• 한국전자통신학회논문지
• /
• 제7권4호
• /
• pp.727-732
• /
• 2012

본 논문은 DCT, DWT와 역전파 신경망을 이용하여 MIT-BIH 부정맥 데이터베이스의 심전도 신호로부터 정상파와 부정맥 분류를 제안하였다. 역전파 신경망에 사용할 특징입력을 추출하기 위해 첫 번째 단계에서는 DCT 변환을 이용하여 15개의 계수를 선택하였다. 두 번째 단계에서는 DWT 변환 후 각 detail 계수들의 최대값, 최소값, 평균, 분산, 표준편차를 추출하였다. 역전파 신경망은 55개의 특징입력을 이용하여 정상파와 부정맥 파형을 분류하였고, 98.8%의 분류 성능을 나타냈다.

• 한국정보전자통신기술학회논문지
• /
• 제4권1호
• /
• pp.17-22
• /
• 2011

본 연구에서는 부정맥 판독을 위해 심전도 신호로부터 P파의 강조 및 검출 방법을 제안하였다. 이 방법에서는 고전적인 필터나 이동평균필터를 사용하지 않고 하강 기울기의 변곡점을 검출하기에 효과적인 하강 기울기 추적파를 이용하여 고주파 잡음을 무시해 주는 필터 용도로 사용함과 동시에 진폭이 낮고 불명확한 P파와 T파를 강조해 줌으로써 이들의 검출을 용이하게 하였다. 이 강조 및 검출 방법을 MIT/BIH 데이터에 적용하여 구현하였으며 그 실용성을 확인하였다.

• 한국정보전자통신기술학회논문지
• /
• 제7권3호
• /
• pp.126-131
• /
• 2014

본 논문에서는 웨이블릿 변환을 통하며 QRS complex를 검출 하며, 32비트 고정 소수점 연산이 가능한 프로세서에도 동작하도록 알고리즘 최적화 기법을 제시한다. 먼저 입력 ECG 신호를 밴드 패스 필터를 통과 시키고, 3개의 서로 다른 웨이블릿 함수를 하나로 병합한 웨이블릿 함수를 이용하여 웨이블릿 변환을 하며, 다음으로 시간 평균 함수를 뒤에 마지막으로 QRS complex를 검출 한다. 제안 알고리즘은 MIT-BIH arrhythmia database에 적용하여 검증한다. 모든 과정은 32비트 고정 소수점 연산으로 구현되며, 삼각함수 같은 복잡한 연산은 테이블화 하였다. 검출 알고리즘은 컴퓨터 시뮬레이션을 통해 평가 한다.

• 한국정보전자통신기술학회논문지
• /
• 제1권1호
• /
• pp.7-12
• /
• 2008

본 논문에서는 심전도(ECG)에서 R-파의 추출을 어렵게 하는 기저선 변동의 최소화 방법을 연구하였다. 이 방법에서는 기저선의 변동을 최소화하기 위하여 심전도와 상승 기울기 추적파의 차신호를 이용하였다. 여기서 상승 기울기 추적파는 심전도 신호에서 기울기가 하강할 때는 그대로 심전도 신호를 추적하고 기울기가 상승할 때는 그 시작시간의 심전도 신호를 기준값으로 일정시간 유지시켜 준 후 다시 원신호를 추적하는 파형이다. 구현된 방법의 효용성을 검증하기 위하여 MIT/BIH 데이터 베이스의 심전도에 적용하여 그 실효성을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제16권3호
• /
• pp.378-382
• /
• 2006

본 논문은 가중 퍼지소속함수 기반 신경망(neural network with weighted fuzzy membership functions, NEWFM)을 이용하여 심전도(ECG) 신호로부터 조기심실수축(premature ventricular contractions, PVC)을 자동 탐지하는 방안을 제시하고 있다. NEWFM은 MIT-BIH 데이터베이스의 부정맥 심전도를 웨이블릿 변환(wavelet transform, WT)한 계수로부터 학습하여 정상 파형과 PVC 파형을 구분한다. 비중복면적 분산 측정법을 적용하여 중요도가 가장 높은 계수 2개를 추출하여 분류규칙을 최소화하였고, 이를 사용하여 99.90%의 PVC 분류성능을 나타내었다. 또한 추출된 두 계수의 R파를 기준으로 한 위치를 제시함으로써 두 위치의 정보만으로 PVC를 탐지할 수 있음을 보여주었다.

