• 한국정보전자통신기술학회논문지
• /
• 제1권3호
• /
• pp.21-26
• /
• 2008

본 연구에서는 심장 부정맥의 조기증상인 조기심실수축(premature ventricular contraction, PVC)을 검출하기 위하여 심전도 신호로부터 하강 기울기 추적파(descending slope tracing wave, DSTW)와 Form Factor(FF)를 추출하였으며 효율적인 방법을 찾기 위해 두 가지 특징을 이용한 결과를 비교하였다. 우선 심전도의 정확한 R파의 위치를 검출하기 위하여 2차 미분과 하강 기울기 추적파를 적용하였으며, 이 PVC검출법을 검증하기 위하여 MIT/BIH 데이터베이스에서 PVC를 포함한 심전도를 대상으로 위 방법을 적용하여 검출 방법과 비교하여 그 효용성을 확인하였다.

• 한국정보통신학회논문지
• /
• 제15권12호
• /
• pp.2655-2663
• /
• 2011

지금까지 심방세동을 검출하는 방법은 P파의 형태, 시간 주파수 영역 분석법이 주를 이루었다. 하지만 P파는 잡음의 영향을 많이 받는 환경에서는 검출의 정확도가 떨어지며, 시간 주파수 영역 분석법은 RR 간격에 따라 변화하는 불규칙적 리듬에 관한 정보를 정확하게 얻지 못하는 단점이 있다. 본 연구에서는, P파의 형태는 고려하지 않고, 불규칙 RR 간격 리듬의 비선형적 특성 분석을 통한 심방세동 검출 알고리즘을 제안한다. 이를 위해 불규칙 RR 간격 리듬을 다양성, 무작위성, 복잡성으로 각각 정의하고 제곱평균제곱근(RMSSD), 전환점비(TPR), 표본 엔트로비(SpEn)의 3가지 비선형적 특성 분석을 통하여 심방세동을 분류하였다. 제안된 알고리즘의 검출 성능을 평가하기 위해 3가지 통계치의 최적값을 설정하고 MIT-BIH 심방세동 데이터베이스와 부정맥 데이터베이스를 이용하여 실험하였다. 성능 평가 결과, MIT-BIH 심방세동 데이터베이스에 대해서는 민감도(sensitivity:94.5%), 특이도(specificity:96.2%)를 각각 나타내었으며, 부정맥 데이터베이스에 대해서는 민감도(89.8%), 특이도(89.62%)를 각각 나타내었다.

• 한국정보통신학회논문지
• /
• 제21권7호
• /
• pp.1420-1428
• /
• 2017

R파 검출에 사용되는 여러 심전도 데이터베이스는 샘플링 주파수의 차이로 인해 서로 다른 환경에 적용할 경우 성능에 변화가 많아 알고리즘의 신뢰도를 보장하기 어렵다. 본 연구에서는 심전도신호의 샘플링 주파수에 따른 R파 검출의 최적 문턱치 설정 방법을 제안한다. 이를 위해 미분 기반의 이동평균과 제곱합수를 이용하여 전처리를 수행하였다. 이후 샘플링 주파수에 따라 피크 문턱치에 대한 최적 값을 검출하였다. 문턱치 단계는 신호의 변화와 이전 검출된 피크 값에 따라 문턱치를 변경함으로써 최적의 성능을 나타내는 값을 선정하는 과정으로 실험하였다. 제안한 방법의 우수성을 입증하기 위해 부정맥 데이터베이스 레코드를 대상으로 실험한 결과 MIT-BIH 샘플링 주파수 360Hz에 대한 미분 구간($N_d$), 윈도우 사이즈(N), 문턱 계수($p_{th}$)의 최적 값은 각각 7, 8, 6.6일 때 R파 검출율은 99.758%의 우수한 성능을 나타내었다.

