• Journal of the Korea Society of Computer and Information
• /
• v.18 no.8
• /
• pp.131-139
• /
• 2013

In this paper, we look into previous research in relation to each processing step for ECG diagnosis and propose detection and classification method of arrhythmia using rhythm features of ECG signal. Rhythm features for distribution of rhythm and heartbeat such as identity, regularity, etc. are extracted in feature extraction, and rhythm type is classified using rule-base constructed in advance for features of rhythm section in rhythm classification. Experimental results for all of rhythm types in the MIT-BIH arrhythmia database show detection performance of 100% for arrhythmia with only normal rhythm rule and applicability of classification for rhythm types with arrhythmia rhythm rules.

• Proceedings of the IEEK Conference
• /
• 2009.05a
• /
• pp.393-395
• /
• 2009

심장의 활성 근육의 움직임에 의하여 발생되는 전기적 변화량을 나타내는 심전도는 부정맥 또는 허혈성 심장질환을 진단하는데 널리 활용되고 있다. 특히 심실빈맥(Ventricular Tachycardia) 또는 심실세동(Ventricular Fibrillation)과 같이 치명적인 심장리듬이 발생하기 이전에, 심실조기수축(Ventricular Premature Contraction)을 검출하여 생명을 위협할 수 있는 부정맥을 조기에 진단할 수 있는 연구들이 일부 진행되고 있다. 이에 따라서 본 연구에서는 심전도 신호의 R-R 간격 정보와 R-peak 정보의 진위성을 판단하여 PVC 부정맥 패턴뿐만 아니라 PVC 파형이 연속적으로 진행되는 PVC-RUNs을 효율적으로 검출할 수 있는 부정맥 진단 알고리즘을 제안하고자 하였다.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.474-475
• /
• 2008

심실 빈맥은 심실에서 비정상적인 전기자극 발생으로 인하여 심박수가 분당 $100{\sim}120$회를 초과하는 부정맥 증상을 일컫는다. 심실 빈맥이 발생하는 경우 심박출량이 감소하고, 폐에는 미처 나가지 못한 피가 고이는 경우도 발생하여 심부전증이 나타나거나 심실 세동으로 발전하여 사망에 이를 수 있는, 매우 위험한 부정맥 중의 하나이므로 심실 빈맥 검출은 매우 중요한 사안이다. 따라서 본 연구에서는 R-R 간격 정보를 이용하여 심실 빈맥 부정맥 신호를 실시간으로 검출할 수 있는 신호처리 알고리즘을 구현하고자 하였다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.23 no.2
• /
• pp.62-69
• /
• 2022

An electrocardiogram (ECG) is one of the most important biosignals, and in particular, continuous ECG monitoring is very important in patients with arrhythmia. There are many different types of arrhythmia (sinus node, sinus tachycardia, atrial premature beat (APB), and ventricular fibrillation) depending on the cause, and continuous ECG monitoring during daily life is very important for early diagnosis of arrhythmias and setting treatment directions. The ECG signal of arrhythmia patients is very unstable, and it is difficult to detect the R-peak point, which is a key feature for automatic arrhythmias detection. In this study, we develped a continuous measuring Holter ECG monitoring device and software for analysis and confirmed the utility of R-peak of the ECG signal with MIT-BIH arrhythmia database. In future studies, it needs the validation of algorithms and clinical data for morphological classification and prediction of arrhythmias due to various etiologies.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.2 no.2
• /
• pp.15-21
• /
• 2009

This paper proposes a novel algorithm to assess the abnormal heart beats such as PVC (Premature Ventricular Contraction) and its subsequent RUNs. Our Arrhythmic detection scheme is based on only the R-R Interval features extracted from ECG waveforms and MIT-BIH arrhythmia database is evaluated to validate the efficiency of our algorithm in terms of sensitivity, specificity, FPR(%) and FNR(%).

