부정맥 심전도 신호는 전도장애 및 발생부위에 따라 특정 부위에서 비정상 모양을 띄는 특이심박을 포함하고 있다. 특이심박은 부정맥 등 다양한 질환을 진단 및 분류하는데 있어 유용하기 때문에 부정맥 심전도 신호에서 특이심박의 검출은 매우 중요하다. R-peak점에서의 전위, 첨도 및 R-R 간격은 심전도 신호가 R파에서 가지는 특성이다. 본 논문에서는 이를 바탕으로 특이심박 검출 방법을 제안한다. 제안한 방법은 특이심박이 확실할수록 특성값이 평균에서 크게 벗어난다는 점을 기반으로 평균과 표준편차를 이용하여 순차적으로 특이심박을 검출한다. MIT-BIH 부정맥 데이터베이스 중 R파 왜곡을 가지는 15개의 심전도 신호에 대해 기존의 고정된 문턱값을 사용한 검출 방법과 제안한 방법을 적용하여 특이심박을 검출하여 비교하였다. 실험을 통해 민감도를 약 50~70%에서 제안한 방법을 통해 97%로 크게 상향할 수 있었다.
Classification in biomedical applications is an important task that predicts or classifies an outcome based on a given set of input variables such as diagnostic tests or the symptoms of a patient. Traditionally the classification algorithms would have to digest a stationary set of historical data in order to train up a decision-tree model and the learned model could then be used for testing new samples. However, a new breed of classification called stream-based classification can handle continuous data streams, which are ever evolving, unbound, and unstructured, for instance--biosignal live feeds. These emerging algorithms can potentially be used for real-time classification over biosignal data streams like EEG and ECG, etc. This paper presents a pioneer effort that studies the feasibility of classification algorithms for analyzing biosignals in the forms of infinite data streams. First, a performance comparison is made between traditional and stream-based classification. The results show that accuracy declines intermittently for traditional classification due to the requirement of model re-learning as new data arrives. Second, we show by a simulation that biosignal data streams can be processed with a satisfactory level of performance in terms of accuracy, memory requirement, and speed, by using a collection of stream-mining algorithms called Optimized Very Fast Decision Trees. The algorithms can effectively serve as a corner-stone technology for real-time classification in future biomedical applications.
심전도는 심근허혈, 부정맥, 심근경색과 같은 심장질환의 진단에 이용된다. 특히 심근허혈은 ST 세그먼트의 형태 변화가 나타나는데, 이러한 변화는 일시적으로 나타나며 특별한 증상을 동반하지 않는다. 따라서 지속적인 모니터링을 통해서 ST의 일시적인 변화를 검출하는 것이 매우 중요하다. 이에 본 연구에서는 심근허혈 진단을 위한 ST세그먼트 형태 분류 알고리즘을 제안한다. 이는 전처리 과정과 적응가변형 문턱치를 통해 R파와 각 특징점을 검출 한 후 S와 T파사이의 굴곡점으로부터 특정한 기울기 정보를 추출하여 ST의 기울기 기준점과 비교함으로써, 검출된 ST를 6가지 형태로 분류하는 방법이다. 개발된 알고리즘은 심전도로부터 ST 레벨 변화 구간을 검출하고, 검출된 구간에 대해서도 ST의 형태를 분류함으로써 심전도 레벨 변화뿐만 아니라 형태에 대한 정보도 제공한다. 제안한 알고리즘의 심근허혈 패턴 진단 성능을 평가하기 위해서 European ST 데이터베이스를 사용하였다. 성능 평가 결과 가장 높은 분류성공률은 99.4%이며, 낮은 성공률은 68.48%를 나타내었다.
Bashir, Mohamed Ezzeldin A.;Shon, Ho Sun;Lee, Dong Gyu;Kim, Hyeongsoo;Ryu, Keun Ho
KSII Transactions on Internet and Information Systems (TIIS)
/
제7권1호
/
pp.99-118
/
2013
Electrocardiograms (ECGs) are widely used by clinicians to identify the functional status of the heart. Thus, there is considerable interest in automated systems for real-time monitoring of arrhythmia. However, intra- and inter-patient variability as well as the computational limits of real-time monitoring poses significant challenges for practical implementations. The former requires that the classification model be adjusted continuously, and the latter requires a reduction in the number and types of ECG features, and thus, the computational burden, necessary to classify different arrhythmias. We propose the use of adaptive learning to automatically train the classifier on up-to-date ECG data, and employ adaptive feature selection to define unique feature subsets pertinent to different types of arrhythmia. Experimental results show that this hybrid technique outperforms conventional approaches and is therefore a promising new intelligent diagnostic tool.
The bio signals essentially have different characteristics in each person. And the main purpose of automatic diagnosis algorithm based on bio signals focuses on discriminating differences of abnormal state from personal differences. In this paper, we propose automatic ECG diagnosis algorithm which discriminates normal heart beats from premature ventricular contraction using optimization of wavelet parameterization to solve that problem. The proposed algorithm optimizes wavelet parameter to let energy of signal be concentrated on specific scale band. We can reduce the personal differences and consequently highlight the differences coming from arrhythmia via this process. The proposed algorithm using ELM as a classifier show high discrimination performance between normal beat and PVC. From the experimental results on MIT-BIH arrhythmia database the performances of the proposed algorithm are 98.1% in accuracy, 93.0% in sensitivity, 96.4% in positive predictivity, and 0.8% in false positive rate. This results are similar or higher then results of existing researches in spite of small human intervention.
