• 한국통신학회논문지
• /
• 제40권4호
• /
• pp.731-739
• /
• 2015

부정맥 심전도 신호에는 전도장애 및 발생부위에 따라 다양한 비정상 모양을 띄는 특이심박들이 포함되어 있고, 이들 특이심박은 부정맥 등의 심장질환을 진단하는데 있어 매우 중요하다. 본 논문에서는 심실질환에 관련한 PVC 특이심박 검출 알고리즘을 제안한다. PVC 특이심박에서는 심전도 신호의 구성요소 가운데 QRS 군의 왜곡이 발생하는 특징이 있다. 따라서 QRS 군의 왜곡 정도에 따라 PVC 특이심박을 검출할 수 있다. 먼저 R-peak의 전위, 첨도, 주기를 사용하여 QRS 군의 왜곡을 정량화하고, 이들 값들의 평균과 표준편차를 이용하여 정상 심박과의 왜곡의 정도에 따라 PVC 특이심박을 검출한다. 제안한 알고리즘은 MIT-BIH 부정맥 데이터베이스 중 심실질환과 관계되는 AAMI-V class 타입의 특이심박을 평균 98% 이상을 검출할 수 있었다.

• 한국정보통신학회논문지
• /
• 제26권1호
• /
• pp.30-40
• /
• 2022

심전도 신호는 개인에 따라 형태와 특징이 다양하므로, 하나의 신경망으로는 분류하기가 어렵다. 주어진 데이터를 직접적으로 분류하는 것은 어려우나, 대응되는 정상 데이터가 있을 경우, 이를 비교하여 정상 및 비정상을 분류하는 것은 상대적으로 쉽고 정확하다. 본 논문에서는 템플릿 군을 이용하여 대표정상심박 정보를 획득하고, 이를 입력 심박에 결합함으로써 심박을 분류한다. 결합된 심박을 영상화한 후, 학습 및 분류를 진행하여, 하나의 신경망으로도 다양한 레코드의 비정상심박을 검출이 가능하였다. 특히, GoogLeNet, ResNet, DarkNet 등 다양한 신경망에 대해서도 비교학습 기법을 적용한 결과, 모두 우수한 검출성능을 가졌으며, GoogLeNet의 경우 99.72%의 민감도로, 실험에 사용된 신경망 중 가장 우수한 성능을 가졌음을 확인하였다.

• 대한의용생체공학회:의공학회지
• /
• 제29권6호
• /
• pp.466-476
• /
• 2008

The more people use ambulatory electrocardiogram(ECG) for arrhythmia detection, the more researchers report the automatic classification algorithms. Most of the previous studies don't consider the un-balanced data distribution. Even in patients, there are much more normal beats than abnormal beats among the data from 24 hours. To solve this problem, the hierarchical classification using 21 features was adopted for arrhythmia abnormal beat detection. The features include R-R intervals and data to describe the morphology of the wave. To validate the algorithm, 44 non-pacemaker recordings from physionet were used. The hierarchical classification model with 2 stages on domain knowledge was constructed. Using our suggested method, we could improve the performance in abnormal beat classification from the conventional multi-class classification method. In conclusion, the domain knowledge based hierarchical classification is useful to the ECG beat classification with unbalanced data distribution.

• 한국정보통신학회논문지
• /
• 제18권7호
• /
• pp.1531-1539
• /
• 2014

조기심실수축(PVC)은 가장 보편적인 부정맥으로 심실세동, 심실빈맥 등과 같은 위험한 상황을 유발할 수 있는 가능성을 가지고 있기 때문에 이의 조기 검출은 매우 중요하다. 하지만 ECG 신호의 개인 차이가 있음에도 불구하고, 일반적인 신호의 판단 규칙에 따라 진단을 수행함으로써 성능하락이 나타날 수 밖에 없다. 이러한 문제점을 극복하기 위해서는 개인에 따른 이상 신호를 검출한 후 다양한 QRS 패턴을 고려하여 PVC를 분류할 수 있는 알고리즘이 필요하다. 본 연구에서는 개인별 이상신호 검출과 QRS 패턴 변화에 따른 PVC 분류 기법을 제안한다. 이를 위해 전 처리 과정과 차감기법을 통해 R파를 검출하였으며, 개인별 이상신호를 검출하였다. 이후 QRS 패턴에 따른 QS 간격과 R파의 진폭 변화율에 따라 PVC를 분류하였다. 제안한 알고리즘의 이상 신호 검출 및 PVC 분류 성능을 평가하기 위해서 MIT-BIH 부정맥 데이터베이스를 사용하였다. 성능평가 결과, 이상 신호 검출률은 98.33%, PVC는 각각 94.46%의 평균 분류율을 나타내었다.

