• 한국지능시스템학회논문지
• /
• 제20권4호
• /
• pp.574-579
• /
• 2010

심전도 신호 잡음 중 기저선 변동 잡음은 신뢰성 있는 심장 질환 진단을 위해 반드시 제거되어야 하는 것으로서, 이를 위해 본 논문에서는 P, T파 및 QRS-complex를 동시에 배제하여 기저선 변동 잡음만을 추정할 수 있는 Morphology-pair를 제안한다. 즉, P, R, T파와 같은 국부 최대값(local maxima) 특성을 가지는 신호 영역과 Q, S파와 같은 국부 최소값(local minima) 특성을 가지는 신호 영역을 배제할 수 있는 각각의 Morphology 연산을 하나의 Morphology-pair로 정의하고, 이를 이용하여 추정된 기저선 변동 잡음 신호와 원 신호와의 차를 통해 기저선 변동 잡음 제거 신호를 도출한다. 제안한 알고리즘의 유효성을 확인하기 위해 실제 심전도 임상 데이터인 MIT/BIH 데이터베이스를 이용한 실험 결과를 살펴봄으로써 기저선 변동 잡음이 효과적으로 제거됨을 입증한다.

• 한국정보통신학회논문지
• /
• 제23권2호
• /
• pp.117-126
• /
• 2019

부정맥 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경망, 퍼지, 시계열 주파수 분석, 비선형 분석법 등이 연구되어 왔다. 이러한 방법들은 분류율를 향상시키기 위해 정확한 특징점과 많은 양의 신호를 처리해야 하기 때문에 데이터의 가공 및 연산이 복잡하며, 다양한 부정맥을 분류하는데 어려움이 있다. 본 연구에서는 AR(Auto Regressive) 모델링 기반의 특징점 추출과 SVM(Support Vector Machine)을 통한 조기수축 부정맥 분류 방법을 제안한다. 이를 위해 잡음을 제거한 ECG 신호에서 R파를 검출하고 QRS와 RR 간격의 특정 파형 구간을 모델링하였다. 이후 최적 세그먼트 길이(n1, n2), 최적 차수( p1, p2)의 4가지 AR 모델링 변수를 추출하고 SVM을 통해 Normal, PVC, PAC를 분류하였다. 연구의 타당성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스를 대상으로 한 R파의 평균 검출 성능은 99.77%, Normal, PVC, PAC 부정맥은 각각 99.23%, 97.28, 96.62의 평균 분류율을 나타내었다.

• 한국정보통신학회논문지
• /
• 제25권10호
• /
• pp.1279-1286
• /
• 2021

Electrocardiogram (ECG) 신호는 심장의 이상을 조기에 진단하기 위한 좋은 지표이다. ECG 신호는 사람마다 기준이 되는 정상 신호의 형태가 다르고, 진단에 많은 데이터가 필요하다. 본 논문에서는 ECG 신호 진단을 효율적으로 가속하기 위한 OpenCL을 기반 FPGA-GPU 혼합 계층 적응형 플랫폼을 제안한다. 플랫폼에서 MIT-BIH 부정맥 신호데이터의 19870개 ECG 신호를 진단한 결과 FPGA 가속기는 진단 시간이 1.15s로 소프트웨어로 실행했을 때보다 89.94% 감소하였고, 전력 소모는 84.0% 감소하였다. GPU 가속기는 실행 시간이 소프트웨어 대비 83.56% 감소한 1.87s였으며, 전력 소모는 62.3% 감소하였다. 제안하는 FPGA-GPU 혼합 플랫폼은 FPGA 가속기보다 진단 속도가 느리지만 GPU를 이용하여 상황에 따라 유연한 알고리즘을 동작할 수 있다.

• 한국정보통신학회논문지
• /
• 제23권12호
• /
• pp.1542-1550
• /
• 2019

부정맥 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경회로망(Artificial Neural Network), 퍼지(Fuzzy), 기계학습(Machine Learning) 등을 이용한 방법이 연구되어 왔다. 특히 딥러닝은 신경회로망의 문제인 은닉층 개수의 한계를 해결함으로 인해 오류 역전파 알고리즘을 이용한 부정맥 분류에 가장 많이 사용되고 있다. 딥러닝 모델을 심전도 신호에 적용하기 위해서는 적절한 모델선택과 파라미터를 최적에 가깝게 선택할 필요가 있다. 본 연구에서는 심실 조기 수축 비트 검출을 위한 딥러닝 기반의 최적 파라미터 검출 방법을 제안한다. 이를 위해 먼저 잡음을 제거한 ECG신호에서 R파를 검출하고 QRS와 RR간격 세그먼트를 추출하였다. 이후 딥러닝을 통한 지도학습 방법으로 가중치를 학습시키고 검증데이터로 모델을 평가하였다. 제안된 방법의 타당성 평가를 위해 MIT-BIH 부정맥 데이터베이스를 통해 각 파라미터에 따른 딥러닝 모델로 훈련 및 검증 정확도를 확인하였다. 성능 평가 결과 R파의 평균 검출 성능은 99.77%, PVC는 97.84의 평균 분류율을 나타내었다.

