• 전기전자학회논문지
• /
• 제25권1호
• /
• pp.212-217
• /
• 2021

Premature contraction arrhythmia is the most common disease among arrhythmia and it may cause serious situations such as ventricular fibrillation and ventricular tachycardia. Most of arrhythmia clasification methods have been developed with the primary objective of the high detection performance without taking into account the computational complexity. Also, personalized difference of ECG signal exist, performance degradation occurs because of carrying out diagnosis by general classification rule. Therefore it is necessary to design efficient method that classifies arrhythmia by analyzing the persons's physical condition and decreases computational cost by accurately detecting minimal feature point based on only QRS features. We propose method for personalized specific classification of premature contraction arrhythmia based on QRS features in smart healthcare environments. For this purpose, we detected R wave through the preprocessing method and SOM and selected abnormal signal sets.. Also, we developed algorithm to classify premature contraction arrhythmia using QRS pattern, RR interval, threshold for amplitude of R wave. The performance of R wave detection, Premature ventricular contraction classification is evaluated by using of MIT-BIH arrhythmia database that included over 30 PVC(Premature Ventricular Contraction) and PAC(Premature Atrial Contraction). The achieved scores indicate the average of 98.24% in R wave detection and the rate of 97.31% in Premature ventricular contraction classification.

• 디지털산업정보학회논문지
• /
• 제12권4호
• /
• pp.33-40
• /
• 2016

Previous works for detecting arrhythmia have mostly used nonlinear method to increase classification accuracy. Most methods require accurate detection of ECG signal, higher computational cost and larger processing time. But it is difficult to analyze the ECG signal because of various noise types. Also in the healthcare system based IOT that must continuously monitor people's situation, it is necessary to process ECG signal in realtime. Therefore it is necessary to design efficient algorithm that classifies different arrhythmia in realtime and decreases computational cost by extrating minimal feature. In this paper, we propose R wave detection considering complexity and arrhythmia classification based on binary coding. For this purpose, we detected R wave through SOM and then RR interval from noise-free ECG signal through the preprocessing method. Also, we classified arrhythmia in realtime by converting threshold variability of feature to binary code. R wave detection and PVC, PAC, Normal classification is evaluated by using 39 record of MIT-BIH arrhythmia database. The achieved scores indicate the average of 99.41%, 97.18%, 94.14%, 99.83% in R wave, PVC, PAC, Normal.

• 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.

• 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).

• 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
• /
• 제17권1호
• /
• pp.166-174
• /
• 2013

심전도 신호의 QRS 검출은 심장의 상태를 확인 할 수 있는 가장 보편적인 방법이다. 하지만 측정할 때 발생되는 여러 종류의 잡음성분들로 인하여 이를 분석하는데 어려움을 준다. 가장 큰 문제를 야기하는 부분이 기저선 변동 잡음인데 전극을 부착한 부위의 근육수축과 호흡의 리듬에 따라서 발생하게 된다. 특히 일반인들의 건강상태를 지속적으로 모니터링 해야 하는 헬스케어 시스템에서는 이를 위한 심전도 신호의 실시간 처리가 필요하다. 즉, 최소한의 연산량으로 대상 환자의 특징을 파악하여 정확한 QRS를 검출할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 효율적인 QRS 검출을 위한 형태 연산기반의 기저선 잡음제거 기법을 제안한다. 이를 위해 형태 연산을 통한 전처리 과정과 적응형 윈도우를 통해 QRS를 검출하였다. 제안한 알고리즘의 성능을 평가하기 위해 일반적으로 심전도 기저선 변동 잡음 제거 시 사용되는 기존 필터와의 신호의 왜곡도를 비교 평가하였다. 또한 MIT-BIH 부정맥 데이터베이스를 사용하여 R파 검출 결과를 확인하였다. 실험 결과로부터 형태 연산을 이용한 방법이 적은 연산량으로 충분한 잡음제거율을 얻을 수 있다는 것을 확인할 수 있었다.

• 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.

• 한국정보통신학회논문지
• /
• 제21권7호
• /
• pp.1420-1428
• /
• 2017

R파 검출에 사용되는 여러 심전도 데이터베이스는 샘플링 주파수의 차이로 인해 서로 다른 환경에 적용할 경우 성능에 변화가 많아 알고리즘의 신뢰도를 보장하기 어렵다. 본 연구에서는 심전도신호의 샘플링 주파수에 따른 R파 검출의 최적 문턱치 설정 방법을 제안한다. 이를 위해 미분 기반의 이동평균과 제곱합수를 이용하여 전처리를 수행하였다. 이후 샘플링 주파수에 따라 피크 문턱치에 대한 최적 값을 검출하였다. 문턱치 단계는 신호의 변화와 이전 검출된 피크 값에 따라 문턱치를 변경함으로써 최적의 성능을 나타내는 값을 선정하는 과정으로 실험하였다. 제안한 방법의 우수성을 입증하기 위해 부정맥 데이터베이스 레코드를 대상으로 실험한 결과 MIT-BIH 샘플링 주파수 360Hz에 대한 미분 구간($N_d$), 윈도우 사이즈(N), 문턱 계수($p_{th}$)의 최적 값은 각각 7, 8, 6.6일 때 R파 검출율은 99.758%의 우수한 성능을 나타내었다.

• 대한임베디드공학회논문지
• /
• 제15권5호
• /
• pp.205-214
• /
• 2020

With the recent development of hardware and software technology, interest in the development of wearable devices is increasing. In particular, wearable devices require algorithms suitable for low-power and low-capacity embedded devices. Among them, there is an increasing demand for a signal compression algorithm that reduces communication overhead, in order to increase the efficiency of storage and transmission of electrocardiogram (ECG) signals requiring long-time measurement. Because normal beats occupy most of the signal with similar shapes, a high rate of signal compression is possible if normal beats are represented by a template. In this paper, we propose an algorithm for determining the normal beat template using the template cluster and Pearson similarity. Also, the template is expressed effectively as a few vertices through linear approximation algorithm. In experiment of Datum 234 of MIT-BIH arrhythmia database (MIT-BIH ADB) provided by Physionet, a compression ratio was 33.44:1, and an average distribution of root mean square error (RMSE) was 1.55%.

• 한국정보통신학회논문지
• /
• 제9권3호
• /
• pp.467-472
• /
• 2005

많은 임상적 상태에서 ECG신호는 진단을 목적으로 기록된다. 또한 정확한 임상해석을 위해 데이터는 높은 해상도와 샘플링율이 필요하다. 따라서 본 논문에서는 다중웨이브렛 기저함수를 이용한 심전도 압축구조를 설계하여 기존의 단일 웨이브렛 기저함수와 이산 코사인 변환과 비교 분석하였다. 실험의 객관성을 위해 MIT-BIH 데이터 베이스중에서 분해도가 11[bit]이고 샘플링 주파수가 360[Hz]인 부정맥 데이터를 이용하여 모의 실험하였다. 성능평가는 재생오차에 대한 압축율로 평가하였다. 결과적으로 다중웨이브렛 기저함수를 이용한 심전도 압축구조에서 DCT보다 2배 이상의 좋은 성능평가 결과를 보였다.