• 대한의용생체공학회:의공학회지
• /
• 제10권2호
• /
• pp.83-88
• /
• 1989

This paper is a study on the design of adptive filter for QRS complex detection. We propose a simple adaptive algorithm to increase capability of noise cancelation in QRS complex detection with two stage adaptive filter. At the first stage, background noise is removed and at the next stage, only spectrum of QRS complex components is passed. Two adaptive filters can afford to keep track of the changes of both noise and QRS complex. Each adaptive filter consists of prediction error filter and FIR filter The impulse response of FIR filter uses coefficients of prediction error filter. The detection rates for 105 and 108 of MIT/BIH data base were 99.3% and 97.4% respectively.

• 한국컴퓨터정보학회논문지
• /
• 제18권9호
• /
• pp.43-51
• /
• 2013

신뢰성 있는 부정맥 진단을 위해서는 리듬 구간 및 심박 단위의 종합적인 분석을 통하여 심전도 신호에 대한 분류 결과가 제시되어야 한다. 본 논문에서는 심전도 신호의 특징점에 기반하여 규칙기반 분류를 이용한 일정 구간의 리듬 분석을 수행하고 SVM기반 분류를 이용한 심박 단위의 리듬분석을 첨가하였다. 규칙기반 분류에서는 리듬 구간의 특징에 대하여 임상 자료로부터 도출된 규칙 베이스를 이용하여 리듬 유형을 분류하도록 하며, SVM기반 분류에서는 심박 단위의 특징에 대하여 미리 학습된 다중 SVM 분류기를 이용하여 단조 리듬 및 주요 비정상 심박을 분류하도록 한다. MIT-BIH 부정맥 데이터베이스를 이용한 실험을 통하여 11가지 리듬 유형에 대하여 규칙기반 방법만을 적용하였을 경우 68.52%, 규칙기반과 SVM기반의 융합 방법을 적용하였을 경우 87.04%의 분류 성능을 각각 보였다. SVM기반 방법으로 단조 리듬과 배열 리듬에 대한 오분류 개선을 통하여 분류 성능에서 19% 정도가 향상됨을 확인하였다.

• 전자공학회논문지CI
• /
• 제46권6호
• /
• pp.18-26
• /
• 2009

본 논문에서는 심전도 기반의 u헬스케어시스템을 위한 다용도 신호추출 방법을 제안한다. 심전도 기반의 u헬스케어시스템 구현을 위해서는 심장질환 진단을 위한 QRS파형의 추출기술이 필수적이다. 또한, 보안성 및 편의성을 위하여 u헬스케어시스템에서 ECG신호와 같은 생체신호에서 직접 사용자의 신원을 확인할 수 있는 생체인식기능을 보유하고 있다면 매우 유용하다. 이를 위해서 본 논문에서는, 리드II 파형으로부터 QRS파형을 추출하고, 또한 상대적으로 노화 및 질환에 따른 변동에 강건한 리드III 파형으로부터 생체인식을 위한 신호추출법을 제안한다. 리드II 파형으로부터 QRS신호추출성능을 검증하기 위해 MIT-BIH 데이터베이스의 심전도신호가 사용되었고 99.36%의 정확도 및 99.68%의 민감도성능을 보였다. 또한 생체인식용 신호추출성능평가를 위해서는 다양한 측정환경을 고려하기 위해 음주, 흡연 및 운동 직후 리드III파형이 측정되었고 99.92%의 정확도 및 99.97%의 민감도 성능을 보였다.

• 한국정보통신학회논문지
• /
• 제22권2호
• /
• pp.233-242
• /
• 2018

조기심실수축(Premature Ventricular Contraction) 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경망, 퍼지 이론, Support Vector Machine 등과 같은 비선형 방법이 주로 사용되어 왔다. 이러한 대부분의 방법들은 데이터의 가공 및 연산이 복잡하다. 이러한 문제점을 극복하기 위해서 최적의 R파를 검출하고 이를 통해 R피크 기반의 특징점만을 정확하게 검출함으로써 최소한의 연산량으로 PVC를 분류할 수 있는 알고리즘이 필요하다. 따라서 본 연구에서는 전처리를 통해 잡음이 제거된 심전도 신호에서 최적 문턱치에 따른 R파를 검출하고, RR간격과 R피크 패턴을 추출한다. 이후 RR간격과 R피크 패턴에 따라 PVC를 분류하였다. 제안한 방법의 우수성을 입증하기 위해 PVC가 30개 이상 포함된 MIT-BIH 9개의 레코드를 대상으로 한 R파의 평균 검출율은 99.02%의 성능을 나타내었으며, PVC 부정맥은 각각 94.85%의 평균 분류율을 나타내었다.

• Journal of Electrical Engineering and Technology
• /
• 제12권1호
• /
• pp.346-355
• /
• 2017

Atrial fibrillation (AF) and Congestive heart failure (CHF) are increasingly widespread, costly, deadly diseases and are associated with significant morbidity and mortality. In this study, we analyzed three statistical methods for automatic detection of AF and CHF based on the randomness, variability and complexity of the heart beat interval, which is RRI time series. Specifically, we used short RRI time series with 16 beats and employed the normalized root mean square of successive RR differences (RMSSD), the sample entropy and the Shannon entropy. The detection performance was analyzed using four large well documented databases, namely the MIT-BIH Atrial fibrillation (n=23), the MIT-BIH Normal Sinus Rhythm (n=18), the BIDMC Congestive Heart Failure (n=13) and the Congestive Heart Failure RRI databases (n=25). Using thresholds by Receiver Operating Characteristic (ROC) curves, we found that the normalized RMSSD provided the highest accuracy. The overall sensitivity, specificity and accuracy for AF and CHF were 0.8649, 0.9331 and 0.9104, respectively. Regarding CHF detection, the detection rate of CHF (NYHA III-IV) was 0.9113 while CHF (NYHA I-II) was 0.7312, which shows that the detection rate of CHF with higher severity is higher than that of CHF with lower severity. For the clinical 24 hour data (n=42), the overall sensitivity, specificity and accuracy for AF and CHF were 0.8809, 0.9406 and 0.9108, respectively, using normalized RMSSD.

