• 디지털콘텐츠학회 논문지
• /
• 제17권2호
• /
• pp.97-103
• /
• 2016

이 논문에서는 심장이상 관리와 심혈관 위험 평가를 위해 임상 관련성과 연관지어 주요한 요소와 원인을 파악하는데 필요한 심전도(ECG) 데이터의 시각화 분석을 위해 경험한 기술을 소개한다. 특히, MIT-BIH ECG 데이터베이스를 기반으로 복잡한 ECG 데이터를 시각화하여 다양한 차트, 그래프로 표현할 수 있는 접근방법을 소개한다. 이러한 경험 기술 소개를 통해 많은 연구자들은 ECG 데이터베이스를 보다 쉽게 접근할 수 있고 다양한 형태로 시각화된 ECG 데이터의 의미를 직관적으로 이해할 수 있다.

• 스마트미디어저널
• /
• 제7권4호
• /
• pp.90-98
• /
• 2018

심전도 신호는 기본적으로 심장의 전기적 활동에 포함되며 이를 통해 심박수 측정, 심장 박동의 리듬 검사, 심장 이상 진단, 정서 인식 및 생체 인식과 같은 다양한 목적으로 분석 및 활용된다. 본 논문의 목적은 다차원 데이터 배열인 텐서 특성을 가진 다선형 판별분석(MLDA: Multilinear Linear Discriminant Analysis) 기법을 이용하여 개인식별을 수행하고자 한다. MLDA는 상위 차원의 텐서를 포함하는 분류 문제에 대해서 차원 문제를 해결 할 수 있으며, 상호 연관된 부분 공간은 서로 다른 클래스를 구별하기 위해 사용될 수 있다. 제시된 방법의 성능을 검증하기 위해 Physionet의 MIT-BIH데이터베이스를 적용하였다. 이 데이터베이스에 대해 실험한 결과, MLDA는 기존 PCA와 LDA와 비교하여 개인식별 성능이 우수함을 확인하였다.

• 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%.

• 인터넷정보학회논문지
• /
• 제20권6호
• /
• pp.137-142
• /
• 2019

본 논문은 이상 상황을 탐지하고 모니터링하는 다양한 서비스가 존재한다. 하지만 대부분의 서비스는 화재, 가스누출에 초점을 맞추어 진행되고 있으며, 독거노인과 중증장애인들의 사망 혹은 심정지 등 위급상황에 대하여 사전 예방 및 위급상황 대응이 불가능하다. 본 연구에서는 여러 생체신호 중 가장 위중하다고 판단되는 심박 신호의 이상 상태를 탐지하기 위하여 인공지능 모델을 설계하는 과정에서 적합한 데이터 변형과 모델을 비교한다. 세부적으로는 오픈 의료 데이터 PhysioNet의 MIT-BIH Arrhythmia Database를 이용하여 심전도(ECG) 데이터를 수집하고, 수집한 데이터를 각각 다른 방법으로 데이터를 변형한 후 학습하여 기본 심전도 데이터를 이용해 학습한 인공지능 모델과 비교한다.

• 센서학회지
• /
• 제29권1호
• /
• pp.19-26
• /
• 2020

Electrocardiogram (ECG) classification has become an essential task of modern day wearable devices, and can be used to detect cardiovascular diseases. State-of-the-art Artificial Intelligence (AI)-based ECG classifiers have been designed using various artificial neural networks (ANNs). Despite their high accuracy, ANNs require significant computational resources and power. Herein, three different ANNs have been compared: multilayer perceptron (MLP), convolutional neural network (CNN), and spiking neural network (SNN) only for the ECG classification. The ANN model has been developed in Python and Theano, trained on a central processing unit (CPU) platform, and deployed on a PYNQ-Z2 FPGA board to validate the model using a Jupyter notebook. Meanwhile, the hardware accelerator is designed with Overlay, which is a hardware library on PYNQ. For classification, the MIT-BIH dataset obtained from the Physionet library is used. The resulting ANN system can accurately classify four ECG types: normal, atrial premature contraction, left bundle branch block, and premature ventricular contraction. The performance of the ECG classifier models is evaluated based on accuracy and power. Among the three AI algorithms, the SNN requires the lowest power consumption of 0.226 W on-chip, followed by MLP (1.677 W), and CNN (2.266 W). However, the highest accuracy is achieved by the CNN (95%), followed by MLP (76%) and SNN (90%).

• 대한의용생체공학회:의공학회지
• /
• 제33권3호
• /
• pp.141-147
• /
• 2012

In this paper, we have investigated effects of two specific meditations (Chinese qigong meditation and Kundalini yoga meditation) on the heart rate variability (HRV), which is a well-known quantitative measure of autonomic balance, of skilled students. To analyze the effects, the MIT/BIH physionet database was utilized. The database includes RR intervals of eight skilled Chinese qigong meditators (5 women and 3 men; age range 26-35) and four skilled Kundalini yoga meditators (2 women and 2 men; age range 20-52). RR intervals of each subject were measured before and during the meditations. For HRV analysis, we have used typical four HRV parameters - the low frequency to high frequency power ratio (LF/HF ratio), SD2/SD1 ratio, sample entropy, and fractal dimension. The LF/HF ratio was calculated by the autoregressive spectrum and the SD2/SD1 ratio was derived from the Poincar$\grave{e}$ plot. The sample entropy was computed from the phase space plot and the fractal dimension was estimated by the Higuchi's algorithm. In the experiments, the Wilcoxon signed rank test was employed because we used small datasets and compared HRV parameters before and during the meditations. As a result, we have found increment of the LF/HF and SD2/SD1 ratios in both meditations; whereas the sample entropy is decreased during the meditations. In addition, the fractal dimension is increased during the Chinese qigong meditation; whereas it is decreased during the Kundalini yoga meditation. The results show that the sympathetic nervous system is generally more activated in skilled Chinese qigong and Kundalini yoga meditators, but the activation of the parasympathetic nervous tone is suppressed.