• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 춘계학술대회
• /
• pp.358-359
• /
• 2012

본 연구에서는 범용적인 건강 모니터링에 활용할 수 있는 생체신호인 심전도를 일반 가정 내에서 뿐만 아니라 일상생활 중에서도 실시간으로 편리하게 측정할 수 있도록 초소형 저전력의 착용형 심전도 계측시스템을 구현하였다. 이를 위하여 표준 12-lead법이 아닌 모바일 또는 휴대용 장치에 적합한 2-lead법을 사용하여 심전도 계측부를 구현하였고, 심전도 계측부를 베이스 노드로 하여 심전도 신호를 가정 내 또는 실외에서도 무선으로 전송 할 수 있도록 구현하였다. 먼저 가정 내에서는 저 전력 무선센서노드를 이용하여 심전도 신호를 실시간으로 PC에 전송하여 모니터링이 가능하도록 구현 하였고, 실외에서는 저전력 통신 방식인 Bluetooth 2.0을 사용하여 스마트폰으로 심전도 신호를 실시간으로 전송해 모니터링 할 수 있도록 구현하였다.

• 한국산학기술학회논문지
• /
• 제18권5호
• /
• pp.10-15
• /
• 2017

웨어러블 기기를 이용한 생체 신호 모니터링 어플리케이션들이 큰 관심을 끌면서 측정된 생체 신호를 무선링크를 통해 효율적으로 외부기기에 전달할 수 있는 방법에 대한 연구가 많이 이루어지고 있다. 본 논문에서는 전도성 섬유를 이용해 제작한 안테나를 옷에 부착하고 이를 심전도 센서 모듈 및 무선 통신 모듈과 결합하여 심전도 신호를 모니터링할 수 있는 시스템을 구현하는 과정에 대해 서술하였다. 사용한 전도성 섬유는 40가닥의 은도금 한 실 묶음으로 직류 선저항이 30 ohm/m 이하, 도전율이 105 S/m 이상이다. 전도성 섬유 기반 안테나를 설계하고 제작하는데 있어 3차원 전파 시뮬레이션 소프트웨어 및 자수기 소프트웨어를 이용하였으며, 제작한 안테나 시작품의 반사계수를 네트워크 분석기를 이용해 측정한 결과 지그비 2.4GHz 통신 주파수 대역에서 -10dB 이하의 우수한 안테나 임피던스 매칭 특성을 보임을 확인하였다. 해당 웨어러블 안테나를 지그비 통신 모듈, 심전도 데이터 처리 모듈 및 마이크로 프로세서로 구성한 심전도 측정 시스템에 연결하여 최대 220m 떨어진 수신기에 심전도 데이터가 실시간으로 전송됨을 시연하였다.

• 인터넷정보학회논문지
• /
• 제23권1호
• /
• pp.31-38
• /
• 2022

심전도(electrocardiogram)는 심장의 주기적인 활동을 전기적인 신호로 기록한 것으로 심근의 리듬을 측정하고 판단하여 개인건강을 진단할 수 있는 중요한 신체정보이다. 특성상 대용량의 정보를 발생하는데 특정 질병의 진단을 목표로 하는 경우 상당한 기간의 누적 신호를 필요로 한다. 따라서 의학적인 손실 없이 정보용량을 대폭 줄이기 위한 압축 및 저장 처리에 관한 연구가 활발하게 진행되어 왔다. 최근 일상생활에서 착용할 수 있고 신호를 실시간 전송할 수 있는 스마트한 측정기기의 개발로 심전도는 그 활용도가 더욱 높아지고 있다. 측정기기는 일반적으로 사용자의 편리성을 위해 성능과 전력소모가 제한적인데, 이런 환경에서 대용량의 신호를 수 초안에 처리하고 전송할 수 있는 기법의 개발이 요구되고 있다. 본 논문에서는 심전도의 단위 파형의 누적 평균(template)을 활용하여 효율적으로 신호를 압축 전송하는 기법을 제안한다. 압축은 템플릿 매칭을 활용하며 무손실(lossless)이 가능하다. 제안하는 기법은 기존의 대표적인 압축방식과 비교해서 고압축 환경에서 우수한 성능을 보여주며, 복잡도는 상대적으로 높지 않은 것으로 분석된다. 그리고 template 매칭 차이 값에 대한 기존의 압축 기술의 적용도 가능하다.

