• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제11권3호
• /
• pp.204-210
• /
• 2011

This paper proposes a fuzzy support vector machine ($FSVM_n$) pattern classifier to classify the arrhythmia patterns of an electrocardiograph (ECG). The $FSVM_n$ is a pattern classifier which combines n-dimensional fuzzy membership functions with a slack variable of SVM. To evaluate the performance of the proposed classifier, the MIT/BIH ECG database, which is a standard database for evaluating arrhythmia detection, was used. The pattern classification experiment showed that, when classifying ECG into four patterns - NSR, VT, VF, and NSR, VT, and VF classification rate resulted in 99.42%, 99.00%, and 99.79%, respectively. As a result, the $FSVM_n$ shows better pattern classification performance than the existing SVM and FSVM algorithms.

• 한국산학기술학회논문지
• /
• 제12권10호
• /
• pp.4443-4449
• /
• 2011

심전도는 다양한 형태의 전기적 신호로 이루어져 있으며, 이러한 신호들의 특징점을 분석함으로써 부정맥을 검출할 수 있다. 지금까지 부정맥 검출을 위한 특징점 추출 방법에 대하여 많은 연구가 이루어졌으나, 복잡한 연산과정으로 실시간 연산 결과를 활용하는 휴대형 기기에는 부적합하다. 이와 같은 문제점을 해결하기 위하여 본 연구에서는 환자의 R-R 간격과 QRS 너비의 정보를 이용하여 R파를 추출하였다. 우선 버터워스 필터를 이용하여 저주파 대역의 잡음을 제거하였으며, R-R간격의 이동평균과 QRS 너비의 이동평균을 이용하여 R파를 추출하였다. 이에 대한 결과 검증은 MIT-BIH 부정맥 데이터베이스의 데이터를 활용하여 실험하였으며, 제공된 데이터의 R파 위치와 제안한 알고리즘의 R파 위치를 비교하였다. 이에 대한 결과로는 제안한 알고리즘 방법이 우수한 검출 성능을 보였으며, 연산과정에서도 효율적인 방법임을 확인 할 수 있었다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권7호
• /
• pp.464-469
• /
• 2015

모바일 기기를 활용한 홀터 모니터링으로 환자의 개인별 심전도 신호의 장주기 수집이 가능해졌다. 하지만 이에 따른 의사 결정 지원 도구 및 응용에 대한 연구는 미흡한 실정이다. 본 논문에서는 장주기로 수집된 심전도 신호의 대표패턴을 추출하기 위한 축약 알고리즘을 제안한다. 그리고 추출된 대표패턴을 이용하여 유사한 환자의 목록을 제공하는 검색기를 소개한다. 사례분석을 통해 제안한 유사환자 검색기가 대표패턴을 통해 전문가의 임상활동을 간소화 하며, 유사한 환자의 목록을 제공하여 축적 데이터의 높은 활용 가능성을 제고함을 보였다. 또한, MIT-BIH 부정맥 데이터베이스를 이용한 평가에서, 축약 알고리즘이 64%의 레코드에 대해 단순화된 대표패턴을 제공하며, 부정맥 분류 결과를 평균 98% 축소함을 보였다.

• 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.

• 한국지능시스템학회논문지
• /
• 제23권4호
• /
• pp.292-297
• /
• 2013

본 논문에서는 불응기(Refractory Period)에 기반한 부정맥 심전도 신호의 특이 파형 검출 알고리즘을 제안한다. 부정맥 심전도 신호는 대부분 평균 10% 정도의 특이 파형을 갖는다. 따라서 장시간 심전도 신호를 관찰 및 분석해야 하는 의료진에게 심전도 신호 샘플의 90%이상이 축소된 특이 파형만을 제공함으로써 시간과 비용 측면에서 매우 큰 효과를 볼 수 있다. 제안 알고리즘은 R-파의 특징과 가변 불응기를 이용하여 R-peak를 검출한다. 검출된 R-peak에 대해 특이 파형에 포함되지 않은 R-peak들의 전위 및 첨도의 평균과 표준편차를 이용하여 특이 파형을 검출한다. 제안한 알고리즘을 MIT-BIH 부정맥 데이터베이스의 모든 레코드에 적용한 결과 평균 90% 이상의 압축률을 보였다.