• 대한의용생체공학회:의공학회지
• /
• 제23권5호
• /
• pp.333-340
• /
• 2002

생체신호 수집시 전력선 잡음은 일반적인 잡음원이다. 증가평가필터(Incremental Estimation Filter. IEF)는 생체신호, 특히, 심전도 (Electrocadiogram, ECG) 신호에 있어서 전력선 잡음을 제거하기 위해 사용되어 왔다. 증가평가필터의 잡음제거 성능에 영향을 미치는 상수 값의 증가인자는 입력신호에 따라서 경험적으로 혹은 실험적으로 결정되고 있다. 본 논문에서는 증가인자의 시변(time-varying) 제어를 위해 신경망을 이용한 증가평가필터 설계를 제시하고 있다. 제안된 증가평가필터는 인위적인 신호뿐만 아니라 MIT/BIH 데이터베이스의 실제 심전도 신호에 적용함으로써 평가하였으며, 잡음제거 성능의 상대적인 비교를 위해 적응잡음제거기와 기존의 증가평가필터등과 비교하였다. 실험결과 신경망에 근거한 증가평가필터는 수렴속도와 특정 주파수에서의 잡음제거에서 기존의 적응필터보다 우수함을 보여주었다.

• 대한의용생체공학회:의공학회지
• /
• 제20권4호
• /
• pp.435-442
• /
• 1999

본 연구에서는 PVC를 분류하기 위하여 웨이브렛 계수를 기반으로 하는 fuzzy-ART 네트워크를 설계하였다. 설계된 네트워크는 feature를 추출하는 부분과 fuzzy-ART 네트워크를 학습시키는 부분으로 구성된다. 우선 feature의 문턱치 구간을 설정하기 위하여 심전도 신호의 QRS를 검출하였고, 검출된 QRS는 Haar 웨이브렛을 이용한 웨이브렛 변환에 의해 주파수 분할하였다. 분할된 주파수 중에서 입력 feature를 추출하기 위하여 저주파 영역의 6번째 계수(D6)만을 선택하였다. D6신호는 입력 feature를 구성하기 위한 문턱치를 적용하여 fuzzy-ART 네트워크의 2진수 입력 feature로 전환하였고, PVC를 분류하기 위하여 fuzzy-ART네트워크를 학습시켰다. 본 연구의 성능을 평가하기 위하여 PVC가 포함된 MIT/BIH 데이터 베이스가 사용되었으며, fuzzy-ART 네트워크의 분류성능은 96.25%이었다.

• 한국정보통신학회논문지
• /
• 제13권11호
• /
• pp.2391-2398
• /
• 2009

조기심실수축(Premature Ventricular Contractions, PVC)은 부정 맥 중 가장 빈번히 나타나는 심장질환으로 위험한 상황으로 발전할 가능성을 가지고 있다. 따라서 이의 검출은 심장질환에 대한 예방과 추후 발생여부에 대한 기초조사로서 매우 중요하다. 지금까지 PVC를 검출하는 많은 방법이 연구되어 왔으나 기존의 방법들은 잡음의 영향을 많이 받고 P파의 존재 유무에 의존적이기 때문에 검출의 정확도가 떨어지며, 처리시간이 많이 소요되기 때문에 실시간 검출에는 많은 어려움이 따른다. 이러한 문제점을 극복하기 위해 본 논문에서는 리듬분석과 비트매칭을 통한 PVC검출 방법을 제안한다. 이를 위해 전처리 과정 후 R 파를 검출하고, RR 간격의 리듬분석과 QRS 폭간격의 비트 매칭을 통해 비트 유형을 결정하는 알고리즘을 개발하였다. 제안한 알고리즘의 R파 및 PVC 검출 성능을 평가하기 위해 MIT-BIH 부정맥 데이터베이스를 사용하였다. 성능평가 결과, R파의 sensitivity는 99.74%, positive predictivity는 99.81%, PVC의 sensitivity는 93.91%, Positive predictivity는 96.48%의 검출 결과를 나타내었다.

• 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.

• 한국지능시스템학회논문지
• /
• 제22권4호
• /
• pp.405-413
• /
• 2012

심전도 신호의 신뢰성 있는 진단을 위해서는 높은 분류 정확도와 함께 낮은 오분류 성능이 중요하며, 특히 비정상을 정상으로 진단하는 것은 심검자에게 치명적인 문제로 귀결될 수 있다. 본 논문에서는 임상 진단 기준을 반영하는 규칙기반 분류 알고리즘을 이용하여 비정상 리듬을 검출 및 분류하는 방법을 제안한다. 규칙기반 분류는 리듬 구간의 특징에 대한 규칙 베이스를 이용하여 리듬 유형을 분류하도록 하며, 이 때 규칙 베이스는 임상 및 내과 분야의 심전도 전문 임상 자료에 기반한 본 논문의 기준표에 따라 구성된다. MIT-BIH 부정맥 데이터베이스를 이용한 제안 방법의 실험을 통하여 정상동조율, 박동조율, 및 다양한 비정상 리듬에 대한 리듬 유형의 분류가 가능함을 확인하였으며, 특히 비정상 리듬 검출 측면에서는 오분류가 전혀 발생되지 않는 결과를 보였다.