• 대한의용생체공학회:의공학회지
• /
• 제35권4호
• /
• pp.87-94
• /
• 2014

Recent technological advances have increased interest in personal health monitoring. Electrocardiogram(ECG) monitoring is a basic healthcare activity and can provide decisive information regarding cardiovascular system status. In this study, we developed a capacitive ECG measurement system that can be included within a cloth mattress pad. The device permits ECG data to be obtained during sleep by using capacitive electrodes. However, it is difficult to detect R-wave peaks automatically because signals obtained from the system can include a high level of noise from various sources. Because R-peak detection is important in ECG applications, we developed an algorithm that can reduce noise and improve detection accuracy under noisy conditions. Algorithm reliability was evaluated by determining its sensitivity(Se), positive predictivity(+P), and error rate(Er) by using data from the MIT-BIH Polysomnographic Database and from our capacitive ECG system. The results showed that Se = 99.75%, +P = 99.77%, and Er = 0.47% for MIT-BIH Polysomnographic Database while Se = 96.47%, +P = 99.32%, and Er = 4.34% for our capacitive ECG system. Based on those results, we conclude that our R-peak detection method is capable of providing useful ECG information, even under noisy signal conditions.

• 한국정보전자통신기술학회논문지
• /
• 제2권3호
• /
• pp.23-29
• /
• 2009

심박수는 심장이 혈액을 전신에 보낼 때에 고동치는 속도, 즉 매 분당 박동수를 말하 며 성인남자의 경우 보통 1분동안 60~80회가 정상적이다. 심박수가 정상보다 적으면 서맥, 많으면 빈맥이라 하며 이 경우 여러 가지 질병에 걸릴 수 있으며 상황에 따라 사망에 이르기까지도 한다. 따라서 심박수는 건강한 생활에 매우 중요한 역할을 하고 있다. 본 연구에서는 ECG를 통하여 심박수를 자동 추출하는 방법에 관하여 연구하였다. 육안으로 측정한 심박수를 기준으로 첫째 ECG를 2차 미분을 이용하여 심박수를 추출하는 방법과 자기상관함수를 이용하여 심박수를 추출한 방법으로 구한 심박수를 비교하여 고찰 하였다. 실험 데이터는 MIT/BIH Database를 이용하였다.

• 한국정보통신학회논문지
• /
• 제26권1호
• /
• pp.76-84
• /
• 2022

부정맥은 심장 박동이 비정상 혹은 불규칙하게 뛰고 있는 상태를 말하며, 실신이나 심장돌연사 등과 같은 위험한 상황을 유발할 수 있기 때문에 이의 조기 검출은 매우 중요하다. 하지만 심전도 신호의 개인차로 인해 분류 시 성능하락이 나타날 수밖에 없다. 본 연구에서는 CNN-LSTM 하이브리드 결합 모델을 이용한 부정맥 분류 방법을 제안한다. 이를 위해 먼저 잡음을 제거한 ECG 신호에서 R파를 검출하고 단일 비트 세그먼트를 추출하였다. 이후 부정맥 신호의 특징을 세밀하게 추출하도록 8개의 합성곱 계층으로 구성하고 이를 LSTM의 입력으로 사용한 후 가중치를 학습시키고 검증 데이터로 모델을 평가한 후 정상 및 부정맥 분류의 변화를 확인하였다. 제안한 방법의 타당성 검증을 위해 MIT-BIH 부정맥 데이터베이스를 사용하여 정확도(accuracy), 정밀도(precision), 재현율(recall), F1 스코어가 사용되었다. 성능평가 결과, 정확도, 정밀도, 재현율, F1 스코어는 각각 92.3%, 90.98%, 92.20%, 90.72%의 우수한 분류율을 나타내었다.

