• Title/Summary/Keyword: 심음

검색결과 44건 처리시간 0.021초

심음 포락선의 3차 모멘트를 이용한 심음의 주성분 검출 (Detection of Main Components of Heart Sound Using Third Moment Characteristics of PCG Envelope)

  • 전성일;배건성
    • 한국정보통신학회논문지
    • /
    • 제17권12호
    • /
    • pp.3001-3008
    • /
    • 2013
  • 심음도(PCG, Phonocardiogram) 분석을 이용하여 심장의 판막과 관련된 질환을 진단하기 위해서는 먼저 심음 분할을 위해 심음의 주성분인 S1과 S2를 정확하게 찾아야 한다. 본 논문에서는 심음포락선의 모멘트 특성을 분석하고 이를 심음 분할에 적용하였다. 기존의 2차 모멘트를 이용한 심음 분할의 문제점을 분석하고, 심잡음이 있더라도 심음 주성분의 검출이 용이한 3차 모멘트에 기반한 방법을 제안하였다. 심음포락선은 심음 신호의 단구간 에너지를 이용하였으며, 3차 모멘트 궤적의 기울기 정보를 이용하여 심음 주성분을 검출하고 지속시간을 게이팅(gating) 하였다. 다양한 심잡음이 포함된 심음 신호에 대한 실험을 통해 제안한 방법이 기존의 2차 모멘트 기법보다 심잡음의 영향을 적게 받고 심음 주성분의 구간을 정확하게 검출 할 수 있음을 보였다.

통계적 모델링 기법을 이용한 연속심음신호의 자동분류에 관한 연구 (Automatic Classification of Continuous Heart Sound Signals Using the Statistical Modeling Approach)

  • 김희근;정용주
    • 한국음향학회지
    • /
    • 제26권4호
    • /
    • pp.144-152
    • /
    • 2007
  • 기존의 심음분류를 위한 연구들은 인공신경망을 이용하여 주로 이루어졌다. 그러나 심음신호의 통계적 특성을 분석 한 결과 HMM의 의한 신호모델링이 적합한 것으로 나타났다. 본 연구에서는 다양한 질병을 나타내는 심음신호를 HMM을 이용하여 모델링 하고 인식성능이 심음신호의 클러스터링에 따라서 많이 좌우되는 것을 알 수 있었다. 또한 실제 환경에서의 심음신호는 그 시작과 끝나는 시점이 정해지지 않은 연속신호이다. 따라서 HMM을 이용한 심음분류를 위해서는 연속적인 심음신호로부터 한 사이클의 분할된 심음을 추출할 필요성이 있다. 일반적으로 수동분할은 분할오류를 발생시키며 실시간 심음인식에 적합하지 않으므로 분할과정이 필요치 않는 ergodic형 HMM을 변형하여 사용할 것을 제안하였다. 그리고 제안된 HMM은 연속심음을 이용한 분류실험에서 매우 높은 성능을 보임을 알 수 있었다.

3차 샤논 에너지 변화량을 이용한 제 1심음과 제 2심음 검출 알고리듬 (Detection of the First and Second Heart Sound Using Three-order Shannon Energy Difference)

  • 이기현;김필운;이윤정;김명남
    • 한국멀티미디어학회논문지
    • /
    • 제14권7호
    • /
    • pp.884-894
    • /
    • 2011
  • 본 논문에서는 심음에서 제 1심음(S1)과 제 2심음(S2)을 찾기 위한 새로운 알고리듬을 제안하였다. 심음의 주성분을 찾기 위한 기존의 알고리듬들은 심 잡음이 없는 정상 심음 신호에서는 높은 성능을 보이지만 심 질환에 의해 발생하는 심 잡음이 섞여 있는 신호에서는 현저한 성능저하를 보인다. 따라서 본 논문에서는 심 질환이 있는 심음에서 제 1심음과 제 2심음의 검출 성능 향상을 위해 3차 샤논 에너지 변화량을 이용한 알고리듬을 제안하였다. 제 1심음과 제 2심음의 에너지 변화량이 심 잡음에 비해 더 크게 나타나는 특징을 이용하여, 심 잡음을 감쇄시키고 제 1심음, 제 2심음을 검출하였다. 제안한 알고리듬은 정상 심음 뿐 아니라 대동맥 협착증, 승모판막 협착증과 같은 비정상 심음에서도 높은 검출 성능을 가질 수 있도록 개발하였으며 실험 결과 기존의 검출방법에 비하여 높은 검출 성능을 보였다.

