• 한국지능시스템학회논문지
• /
• 제23권6호
• /
• pp.519-526
• /
• 2013

심전도 신호는 P, Q, R, S, T파를 한 주기로 하여 반복되는 특징을 가지고 있으며 일반적으로 높은 표본화 주파수로 샘플링 된다. 이러한 심전도 신호의 주기적인 특징을 이용하여 진단에 중요한 정보의 손실을 최소화하면서 압축 효율을 극대화시키는 방법이 필요하다. 그러나 이러한 주기적인 특징은 심검자와 측정 시기에 따라 진폭과 주기가 일정하지가 않다. 또한 환자의 경우, 같은 시기에 측정하더라도 주기적 특징이 다르게 나타나는 구간이 존재한다. 본 논문에서는 적응적 멀티 레벨 코드를 이용하여 주도적인 신호 구간과 비주도적인 신호 구간의 심전도 신호를 적응적으로 코드화하는 방법을 제안한다. 제안하는 방식은 주도적인 신호 구간과 비주도적인 신호 구간에 따른 손실 대비 압축률을 차등 적용함으로써 반복적인 신호를 멀티 레벨 코드를 이용하여 압축의 효율성을 극대화하는 것이다. 이는 심전도 신호의 주기성을 이용하지 않은 기존의 압축 방식에 비해 장시간 측정 데이터의 압축률을 극대화시키고 비주도적인 신호를 코드화하여 무손실 압축을 함으로써 진단에 중요한 정보를 손실 없이 보존할 수 있는 장점이 있다. MIT-BIH 부정맥 데이터베이스에 있는 심전도 신호에 대한 실험을 통하여 압축의 효용성을 검증하였다.

• 대한의용생체공학회:의공학회지
• /
• 제19권3호
• /
• pp.269-278
• /
• 1998

본 논문에서는 스트레스 심전도를 분석함에 있어서 가장 중요한 파라미터인 ST 세그먼트를 측정하기 위해서 웨이브렛 변환을 이용하여 Wavelet Adaptive Filter(WAF)와 QRS콤플렉스 검출 알고리즘을 설계하였다. WAF는 웨이브렛 변환부와 적응필터부로 구성되어 있으며, 웨이브렛 변환부에서는 웨이브렛 함수를 이용하여 입력되는 심전도 신호를 저주파 대역과 고주파 대역으로 각각 j=-7레벨까지 분할하고, 적응필터부에서는 웨이브렛 변환에 의해 분할된 신호중 j=-7레벨의 저주파 대역 신호를 주입력으로 사용하여 필터링 한다. QRS 콤플레스는 합산신호를 구성한 후 문턱치를 RR간격에 변화에 따라 변화시키면서 검출하였으며, 합산신호는 웨이브렛 변환에 의해 QRS 콤플렉스의 주파수 성분이 포함되어 있는 고주파 대역의 신호를 더하여 구성하였다. WAF는 표준 필터와 일반적인 적응필터와 성능을 비교하였으며, 잡음제거 특성과 신호왜곡도 측면에서 비교필터에 비해 우수한 성능을 보였다. QRS 콤플렉스 검출성능을 평가하기 위해서 MIT/BIH데이터베이스를 이용하여 기존의 QRS 검출 알고리즘들의 검출 방법과 비교하였으며, 웨이브렛에 의한 합산신호를 이용할 경우에 99..67%로써 더 좋은 검출성능을 보였다. 또한 측정된 ST세그먼트의 정확도를 비교.평가를 위하여 European ST-T 데이터베이스와 실제 임상데이터를 이용하였으며 심박수의 변화에 따라 적응적으로 ST세그먼트를 측정할 수 있었다.

