• Journal of the Korea Society of Computer and Information
• /
• v.18 no.9
• /
• pp.43-51
• /
• 2013

Classification result by comprehensive analysis of rhythm section and heartbeat unit makes a reliable diagnosis of heart disease possible. In this paper, based on feature-points of ECG signals, rhythm analysis for constant section and heartbeat unit is conducted using rule-based classification and SVM-based classification respectively. Rhythm types are classified using a rule base deduced from clinical materials for features of rhythm section in rule-based classification, and monotonic rhythm or major abnormality heartbeats are classified using multiple SVMs trained previously for features of heartbeat unit in SVM-based classification. Experimental results for the MIT-BIH arrhythmia database show classification ratios of 68.52% by rule-based method alone and 87.04% by fusion method of rule-based and SVM-based for 11 rhythm types. The proposed fusion method is improved by about 19% through misclassification improvement for monotonic and arrangement rhythms by SVM-based method.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.26 no.1
• /
• pp.30-40
• /
• 2022

Electrocardiogram (ECG) signal's shape and characteristic varies through each individual, so it is difficult to classify with one neural network. It is difficult to classify the given data directly, but if corresponding normal beat is given, it is relatively easy and accurate to classify the beat by comparing two beats. In this study, we classify the ECG signal by generating the reference normal beat through the template cluster, and combining with the input ECG signal. It is possible to detect abnormal beats of various individual's records with one neural network by learning and classifying with the imaged ECG beats which are combined with corresponding reference normal beat. Especially, various neural networks, such as GoogLeNet, ResNet, and DarkNet, showed excellent performance when using the comparative learning. Also, we can confirmed that GoogLeNet has 99.72% sensitivity, which is the highest performance of the three neural networks.

• 한국게임학회지
• /
• v.6 no.1
• /
• pp.37-40
• /
• 2009

본 논문에서는 정성적, 정량적 측정을 통한 게임 감성 유희(遊戱)요소 도출을 목적으로, 공포게임의 '공포'를 '유희적 공포'라 보고 로제카이와의 놀이이론에 근거하여 분석한 후, 이를 바탕으로 공포게임내 '유희적 공포요소'를 '감각적 유희공포', '기대적 유희공포', '제한적 유희공포', '수행적 유희공포'의 4가지로 분류했다. 연구자는 플레이어의 반응을 통해 이를 검증하기 위해 실증적 실험을 수행하였는데, 실험은 공포게임을 플레이 하는 동안 심박계를 통해서 각 실험자들의 심박을 측정하고 이를 촬영한 비디오 데이타를 분석하여 유희적 공포요소가 심리적, 생리적인 영향을 줄 것이라 예측된 지점을 공포지점(fear point)이라 명명하였으며, 이 지점에서 측정된 심박이 평상시 평균심박 및 실험 중 평균심박과 통계적으로 유의한 차가 있는지 알아보고 설문을 통한 플레이어의 주관적 데이타를 첨부하여 심박수와의 통계적인 상관관계를 알아보았다. 연구 결과, 공포지점에서 실험자들의 심박이 평상시 심박 및 실험중 평균심박 보다 통계적으로 유의미하게 상승됨을 증명했으며, 주관적 데이터와도 상관관계가 높음을 보여주었다. 본 연구는 게임 내 유희적 요소로서의 공포요소를 이론적인 방법과 실증적인 방법을 통해 검증하고 앞으로의 게임 제작 및 기획에 도움이 되는 기준을 제시할 수 있었다.

• Annual Conference of KIPS
• /
• 2013.11a
• /
• pp.1689-1692
• /
• 2013

NUI(Natural User Interface)는 사용자가 신체부위를 사용하여 인터페이스 할 수 있는 기술이다. 본 연구에서는 NUI 공간에서 체감형 게임을 시행하였다. 게임은 태권도게임으로 사용자와 컴퓨터간의 대련이며, 게임 시 사용자의 심전도 신호를 측정하였다. 사용자는 심전도데이터를 게임 시에 사용자 프로파일로 전송한다. 전송받은 심전도신호로 사용자의 심박변이도를 분류하여 분류기 실험을 시행하고 정확도를 측정하였다. 실험은 체감형 게임 시행 전과 시행 후의 상태로 나누어 실험하였으며, 분류기는 Decision Tree를 사용하였다. 실험결과 심박변이율은 게임 시행 후 정확도가 4.16% 높게 도출되었다.

