초록
조기심실수축(Premature Ventricular Contraction) 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경망, 퍼지 이론, Support Vector Machine 등과 같은 비선형 방법이 주로 사용되어 왔다. 이러한 대부분의 방법들은 데이터의 가공 및 연산이 복잡하다. 이러한 문제점을 극복하기 위해서 최적의 R파를 검출하고 이를 통해 R피크 기반의 특징점만을 정확하게 검출함으로써 최소한의 연산량으로 PVC를 분류할 수 있는 알고리즘이 필요하다. 따라서 본 연구에서는 전처리를 통해 잡음이 제거된 심전도 신호에서 최적 문턱치에 따른 R파를 검출하고, RR간격과 R피크 패턴을 추출한다. 이후 RR간격과 R피크 패턴에 따라 PVC를 분류하였다. 제안한 방법의 우수성을 입증하기 위해 PVC가 30개 이상 포함된 MIT-BIH 9개의 레코드를 대상으로 한 R파의 평균 검출율은 99.02%의 성능을 나타내었으며, PVC 부정맥은 각각 94.85%의 평균 분류율을 나타내었다.
Previous works for detecting arrhythmia have mostly used nonlinear method such as artificial neural network, fuzzy theory, support vector machine to increase classification accuracy. Most methods require higher computational cost and larger processing time. Therefore it is necessary to design efficient algorithm that classifies PVC(premature ventricular contraction) and decreases computational cost by accurately detecting feature point based on only R peak through optimal R wave. For this purpose, we detected R wave through optimal threshold value and extracted RR interval and R peak pattern from noise-free ECG signal through the preprocessing method. Also, we classified PVC in realtime through RR interval and R peak pattern. The performance of R wave detection and PVC classification is evaluated by using 9 record of MIT-BIH arrhythmia database that included over 30. The achieved scores indicate the average of 99.02% in R wave detection and the rate of 94.85% in PVC classification.