Patient Adaptive Pattern Matching Method for Premature Ventricular Contraction(PVC) Classification

Premature ventricular contraction(PVC) is the most common disease among arrhythmia and it may cause serious situations such as ventricular fibrillation and ventricular tachycardia. Particularly, in the healthcare system that must continuously monitor patient's situation, it is necessary to process ECG (Electrocardiography) signal in realtime. In other words, the design of algorithm that exactly detects R wave using minimal computation and classifies PVC by analyzing the persons's physical condition and/or environment is needed. Thus, the patient adaptive pattern matching algorithm for the classification of PVC is presented in this paper. For this purpose, we detected R wave through the preprocessing method, adaptive threshold and window. Also, we applied pattern matching method to classify each patient's normal cardiac behavior through the Hash function. The performance of R wave detection and abnormal beat classification is evaluated by using MIT-BIH arrhythmia database. The achieved scores indicate the average of 99.33% in R wave detection and the rate of 0.32% in abnormal beat classification error.

조기심실수축(PVC) 분류를 위한 환자 적응형 패턴 매칭 기법

조기심실수축(PVC)은 가장 보편적인 부정맥으로 심실세동, 심실빈맥 등과 같은 위험한 상황을 유발할 수 있는 가능성을 가지고 있기 때문에 이의 조기 검출은 매우 중요하다. 특히 일반인들의 건강상태를 지속적으로 모니터링 해야 하는 헬스케어 시스템에서는 이를 위한 심전도 신호의 실시간 처리가 필요하다. 즉, 최소한의 연산량으로 정확한 R파를 검출하고, 대상 환자의 특징을 파악하여 PVC를 분류할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 PVC 실시간 분류를 위한 환자 적응형 패턴 매칭 기법을 제안한다. 이를 위해 전 처리 과정과 적응 가변형 문턱 값과 윈도우를 통해 R파를 검출하였으며, 검출 대상에 따른 정상신호 군을 선별하고 이를 벗어나는 신호를 이상신호로 분류하기 위해 해쉬 함수를 통한 패턴 매칭 기법을 적용하였다. 제안한 알고리즘의 R파 검출 및 정상신호 분류 성능을 평가하기 위해서 MIT-BIH 부정맥 데이터베이스를 사용하였다. 성능평가 결과, R파는 평균 99.33%, 이상신호 분류에 대한 에러율은 0.32%로 나타났다.