• 전기학회논문지
• /
• 제66권7호
• /
• pp.1072-1077
• /
• 2017

Mean-reverting analysis refers to a way of estimating the underlining tendency after new data has evoked the variation in the equilibrium state. In this paper, we propose a new method to interpret the specular portraits of Premature Ventricular Contraction(PVC) arrhythmia by applying K-means unsupervised learning algorithm on electrocardiogram(ECG) data. Aiming at this purpose, we applied a mean-reverting model to analyse Heart Rate Variability(HRV) in terms of the modified poincare plot by considering PVC rhythm as the component of disrupting the homeostasis state. Based on our experimental tests on MIT-BIH ECG database, we can find the fact that the specular patterns portraited by K-means clustering on mean-reverting HRV data can be more clearly visible and the Euclidean metric can be used to identify the discrepancy between the normal sinus rhythm and PVC beats by the relative distance among cluster-centroids.

• 한국산업정보학회논문지
• /
• 제20권6호
• /
• pp.37-46
• /
• 2015

The wireless electrocardiographic monitoring system(WDMS) is designed to be long term monitoring for the early detection of cardiac disorders. The current version of the WDMS can identify two types of cardiac rhythms in real-time, such as atrial fibrillation(AF) and normal sinus rhythm(NSR), which are very important to track cardiac-rhythm disorders. In this study, we proposed the analysis method to discriminate the characteristics statistically evaluated in both time and frequency domains between AF and NSR using various parameters in the heart rate variability(HRV). And we applied various ECG detection methods (e.g., difference operation method) and compared the results with those of the discrete wavelet transform(DWT) method. From the statistically results, we found that the parameters such as STD RR, STD HR, RMSSD, NN50, pNN50, RR Trian, and TNN(p<0.05) are significantly different between the AF and NSR patients in time domain. On the other hand, the frequency domain analysis results showed a significant difference in VLF power($ms^2$), LF power($ms^2$), HF power($ms^2$), VLF(%), LF(%), and HF(%). In particular, the parameters such as STD RR, RMSSD, NN50, pNN50, VLF power, LF power and HF power were considered as the most useful parameters in both AF and NSR patient groups. Our proposed method can be efficiently applied to early detection of abnormal conditions and prevent the such abnormals from becoming serious.

• 인터넷정보학회논문지
• /
• 제10권2호
• /
• pp.179-186
• /
• 2009

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NEWFM)을 이용하여 Creighton University Ventricular Tachyarrhythmia DataBase(CUDB)의 심전도(ECG) 신호로부터 정상리듬(Normal Sinus Rhythm, NSR)과 심실빈맥/심실세동(Ventricular Tachycardia/Ventricular Fibrillation, VT/VF)을 분류하는 방안을 제시하고 있다. NEWFM에서 사용할 특징입력을 추출하기 위해서 첫 번째 단계에서는 웨이블릿 변환(wavelet transform, WT)을 이용하였다. 두 번째 단계에서는 첫 번째 단계에서 생성된 웨이블릿 계수들을 위상공간 재구성(Phase Space Reconstruction, PSR)과 첨단(Peak) 추출 기법의 입력 값으로 이용하여 2개의 특징입력을 추출하였다. NEWFM은 이들 2개의 특징입력을 이용하여 정상리듬과 심실빈맥/심실세동을 분류하였고 그 결과로 90.13%의 분류성능을 나타내었다.

• 한국방사선학회논문지
• /
• 제16권5호
• /
• pp.567-574
• /
• 2022

관상동맥 질환과 심방세동은 많은 위험인자들을 공유하고 있는 것으로 알려져 있다. 특히 급성 관상동맥 증후군의 경우 혈관 완전 폐색과 혈전 등으로 인해 혈관 직경을 명확히 파악하기 어려운 경우가 있다. 따라서 심방세동 동반 환자의 관상동맥 치료 및 약물 선택 전 참고할 수 있는 자료로 활용하고자 관상동맥의 직경 관계를 평가하였다. 2020년 01월부터 2022년 08월까지 심방세동을 동반해 관상동맥 조영술을 시행한 영상과 정상 리듬의 심전도 소견을 보이는 상태의 영상을 대상으로 하였다. 두 대상 모두 관상동맥 조영술 결과 병변을 동반하지 않은 정상인 상태의 혈관 영상을 대상으로 하였다. 모든 혈관에 대해 근위 부, 중부, 말단 부로 삼등분하여 혈관의 직경을 측정하였고, 측정된 직경을 평균으로 나누어 평가하였다. 좌전하행동맥 직경을 분석한 결과 심방세동 환자의 혈관 직경이 2.24±0.26 mm로 정상 심전도 환자의 혈관 직경 2.86±0.38 mm보다 작았으며 통계적으로 유의했다. (p<0.001) 좌회선동맥 직경을 분석한 결과 심방세동 환자의 혈관 직경이 2.34±0.28 mm로 정상 심전도 환자의 혈관 직경 2.87±0.29 mm보다 작았으며 통계적으로 유의했다. (p<0.001) 우 관상동맥의 직경을 분석한 결과 심방세동 환자의 혈관 직경이 2.68±0.5 mm로 정상 심전도 환자의 혈관 직경 3.35±0.4 mm보다 작았으며 통계적으로 유의했다. (p<0.001) 정상 심전도를 보이는 환자의 혈관 크기보다 심방세동을 동반한 환자의 혈관 크기가 유의할 만큼 작은 것을 보아, 발생된 부정맥 상태가 심방세동인 경우 관상동맥 직경 평가 시 참고 될 유용한 연구로 생각된다. 특히 병변 진단 및 시술 전 후 약물 사용, 혈관 내 초음파와 같은 보조 기구 사용 선택 시 판단에 도움이 될 수 있을 연구로 사료된다.

