Journal of the Institute of Convergence Signal Processing (융합신호처리학회논문지)

The Korea Institute of Convergence Signal Processing (한국융합신호처리학회)
권호 표지
DOI QR코드

DOI QR Code

CNN Model-based Arrhythmia Classification using Image-typed ECG Data

이미지 타입의 ECG 데이터를 사용한 CNN 모델 기반 부정맥 분류

  • Yeon-Suk Bang (Department of Information and Communication Software Engineering, Sangji University) ;
  • Myung-Soo Jang (Department of Information and Communication Software Engineering, Sangji University) ;
  • Yousik Hong (Department of Information and Communication Software Engineering, Sangji University) ;
  • Sang-Suk Lee (Department of Digital Healthcare Engineering, Sangji University) ;
  • Jun-Sang Yu (Department of Korean Medicine, Sangji University) ;
  • Woo-Beom Lee (Department of Information and Communication Software Engineering, Sangji University)
  • 방연석 (상지대학교 정보통신소프트웨어공학과) ;
  • 장명수 (상지대학교 정보통신소프트웨어공학과) ;
  • 홍유식 (상지대학교 정보통신소프트웨어공학과) ;
  • 이상석 (상지대학교 디지털헬스케어학과) ;
  • 유준상 (상지대학교 한의학과(상지대부속한방병원)) ;
  • 이우범 (상지대학교 정보통신소프트웨어공학과)
  • Received : 2023.11.23
  • Accepted : 2023.12.12
  • Published : 2023.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

Among cardiac diseases, arrhythmias can lead to serious complications such as stroke, heart attack, and heart failure if left untreated, so continuous and accurate ECG monitoring is crucial for clinical care. However, the accurate interpretation of electrocardiogram (ECG) data is entirely dependent on medical doctors, which requires additional time and cost. Therefore, this paper proposes an arrhythmia recognition module for the purpose of developing a medical platform through the analysis of abnormal pulse waveforms based on Lifelogs. The proposed method is to convert ECG data into image format instead of time series data, apply visual pattern recognition technology, and then detect arrhythmia using CNN model. In order to validate the arrhythmia classification of the CNN model by image type conversion of ECG data proposed in this paper, the MIT-BIH arrhythmia dataset was used, and the result showed an accuracy of 97%.

심장 질환 가운데에서 부정맥은 방치할 경우에 뇌졸중, 심장 마비, 심부전과 같은 심각한 합병증이 발생할 수 있기 때문에 지속적이고 정확한 심전도 관리에 의한 건강 상태의 확인은 임상적 치료에 매우 중요한 요소이다. 그러나, 심전도(Electrocardiogram; ECG) 데이터의 정확한 해석은 전적으로 의료 전문가에 의존하기 때문에 부가적인 시간과 비용을 요구한다. 따라서 본 논문에서는 라이프로그 기반의 비정상적인 맥파 파형의 분석을 통한 의료 플랫폼 개발을 목적으로 부정맥 인식 모듈을 제안한다. 제안하는 방법은 ECG 데이터를 시계열 데이터가 아닌 이미지 형식으로 처리하여 시각적 패턴 인식 기술을 적용한 후, CNN 모델을 이용하여 부정맥을 탐지하는 방법을 제안한다. 본 논문에서 제안한 ECG 데이터의 이미지 타입 변환에 의한 CNN 모델의 부정맥 분류의 유효성 검증하기 위해 MIT-BIH 부정맥 데이터셋을 사용한 결과, 97%의 정확도를 보였다.

Keywords

Acknowledgement

본 과제(결과물)는 2023년도 교육부의 재원으로 한국연구재단의 지원을 받아 수행된 지자체-대학 협력기반 지역혁신 사업의 결과입니다.(2022RIS-005)

References

  1. JG. Engel, J. G. Beckerman, V. F. Froelicher, "Electrocardiographic arrhythmia risk testing," Current problems in cardiology, vol. 29, no. 7, pp. 365-432, Jul. 2004. https://doi.org/10.1016/j.cpcardiol.2004.02.007
  2. JO. Faust, A. Shenfield, M. Kareem, "Automated detection of atrial fibrillation using long short-term memory network with RR interval signals,"Computers in biology and medicine, vol. 102, pp. 327-335, Nov, 2018. https://doi.org/10.1016/j.compbiomed.2018.07.001
  3. JP. Cao, X. Li, K. Mao, "A novel data augmentation method to enhance deep neural networks for detection of atrial fibrillation,"Biomedical Signal Processing and Control, vol. 56, pp. 101675, Feb. 2020.
  4. JX. Lei, H. Pan, X. Huang, "A dilated CNN model for image classification,"IEEE Access, vol. 7, pp. 124087-124095, Jul. 2019. https://doi.org/10.1109/ACCESS.2019.2927169
  5. JHuo-Tsung Chen, et al., "Hiding patients confidential datainthe ECG signal viaa transform-domain quantization scheme", Journal of Medcial System 38(6):54, 2014 Jun, doi: 10.1007/s10916-014-0054-9.
  6. JE.N. Marieb, Essential of Human Anatomy and Physiology, Benjamin Cummings Publishing Company, Inc., San Francisco, pp 281-284, 2003.
  7. JM. Folk, G. Heber, Q. Koziol, "An overview of the HDF5 technology suite and its applications," Proceedings of the EDBT/ICDT 2011 workshop on array databases, pp. 36-47, Mar. 2011.
  8. JG. B. Moody, R. G. Mark, X. Huang, "The impact of the MIT-BIH arrhythmia database,"IEEE engineering in medicine and biology magazine, vol. 20, no. 3, pp. 45-50, May-Jun. 2001. https://doi.org/10.1109/51.932724
  9. JM. Kachuee, S. Fazeli, M. Sarrafzadeh, "ECG Heartbeat Classification: A Deep Transferable Representation," In 2018 IEEE international conference on healthcare informatics, pp. 443-444 Jul. 2018.
  10. JM. Elgendi, M. Meo, D. Abbott, "A proof-of-concept study: Simple and effective detection of P and T waves in arrhythmic ECG signals,"Bioengineering, vol. 3, no. 4 pp. 26, Oct. 2016.
  11. JL. Marsanova, A. Nemcova, R. Smisek, "Automatic detection of P wave in ECG during ventricular extrasystoles,"World Congress on Medical Physics and Biomedical Engineering 2018, vol. 2, pp. 381-385, Jun. 2018.