 수행하였으며, Table 2에서와 같이 정상심음에서 96%, 심잡음 신호에서 88.5%의 정확도를 보였다. Fig. 10(a)는 실험에 사용한 신호 중 정상심음과 VSD와 AS신호를 보여 주는 것이다. VSD와 AS는 제 1 심음과 제 2심음 사이의 심장 수축기에서만 잡음이 발생한 신호이며, Fig. 10(b)의 심 잡음 구간 검출 결과에서처럼 제안한 심 잡음 검출 알고리즘을 통해 잡음 발생하는 구간을 잘 검출할 수 있음을 알 수 있다. 또한, Fig. 11(a)는 정상심음과 MR, ASD 신호를 보여주고 있으며, 그림에서 보이는 것처럼 실험에 사용된 MR과 ASD 신호는 수축기뿐만 아니라 이완기까지 연속적으로 잡음이 발생하는 신호이다. Fig. 11(b)의 심잡음 구간 검출 결과에서 보이는 것처럼 제안한 알고리즘을 통해 심잡음 발생을 잘 검출 할 수 있음을 알 수 있다.

Table 2.Accuracy of the proposed algorithm [%]

Fig. 10.Heart murmur detection result of VSD and AS (a) input signal and (b) heart murmur detection result.

Fig. 11.Heart murmur detection result of MR and ASD (a) input signal and (b) heart murmur detection result.

 

4. 결 론

본 논문에서는 심음 신호에 심 잡음 발생을 검출 할 수 있는 알고리즘을 제안하였다. 제안한 알고리즘은 심음 신호의 시간영역 특성을 이용하여 정상 심음에서 심음의 주성분을 검출하는 HII (Heart-sound Inherency Indicator) 방식과 심음의 주성분과 심 잡음 구간의 주파수 특성을 통해 심음 주성분 구간을 판별할 수 있도록 제안한 HCI (Heart-sound Constituent Indicator) 방식을 이용한 심음 분석 결과를 비교하여 심잡음을 검출할 수 있도록 하였다. 제안한 심잡음 검출 알고리즘은 먼저 HII 방식을 이용하여 시간영역에서 심음 주성분/심잡음 예측 구간을 판별하고, 심음 주성분과 심잡음 사이의 주파수 특성 차이를 잘 분리할 수 있도록 변형된 주파수 평탄도를 기반으로 제안한 HCI를 이용하여 심음 주성분 예측 구간을 제외하는 과정을 통해 심 잡음 구간을 검출할 수 있다. 정상심음과 심 질환으로 인한 심 잡음 신호를 이용한 실험을 통해 제안한 알고리즘이 심잡음을 효과적으로 검출할 수 있음을 확인하였다. 추후 다양한 심질환에 따른 심잡음에 대한 연구를 추가한다면, 심질환 분석을 위한 특징으로 사용될 수 있을 것으로 보이며, 또한 심질환 환자를 위한 심음 모니터링 시스템에서 심잡음의 발생을 알려주는 등 심음을 이용하는 다양한 어플리케이션에 적용될 있을 것으로 예상된다.