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.195-196
• /
• 2008

ECG 기반의 부정맥 자동 분류에 관한 연구는 지난 수십 년간 다양한 방법으로 연구되어 왔다. 많은 연구들이 부정맥을 구별해 낼 수 있는 특징 벡터를 찾아내기 위해 연구하였으나, 피험자의 ECG 특징이 각기 다르기 때문에 부정맥으로 인한 차이와 개인 간 차이를 구별하기 어려웠다. 생체데이터는 그 특성상 서로 다른 특징을 갖고 있으며, 다양한 특징을 가진 사람들에게 적용하기 위한 범용성과 부정맥 검출의 정확성 사이에 교환적 관계를 갖게 된다. 특히 ECG 데이터의 경우 사람 식별 데이터로 사용하고자 하는 연구가 있을 정도로 개인 간 편차가 분명하다. wavelet 분석방법은 다양한 mother wavelet을 사용할 수 있다는 점을 큰 장점으로 가지고 있으며, wavelet parameterization 기법을 사용하여 임의의 직교 wavelet basis를 발생시킬 수 있다. 본 논문은 wavelet parameterization을 사용하여 개인 간의 ECG 파형의 차이를 상쇄시키고, 부정맥의 차이만을 부각시킴으로써 ECG 기반의 부정맥 자동 분류 성능을 높이고자 하는데 목적이 있다.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.472-473
• /
• 2008

심실조기수축(PVC: Premature Ventricular Contraction)은 성인에게서 가장 흔하게 발생되는 심장 부정맥 증상 중의 하나이다. 심실조기수축 부정맥이 자주 발현되는 사람의 경우 관상 동맥질환, 고혈압 등의 심혈관계 질환이 진행되고 있을 가능성이 많고, 심실빈맥이나 심실세동으로 전이되는 경우 심정지 등을 유발하여 사망에 이르기 때문에 지속적으로 관찰이 필요한 증상이다. 따라서 본 연구에서는 R-R 간격 정보를 이용하여 심실조기수축 부정맥 증상을 실시간으로 검출할 수 있는 신호처리 알고리즘을 구현하고자 하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.26 no.1
• /
• pp.76-84
• /
• 2022

Arrhythmia is a condition in which the heart beats abnormally or irregularly, early detection is very important because it can cause dangerous situations such as fainting or sudden cardiac death. However, performance degradation occurs due to personalized differences in ECG signals. In this paper, we propose arrhythmia classification using hybrid combination model of CNN-LSTM. For this purpose, the R wave is detected from noise removed signal and a single bit segment was extracted. It consisted of eight convolutional layers to extract the features of the arrhythmia in detail, used them as the input of the LSTM. The weights were learned through deep learning and the model was evaluated by the verification data. The performance was compared in terms of the accuracy, precision, recall, F1 score through MIT-BIH arrhythmia database. The achieved scores indicate 92.3%, 90.98%, 92.20%, 90.72% in terms of the accuracy, precision, recall, F1 score, respectively.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.9
• /
• pp.200-207
• /
• 2014

Arrhythmia electrocardiogram signal contains a specific unusual heartbeat with abnormal morphology. Because unusual heartbeat is useful for diagnosis and classification of various diseases, such as arrhythmia, detection of unusual heartbeat from the arrhythmic ECG signal is very important. Amplitude and kurtosis at R-peak point and RR interval are characteristics of ECG signal on R-wave. In this paper, we provide a method for detecting unusual heartbeat based on these. Through the value of the attribute deviates more from the average value if unusual heartbeat is more certainly, the proposed method detects unusual heartbeat in order using the mean and standard deviation. From 15 ECG signals of MIT-BIH arrhythmia database which has R-wave distortion, we compare the result of conventional method which uses the fixed threshold value and the result of proposed method. Throughout the experiment, the sensitivity is significantly increased to 97% from 50% using the proposed method.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.23 no.4
• /
• pp.292-297
• /
• 2013

In this paper, unusual waveform detection algorithm based on Refractory Period in arrhythmia ECG signal is proposed. Most of arrhythmia ECG signals consist of unusual waveforms with average 10% rate. Thus tremendous benefit can be obtained in terms of time and cost by providing unusual waveform samples reduced more than 90% to medical staffs who have to monitor and analyze for a long time. The proposed algorithm detects the R-peak using the features of R wave and variable refractory period. For the detected R-peak, unusual waveforms are found using means and standard deviation of electric potential and kurtosis of the R-peaks which are not included in unusual waveform. The proposed algorithm was applied to all records of the MIT-BIH arrhythmia database and showed more than average 90% of compression ratio.