• 한국정보통신학회논문지
• /
• 제16권9호
• /
• pp.2021-2030
• /
• 2012

조기심실수축(PVC)은 가장 보편적인 부정맥으로 심실세동, 심실빈맥 등과 같은 위험한 상황을 유발할 수 있는 가능성을 가지고 있기 때문에 이의 조기 검출은 매우 중요하다. 특히 일반인들의 건강상태를 지속적으로 모니터링 해야 하는 헬스케어 시스템에서는 이를 위한 심전도 신호의 실시간 처리가 필요하다. 즉, 최소한의 연산량으로 정확한 R파를 검출하고, 대상 환자의 특징을 파악하여 PVC를 분류할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 PVC 실시간 분류를 위한 환자 적응형 패턴 매칭 기법을 제안한다. 이를 위해 전 처리 과정과 적응 가변형 문턱 값과 윈도우를 통해 R파를 검출하였으며, 검출 대상에 따른 정상신호 군을 선별하고 이를 벗어나는 신호를 이상신호로 분류하기 위해 해쉬 함수를 통한 패턴 매칭 기법을 적용하였다. 제안한 알고리즘의 R파 검출 및 정상신호 분류 성능을 평가하기 위해서 MIT-BIH 부정맥 데이터베이스를 사용하였다. 성능평가 결과, R파는 평균 99.33%, 이상신호 분류에 대한 에러율은 0.32%로 나타났다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권11호
• /
• pp.780-785
• /
• 2004

In this paper, we proposed a ventricular fibrillation detection algorithm based on wavelet transform and artificial neural network. we selected RR intervals, the 6th and 7th wavelet coefficients(D6, D7) as features for classifying ventricular fibrillation. To evaluate the performance of the proposed algorithm, we compared the result of the proposed algorithm with that of fuzzy inference and fuzzy-neural network. MIT-BIH Arrhythmia database, Creighton University Ventricular Tachyarrhythmia database and MIH-BIH Malignant Ventricular Arrhythmia database were used as test and learning data. Among the algorithms, the proposed algorithm showed that the classification rate of normal and abnormal beat was sensitivity(%) of 96.10 and predictive positive value(%) of 99.07, and that of ventricular fibrillation was sensitivity(%) of 99.45. Finally. the proposed algorithm showed good performance compared to two other methods.

• 융합신호처리학회논문지
• /
• 제12권2호
• /
• pp.96-101
• /
• 2011

최근 들어 실시간 원격 ECG모니터링 시스템에 대한 수요가 늘어가고 있으며 가입자의 증가와 더불어 실시간 모니터링 시스템의 자동화에 대한 필요성이 대두되고 있다. 비정상적인 ECG 비트의 자동검출은 이러한 실시간 원격 ECG모니터링 시스템의 성공적인 상업화를 위해서는 반드시 필요한 요소기술이다. 본 논문에서는 이러한 점에 착안하여 QRS 폭(width)과 RR interval의 패턴을 이용한 효율적인 비정상적 ECG 비트 자동검출알고리듬을 제안하였다. 기존에는 주로 ECG 비트의 상세한 분류에 대해서 많은 연구가 이루어졌으나 이러한 방법들은 분류 오류가 많고 주변 환경이 변화함에 따라서 분류성능의 변동성이 심하다는 단점이 있었다. 또한 정확한 ECG 비트 분류를 위해서는 충분한 양의 훈련데이터를 필요로 하며 특히 분류시에 많은 계산량을 필요로 한다는 문제점도 있었다. 그러나 자동화된 원격 ECG모니터링 시스템을 위해서는 ECG 비트의 세세한 분류 보다는 비트의 정상여부판단이 더 중요하다. 이러한 점에 착안하여 본 논문에서는 ECG 신호의 비정상적인 비트중에서도 가장 빈번이 발생하는 VEBs(Ventricular ectopic beats) 비트의 검출을 시도하였고 제안된 알고리듬을 MIT-BIH 부정맥 데이터베이스에 적용한 결과 만족스러운 VEBs 바트 검출성능을 얻을 수 있었다.

• 한국위성정보통신학회논문지
• /
• 제9권1호
• /
• pp.85-89
• /
• 2014

심전도(electrocardiography, ECG)는 심장박동을 할 때, 발생하는 탈분극과 재분극으로 심장의 전위변화를 시간의 흐름에 따라 파형으로 표현한 것이다. 의료기관에서는 심전도신호를 이용하여 환자의 심장질환을 진단한다. 일반적으로 사람의 정상적인 심장박동수는 1분에 60-100회 이다. 만약 정상적인 심장박동 수보다 느리거나 빠르다면 부정맥이라고 한다. 본 논문에서는 심전도신호에서 R-peak를 검출하여, R-R 간격을 구하고 부정맥 중에 서맥(bradycardia)과 빈맥(tachycardia) 구간을 검출하는 알고리즘을 제안하고 모의실험을 하였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권7호
• /
• pp.29-36
• /
• 2021

본 논문에서는 딥러닝 모델을 이용하여 모바일 기기의 심전도 신호 측정 데이터를 분류한다. 비정상 심장박동을 높은 정확도로 분류하기 위해 딥러닝 모델의 구성 요소 세 가지를 선정하고 요소의 조건 변화에 따른 분류 정확도를 비교한다. 심전도 신호 데이터의 특징을 스스로 추출할 수 있는 CNN 모델을 적용하고 모델을 구성하는 모델의 깊이, 최적화 방법, 활성화 함수의 조건을 변경하여 총 48개의 조합의 성능을 비교한다. 가장 높은 정확도를 보이는 조건의 조합을 도출한 결과 컨볼루션 레이어 19개, 최적화 방법 SGD, 활성화 함수 Mish를 적용하였을 때 정확도 97.88%로 모든 조합 중 가장 높은 분류 정확도를 얻었다. 이 실험에서 CNN을 활용한 1-채널 심전도 신호의 특징 추출과 비정상 박동 검출의 적합성을 확인하였다.