• 한국정보통신학회논문지
• /
• 제17권8호
• /
• pp.1947-1954
• /
• 2013

부정맥 검출을 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경망, 퍼지 이론, SVM 등과 같은 비선형 방법이 주로 사용되어 왔다. 이러한 대부분의 방법들은 P-QRS-T 지점의 정확한 측정을 필요로 하며, 데이터의 가공 및 연산이 복잡하다. 또한 P파, T파의 개인차가 있어 파형을 구분할 수 없을 경우도 존재한다. 따라서 이러한 문제점을 극복하기 위해서는 최소한의 특징점을 추출함으로써 연산의 복잡도를 줄이고, 실시간으로 다양한 부정맥을 분류할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 QRS 특징점 변화에 따른 바이너리 코딩 기반의 실시간 부정맥 분류 방법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파, RR 간격, QRS 폭을 추출하고, 각 특징점들의 문턱치(threshold) 만족 여부를 바이너리 코드화시킴으로써 실시간으로 부정맥을 분류 하였다. 제안한 방법의 우수성을 입증하기 위해 39개의 MIT-BIH 부정맥 데이터베이스 레코드를 대상으로 PVC, PAC, Normal, BBB, Paced beat의 검출률을 비교하였다. 실험결과 PVC, PAC, Normal, BBB, Paced beat는 각각 97.18%, 94.14%, 99.83%, 92.77%, 97.48%의 우수한 평균 검출률을 나타내었다.

• 한국정보통신학회논문지
• /
• 제19권7호
• /
• pp.1728-1736
• /
• 2015

부정맥 분류를 위한 기존 연구들은 개인별 ECG신호의 차이는 고려하지 않고 특정 ECG 데이터에 종속적으로 개발되었기 때문에 다른 환경에 적용할 경우 그 성능에 변화가 많아 임상 적용에 한계가 있다. 또한 기존의 방법들은 각 ECG 특징점의 정확한 측정을 필요로 하며, 연산이 매우 복잡하다. 복잡도를 줄이기 위한 여러 가지 방법들이 제안되었지만, 그에 따른 분류의 정확도가 떨어지는 문제점이 있었다. 따라서 이러한 문제점을 극복하기 위해서는 개인별 다양한 ECG 신호의 패턴에 따라 최소한의 특징점을 추출함으로써 연산의 복잡도를 줄이고 부정맥을 정확하게 분류 할 수 있는 방법이 필요하다. 본 연구에서는 대상 유형별 ECG 신호의 QRS 패턴을 이용한 부정맥 분류 방법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파를 검출하고 QRS 특징점을 통해 대상 유형별 ECG 신호의 QRS 패턴을 정의하였다. 이후 패턴분류에 따른 오류를 검출 및 수정하고, 중복된 QRS 패턴을 별도의 부정맥으로 분류하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스 43개의 레코드를 대상으로 PVC, PAC, Normal, LBBB, RBBB, Paced beat의 검출율을 비교하였다. 실험결과 Normal, PVC, PAC, LBBB, RBBB, Paced beat의 검출율은 각각 99.98, 97.22 95.14, 91.47, 94.85, 97.48%의 우수한 검출율을 나타내었다.

• 한국정보통신학회논문지
• /
• 제15권2호
• /
• pp.447-454
• /
• 2011

전력선 잡음은 ECG 신호 분석에 있어 특정 구간의 왜곡을 발생시킬 수 있다. 특히 P와 R파와 같이 부정맥 진단에 중요한 요소가 되는 구간은 전력선 주파수가 샘플링 주파수의 배수(multiple)일 경우와 그렇지 않을 경우에 각각 다른 형태의 잡음으로 나타나며, 잡음의 특성 또한 선형과 비선형으로 나누어진다. 본 논문에서는 ECG 신호의 가변적인 전력선 잡음 제거를 위한 적응형 차감 기법을 제안한다. 제안한 방법은 먼저 전력선 주파수와 샘플링 주파수와의 배수 관계를 multiple과 non-multiple로 구분한 후 각 구간에 대한 선형성 여부를 판단한다. 이후 선형 구간은 이동평균 필터를 이용하여 잡음성분을 추출하고, 비선형 구간 잡음은 선형구간에서 추출되어 임시버퍼에 저장된 잡음 성분을 이용하여 추출한다. 제안한 기법의 P파와 R파 검출성능을 평가하기 위해 MIT-BIH 데이터베이스의 119번 레코드를 사용하였다. 실험 결과 기존 노치 필터의 경우 P파 97.91%, R파 96.66%, 제안한 차감기법의 경우 P파 99.01%, R파 97.93%의 검출결과를 나타내었다.