• 대한임베디드공학회논문지
• /
• 제15권5호
• /
• pp.205-214
• /
• 2020

With the recent development of hardware and software technology, interest in the development of wearable devices is increasing. In particular, wearable devices require algorithms suitable for low-power and low-capacity embedded devices. Among them, there is an increasing demand for a signal compression algorithm that reduces communication overhead, in order to increase the efficiency of storage and transmission of electrocardiogram (ECG) signals requiring long-time measurement. Because normal beats occupy most of the signal with similar shapes, a high rate of signal compression is possible if normal beats are represented by a template. In this paper, we propose an algorithm for determining the normal beat template using the template cluster and Pearson similarity. Also, the template is expressed effectively as a few vertices through linear approximation algorithm. In experiment of Datum 234 of MIT-BIH arrhythmia database (MIT-BIH ADB) provided by Physionet, a compression ratio was 33.44:1, and an average distribution of root mean square error (RMSE) was 1.55%.

• International Journal of Computer Science & Network Security
• /
• 제22권5호
• /
• pp.127-134
• /
• 2022

Generally developed for medical testing, electrocardiogram (ECG) recordings seizure the cardiac electrical signals from the surface of the body. ECG study can consequently be a vital first step to support analyze, comprehend, and expect cardiac ailments accountable for 31% of deaths globally. Different tools are used to analyze ECG signals based on computational methods, and explicitly machine learning method. In all abovementioned computational simulations are prevailing tools for cataloging and clustering. This review demonstrates the different effective methods for heart disease based on computational methods for ECG analysis. The accuracy in machine learning and three-dimensional computer simulations, among medical inferences and contributions to medical developments. In the first part the classification and the methods developed to get data and cataloging between standard and abnormal cardiac activity. The second part emphases on patient analysis from entire ECG recordings due to different kind of diseases present. The last part represents the application of wearable devices and interpretation of computer simulated results. Conclusively, the discussion part plans the challenges of ECG investigation and offers a serious valuation of the approaches offered. Different approaches described in this review are a sturdy asset for medicinal encounters and their transformation to the medical world can lead to auspicious developments.

• 센서학회지
• /
• 제29권1호
• /
• pp.19-26
• /
• 2020

Electrocardiogram (ECG) classification has become an essential task of modern day wearable devices, and can be used to detect cardiovascular diseases. State-of-the-art Artificial Intelligence (AI)-based ECG classifiers have been designed using various artificial neural networks (ANNs). Despite their high accuracy, ANNs require significant computational resources and power. Herein, three different ANNs have been compared: multilayer perceptron (MLP), convolutional neural network (CNN), and spiking neural network (SNN) only for the ECG classification. The ANN model has been developed in Python and Theano, trained on a central processing unit (CPU) platform, and deployed on a PYNQ-Z2 FPGA board to validate the model using a Jupyter notebook. Meanwhile, the hardware accelerator is designed with Overlay, which is a hardware library on PYNQ. For classification, the MIT-BIH dataset obtained from the Physionet library is used. The resulting ANN system can accurately classify four ECG types: normal, atrial premature contraction, left bundle branch block, and premature ventricular contraction. The performance of the ECG classifier models is evaluated based on accuracy and power. Among the three AI algorithms, the SNN requires the lowest power consumption of 0.226 W on-chip, followed by MLP (1.677 W), and CNN (2.266 W). However, the highest accuracy is achieved by the CNN (95%), followed by MLP (76%) and SNN (90%).

• International Journal of Computer Science & Network Security
• /
• 제23권7호
• /
• pp.171-185
• /
• 2023

The cardiovascular syndrome is the dominant reason for death and the number of deaths due to this syndrome has greatly increased recently. Regular cardiac monitoring is crucial in controlling heart parameters, particularly for initial examination and precautions. The quantity of cardiac patients is rising each day and it would increase the load of work for doctors/nurses in handling the patients' situation. Hence, it needed a solution that might benefit doctors/nurses in monitoring the improvement of the health condition of patients in real-time and likewise assure decreasing medical treatment expenses. Regular heart monitoring via wireless body area networks (WBANs) including implantable and wearable medical devices is contemplated as a life-changing technique for medical assistance. This article focuses on the latest development in wearable and implantable devices for cardiovascular monitoring. First, we go through the wearable devices for the electrocardiogram (ECG) monitoring. Then, we reviewed the implantable devices for Blood Pressure (BP) monitoring. Subsequently, the evaluation of leading wearable and implantable sensors for heart monitoring mentioned over the previous six years, the current article provides uncertain direction concerning the description of diagnostic effectiveness, thus intending on making discussion in the technical communal to permit aimed at the formation of well-designed techniques. The article is concluded by debating several technical issues in wearable and implantable technology and their possible potential solutions for conquering these challenges.