• 한국콘텐츠학회논문지
• /
• 제9권7호
• /
• pp.19-26
• /
• 2009

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with weighted Fuzzy Membership Functions, NEWFM)과 웨이블릿 변환(wavelet transforms, WT)을 이용하여 Creighton University Ventricular Tachyarrhythmia Database(CUBD)의 심전도 신호로부터 정상리듬(normal sinus rhythm, NSR)과 심실 빈맥/세동(Ventricular tachycardia/fibrillation VT/VF)을 검출하는 방안을 제시하고 있다. NEWFM에서 사용할 특정입력을 추출하기 위해서 첫 번째 단계에서는 웨이블릿 변환을 이용하여 스케일 레벨 3과 레벨 4의 주파수 대역에서 d3과 d4의 계수들을 각각 선택하였다. 두 번째 단계에서는 d3과 d4의 계수들에 대한 구간별 표준편차를 이용하여 8개의 특징입력을 추출하였다. NEWFM은 이들 8개의 특정입력을 이용하여 정상리듬과 심실 빈맥/세동을 검출하였고 그 결과로 90.1%의 검출성능을 나타내었다.

• International Journal of Control, Automation, and Systems
• /
• 제3권4호
• /
• pp.571-579
• /
• 2005

In this paper, we proposed an algorithm for arrhythmia classification, which is associated with the reduction of feature dimensions by linear discriminant analysis (LDA) and a support vector machine (SVM) based classifier. Seventeen original input features were extracted from preprocessed signals by wavelet transform, and attempts were then made to reduce these to 4 features, the linear combination of original features, by LDA. The performance of the SVM classifier with reduced features by LDA showed higher than with that by principal component analysis (PCA) and even with original features. For a cross-validation procedure, this SVM classifier was compared with Multilayer Perceptrons (MLP) and Fuzzy Inference System (FIS) classifiers. When all classifiers used the same reduced features, the overall performance of the SVM classifier was comprehensively superior to all others. Especially, the accuracy of discrimination of normal sinus rhythm (NSR), arterial premature contraction (APC), supraventricular tachycardia (SVT), premature ventricular contraction (PVC), ventricular tachycardia (VT) and ventricular fibrillation (VF) were $99.307\%,\;99.274\%,\;99.854\%,\;98.344\%,\;99.441\%\;and\;99.883\%$, respectively. And, even with smaller learning data, the SVM classifier offered better performance than the MLP classifier.

• 전자공학회논문지SC
• /
• 제42권5호
• /
• pp.27-34
• /
• 2005

심실세동은 심장의 무질서한 전기적 활동으로 인해 심근 수축이 동시에 이뤄지지 않게 되어 급성심장사에 이르게 하는 부정맥이다. 본 연구에서는 이러한 심실세동 검출을 위해 적은 양의 학습 데이터만으로 좋은 분류 성능을 보이는 SVM(Support Vector Machine) 분류기 기반의 심실세동 검출 알고리즘을 제안하였다. 심전도 신호로부터 SVM 분류기에 입력할 입력 특징을 추출하기 위하여 웨이브렛 변환기반의 대역통과 필터링, R점 검출, 입력 특징 추출구간 설정의 전처리 과정을 수행하였으며 입력 특징으로는 리듬 기반의 정보 및 웨이브렛 변환 계수를 선택하였다. SVM 다원분류기는 정상리듬(NSR) 분류기, 심실 세동과 유사한 심실빈맥(VT) 분류기, 심실세동(VF) 분류기 그리고 그 외 부정맥 분류기로 구성하였다. SVM 분류기의 파라미터 C값과 ${\alpha}$값은 실험을 통하여 최고 성능을 나타내는 C=10, ${\alpha}=1$을 선택하였다. SVM 다원 분류기를 통한 정상리듬, 심실빈맥 심실세동의 검출 평균값은 98.39%, 96.92%, 99.88%의 우수한 검출 성능을 나타냈다. 본 연구에서 제안된 동일 입력특징을 사용하여 SVM 분류기의 심실세동 검출 결과와 다층퍼셉트론 신경망 및 퍼지추론 방법에 의한 결과를 비교하였으며 SVM 분류기가 비슷하거나 우수한 결과를 보였다. 또한 기존 다른 알고리즘에 비하여도 우수한 결과를 보임으로써 제안된 입력 특징을 통한 SVM 분류기 기반의 심실세동 검출이 유용함을 확인할 수 있었다.