• 대한임베디드공학회논문지
• /
• 제15권5호
• /
• pp.205-214
• /
• 2020

With the recent development of hardware and software technology, interest in the development of wearable devices is increasing. In particular, wearable devices require algorithms suitable for low-power and low-capacity embedded devices. Among them, there is an increasing demand for a signal compression algorithm that reduces communication overhead, in order to increase the efficiency of storage and transmission of electrocardiogram (ECG) signals requiring long-time measurement. Because normal beats occupy most of the signal with similar shapes, a high rate of signal compression is possible if normal beats are represented by a template. In this paper, we propose an algorithm for determining the normal beat template using the template cluster and Pearson similarity. Also, the template is expressed effectively as a few vertices through linear approximation algorithm. In experiment of Datum 234 of MIT-BIH arrhythmia database (MIT-BIH ADB) provided by Physionet, a compression ratio was 33.44:1, and an average distribution of root mean square error (RMSE) was 1.55%.

• 한국컴퓨터정보학회논문지
• /
• 제19권8호
• /
• pp.107-117
• /
• 2014

본 논문에서는 심전도 파형에서 P, R, T-wave와 같은 local maxima 신호 영역과 Q, S-wave와 같은 local minima 신호영역을 제거하여 기저선 변동 잡음을 제거하기 위한 방법을 제시한다. 이를 위해 형태연산을 개선한 morphology-pair 연산을 심전도 파형에 적용하고, 그 결과 발생되는 돌출 파형을 제거하고자 중간 값 연산을 적용하였다. 제안한 알고리즘의 성능을 확인하기 위해 실제 심전도 임상 데이터인 MIT/BIH 데이터베이스를 이용하였으며, 실험 결과 원 신호를 왜곡 하지 않고, 기저선 변동 잡음을 효과적으로 제거함을 확인하였다.

• 한국정보통신학회논문지
• /
• 제9권3호
• /
• pp.467-472
• /
• 2005

많은 임상적 상태에서 ECG신호는 진단을 목적으로 기록된다. 또한 정확한 임상해석을 위해 데이터는 높은 해상도와 샘플링율이 필요하다. 따라서 본 논문에서는 다중웨이브렛 기저함수를 이용한 심전도 압축구조를 설계하여 기존의 단일 웨이브렛 기저함수와 이산 코사인 변환과 비교 분석하였다. 실험의 객관성을 위해 MIT-BIH 데이터 베이스중에서 분해도가 11[bit]이고 샘플링 주파수가 360[Hz]인 부정맥 데이터를 이용하여 모의 실험하였다. 성능평가는 재생오차에 대한 압축율로 평가하였다. 결과적으로 다중웨이브렛 기저함수를 이용한 심전도 압축구조에서 DCT보다 2배 이상의 좋은 성능평가 결과를 보였다.

• 센서학회지
• /
• 제11권4호
• /
• pp.230-238
• /
• 2002

본 연구에서는 PVC의 효과적인 검출과 부정맥 판정의 정확성을 높이기 위해 웨이브렛 계수를 이용한 퍼지 시스템을 설계하였다. 제안한 시스템에서 심전도의 QRS군을 Haar 웨이브렛을 이용한 웨이브렛 변환을 통해서 신호의 주파수를 6레벨 대역으로 분할하였다. 본 논문에서 설계한 퍼지 시스템의 성능평가를 위해서 MIT/BIH 데이터 베이스를 입력 신호원으로 사용했다. 그리고 퍼지 규칙을 이용해서 맥박수와 조기심실수축을 멤버쉽 함수로 결정하고, 신경망을 학습시켜서 적용함으로써 비정상치를 효과적으로 검출할 수 있었으며, 또한 부정맥의 판정에 있어서도 95%의 분류성능을 보였다.

• 인터넷정보학회논문지
• /
• 제8권1호
• /
• pp.125-132
• /
• 2007

본 논문은 가중 퍼지소속함수 기반 신경망(neural network with weighted fuzzy membership functions, NEWFM)을 이용하여 심전도(ECG) 신호로부터 조기심실수축(premature vedtricular contractions, PVC)을 자동 탐지하는 방안을 제시하고 있다. NEWFM은 MIT-BIH 데이터베이스의 부정맥 심전도를 웨이블릿 변환(wavelet transform, WT)한 계수로부터 학습하여 정상 파형과 PVC 파형을 구분한다. 비중복면적 분산 측정법을 적용하여 중요도가 가장 높은 웨이블릿 변환의 d3과 d4의 8개 계수를 추출하였다. 이들 특징입력을 3개의 실험군에 사용하여 각각 99.80%, 99.21%, 98.78%의 신뢰성 있는 전체분류율을 나타내었고, 이는 각 실험군에 대한 특징입력의 종속성이 적음을 보여준다. 추출된 8개 계수의 ECG 신호 구간과 퍼지소속함수를 제시함으로써 특징입력에 대한 명시적인 해석을 가능하게 하였다.