• 한국지능시스템학회논문지
• /
• 제20권5호
• /
• pp.624-630
• /
• 2010

심전도 신호는 일반적으로 200Hz 이상의 주파수로 표본화 되므로 효율적인 저장 및 전송을 위해서는 진단에 중요한 정보를 손실 없이 압축하는 방법이 필요하다. 본 논문에서는 곡률을 이용하여 진단에 중요한 정보인 특징점에 기반한 심전도 신호 압축 방법을 제안한다. 제안한 방식은 심전도 신호의 중요 구성요소인 P, Q, R, S, T파의 특징점이 다른 정점에 비해 곡률 값이 크므로 곡률의 국부적 극값을 이용하여 정점을 추출하였다. 또한 신호의 복원 오차를 최소화하기 위하여 순환적정점 선택 방법에 따른 정점을 특징점으로 추가한다. MIT-BIH 부정맥 데이터베이스에 있는 심전도 신호에 대한 실험을 통하여 선택한 정점들이 심전도 신호의 특징점을 모두 포함하고 있으며, 압축의 효율성도 AZTEC 방식 보다 높다는 것을 확인하였다.

• 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.

• 한국정보통신학회논문지
• /
• 제18권7호
• /
• pp.1531-1539
• /
• 2014

조기심실수축(PVC)은 가장 보편적인 부정맥으로 심실세동, 심실빈맥 등과 같은 위험한 상황을 유발할 수 있는 가능성을 가지고 있기 때문에 이의 조기 검출은 매우 중요하다. 하지만 ECG 신호의 개인 차이가 있음에도 불구하고, 일반적인 신호의 판단 규칙에 따라 진단을 수행함으로써 성능하락이 나타날 수 밖에 없다. 이러한 문제점을 극복하기 위해서는 개인에 따른 이상 신호를 검출한 후 다양한 QRS 패턴을 고려하여 PVC를 분류할 수 있는 알고리즘이 필요하다. 본 연구에서는 개인별 이상신호 검출과 QRS 패턴 변화에 따른 PVC 분류 기법을 제안한다. 이를 위해 전 처리 과정과 차감기법을 통해 R파를 검출하였으며, 개인별 이상신호를 검출하였다. 이후 QRS 패턴에 따른 QS 간격과 R파의 진폭 변화율에 따라 PVC를 분류하였다. 제안한 알고리즘의 이상 신호 검출 및 PVC 분류 성능을 평가하기 위해서 MIT-BIH 부정맥 데이터베이스를 사용하였다. 성능평가 결과, 이상 신호 검출률은 98.33%, PVC는 각각 94.46%의 평균 분류율을 나타내었다.

• 한국컴퓨터정보학회논문지
• /
• 제18권1호
• /
• pp.93-101
• /
• 2013

심전도 신호에서 R-파는 다른 특징 점을 구하는데 중요한 역할을 할 뿐만 아니라 심장에 대한 많은 의학적인 정보를 가지고 있다. 지금까지의 연구는 심전도 신호 형태에 대한 분석을 통하여 R-파를 검출하였으나, R-파와 비슷한 형태의 P-파가 나타날 경우 정확한 R-파 검출이 어려웠다. 본 논문에서는 세포막이 흥분 후에 탈분극과 재 분극 기간인 불응기와 불응기내 파형의 첨도 형태를 이용하여 R-파를 검출하는 방식을 제시하였다. MIT-BIH 부정맥 데이터베이스에 있는 심전도 신호 대한 실험을 통하여 R-파와 유사한 형태의 P-파를 가진 105번과 108번 레코드뿐만 아니라 다른 레코드에서도 기존의 방식보다 비교적 우수한 검출율을 확인하였다.

• 한국정보통신학회논문지
• /
• 제21권2호
• /
• pp.450-460
• /
• 2017

T파는 심장의 심실의 재분극을 나타내는 파라미터로써 부정맥 진단에 있어 매우 중요하다. T 파를 검출하기 위한 기존 연구방법으로는 주파수 분석과 비선형 접근방법 등이 제안되어 왔지만 검출 정확도가 낮다는 문제점이 있다. 이는 T파의 경우 P파와 중복되는 경우가 발생하기 때문이다. 본 연구에서는 QRS 구간을 제거한 후, 이동평균을 통한 P파와 T파의 대상 영역을 추출하여 정확히 T파를 검출하는 알고리즘을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 Q, R, S를 검출한다. 이후 검출된 QRS 구간을 제거, 이동평균을 통해 4개의 PAC 패턴과 기타부정맥에 대한 판단규칙을 적용하여 P, T파의 대상 영역을 추출하고, 이를 대상으로 RR 간격과 RT 간격의 문턱치를 적용하여 T파를 검출하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스 48개의 레코드를 대상으로 한 T파의 평균 검출율은 95.32%의 성능을 나타내었다.

• 융합신호처리학회논문지
• /
• 제5권3호
• /
• pp.190-197
• /
• 2004

본 연구는 신경망에 근거한 패턴매칭 방법을 사용하여 일시적 허혈 에피소드의 자동예측을 다루고 있다. 다층 신경망을 학습하기 위한 알고리즘은 수정된 역전파 알고리즘으로서 이 알고리즘은 학습속도를 향상시키기 위해 뉴런간의 연결계수 뿐만 아니라 뉴런내 비선형 함수의 변수들도 갱신한다. 제안된 방법의 성능은 MIT/BIH long-term 데이터베이스의 심전도(ECG) 신호를 사용하여 평가하였다. 총 15 레코드(237 허혈 에피소드)에 대한 실험결과에 의하면 허혈 에피소드 예측의 평균 sensitivity와 specificity 각각 85.71%와 71.11%이다. 또한 제안된 방법은 실제 허혈 에피소드로부터 평균 45.53초 이전에 예측하였다. 이러한 결과는 패턴매칭 분류기로서의 신경망 접근방법이 일시적 허혈 에피소드예측에 유용한 도구로 사용될 수 있음을 의미한다.

• 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.

• 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.