• 전기학회논문지
• /
• 제63권10호
• /
• pp.1441-1447
• /
• 2014

A robust new algorithm for R wave detection named for Multiscale-based Peak Detection(MSPD) is assessed in this paper using MIT/BIH Arrhythmia Database. MSPD algorithm is based on a matrix composed of local maximum and find R peaks using result of standard deviation in the matrix. Furthermore, By reducing needless procedure of proposed algorithm, improve algorithm ability to detect R peak efficiently. And algorithm performance is assessed according to detection rates about various arrhythmia database.

• 디지털산업정보학회논문지
• /
• 제17권1호
• /
• pp.7-14
• /
• 2021

With the increased attention about healthcare and management of heart diseases, smart healthcare services and related devices have been actively developed recently. R wave is the largest representative signal among ECG signals. R wave detection is very important because it detects QRS pattern and classifies arrhythmia. Several R wave detection algorithms have been proposed with different features, but the remaining problem is their implementation in low-cost portable platforms for real-time applications. In this paper, we propose R wave detection based on optimal threshold and arrhythmia classification through QRS pattern considering complexity in smart healthcare environments. For this purpose, we detected R wave from noise-free ECG signal through the preprocessing method. Also, we classify premature ventricular contraction arrhythmia in realtime through QRS pattern. The performance of R wave detection and premature ventricular contraction arrhythmia classification is evaluated by using 9 record of MIT-BIH arrhythmia database that included over 30 premature ventricular contraction. The achieved scores indicate the average of 98.72% in R wave detection and the rate of 94.28% in PVC classification.

• 대한의용생체공학회:의공학회지
• /
• 제21권2호
• /
• pp.165-174
• /
• 2000

본 논문에서는 M 채널 필터 뱅크를 이용하여 심전도 자동 진단 시스템에서 매우 중요한 파라미터로 사용되는 QRS complex 검출을 실시하였다. 제안된 알고리즘에서는 심전도 신호를 M개의 균일한 주파수 대역으로 분할(decomposition)하고, 분할된 서브밴드(subband) 신호들 중에서 QRS complex의 에너지 분포가 가장 많이 존재하는 5∼25Hz 영역의 서브밴드 신호들을 선택하여 feature를 계산함으로써 QRS complex 검출을 실시하였다. 제안된 알고리즘의 성능 비교를 위하여 MIT-BIH arrhythmia database를 사용하였으며, sensitivity는 99.82%, positive predictivity는 99.82, 평균 검출율은 99.67%로 기존의 알고리즘에 비해 높은 검출 성능을 나타내었다. 또한 polyphase representation을 이용하여 M 채널 필터 뱅크를 구현한 결과 연산 시간이 단추되어 실시간 검출이 가능함을 확인하였다.

• 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.

• 한국컴퓨터정보학회논문지
• /
• 제18권8호
• /
• pp.131-139
• /
• 2013

본 논문에서는 먼저 심전도 진단을 위한 처리 과정별 관련 연구내용을 살펴본 후 심전도 신호의 리듬 특징을 이용하여 부정맥을 검출 및 분류하는 방법을 제안한다. 특징 추출에서는 리듬 구간에 대하여 동일성 및 규칙성 등의 리듬 및 심박 분포에 관련되는 특징을 추출하게 되며, 리듬 분류에서는 리듬 구간의 특징에 대하여 미리 구축된 규칙 베이스를 이용하여 리듬 유형을 분류하게 된다. MIT-BIH 부정맥 데이터베이스의 모든 리듬 유형에 대한 실험을 통하여 정상 리듬 규칙만으로도 100% 부정맥 검출 성능을 보였으며, 부정맥 리듬 규칙으로는 유형 분류 적용 가능성을 확인하였다.

• 한국정보통신학회논문지
• /
• 제16권9호
• /
• pp.2021-2030
• /
• 2012

조기심실수축(PVC)은 가장 보편적인 부정맥으로 심실세동, 심실빈맥 등과 같은 위험한 상황을 유발할 수 있는 가능성을 가지고 있기 때문에 이의 조기 검출은 매우 중요하다. 특히 일반인들의 건강상태를 지속적으로 모니터링 해야 하는 헬스케어 시스템에서는 이를 위한 심전도 신호의 실시간 처리가 필요하다. 즉, 최소한의 연산량으로 정확한 R파를 검출하고, 대상 환자의 특징을 파악하여 PVC를 분류할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 PVC 실시간 분류를 위한 환자 적응형 패턴 매칭 기법을 제안한다. 이를 위해 전 처리 과정과 적응 가변형 문턱 값과 윈도우를 통해 R파를 검출하였으며, 검출 대상에 따른 정상신호 군을 선별하고 이를 벗어나는 신호를 이상신호로 분류하기 위해 해쉬 함수를 통한 패턴 매칭 기법을 적용하였다. 제안한 알고리즘의 R파 검출 및 정상신호 분류 성능을 평가하기 위해서 MIT-BIH 부정맥 데이터베이스를 사용하였다. 성능평가 결과, R파는 평균 99.33%, 이상신호 분류에 대한 에러율은 0.32%로 나타났다.

• 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.

• 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.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권11호
• /
• pp.780-785
• /
• 2004

In this paper, we proposed a ventricular fibrillation detection algorithm based on wavelet transform and artificial neural network. we selected RR intervals, the 6th and 7th wavelet coefficients(D6, D7) as features for classifying ventricular fibrillation. To evaluate the performance of the proposed algorithm, we compared the result of the proposed algorithm with that of fuzzy inference and fuzzy-neural network. MIT-BIH Arrhythmia database, Creighton University Ventricular Tachyarrhythmia database and MIH-BIH Malignant Ventricular Arrhythmia database were used as test and learning data. Among the algorithms, the proposed algorithm showed that the classification rate of normal and abnormal beat was sensitivity(%) of 96.10 and predictive positive value(%) of 99.07, and that of ventricular fibrillation was sensitivity(%) of 99.45. Finally. the proposed algorithm showed good performance compared to two other methods.