• 한국정보통신학회논문지
• /
• 제24권10호
• /
• pp.1341-1347
• /
• 2020

부정맥 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경회로망(Artificial Neural Network), 기계학습(Machine Learning) 등을 이용한 방법이 연구되어 왔다. 특히 딥러닝은 신경회로망의 문제인 은닉층 개수의 한계를 해결함으로 인해 인공 지능 기반의 부정맥 분류에 많이 사용되고 있다. 본 연구에서는 AR 기반의 특징점 추출과 딥러닝을 통한 부정맥 분류 방법을 제안한다. 이를 위해 먼저 잡음을 제거한 ECG 신호에서 R파를 검출하고 자기 회귀 모델을 통하여 최적의 QRS와 RR간격을 추출하였다. 이후 딥러닝을 통한 지도학습 방법으로 가중치를 학습시키고 부정맥을 분류하였다. 제안된 방법의 타당성 평가를 위해 MIT-BIH 부정맥 데이터베이스를 통해 각 파라미터에 따른 훈련 및 분류 정확도를 확인하였다. 성능 평가 결과 PVC는 약 97% 이상의 평균 분류율을 나타내었다.

• 한국정보통신학회논문지
• /
• 제24권1호
• /
• pp.37-43
• /
• 2020

최근 심전도 (ECG) 신호를 사용하여 심장병을 진단하는 많은 연구가 이루어지고 있다. 이러한 심전도 신호는 비정상적인 심장 상태를 나타내는 부정맥을 모니터링하고 진단하는 데 유용하게 쓰인다. 본 논문에서는 1차원 합성곱 신경망을 사용하여 ECG 신호에 대하여 부정맥을 분류하는 시스템을 제안한다. 제안하는 신경망 알고리즘은 부정맥 신호의 특징을 세밀하게 추출하도록 4개의 합성곱 계층으로 구성하고 매개변수를 최적화하도록 설계되었다. MIT-BIH 부정맥 데이터베이스에 대해 학습한 신경망은 시뮬레이션을 통해 99% 이상의 정확도의 분류 성능을 가진다는 것을 보여준다. 비교적 합성곱 커널의 개수가 많을수록 ECG 신호의 특성을 더 잘 나타내기 때문에 좋은 성능을 나타내는 것으로 분석되었다. 또한 제안된 신경망을 활용한 실제 시스템을 구현하여 실시간으로 부정맥을 분류하는 결과를 검증하였다.

• 대한의용생체공학회:의공학회지
• /
• 제16권1호
• /
• pp.49-56
• /
• 1995

본 논문은 새로운 QRS comlex의 검출 알고리듬의 설계에 관한 연구로서 전처리 과정에 있어서 2단계의 적응 여파기를 설계하여 효과적인 잡음 제거 능력을 갖는 알고리듬을 제안 하였다. 1단계에서는 배경 잡음을 제거하고 2단계에서는 QRS complex만을 통과시킴으로, 잡음의 변동 뿐만 아니라 QRS comlex의 변화에도 적응 할 수 있게 하였다. 2단계의 적응 여파기는 각각 예측 오차 여과기와 유한 임펄스 응답을 갖는 여과기로 구성된다. 이때, 유한 임펄스 여과기의 계수는 예측 아 여과기의 계수를 이용하였다. MIT/BIT 데이타 베이스 중에서 비교적 잡음이 심한 105번과 108번을 가지고 실험을 한 결과 각각 99.3%와 97.4%의 검출율을 나타내었다.

• 전기학회논문지
• /
• 제60권12호
• /
• pp.2380-2385
• /
• 2011

With the advent of ubiquitous healthcare technology to provide a patient with the necessary medical services in anywhere and anytime scheme, the importance of securing safe communication without tampering the medical data by the unauthorized users is getting more emphasized. With this aim, a novel method for constructing encryption keys on the basis of biometrical measurement of electrocardiogram (ECG) is suggested in this study. The experiments on MIT/BIH database show that our proposed method can achieve safe communication by successfully ciphering and deciphering ECG data including premature ventricular contraction arrhythmia signal with compromising its fiducial features as biometric key to transmit the data via the internet network.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2005년도 추계종합학술대회
• /
• pp.453-456
• /
• 2005

일반적으로 심전도는 심장계통의 질환을 판단할 때 사용된다. 이러한 심장질환의 이상 유무를 자동으로 진단하기 위해서는 QRS파형 검출을 필요로 하며, 이를 위하여 웨이블렛변환 방법이나 템플릿매칭, 룰 베이스 방법 등 여러 가지 방법들이 쓰이고 있으나, 심전도 신호가 표준화된 형태를 갖지 않는 경우는 검출 능력에 많은 한계를 갖고 있다. 본 논문은 파형의 베이스라인(baseline)을 기준으로 진폭 값에 절대치을 취하는 방법으로 파형의 R피크값을 검출하는 알고리즘을 제안한다. 결과를 검증하기 위해 MIT-BIH 데이타베이스에서 제공하는 데이터와 R피크값을 본 논문의 알고리즘으로 추출된 R피크값과 비교한 결과 96.7%의 검출률을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 학술대회 논문집 정보 및 제어부문
• /
• pp.328-330
• /
• 2004

In this paper, ECG based cardiac disease diagnosis models are developed. Conventionally, ECG monitoring equipments can only measure and store ECG signals and they always require medical doctor's diagnosis actions which are not desirable for continuous ambulatory monitoring and diagnosis healthcare systems. In this paper, two kinds of neural based self cardiac disease diagnosis engines are developed and tested for four kinds of diseases, sinus bradycardia, sinus tachycardia, left bundle branch block and right bundle branch block. For diagnosis engines, error backpropagation neural network (BP) and probabilistic neural network (PNN) were applied. Five signal features including heart rate, QRS interval, PR interval, QT interval, and T wave types were selected for diagnosis characteristics. To show the validity of proposed diagnosis engine, MIT-BIH database were used to test. Test results showed that BP based diagnosis engine has 71% of diagnosis accuracy which is superior to accuracy of PNN based diagnosis engine. However, PNN based diagnosis engine showed superior diagnosis accuracy for complex-disease diagnoses than BP based diagnosis engine.