• 한국정보통신학회논문지
• /
• 제18권10호
• /
• pp.2551-2561
• /
• 2014

심방세동 검출을 위한 기존 연구방법으로는 비선형 분석법과 주파수 분석법 등을 들 수 있지만 시간 영역 알고리즘에 비해 연산이 복잡하고 불규칙한 리듬 검출에 필요한 일반적 규칙을 제공하지 못한다. 이를 위해 본 연구에서는 선형 분석 기반의 심방세동 분류를 위한 불규칙 RR 간격의 최적값 검출 방법을 제안하였다. 이를 위해 먼저 전처리과정과 차감 기법을 통해 R파를 검출하였다. 이후 불규칙 RR 간격의 세그먼트 길이에 대한 범위를 설정하고 정규화 절대 편차와 절대치와 같은 선형 분석상의 심방세동 분류를 위한 최적값을 검출하였다. 제안된 알고리즘의 타당성 평가를 위해 MIT-BIH 부정맥과 심방세동 데이터베이스를 이용하여 RR 간격의 세그먼트 길이와 최적값에 대한 심방세동 분류율을 각각 비교 실험하였다. 성능 평가 결과, RR 간격과 연속하는 RR 간격 차에 대한 최적값은 ${\alpha}=0.75$, ${\beta}=1.4$, ${\gamma}=300ms$ 일 때 제일 높은 성능을 나타나는 것을 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제19권1호
• /
• pp.192-200
• /
• 2015

부정맥 분류를 위한 기존 연구들은 특정 ECG 데이터에 종속적으로 개발되었기 때문에 다른 환경에 적용할 경우 그 성능에 변화가 많아 임상 적용에 한계가 있다. 즉, 생체 신호의 특성상 개인 간의 차이가 있음에도 불구하고, 일반적인 ECG 신호의 판단규칙에 따라 진단을 수행하기 때문이다. 또한 이러한 대부분의 방법들은 P, Q, R, S, T 지점의 정확한 측정을 필요로 하며, 데이터의 가공 및 연산이 복잡하다. 따라서 이러한 문제점을 극복하기 위해서는 개인별 특성을 가진 ECG 데이터를 분석하여 최소한의 특징점을 추출함으로써 그에 따른 패턴을 분류하는 것이 필요하다. 본 연구에서는 이상 심전도와 같은 다양한 신호를 고려하여 Q, R, S 피크 변화에 따른 개인별 ECG 신호의 패턴 분석기법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파를 검출하고 Q, R, S의 진폭과 위상변화에 따른 8개의 특징점을 추출하였다. 이후 각 특징점의 피크 변화와 형태에 따른 ECG 신호를 분석하고 부정맥 유형에 따른 9가지 패턴을 정의하였다. 제안한 방법의 우수성을 입증하기 위해 43개의 MIT-BIH 레코드를 대상으로 Normal, PVC, PAC, LBBB, RBBB, Paced Beat의 각 패턴을 분석하였다. 실험결과 9가지 패턴에 대한 검출율은 93.72%로 우수하게 나타났다.