• 한국정보통신학회논문지
• /
• 제26권10호
• /
• pp.1490-1499
• /
• 2022

부정맥이란 심장이 불규칙한 리듬이나 비정상적인 심박동수를 갖는 것을 말하며, 뇌졸중, 심정지 등을 유발하거나 사망에도 이를 수 있는 만큼, 조기 진단과 관리가 무엇보다 중요하다. 본 연구에서는 심전도 신호의 QRS 특징 추출에 적합한 CNN과 기존 LSTM의 직전 패턴의 수렴 한계를 해결할 수 있는 BLSTM을 연결한 CNN-BLSTM 결합 모델을 이용한 부정맥 분류 방법을 제안한다. 이를 위해 먼저 전처리 과정을 통해 잡음을 제거한 심전도 신호에서 QRS 특징점을 검출하고 단일 비트 세그먼트를 추출하였다. 이때 데이터의 불균형 문제를 해결하기 위해 GAN 오버샘플링 기법을 적용하였다. 이 후 합성곱 계층을 통해 부정맥 신호의 패턴을 정밀하게 추출하도록 구성하고 이를 BLSTM의 입력으로 사용한 후 매개변수를 학습시키고 검증 데이터로 학습 모델을 평가한 후 부정맥 분류의 정확도를 확인하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스를 이용하여 분류의 정확도, 정밀도, 재현율, F1-score를 비교하였다. 성능평가 결과 각각 99.30%, 98.70%, 97.50%, 98.06%로 우수한 분류율을 나타내는 것을 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제20권2호
• /
• pp.427-436
• /
• 2016

일반적으로 QRS간격은 시작점을 기준으로 끝점까지의 간격을 말하지만 그 기준이 모호하고 Q와 S의 검출이 정확하지 않아 부정맥 분류 성능을 저하시키는 경우가 발생한다. 본 연구에서는 심전도신호 중 가장 큰 피크인 R파를 정확히 검출한 후 이를 기준으로 위상 변이 추적 기법을 적용하여 Q와 S의 시작점과 끝점을 추출하는 방법을 제안한다. 먼저 전처리 과정을 통해 잡음이 제거된 정확한 R파를 검출한다. 이후 심전도신호의 미분값을 통해 QRS패턴을 분류하고, R파를 기준으로 위상이 변화되는 방향과 횟수를 추적함으로써 Q, S의 시작점과 끝점을 추출하는 방법이다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스 48개의 레코드를 대상으로 R파 검출율은 99.60%의 성능을 나타내었고, 위상 변이 추적 기법의 경우 조기심실수축(PVC)이 30개 이상 포함된 MIT-BIH 10개의 레코드를 대상으로 조기심실수축 분류율을 각각 비교 분석한 결과 94.12%로 우수하게 나타났다.

• Industrial Engineering and Management Systems
• /
• 제12권4호
• /
• pp.380-388
• /
• 2013

Large variation in electrocardiogram (ECG) waveforms continues to present challenges in defining R-wave locations in ECG signals. This research presents a procedure to extract the R-wave locations by forward-backward (FB) algorithm and classify the arrhythmic beat conditions by using RR intervals. The FB algorithm shows forward and backward searching rules from QRS onset and eliminates lower-amplitude signals near the baseline using a statistical process control concept. The proposed algorithm was trained the optimal parameters by using MIT-BIH arrhythmia database (MITDB), and it was verified by actual Holter ECG signals from a local hospital. The signals are classified into normal (N) and three arrhythmia beat types including premature ventricular contraction (PVC), ventricular flutter/fibrillation (VF), and second-degree heart block (BII) beat. This work produces 98.54% accuracy in the detection of R-wave location; 98.68% for N beats; 91.17% for PVC beats; and 87.2% for VF beats in the collected Holter ECG signals, and the results are better than what are reported in literature.

• 한국전자통신학회논문지
• /
• 제10권4호
• /
• pp.521-526
• /
• 2015

개인의 신원을 확인하기 위해 인간의 생물학적 특성을 사용하는 방법에 대한 연구가 활발히 진행되고 있다. 심전도를 이용한 생체 인식 기술은 피험자에 피부자극을 일으키지 않고 위조가 어렵다. 기존의 생체 인식 시스템인 지문, 얼굴 등의 인식시스템과 쉽게 접목이 가능하여 다중 생체 인식 시스템으로 응용할 수 있다. 본 논문에서는 이산 웨이블릿 변환 계수를 사용한 심전도의 파형 특성분석법으로 개인을 식별하는 방법을 제안하였다. 심전도 신호의 특징추출은 총 9개의 이산 웨이블릿 변환 계수를 대상으로 상관 계수 분석으로 수행하였다. 식별은 각 클래스의 특징벡터를 입력으로 오류 역전파 신경망을 적용하여 수행하였다. MIT-BIH QT 데이터베이스내 24명의 심전도에 대해 98.88%의 식별율을 나타냈다.