• 한국정보통신학회논문지
• /
• 제23권12호
• /
• pp.1542-1550
• /
• 2019

부정맥 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경회로망(Artificial Neural Network), 퍼지(Fuzzy), 기계학습(Machine Learning) 등을 이용한 방법이 연구되어 왔다. 특히 딥러닝은 신경회로망의 문제인 은닉층 개수의 한계를 해결함으로 인해 오류 역전파 알고리즘을 이용한 부정맥 분류에 가장 많이 사용되고 있다. 딥러닝 모델을 심전도 신호에 적용하기 위해서는 적절한 모델선택과 파라미터를 최적에 가깝게 선택할 필요가 있다. 본 연구에서는 심실 조기 수축 비트 검출을 위한 딥러닝 기반의 최적 파라미터 검출 방법을 제안한다. 이를 위해 먼저 잡음을 제거한 ECG신호에서 R파를 검출하고 QRS와 RR간격 세그먼트를 추출하였다. 이후 딥러닝을 통한 지도학습 방법으로 가중치를 학습시키고 검증데이터로 모델을 평가하였다. 제안된 방법의 타당성 평가를 위해 MIT-BIH 부정맥 데이터베이스를 통해 각 파라미터에 따른 딥러닝 모델로 훈련 및 검증 정확도를 확인하였다. 성능 평가 결과 R파의 평균 검출 성능은 99.77%, PVC는 97.84의 평균 분류율을 나타내었다.

• 한국정보통신학회논문지
• /
• 제24권10호
• /
• pp.1341-1347
• /
• 2020

부정맥 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경회로망(Artificial Neural Network), 기계학습(Machine Learning) 등을 이용한 방법이 연구되어 왔다. 특히 딥러닝은 신경회로망의 문제인 은닉층 개수의 한계를 해결함으로 인해 인공 지능 기반의 부정맥 분류에 많이 사용되고 있다. 본 연구에서는 AR 기반의 특징점 추출과 딥러닝을 통한 부정맥 분류 방법을 제안한다. 이를 위해 먼저 잡음을 제거한 ECG 신호에서 R파를 검출하고 자기 회귀 모델을 통하여 최적의 QRS와 RR간격을 추출하였다. 이후 딥러닝을 통한 지도학습 방법으로 가중치를 학습시키고 부정맥을 분류하였다. 제안된 방법의 타당성 평가를 위해 MIT-BIH 부정맥 데이터베이스를 통해 각 파라미터에 따른 훈련 및 분류 정확도를 확인하였다. 성능 평가 결과 PVC는 약 97% 이상의 평균 분류율을 나타내었다.

• 전자공학회논문지S
• /
• 제35S권8호
• /
• pp.39-46
• /
• 1998

ECG신호가 임상적으로 환자의 심장활동에 관련된 여러 정보를 의사에게 제공한다는 점에서 ECG 신호의 검출은 중요한 환자 진단방법의 하나이다. 특히 QRS복합 파형, P파, T파 등의 위치와 각 파 간의 간격에 의미 있는 정보가 담겨져 있어 정확한 환자진단을 위해 의공학 분야에서 ECG신호의 잡음제거에 관련된 여러 연구들이 있어 왔다. 기존의 ECG신호의 잡음제거 방법은 특정한 단일 잡음이 혼입된 경우에는 만족할 만한 성능을 보여 주는데 반해 여러 형태의 복합잡음이 혼입된 ECG신호로부터 정상 ECG신호를 분리해 내는데는 성능의 한계를 가진다. 본 논문에서는 최근 공학분야에서 그 활용 영역이 확대되고 있는 웨이브렛 변환 기법을 ECG신호의 잡음제거에 적용하여, 잡음이 혼입된 ECG신호의 잡음제거를 통한 정상 파형 복원을 수행하였다.

• 대한의용생체공학회:의공학회지
• /
• 제31권4호
• /
• pp.316-320
• /
• 2010

HRV(Heart rate variability) analysis parameter is widely used as an index to evaluate the autonomic nervous system and cardiac function. For reliable HRV analysis, we need to acquire the accurate ECG signals. Most of commercially available portable ECG devices have low sampling rate because of low power consumption and small size issues, which make it difficult to measure RR-interval accurately. This study is to improve the accuracy of RR-interval by developing R-wave interpolation technique, based on the morphological characteristics of the QRS complex. When the developed method was applied to ECG obtained at 200 Hz and the results were compared with 1000 Hz reference device, the error range decreased by 1.33 times in sitting and by 2.38 times in cycling exercise. Therefore, the proposed interpolation technique is thought to be useful to improve the accuracy of R-R interval in the portable ECG device with low sampling rate.

• 한국정보통신학회논문지
• /
• 제2권1호
• /
• pp.11-17
• /
• 1998

ECG신호가 임상적으로 환자의 심장활동에 관련된 여러 정보를 의사에게 제공한다는 점에서 ECG 신호의 검출은 중요한 환자 진단방법의 하나이다. 특히 QRS복합파형, P파, T파 등의 위치와 각파 간의 간격에 의미있는 정보가 담겨져 있어 의공학 분야에서 ECG신호의 특징점 검출에 관련된 여러 연구들이 있어 왔다. 기존의 ECG신호의 특징점 검출 방법은 정상파형의 경우에는 만족할 만한 성능을 보여 주는데 반해 잡음이 혼입된 ECG신호로부터 정상 ECG신호를 분리해 내는데 있어 성능의 한계를 가진다. 본 논문에서는 최근 공학분야에서 그 활용 영역이 확대되고 있는 웨이브렛 변환 기법을 ECG신호의 특징점 검출과 잡음제거에 적용하여, 잡음이 혼입된 ECG신호의 특징점 검출과 정상 파형 복원을 수행하였다.

