Conventional research works on the classification of the heart sound signal have been done mainly with the artificial neural networks. But the analysis results on the statistical characteristic of the heart sound signal have shown that the HMM is suitable for modeling the heart sound signal. In this paper, we model the various heart sound signals representing different heart diseases with the HMM and find that the classification rate is much affected by the clustering of the heart sound signal. Also, the heart sound signal acquired in real environments is a continuous signal without any specified starting and ending points of time. Hence, for the classification based on the HMM, the continuous cyclic heart sound signal needs to be manually segmented to obtain isolated cycles of the signal. As the manual segmentation will incur the errors in the segmentation and will not be adequate for real time processing, we propose a variant of the ergodic HMM which does not need segmentation procedures. Simulation results show that the proposed method successfully classifies continuous heart sounds with high accuracy.
IEMEK Journal of Embedded Systems and Applications
/
v.18
no.6
/
pp.277-283
/
2023
Vital signals provide essential information regarding the health status of individuals, thereby contributing to health management and medical research. Present monitoring methods, such as ECGs (Electrocardiograms) and smartwatches, demand proximity and fixed postures, which limit their applicability. To address this, Non-contact vital signal measurement methods, such as CW (Continuous-Wave) radar, have emerged as a solution. However, unwanted signal components and a stepwise processing approach lead to errors and limitations in heart rate detection. To overcome these issues, this study introduces an integrated neural network approach that combines noise removal, demodulation, and dominant-frequency detection into a unified process. The neural network employed for signal processing in this research adopts a MLP (Multi-Layer Perceptron) architecture, which analyzes the in-phase and quadrature signals collected within a specified time window, using two distinct input layers. The training of the neural network utilizes CW radar signals and reference heart rates obtained from the ECG. In the experimental evaluation, networks trained on different datasets were compared, and their performance was assessed based on loss and frequency accuracy. The proposed methodology exhibits substantial potential for achieving precise vital signals through non-contact measurements, effectively mitigating the limitations of existing methodologies.
Purpose: In this paper, we propose an algorithm for detecting respiratory rate and heart beat of a driver of car by exploiting Doppler radar, and verifying the feasibility of the study through experiments. Method: In this paper, we propose a weighted peak detection technique using peak frequency values. The tests are performed in stop-state and driving-state, and the experiment result is analyzed by two proposed algorithms. Result: The results showed more than 95% and 96% accuracy of respiratory and heart rate, respectively. It also showed more than 72% and 84% accuracy of those even for driving experiments. Conclusion: The proposed detection scheme for vital signs can be used for the safety of the driver as well as for prevention of a large size of car accidents.
HRV(Heart rate variability) analysis parameter is widely used as an index to evaluate the autonomic nervous system and cardiac function. For reliable HRV analysis, we need to acquire the accurate ECG signals. Most of commercially available portable ECG devices have low sampling rate because of low power consumption and small size issues, which make it difficult to measure RR-interval accurately. This study is to improve the accuracy of RR-interval by developing R-wave interpolation technique, based on the morphological characteristics of the QRS complex. When the developed method was applied to ECG obtained at 200 Hz and the results were compared with 1000 Hz reference device, the error range decreased by 1.33 times in sitting and by 2.38 times in cycling exercise. Therefore, the proposed interpolation technique is thought to be useful to improve the accuracy of R-R interval in the portable ECG device with low sampling rate.
Excessive use of the internet and smart phones have become a social issue. The level of engagement has both positive and negative effects such as good performance or indulgence phenomenon, respectively. This study was to develop an algorithm to determine the engagement state based on cardiovascular response. The participants were asked to play a pattern matching game and the experimental design was divided into cooperation and competition task to provide the level of engagement. The correlation between heart rate and amplitude was analyzed according to each task. The regression equation and accuracy were verified by polynomial regression analysis. The results showed that heart rate and amplitude were positively correlated when the task was a game, and negatively correlated when there was a reference task. The accuracy of classifying between game and reference task was 89%. The accuracy between tasks was confirmed to be 76.5%. This study is expected to be used to quantitatively evaluate the level of engagement in real time.
In this paper, we analyses heart beat data to identify subjects stress state (binary) using heart rate variability (HRV) features extracted from heart beat data of the subjects and implement supervised machine learning techniques to create the mental stress classifier. There are four steps need to be done: data acquisition, data processing (HRV analysis), features selection, and machine learning, before doing performance measurement. There are 56 features generated from the HRV Analysis module with several of them are selected (using own algorithm) after computing the Pearson Correlation Matrix (p-values). The results of the list of selected features compared with all features data are compared by its model error after training using several machine learning techniques: support vector machine, decision tree, and discriminant analysis. SVM model and decision tree model with using selected features shows close results compared to using all recording by only 1% difference. Meanwhile, the discriminant analysis differs about 5%. All the machine learning method used in this works have 90% maximum average accuracy.