Negative emotion causes stress and lack of attention concentration. The classification of negative emotion is important to recognize risk factors. To classify emotion status, various methods such as questionnaires and interview are used and it could be changed by personal thinking. To solve the problem, we acquire multi modal bio-signals such as electrocardiogram (ECG), skin temperature (ST), galvanic skin response (GSR) and extract features. The neural network (NN), the deep neural network (DNN), and the deep belief network (DBN) is designed using the multi modal bio-signals to analyze emotion status. As a result, the DBN based on features extracted from ECG, ST and GSR shows the highest accuracy (93.8%). It is 5.7% higher than compared to the NN and 1.4% higher than compared to the DNN. It shows 12.2% higher accuracy than using only single bio-signal (GSR). The multi modal bio-signal acquisition and the deep learning classifier play an important role to classify emotion.
Dynamic time warping (DTW) is the main algorithms for time series alignment. However, it is unsuitable for quasi-periodic time series. In the current situation, except the recently published the shape exchange algorithm (SEA) method and its derivatives, no other technique is able to handle alignment of this type of very complex time series. In this work, we propose a novel algorithm that combines the advantages of the SEA and the DTW methods. Our main contribution consists in the elevation of the DTW power of alignment from the lowest level (Class A, non-periodic time series) to the highest level (Class C, multiple-periods time series containing different number of periods each), according to the recent classification of time series alignment methods proposed by Boucheham (Int J Mach Learn Cybern, vol. 4, no. 5, pp. 537-550, 2013). The new method (quasi-periodic dynamic time warping [QP-DTW]) was compared to both SEA and DTW methods on electrocardiogram (ECG) time series, selected from the Massachusetts Institute of Technology - Beth Israel Hospital (MIT-BIH) public database and from the PTB Diagnostic ECG Database. Results show that the proposed algorithm is more effective than DTW and SEA in terms of alignment accuracy on both qualitative and quantitative levels. Therefore, QP-DTW would potentially be more suitable for many applications related to time series (e.g., data mining, pattern recognition, search/retrieval, motif discovery, classification, etc.).
본 연구에서는 비행슈팅게임을 플레이하는 피험자의 긴장 또는 이완상태를 자동으로 인식하는 시스템을 제안한다. 기존 연구에서는 피험자에게 자극원을 제시하여 나타난 변화 값을 비교하기 때문에 자동으로 분류하는데 한계가 있었다. 본 연구에서는 피험자의 상태 변화를 자동으로 분류하여 인식할 수 있도록 비지도학습의 SOM을 적용한다. 긴장과 이완상태의 자동인식을 위한 SOM의 적용은 두 가지 단계로 구성된다. 첫 번째 단계는 ECG측정 및 분석으로 피험자에게 게임을 플레이하게 한 후 ECG를 측정하여 HRV 분석으로 특징벡터를 추출한다. 두 번째 단계는 SOM 학습 및 인식으로 특징이 추출된 심박신호의 입력벡터들을 SOM으로 학습하여 피험자의 긴장과 이완상태를 분류하여 인식 한다. 실험 결과는 세 가지로 나누어진다. 첫 번째, HRV의 주파수변화와 두 번째 심박신호의 SOM 학습결과를 나타냈다. 세 번째 단계는 SOM학습의 성능을 알기 위해서 매칭율을 분석했다. HRV의 주파수분석의 LF/HF 비율을 1.5 기준으로 SOM의 승자뉴런 거리와 매칭한 결과 평균 72%의 매칭율을 보였다.
In this paper, we designed an ART(Adaptive Resonance Theory) network based on LPC(Linear Prediction Coefficient) for classification of PVB (Premature Ventricular Beat: PVC, LBBB, RBBB). The procedure of proposed system consists of the error calculation, feature generation and processing of the ART network. The error is calculated after processing by linear prediction algorithm and the features of ART network or classification are obtained from the binary ata determined by threshold method. In conclusion, ART network has good performance in classification of PVB.
현대인들은 불안정한 소득과 타인과의 갈등 등 다양한 요소로 인하여 정신건강 관리가 필요하다는 주장이 있다. 최근에는 웨어러블 장비에 심전도(Electrocardiogram, ECG)를 측정할 수 있는 장비가 보급되고 있으며, 해외의 경우 의학적 보조수단으로 활용된 사례를 볼 수 있다[14]. 이와 같은 기능을 활용하는 것으로 대표적인 감정(기쁨, 슬픔, 분노 등)을 객관적인 수치로 구별하는 연구들이 진행되고 있다. 그러나 대부분의 연구는 제한적인 환경에서 복합적인 생체 신호를 수집하는 것으로 정확도를 높이고 있다. 따라서 각각의 자극에 대한 생체 정보의 변화와 판별에 가장 많은 영향을 미친 요소를 살펴본다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.