• 전자공학회논문지
• /
• 제51권9호
• /
• pp.200-207
• /
• 2014

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.

• Journal of Information Processing Systems
• /
• 제7권4호
• /
• pp.717-732
• /
• 2011

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.

• 한국정보통신학회논문지
• /
• 제15권10호
• /
• pp.2223-2230
• /
• 2011

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.

• 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.

• 대한의용생체공학회:의공학회지
• /
• 제30권4호
• /
• pp.294-305
• /
• 2009

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.

• 한국멀티미디어학회논문지
• /
• 제23권2호
• /
• pp.146-154
• /
• 2020

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.

• Journal of Information Processing Systems
• /
• 제14권4호
• /
• pp.851-876
• /
• 2018

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.).

• 한국컴퓨터정보학회논문지
• /
• 제15권2호
• /
• pp.65-74
• /
• 2010

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.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1997년도 추계학술대회
• /
• pp.228-231
• /
• 1997

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.

• 융합신호처리학회논문지
• /
• 제20권1호
• /
• pp.24-30
• /
• 2019

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.