구간적분과 통계변수 분석에 의한 심음 인식 (Heart Sound Recognition by Analysis of Block Integration and Statistical Variables)

  • 이상민;김인영;홍승홍
    • 대한의용생체공학회:의공학회지
    • /
    • 제20권6호
    • /
    • pp.573-581
    • /
    • 1999
  • 청진에 의한 심음도법은 오래 전부터 진단에 이용되어 왔지만 심음 인식분야에서는 제 1심음, 제 2심음, 특정 판막의 운동과 같이 부분적 기능이나 동작 분석을 목적으로 심음의 일부 구간에 대한 인식 연구가 행하여졌을 뿐 심음 한 주기 전체를 대상으로 하는 심음 특징 인식에 대한 연구성과는 매우 미약하였다. 본 논문에서는 한 주기 동안의 전체 심음을 분석하여 파라메터를 추출하고 이를 이용하여 한 주기 심음 특성에 대한 인식방법을 제안하였다. 제안된 알고리즘은 시간영역에서 제 1심음과 제 2심 검출을 기반으로 한다. 알고리즘은 주요 구간을 추출하고 정점 위치, 구간 적분, 통계변수에 대한 분석을 통하여 심음을 분류한다. 심음을 정상, 수축초기 심잡음, 수축말기 심잡음, 이완 초기 심잡음, 이완 말기 심잡음, 연속적 심잡음으로 구분하였다. 시험 결과 평균 88% 의 평균 인식률을 얻어 제안된 알고리즘의 유용성을 확인하였다. 비정상 심음의 분류에 대한 오인식은 주로 수축초기의 심잡음인 경우로 나타났다.

  • PDF

주성분 분석 기법을 이용한 심음 인식 (Heart Sound Recognition using Principal Components Analysis)

  • 이상민;홍승홍
    • 전자공학회논문지SC
    • /
    • 제38권5호
    • /
    • pp.59-69
    • /
    • 2001
  • 최근에 디지털 선호처리와 전자부품의 발달로 심음 분식에 관한 많은 연구가 진행되고 있다. 그러나 심음 인식, 특히 심음 한주기 전체에 대한 인식연구는 거의 없다. 본 논문에서 심음 전체 한주기에 대한 새로운 인식 방법을 제안하였다. 먼저 주성분 분석을 이용하여 훈련 셋트로 데이터베이스를 구축한다. 데이터베이스는 새로운 심음입력을 인식하는데 이용된다. 심음은 정상심음, 수축전 심잡음, 수축초기 심잡음, 수축 말기 심잡음, 이완 초기 심잡음, 이완 말기 심잡음, 연속적 심잡음으로 분류된다. 실험결과 새로운 인식 방법은 심음의 특징을 인식하는데 효과적이었다. 최대 인식률은 NO의 경우 71%, PS와 ES의 경우 80%, LS의 경우 78%, ED의 경우 87%, LD의 경우 60%, CM의 경우 20% 이었다. 현재의 결과가 실제적으로 심음을 인식하기에는 충분하지 못하였지만 선음 전체 주기를 대상으로 한 연구라는데 의의가 있으며 더 효과적인 데이터베이스를 구축함으로써 인식률을 개선할 수 있다.

  • PDF

심음 기반의 심장질환 분류를 위한 새로운 시간영역 특징 (New Temporal Features for Cardiac Disorder Classification by Heart Sound)

  • 곽철;권오욱
    • 한국음향학회지
    • /
    • 제29권2호
    • /
    • pp.133-140
    • /
    • 2010
  • 연속 심음신호로부터 추출한 새로운 시간영역에서의 특징들을 추가하여 심장질환 분류의 성능을 개선한다. 기존에 사용되고 있는 켑스트럼 영역 특징인 멜주파수 켑스트럼 계수 (MFCC)에 심음 포락선, 심잡음 확률벡터, 심잡음 진폭값 변동으로 구성된 새로운 3종류의 시간영역 특징을 추가한다. 심장 질환 분류 및 검출 실험에서, 시간영역 특징의 분류 정확도에 대한 기여도를 평가하고 순차적 특징선택 방식을 이용하여 시간영역 특징을 선택한다. 선택된 특징들은 다층 퍼셉트론(MLP), support rector machine (SVM), extreme learning machine (ELM)와 같은 신경회로망 패턴 분류기에 대하여 의미있고 일관되게 분류 정확도를 개선함을 보여준다.

자동 분할과 ELM을 이용한 심장질환 분류 성능 개선 (Performance Improvement of Cardiac Disorder Classification Based on Automatic Segmentation and Extreme Learning Machine)

  • 곽철;권오욱
    • 한국음향학회지
    • /
    • 제28권1호
    • /
    • pp.32-43
    • /
    • 2009
  • 본 논문은 자동 분할과 extreme learning machine (ELM)을 이용하여 연속 심음신호에 의한 심장질환 분류의 성능을 개선한다. 자동 분할을 위한 전처리 단계에서 비정상적인 심음신호는 심잡음 (murmur)과 클릭음 (click)을 포함하고 있기 때문에 제1음 (S1)과 제2음 (S2) 시작점 검출 결과가 부정확하거나 누락되어 기존의 심장질환 분류 시스템의 정확도를 저하시키게된다. 이러한 분할 오류에 의한 성능 저하를 감소하기 위해 S1 및 S2의 위치를 찾고, S1 및 S2의 시간 차이를 이용하여 부정확한 시작점을 교정한 다음 한 주기 심음 신호를 추출한다. 특징벡터로는 단일 주기의 심음 신호로부터 추출된 멜척도 필터뱅크 로그 에너지 계수와 포락선을 사용한다. 심장질환을 분류하기 위하여 한 개의 은닉층을 가진 ELM 알고리듬을 사용한다. 9가지 심장질환 분류 실험을 수행한 결과, 제안 방법은 81.6%의 분류 정확도를 나타내며, multi-layer perceptron(MLP), support vector machine (SVM), hidden Markov model (HMM) 중에서 가장 높은 분류 정확도를 보여준다.

