The Journal of the Korea institute of electronic communication sciences (한국전자통신학회논문지)

Korea Institute of Electronic Communication Science (한국전자통신학회)
권호 표지
DOI QR코드

DOI QR Code

Classification of ECG arrhythmia using Discrete Cosine Transform, Discrete Wavelet Transform and Neural Network

DCT, DWT와 신경망을 이용한 심전도 부정맥 분류

  • 윤석주 (전남대학교 전기.전자통신.컴퓨터공학부) ;
  • 김광준 (전남대학교 전기.전자통신.컴퓨터공학부) ;
  • 장창수 (전남대학교 전기.전자통신.컴퓨터공학부)
  • Received : 2012.06.25
  • Accepted : 2012.08.09
  • Published : 2012.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

This paper presents an approach to classify normal and arrhythmia from the MIT-BIH Arrhythmia Database using Discrete Cosine Transform(DCT), Discrete Wavelet Transform(DWT) and neural network. In the first step, Discrete Cosine Transform is used to obtain the representative 15 coefficients for input features of neural network. In the second step, Discrete Wavelet Transform are used to extract maximum value, minimum value, mean value, variance, and standard deviation of detail coefficients. Neural network classifies normal and arrhythmia beats using 55 numbers of input features, and then the accuracy rate is 98.8%.

본 논문은 DCT, DWT와 역전파 신경망을 이용하여 MIT-BIH 부정맥 데이터베이스의 심전도 신호로부터 정상파와 부정맥 분류를 제안하였다. 역전파 신경망에 사용할 특징입력을 추출하기 위해 첫 번째 단계에서는 DCT 변환을 이용하여 15개의 계수를 선택하였다. 두 번째 단계에서는 DWT 변환 후 각 detail 계수들의 최대값, 최소값, 평균, 분산, 표준편차를 추출하였다. 역전파 신경망은 55개의 특징입력을 이용하여 정상파와 부정맥 파형을 분류하였고, 98.8%의 분류 성능을 나타냈다.

Keywords

References

  1. M. Engin, "ECG beat classification using neurofuzzynetwork," Pattern Recognition Letters, Vol. 25, pp. 1715-1722, 2004. https://doi.org/10.1016/j.patrec.2004.06.014
  2. S. Osowski and T. H. Linh, "ECG beatre-cognition using fuzzy hybrid neural network," IEEE Trans. on Biomedical Engineering, Vol. 48, No. 4, pp. 1265-1271, 2001. https://doi.org/10.1109/10.959322
  3. Erik Zellmer, Fei Shang, Hao Zhang "Highly Accurate ECG Beat Classfication based on Continuous Wavelet Transformation and Multiple Support Vector Machine Classifiers", Biomedical Engineering and Informatics Conference MMEI, 2009, pp. 1-5, 2009.
  4. 김광백, 우영운, "HSI 컬러 공간과 신경망을 이용한 내용 기반 이미지 검색", 한국전자통신학회논문지, Vol. 5, No. 2, pp. 152-157, April, 2010.
  5. 김용연, "영상 통신을 위한 웨이블릿 변환 부호화", 한국전자통신학회논문지, Vol. 6, No. 1, pp. 61-67, Jan., 2011.
  6. L. Y. Shyu, Y. H. Wu and W. C. Hu, "Using wavelet transform and fuzzy neural network for VPC detection from the holter ECG", IEEE Trans. Biomed. Eng., Vol. 51, pp. 1269, 2004. https://doi.org/10.1109/TBME.2004.824131
  7. PhysioBank : http://www.physionet.org/physiobank/database/mitdb/
  8. N. S. Jayant, P. Noll, Digital Coding of Waveforms, Englewood Cliffs, NJ, Prentice-Hall, 1984.
  9. I Daubechies, 'The Wavelet Transform, Time Frequency Localization and Signal Analysis', IEEE Trans. Info. Theory, Vol. 36, pp. 961-1005, 1990. https://doi.org/10.1109/18.57199
  10. Miller, T., Sutton, R.s. and Werbos, P. J., "Neural Networks for Control", MIT Press, 1990.