• 한국산업정보학회논문지
• /
• 제25권3호
• /
• pp.1-10
• /
• 2020

본 논문에서는 시계열 심전도 (Electrocardiogram: ECG) 및 광전용맥파 측정센서 (Photoplethysmography: PPG)을 이용하여 혈압을 추정하는 알고리즘을 제안한다. 혈압 (Blood pressure: BP)을 추정하기 위해 주기적 입력 신호를 생성하고 차동 및 임계값 방법에 따라 잡음을 제거한 다음 합성곱 신경망 알고리즘을 기반으로 하여 수축기 혈압과 이완기 혈압을 예측한다. 본 논문에서 사용된 데이터는 MIMIC 데이터베이스에서 총 3.1GB의 49명의 환자 데이터를 사용하였다. 실험결과 수축기 혈압의 평균 제곱근 오차는 5.80mmHg, 이완기 혈압의 예측 오차는 2.78mmHg을 나타내었다. 또한, 영국 고혈압 협회가 제안한 혈압계 평가 방법을 적용하였을 때, 최고 성능인 등급 A를 만족함을 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제15권1호
• /
• pp.220-226
• /
• 2011

맥파전달시간 측정을 위해 비침습적 방법으로 신체 착용 가능한 심전도 및 맥파 무선계측시스템을 구현하였다. 구현된 시스템을 이용하여 자세 변화에 따른 맥파전달시간의 변화를 관찰하고자 하였다. 맥파전달시간을 검출하기 위하여 심전도 및 맥파 신호 검출이 필요하고, 맥파신호 계측을 위하여 근적외선을 피검부위에 조사하여 헤모글로빈에 흡수되지 않고 투과된 투과광 또는 반사광으로 혈액량의 변동을 보는 광적용적맥파를 이용하였다. 또한 검출된 심전도와 맥파 신호를 무선으로 PC로 전송하기 위하여 Zigbee호환의 무선센서노드를 이용하였으며, 무선으로 전송된 데이터로부터 잡음을 제거하고 맥파전달시간을 계산하기 위한 신호처리 알고리즘을 구현하였다. 구현된 맥파전달시간 계측시스템의 유용성을 평가하기 위하여 기존 상용시스템과의 비교 평가를 수행하였으며, 자세 변화에 따른 맥파전달시간의 변화양상을 관찰하여 구현된 시스템을 통해 일상생활에서 건강모니터링이 가능함을 확인하였다.

• 한국정보통신학회논문지
• /
• 제26권10호
• /
• pp.1469-1476
• /
• 2022

최근 심전도 (ECG) 및 광전용맥파 (PPG) 신호를 사용하여 혈압을 추정하는 많은 연구가 이루어지고 있다. 본 논문에서는 1차원 합성곱 신경망을 사용하여 실시간으로 혈압을 추정하고 모니터링 할 수 있는 모바일 시스템을 설계하고 구현하였다. 제안하는 신경망 알고리즘은 ECG 및 PPG 신호의 다양한 특징을 세밀하게 추출하도록 11개의 계층으로 구성하고 매개변수를 최적화하도록 설계되었다. 모의실험 결과는 학습한 신경망의 합성곱 커널의 개수가 많을수록 ECG 및 PPG 신호의 특성을 더 잘 나타내기 때문에 선형 회귀 모델보다 평균 제곱 오차가 적어져 더 좋은 성능을 나타내는 것으로 분석되었다. 본 연구에서 개발된 모바일 시스템은 몸에 부착된 ECG 및 PPG 센서 장치로부터 블루투스 통신으로 전송된 측정 신호를 입력받고 실시간으로 학습된 모델로 수축기 및 이완기 혈압 수치를 추정하고 그래프로 표시하게 된다.