• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.101-102
• /
• 2007

Heart diseases are critical and should be detected as soon as possible. A stethoscope is a simple device to find cardiac disorder but requires keen experiences in heart sounds. We evaluate a cardiac disorder classifier by using heart sounds recorded by a digital wireless stethoscope developed in this work. The classifier uses hidden Markov models with circular state transition to model the heart sounds. We train the classifier using two kinds of data: One recorded by using our stethoscope and the other sampled from a clean heart sound database. In classification experiments using 165 sound clips, the classifier shows the classification accuracy of 82% in classifying 6 cardiac disorder categories.

• 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.

• 한국음향학회지
• /
• 제30권3호
• /
• pp.149-157
• /
• 2011

본 논문은 support vector machine (SVM)을 사용하여 은닉 마코프 모델 (HMM)과 심잡음 존재 정보를 결합한 새로운 심장질환 분류 방법을 제안한다. 켑스트럼 특징과 HMM 비터비 (Viterbi) 알고리듬을 이용하여 입력 신호를 모든 심장질환 모델에 대하여 상태 단위로 분할하여 상태별로 로그우도 (점수)를 계산한다. 심잡음 신호의 시간적 위치 특성을 이용하기 위하여 입력신호를 두 개의 부대역으로 나누고 부대역별로 프레임 단위의 심잡음 점수를 계산한 다음, 비터비 알고리듬으로부터 구한 상태 분할 정보를 이용하여 상태단위의 심잡음 점수를 구한다. SVM은 모든 심장질환 종류에 대한 상태 단위의 HMM과 심잡음 점수를 입력으로 하여 최종적으로 심장질환을 판정한다. 심장질환 분류 실험결과, 제안한 방법은 기존의 켑스트럼 특징과 HMM 분류기를 이용한 방법에 비하여 20.4 %의 상대적 개선율을 보여준다.

• 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.

• 센서학회지
• /
• 제21권1호
• /
• pp.39-45
• /
• 2012

Recently the convergence of healthcare technology is used for daily life healthcare monitoring. Cardiac arrhythmia is presented by the state of the heart irregularity. Abnormal heart's electrical signal pathway or heart's tissue disorder could be the cause of cardiac arrhythmia. Fatal arrhythmia could put patient's life at risk. Therefore arrhythmia detection is very important. Previous studies on the detection of arrhythmia in various ECG analysis and classification methods had been carried out. In this paper, an ECG signal processing techniques to detect abnormal ECG based on DTW minimum accumulation distance through the template matching for normalized data and variable threshold method for ECG R-peak detection. Signal processing techniques able to determine the occurrence of normal ECG and abnormal ECG. Abnormal ECG detection algorithm using DTW minimum accumulation distance method is performed using MITBIH database for performance evaluation. Experiment result shows the average percentage accuracy of using the propose method for Rpeak detection is 99.63 % and abnormal detection is 99.60 %.

• 재활간호학회지
• /
• 제4권1호
• /
• pp.94-104
• /
• 2001

The purpose of this study was to analysis of nursing interventions performed by the ICU nurses to the patients with cerebrovascular disorder practically from one university hospital in Seoul. The data were collected from 15 nurses with 86 cerebrovascular disorder cases from one ICU with the questionaire to write frequency of nursing care done by the surveyee from May, 2, 2000 to July, 3, 2000 and the list of 66 nursing interventions selected out of 433 NIC(Nursing Interventions Classification) of Iowa University which were translated into Korean (44 items) and core nursing interventions by ICU nurses (22 items; KIm, Su-Jin, 1997). The data were analysed with SPSS program. The results are as follow : 1. The most frequently used nursing interventions were vital sign monitoring, fall prevention, cerebral edema management, dysreflexia management, neurologic monitoring, cardiac care, communication enhancement, technology management, bed rest care, respiratory monitoring in rank. 2. The most frequently used nursing intervention domains were 'Physiological : Complex', 'Physiological : basic', 'Behavior', 'Safty', 'Health system' in rank. In the domain of physiological : basic, the most frequently used nursing interventions were bed rest care, urinary elimination management, tube care : urinary, physical restraints in rank. In the domain of physiological : complex, the most frequently used nursing interventions were cerebral edema management, dysreflexia management, neurologic monitoring, cardiac care in rank. In the domain of behavior, the most frequently used nursing interventions were communication enhancement, touch, active listening in rank. In the domain of safty, the most frequently used nursing interventions were vital sign monitoring, fall prevention in rank. In the domain of health system, the most frequently used nursing interventions were technology management, specimen management in rank. 3. some difference of the frequency practicing the nursing interventions according to the shift of duties was found. For example, medication administration was common at day duty, touch was practiced at evening duty, temperature regulation was performed.