• 한국정보통신학회논문지
• /
• 제20권2호
• /
• pp.437-444
• /
• 2016

일반적인 부정맥 분류 방법의 경우 심방 박동 수와 관련한 PP간격, P모양의 다양성과 같은 조건을 이용하는데, 잡음으로 인해 정확한 P파의 검출이 어렵기 때문에 잡음의 영향을 비교적 적게 받는 R파를 이용하는 것이 유리하다. 따라서 본 연구에서는 R파 중심의 ECG(electrocardiography) 패턴 분석과 템플릿 문턱치를 도입하여 조기수축 부정맥 분류 방법을 제안한다. 이를 위해 형태 연산을 통한 전 처리 과정과 차감 동작 기법을 통해 R파를 검출하였다. 이후 RR 간격의 평균 가중치와 변화율을 이용하여 먼저 조기수축 파형의 패턴을 분류하고, R파의 진폭에 대한 템플릿 문턱값을 통해 조기심실수축과 조기심방수축을 분류하는 알고리즘을 개발하였다. 제안한 방법의 우수성을 입증하기 위해 조기 심방과 심실수축이 30개 이상 포함된 MIT-BIH 6개의 레코드를 대상으로 한 R파의 평균 검출율은 99.77%의 성능을 나타내었고, 조기심실수축과 심방수축 부정맥은 각각 94.91%와 95.76%의 평균 분류율을 나타내었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 하계종합학술대회 논문집(5)
• /
• pp.273-276
• /
• 2002

This paper has design of ECG pattern classification system using decision of fuzzy IF-THEN rules and neural network. each fuzzy IF-THEN rule in our classification system has antecedent lingustic values and a single consequent class. we use a fuzzy reasoning method based on a single winner rule in the classification phase. this paper in, the MIT/BIH arrhythmia database for the source of input signal is used in order to evaluate the performance of the proposed system. From the simulation results, we can effectively pattern classification by application of learned from neural networks.

• 한국정보통신학회논문지
• /
• 제15권12호
• /
• pp.2655-2663
• /
• 2011

지금까지 심방세동을 검출하는 방법은 P파의 형태, 시간 주파수 영역 분석법이 주를 이루었다. 하지만 P파는 잡음의 영향을 많이 받는 환경에서는 검출의 정확도가 떨어지며, 시간 주파수 영역 분석법은 RR 간격에 따라 변화하는 불규칙적 리듬에 관한 정보를 정확하게 얻지 못하는 단점이 있다. 본 연구에서는, P파의 형태는 고려하지 않고, 불규칙 RR 간격 리듬의 비선형적 특성 분석을 통한 심방세동 검출 알고리즘을 제안한다. 이를 위해 불규칙 RR 간격 리듬을 다양성, 무작위성, 복잡성으로 각각 정의하고 제곱평균제곱근(RMSSD), 전환점비(TPR), 표본 엔트로비(SpEn)의 3가지 비선형적 특성 분석을 통하여 심방세동을 분류하였다. 제안된 알고리즘의 검출 성능을 평가하기 위해 3가지 통계치의 최적값을 설정하고 MIT-BIH 심방세동 데이터베이스와 부정맥 데이터베이스를 이용하여 실험하였다. 성능 평가 결과, MIT-BIH 심방세동 데이터베이스에 대해서는 민감도(sensitivity:94.5%), 특이도(specificity:96.2%)를 각각 나타내었으며, 부정맥 데이터베이스에 대해서는 민감도(89.8%), 특이도(89.62%)를 각각 나타내었다.

• 한국컴퓨터정보학회논문지
• /
• 제22권5호
• /
• pp.65-72
• /
• 2017

Premature Ventricular Contraction(PVC) arrhythmia is most common abnormal-heart rhythm that may increase mortal risk of a cardiac patient. Thus, it is very important issue to identify the specular portraits of PVC pattern especially from the patient. In this paper, we propose a new method to extract the characteristics of PVC pattern by applying K-means machine learning algorithm on Heart Rate Variability depicted in Poinecare plot. For the quantitative analysis to distinguish the trend of cluster patterns between normal sinus rhythm and PVC beat, the Euclidean distance measure was sought between the clusters. Experimental simulations on MIT-BIH arrhythmia database draw the fact that the distance measure on the cluster is valid for differentiating the pattern-traits of PVC beats. Therefore, we proposed a method that can offer the simple remedy to identify the attributes of PVC beats in terms of K-means clusters especially in the long-period Electrocardiogram(ECG).

• 인터넷정보학회논문지
• /
• 제10권5호
• /
• pp.107-116
• /
• 2009

본 논문에서는 심전도 신호로부터 부정맥을 진단하는 방법으로 심박수 변이도와 퍼지 신경망을 이용하는 방안을 제시하고 있다. 제안한 부정맥 진단 알고리즘은 32개 RR 간격의 심박수 변이도, 즉 평균 25초 내외의 심박수 변화를 이용하여 부정맥을 진단하는 알고리즘이다. 부정맥 진단 알고리즘은 32개 RR 간격을 이용하여, 통계적 특징 6개를 추출한 후, 가중 퍼지소속함수 기반 신경망으로 학습하여 정상 구간과 부정맥 구간을 분류한다. 부정맥 진단 알고리즘은 Tsipouras 논문군(48개 레코드)에서 SE와 SP 각각 80% 이하의 성능을 보이는 기존연구와는 달리, SE는 88.75%, SP는 82.28%, 전체 분류율은 86.31%의 신뢰성 있는 결과를 나타낸다.