• 융합신호처리학회논문지
• /
• 제12권2호
• /
• pp.96-101
• /
• 2011

최근 들어 실시간 원격 ECG모니터링 시스템에 대한 수요가 늘어가고 있으며 가입자의 증가와 더불어 실시간 모니터링 시스템의 자동화에 대한 필요성이 대두되고 있다. 비정상적인 ECG 비트의 자동검출은 이러한 실시간 원격 ECG모니터링 시스템의 성공적인 상업화를 위해서는 반드시 필요한 요소기술이다. 본 논문에서는 이러한 점에 착안하여 QRS 폭(width)과 RR interval의 패턴을 이용한 효율적인 비정상적 ECG 비트 자동검출알고리듬을 제안하였다. 기존에는 주로 ECG 비트의 상세한 분류에 대해서 많은 연구가 이루어졌으나 이러한 방법들은 분류 오류가 많고 주변 환경이 변화함에 따라서 분류성능의 변동성이 심하다는 단점이 있었다. 또한 정확한 ECG 비트 분류를 위해서는 충분한 양의 훈련데이터를 필요로 하며 특히 분류시에 많은 계산량을 필요로 한다는 문제점도 있었다. 그러나 자동화된 원격 ECG모니터링 시스템을 위해서는 ECG 비트의 세세한 분류 보다는 비트의 정상여부판단이 더 중요하다. 이러한 점에 착안하여 본 논문에서는 ECG 신호의 비정상적인 비트중에서도 가장 빈번이 발생하는 VEBs(Ventricular ectopic beats) 비트의 검출을 시도하였고 제안된 알고리듬을 MIT-BIH 부정맥 데이터베이스에 적용한 결과 만족스러운 VEBs 바트 검출성능을 얻을 수 있었다.

• 전자공학회논문지SC
• /
• 제39권1호
• /
• pp.76-84
• /
• 2002

본 논문은 심전도 신호의 잡음제거에 있어 ST 세그먼트의 왜곡을 최소화함과 동시에 기저선 변동 잡음을 제거하기 위한 연구이다. 일반적인 표준필터와 적응필터는 심전도신호의 기저선 변동잡음을 제거하기 위해 주로 사용된다. 그러나 표준필터는 기저선 잡음의 시변 특성 때문에 고정된 주파수 대역으로 잡음을 제거하기가 어렵고, 적응필터를 이용하여 필터링 할 경우에는 참조신호를 설정하기가 매우 어렵다. 따라서 본 연구에서는 시-지연신경망과 RBF 신경망을 이용하여 참조신호 없이 잡음을 제거하는 새로운 구조의 적응 필터를 제안하였다. 그리고 제안된 기법의 성능을 평가하기 위해 MIT-BIH 심전도데이터를 이용하였고, 실험결과에서 평균 잡음 제거비는 표준 필터가 -16.3[dB], 적응 필터가 -44.9[dB]이고 제안된 필터의 경우에는 -53.3[dB]로 나타나 다른 필터의 경우보다 우수한 잡음 제거 성능을 보였다.

• 전자공학회논문지
• /
• 제54권6호
• /
• pp.100-105
• /
• 2017

본 논문은 개인 인증 알고리즘에 관한 것으로 심전도를 이용한 생체 인증 방식은 특정 보정기준점을 추출하는 방법과 그렇지 않은 방법으로 분류할 수 있으며 본 논문에서 제안하는 방법은 특정 보정기준점을 추출하지 않는 방법으로 이산 코사인 변환과 랜덤 포레스트 분류기를 사용하였다. 심전도 신호는 R-Peak 점을 기준으로 단일 심박으로 나누었으며 각 심박의 특징 추출을 위해 이산 코사인 변환을 적용하였다. 이산 코사인 변환 계수는 정보가 저주파에 집중되는 특성이 있으므로 초기 저주파에 해당하는 40까지 값을 특징으로 랜덤 포레스트 분류기를 구성하였다. 랜덤 포레스트는 의사결정 트리의 앙상블 분류기로 결정 트리를 기본으로 하고 있으므로 빠른 학습 속도와 많은 양의 데이터 처리 능력, 다양한 클래스를 분류할 수 있어 실생활에 적용 가능하며 무엇보다 ID의 승인과 거절을 위한 임계값을 분류기 내부에서 조절할 수 있어 오 분류에 강건한 알고리즘을 구성할 수 있다. 18개의 심전도 파일로 구성된 MIT-BIT Normal Sinus Rhythm 데이터베이스를 선정하여 성능을 평가하였으며 99.99%의 심전도 인식률을 보였다.