Kim, Hyun-Dong;Yoon, Jae-Bok;Kim, Hyun-Dong;Kim, Tae-Seon
Proceedings of the KIEE Conference
/
2004.11c
/
pp.328-330
/
2004
In this paper, ECG based cardiac disease diagnosis models are developed. Conventionally, ECG monitoring equipments can only measure and store ECG signals and they always require medical doctor's diagnosis actions which are not desirable for continuous ambulatory monitoring and diagnosis healthcare systems. In this paper, two kinds of neural based self cardiac disease diagnosis engines are developed and tested for four kinds of diseases, sinus bradycardia, sinus tachycardia, left bundle branch block and right bundle branch block. For diagnosis engines, error backpropagation neural network (BP) and probabilistic neural network (PNN) were applied. Five signal features including heart rate, QRS interval, PR interval, QT interval, and T wave types were selected for diagnosis characteristics. To show the validity of proposed diagnosis engine, MIT-BIH database were used to test. Test results showed that BP based diagnosis engine has 71% of diagnosis accuracy which is superior to accuracy of PNN based diagnosis engine. However, PNN based diagnosis engine showed superior diagnosis accuracy for complex-disease diagnoses than BP based diagnosis engine.
The purpose of this study is to collect biosignal data in a non-invasive and non-restrictive manner using a BCG (Ballistocardiogram) sensor, and utilize artificial intelligence machine learning algorithms in ICT and high-performance computing environments. And it is to present and study a method for developing and validating a data-based blood glucose prediction model. In the blood glucose level prediction model, the input nodes in the MLP architecture are data of heart rate, respiration rate, stroke volume, heart rate variability, SDNN, RMSSD, PNN50, age, and gender, and the hidden layer 7 were used. As a result of the experiment, the average MSE, MAE, and RMSE values of the learning data tested 5 times were 0.5226, 0.6328, and 0.7692, respectively, and the average values of the validation data were 0.5408, 0.6776, and 0.7968, respectively, and the coefficient of determination (R2) was 0.9997. If research to standardize a model for predicting blood sugar levels based on data and to verify data set collection and prediction accuracy continues, it is expected that it can be used for non-invasive blood sugar level management.
Journal of the Korea Institute of Information and Communication Engineering
/
v.12
no.12
/
pp.2159-2164
/
2008
Ubiquitous healthcare system is system that monitors and manages user's health information, and most important in the healthcare system is accuracy of the measured health data. But, the accuracy changes remarkably according to user's motion artifacts in real life. To elevate accuracy of health data, we proposed new algorithm to detect maximum point of pulse wave for heart rate extraction. and the proposed algorithm is to detect maximum points detect of pulse wave in photo-plethysmography signal included motion artifacts by fuzzy inference and multi sub-band filters. In results of experiment to evaluate the performance of the proposed algorithm, we could verify the proposed algorithm extracted maximum point of pulse wave in complex motion artifacts.
The energy expended while playing tennis was determined from the players heart rate and from the amount of oxygen they consumed. This study was made using eight healthy but unathletic male college students. Expired air was collected for 2 minute periods during each game by the Douglas bag method. Samples were collected when serving and receiving. The air collected was measured using a wet test gas meter. The amount of air collected was expressed in STPD. Oxygen consumption was determined by measuring the oxygen content of the expired air with a Orzat gas analyzer. The energy expended during the tennis games was calculated indirectly. The caloric coefficient of oxygen was multiplied by the volume of oxygen consumed. The caloric coefficient of oxygen varied from 4.6 to 5.1 kcal/liter of oxygen. In this study the value of 5 kcal/liter of oxygen was used in the calculations. The accuracy of the measurements of energy expended was tested using regression analysis of the measured volume of oxygen. The mean values of heart rate, oxygen consumed and energy expended did not vary when the activity of serving and receiving was compared. The mean value of oxygen consumed during play was $1.4329{\pm}282ml/min$ or $21.6{\pm}4.0ml/kg/min$. The energy expended was $7.15{\pm}1.46kcal/min$ or $6.45{\pm}1.23kcal/kg/min$. The values were equivalent to 5.5 mets. When the levels of oxygen consumed were estimated using the formulas, they were found to be higher than the measured levels. The estimated amounts, however, were within 25% of the measured amounts.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.