심음에서의 심장판막협착 영역 검출 알고리듬 (Heart Valve Stenosis Region Detection Algorithm on Heart Sounds)

  • 이기현;이윤정;김명남
    • 한국멀티미디어학회논문지
    • /
    • 제15권11호
    • /
    • pp.1330-1340
    • /
    • 2012
  • 본 논문에서는 심음신호를 이용해 강한 심 잡음이 나타나는 심장판막협착 영역을 검출하는 새로운 알고리듬을 제안하였다. 심음의 주성분을 찾거나 심 잡음을 제거하기 위한 지금까지의 많은 연구들은 대동맥판막협착증이나 승모판막협착증과 같이 강한 심 잡음이 나타나는 비정상 심음의 경우, 강한 심 잡음으로 인해 좋은 결과를 보이지 못하였다. 본 논문에서는 구간 잡음강도함수를 이용한 잡음 검출 알고리듬을 제안하였다. 제안한 구간 잡음 강도 함수는 심음 신호에서 제 1심음과 제 2심음을 검출하여, 이를 이용한 심음 구간을 설정한 후 구간 자기상관변화량을 이용하여 도출할 수 있다. 제안한 구간 잡음강도함수를 이용하여 심 잡음의 강도를 판단하고 심 잡음 유무를 검출하였다. 제안한 알고리듬으로 실험한 결과, 심장판막협착 영역 검출에서 기존의 연구보다 뛰어난 성능을 가지는 것을 확인하였다.

뉴럴네트워크를 이용한 심음의 정상 비정상 분류 (Classificatin of Normal and Abnormal Heart Sounds Using Neural Network)

  • 윤희진
    • 융합정보논문지
    • /
    • 제8권5호
    • /
    • pp.131-135
    • /
    • 2018
  • 현대인의 사망원인 2위를 차지하고 있는 심장병은 자각 증세 없이 갑자기 돌연사를 당할 수 있는 무서운 질병으로 예방이 중요하다. 심장병 중 대동맥판막 협착증을 판단하기 위해서 physioNet에서 제공하는 심음 데이터 중 S1과 S2 사이의 수축 심음 데이터를 이용하여 병명을 진단하였다. 대동맥 판막은 좌심실에서 대동맥으로 피가 유출되는 부위의 판막이다. 심장병 중 대동맥판막 협착증은 대동맥판막이 좁아져 좌심실의 수축 시 판막이 열리지 않는 질환이다. 위 논문에서는 정상인과 대동맥판막 협착증 환자를 합쳐 특징이 180개로 이루어진 3126개의 샘플 심음 데이터를 실험데이터로 사용하였다. 정상과 대동맥판막 협착증 환자를 구분하기 위해 가중퍼지신경망(NEWFM, Neural Network with Weighted Fuzzy Membership Function)이용하였다. 가중퍼지신경망의 특징선택 방법으로 가중치의 평균 방법을 이용하였으며, 분류 결과는 91.0871%의 정확도를 나타내었다.

고해상 피치 검출 알고리듬을 적용한 실시간 태아 심음 감시시스템에 관한 연구 (A study on the real time fetal heart rate monitoring system by high resolution pitch detection algorithm)

  • 이응구;이두수
    • 대한의용생체공학회:의공학회지
    • /
    • 제16권2호
    • /
    • pp.175-182
    • /
    • 1995
  • 태아 심음을 측정하기 위한 기존의 자기상관 함수 법은 처리과정이 간편한 반면에 많은 문제점을 가지고 있다. 초음파 도플러 신호가 열악할 경우 고전적인 자기상관 함수 법은 문턱 값의 선정과 창 함수 크기에 매우 민감하다. 특히 데이터 손실이 생길 때 정확한 태아 심박동 수를 찾기가 어렵다. 이들 문제점들을 보완하기 위하여 초음파 도플러 신호로부터 정확한 태아 심박동 수를 찾는 고해상 피치검출 알고리듬이 제안되었다. 이 알고리듬은 자기상관 함수법 보다 정확하고, 잡음에 강하며, 높은 신뢰성을 갖으나 계산량이 많아 실시간 처리가 어렵다. 본 논문에서는 실시간 처리에 적합한 새로운 태아 심음 추출 알고리듬을 제안하고, 제안된 알고리듬을 적용한 실시간 태아 심음 감시시스템에 관하여 연구하였다.

  • PDF