Journal of Biomedical Engineering Research (대한의용생체공학회:의공학회지)

The Korean Society of Medical and Biological Engineering (대한의용생체공학회)
권호 표지

Classification of the PVC Using The Fuzzy-ART Network Based on Wavelet Coefficient

웨이브렛 계수에 근거한 Fuzzy-ART 네트워크를 이용한 PVC 분류

  • Park, K. L (Dept. of Biomedical Eng. College of Health Science, Yonsei Univ.) ;
  • Lee, K. J. (Dept. of Biomedical Eng. College of Health Science, Yonsei Univ.) ;
  • lee, Y. S. (Dept. of Biomedical Eng. College of Health Science, Yonsei Univ.) ;
  • Yoon, H. R. (Research Institute of Medical Engineering, Yonsei Univ.)
  • 박광리 (연세대학교 보건과학대학 의용전자공학과) ;
  • 이경중 (연세대학교 보건과학대학 의용전자공학과) ;
  • 이윤선 (연세대학교 보건과학대학 의용전자공학과) ;
  • 윤형로 (연세대학교 의공학 연구소)
  • Published : 1999.08.01
Download PDF
⟨ Previous Next ⟩

Abstract

A fuzzy-ART(adaptive resonance theory) network for the PVC(premature ventricular contraction) classification using wavelet coefficient is designed. This network consists of the feature extraction and learning of the fuzzy-ART network. In the first step, we have detected the QRS from the ECG signal in order to set the threshold range for feature extraction and the detected QRS was divided into several frequency bands by wavelet transformation using Haar wavelet. Among the low-frequency bands, only the 6th coefficient(D6) are selected as the input feature. After that, the fuzzy-ART network for classification of the PVC is learned by using input feature which comprises of binary data converted by applying threshold to D6. The MIT/BIH database including the PVC is used for the evaluation. The designed fuzzy-ART network showed the PVC classification ratio of 96.52%.

본 연구에서는 PVC를 분류하기 위하여 웨이브렛 계수를 기반으로 하는 fuzzy-ART 네트워크를 설계하였다. 설계된 네트워크는 feature를 추출하는 부분과 fuzzy-ART 네트워크를 학습시키는 부분으로 구성된다. 우선 feature의 문턱치 구간을 설정하기 위하여 심전도 신호의 QRS를 검출하였고, 검출된 QRS는 Haar 웨이브렛을 이용한 웨이브렛 변환에 의해 주파수 분할하였다. 분할된 주파수 중에서 입력 feature를 추출하기 위하여 저주파 영역의 6번째 계수(D6)만을 선택하였다. D6신호는 입력 feature를 구성하기 위한 문턱치를 적용하여 fuzzy-ART 네트워크의 2진수 입력 feature로 전환하였고, PVC를 분류하기 위하여 fuzzy-ART네트워크를 학습시켰다. 본 연구의 성능을 평가하기 위하여 PVC가 포함된 MIT/BIH 데이터 베이스가 사용되었으며, fuzzy-ART 네트워크의 분류성능은 96.25%이었다.

Keywords

References

  1. J. of Clinical Engineering v.9 no.3 QRS detection by template matching using real-time correlation on a microcomputer Dobbs, S.E.(et al.)
  2. Comprehension Electrocardiology v.2 P.W. Macfarlane;T.V. Lawric
  3. IEEE conference Detection of Ventricular Ectopic Beats Using Neural Networks H.S. Chow;G.B. Moody;R.G. Mark
  4. IEEE conference Classification of cardiacarrhytmia based on principal component analysis and feedforward neural network Jurandir N.;Marcelo C. B
  5. Neural Networks-A Tutorial Michael Chester
  6. Fuzzy Enginnering Bart Kosko
  7. IEEE Transactions on Biomedical Engineering v.36 no.10 QRS Feature EXtraction Using Linear Prediction Kang-Ping Lin;Walter H. Chang
  8. 대한의용생체공학회 추계학술대회 선형예측게수에 근거한 ART 네트워크를 이용한 심전도 신호 분류 박광리;이경중
  9. IEEE Proc. Computers in cardiology Expanded frequency-domain ECG wave form processing C.N. Mead(et al.)
  10. IEEE conference Validation of Automated Arrhythmia Detection for Holter ECG C.L. Chang(et al.)
  11. Multiresolution Signal Decompostion A.N. Akansu;R.A. Haddad
  12. Anals of Biomedical Engineering v.23 Wavelet in Biomedical Engineering Metin Akay
  13. 신경망 이론과 응용(Ⅰ) 김대주