• Journal of Internet Computing and Services
• /
• v.10 no.5
• /
• pp.107-116
• /
• 2009

This paper presents an approach to detect arrhythmia using heart rate variability and a fuzzy neural network. The proposed algorithm diagnoses arrhythmia using 32 RR-intervals that are 25 seconds on average. We extract six statistical values from the 32 RR-intervals, which are used to input data of the fuzzy neural network. This paper uses the neural network with weighted fuzzy membership functions(NEWFM) to diagnose arrhythmia. The NEWFM used in this algorithm classifies normal and arrhythmia. The performances by Tsipouras using the 48 records of the MIT-BIH arrhythmia database was below 80% of SE(sensitivity) and SP(specificity) in both. The detection algorithm of arrhythmia shows 88.75% of SE, 82.28% of SP, and 86.31% of accuracy.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.7
• /
• pp.971-976
• /
• 2021

In this paper, we design a facial facial image data collection system for heart rate measurement using a web camera. The design content of this paper is a function of collecting user face image information using a web camera and measuring heart rate using the user's face image information. There is a possibility that an error may occur due to non-contact heart rate measurement using a web camera. Therefore, in this paper, it is to be used for correcting heart rate program errors through classification of data in cases of error and normal. The data in case of error can be used for the purpose of reducing the error. Experiments were conducted on the proposed ideas and designed in this paper. As a result of the experiment, it was confirmed that it operates normally.

• Korea Information Processing Society Review
• /
• v.21 no.5
• /
• pp.73-81
• /
• 2014

• Journal of the Korea Convergence Society
• /
• v.11 no.4
• /
• pp.49-54
• /
• 2020

The purpose of this study was to investigate the correlation between sports incidence and heart rate variability in nationa lfemale judo athletes. Participants measured heart rate variability using the Autonomic Nervous System(SA-6000). Based on the average incidence of injury, sports injury incidence was classified into upper and lower groups. In addition, Pearson's Product Moment Correlation was performed to examine the correlation between the independent T-test, the number of sports injuries, and the heart rate variability. Heart rate variability was significantly different in total power and low frequency, and there was also significant difference in otal power and low frequency in the correlation analysis of heart rate variability according to the number of sports injuries. These data are expected to be useful as basic data for developing prevention injury programs.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.9
• /
• pp.200-207
• /
• 2014

Arrhythmia electrocardiogram signal contains a specific unusual heartbeat with abnormal morphology. Because unusual heartbeat is useful for diagnosis and classification of various diseases, such as arrhythmia, detection of unusual heartbeat from the arrhythmic ECG signal is very important. Amplitude and kurtosis at R-peak point and RR interval are characteristics of ECG signal on R-wave. In this paper, we provide a method for detecting unusual heartbeat based on these. Through the value of the attribute deviates more from the average value if unusual heartbeat is more certainly, the proposed method detects unusual heartbeat in order using the mean and standard deviation. From 15 ECG signals of MIT-BIH arrhythmia database which has R-wave distortion, we compare the result of conventional method which uses the fixed threshold value and the result of proposed method. Throughout the experiment, the sensitivity is significantly increased to 97% from 50% using the proposed method.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2009.01a
• /
• pp.169-172
• /
• 2009

본 논문은 SOM을 이용하여 비행슈팅게임을 하는 게이머의 긴장과 이완상태를 학습한다. 학습된 SOM을 이용해 게이머의 새로운 심박데이터가 입력되었을 때 긴장과 이완 상태에서 플레이하는 게이머의 인식을 제안한다. 게이머들은 비행슈팅게임을 플레이하면서 게임 환경들의 패턴들에 익숙해진다. 게이머들은 반복하면서 지루해지면서 자연스럽게 긴장감도 떨어지게 된다. 만약 긴장이완 정도를 알 수 있다면 게이머의 상태에 맞게 게임환경을 조절하여 긴장감을 유지할 수 있을 것이다. 본 연구에서는 비행슈팅게임을 하는 게이머의 심박신호를 이용하여 게이머의 긴장이완상태를 신경망 SOM으로 분류한다. SOM은 주어진 입력패턴에 정확한 답을 정해주지 않고 자기 스스로 학습하여 해답을 찾는 신경망중의 하나이다. 따라서 게이머의 심박신호는 SOM 학습을 통해 게이머의 긴장과 이완상태들을 군집화 할 수 있다. 비행슈팅게임을 20회 반복 플레이하여 SOM으로 게이머의 심박신호를 입력해 본 결과 긴장이완상태를 인식 할 수 있었다.