• 생명과학회지
• /
• 제20권5호
• /
• pp.723-728
• /
• 2010

복식호흡은 혈압의 하강이나 심리적 진정 효과를 위한 이완 요법으로 사용되고 있는데, 이는 복식호흡이 자율신경계에 영향을 미치기 때문이다. 그러나 복식호흡으로 인한 심장의 전위 변화에 대해서는 연구가 전무하다. 따라서 본 연구에서는 복식호흡을 할 때에 심전도상의 변화를 건강한 젊은 남자 10명(평균$22.40{\pm}2.5$세)과 여자 10명(평균 $20.9{\pm}0.9$세)을 대상으로 알아보고자 하였다. 본 연구의 결과, P, R, T 진폭과, QTc 간격이 남녀 모두에서 복식호흡과 흉식호흡간의 차이가 없었다. 그러나 복식호흡 시에 PR 간격은 남자가 여자보다 유의하게 길었다. 심장 전기축에서 P축은 호흡 방식에 따라서 영향을 받지 않았으나, 남자에서는 복식호흡에서 심장의 QRS축이 증가하였고, 여자는 T 전기축이 증가하였다. 따라서 복식호흡은 심실이 탈분극과 이완되는 재분극 시의 전기축에 유의한 영향을 미치는 것으로 나타났다.

• 한국정보통신학회논문지
• /
• 제15권1호
• /
• pp.227-232
• /
• 2011

현재 무선센서노드 기반의 헬스케어 모니터링 시스템이 활발히 연구되고 있다. 하지만 생체신호의 모니터링을 위한 전체 데이터의 전달은 무선센서네트워크 내의 데이터 트래픽과 에너지 소모가 증가하게 된다. 본 연구에서는 경량의 전처리 과정 및 알고리즘을 통해 ECG신호에서 의미있는 파라미터만을 검출하여 전송하였다. 본 연구에서는 정상적인 ECG에서 무선센서노드에서 R피크, RR간격을 검출할 수 있는 TinyOS 기반 어플리케이션을 구현하였으며 결과로 dECG, R피크, RR간격, HRV를 그래프로 확인 할 수 있었다. 따라서 본 연구를 이용하면 ECG신호 전체 데이터가 아닌 주요 정보만을 보냄으로서 에너지 소모, 데이터량을 줄일 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(B)
• /
• pp.507-509
• /
• 2012

심전도 질환 데이터는 일반적으로 분류기를 사용한 실험이 많다. 심전도 신호는 QRS-Complex와 R-R interval을 추출하는 경우가 많은데 본 실험에서는 R-R interval을 추출하여 실험하였다. 심전도 데이터의 분류 실험은 일반적으로 SVM(Support Vector Machine)과 MLP(Multilayer Perceptron)으로 실험되지만 본 실험은 Decision Tree를 사용하여 정확도 향상을 추구하였다. 그리고 정확도 비교 분석을 위해 SVM과 MLP 분류기 실험을 같이 수행하였고, 동일한 데이터와 간격으로 실험한 타 논문의 결과와 비교해 보았다. Decision Tree를 다른 분류기와 타 논문의 결과와 비교해 보니 정확도 부분에서는 Decision Tree가 가장 우수하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 춘계학술발표대회
• /
• pp.212-214
• /
• 2013

심전도 데이터는 일반적으로 분류기를 사용한 실험이 많으며, QRS-Complex와 R-R interval 간격을 추출하여 실험한다. 본 연구에서는 R-R interval을 추출하였다. 그리고 R-R interval 데이터와 HRV 데이터를 구성하였고, 베이지안 네트워크 분류기를 사용하여 정확도를 도출하였다. 심장관련 데이터는 심전도 뿐 아니라 심장병 데이터도 있는데 심전도 데이터와 같이 분류실험을 시행하여 정확도를 도출하였다. 그리고 베이지안 네트워크분류기의 정확도를 분석하기 위해 타 논문의 실험결과와 비교하였다. 타 논문과 본 연구의 결과를 비교해보니 베이지안 네트워크가 타 결과에 비해서 정확도 도출이 우수하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.1399-1402
• /
• 2011

본 논문에서는 조기 심실 수축과 조기 심방 수축을 검출함에 있어 정밀한 QRS 구간의 폭, 정확한 P파와 T파의 크기 및 위치를 크게 요구하지 않고, 데이터의 가공과 복잡한 알고리즘의 사용에 의해 발생하는 ECG 데이터의 변형과 손실을 최소화할 수 있으며, 또한 개인차 때문에 발생할 수 있는 오류를 최소화하기 위한 알고리즘을 제안한다. 이를 위해 ECG 신호를 각각의 단위 파형으로 분리한 후, 정상 R-R 간격을 가지는 파형을 기준으로 기준파형을 만들어, 각 파형과 기준파형사이의 패턴 대조 및 유사도 분석을 통해 조기 심실수축과 조기심방수축을 검출할 수 있도록 하였다.