• 한국정보통신학회논문지
• /
• 제19권7호
• /
• pp.1728-1736
• /
• 2015

부정맥 분류를 위한 기존 연구들은 개인별 ECG신호의 차이는 고려하지 않고 특정 ECG 데이터에 종속적으로 개발되었기 때문에 다른 환경에 적용할 경우 그 성능에 변화가 많아 임상 적용에 한계가 있다. 또한 기존의 방법들은 각 ECG 특징점의 정확한 측정을 필요로 하며, 연산이 매우 복잡하다. 복잡도를 줄이기 위한 여러 가지 방법들이 제안되었지만, 그에 따른 분류의 정확도가 떨어지는 문제점이 있었다. 따라서 이러한 문제점을 극복하기 위해서는 개인별 다양한 ECG 신호의 패턴에 따라 최소한의 특징점을 추출함으로써 연산의 복잡도를 줄이고 부정맥을 정확하게 분류 할 수 있는 방법이 필요하다. 본 연구에서는 대상 유형별 ECG 신호의 QRS 패턴을 이용한 부정맥 분류 방법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파를 검출하고 QRS 특징점을 통해 대상 유형별 ECG 신호의 QRS 패턴을 정의하였다. 이후 패턴분류에 따른 오류를 검출 및 수정하고, 중복된 QRS 패턴을 별도의 부정맥으로 분류하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스 43개의 레코드를 대상으로 PVC, PAC, Normal, LBBB, RBBB, Paced beat의 검출율을 비교하였다. 실험결과 Normal, PVC, PAC, LBBB, RBBB, Paced beat의 검출율은 각각 99.98, 97.22 95.14, 91.47, 94.85, 97.48%의 우수한 검출율을 나타내었다.

• 한국정보통신학회논문지
• /
• 제17권3호
• /
• pp.705-711
• /
• 2013

심전도 신호의 QRS 영역은 심장의 질환을 판단하는 중요한 자료로 쓰이는데, 여러 종류의 잡음으로 인해 이를 분석하는데 어려움을 준다. 또한 일반인들의 건강상태를 지속적으로 모니터링 하는 헬스케어 시스템에서는 신호의 실시간 처리가 필요하다. 그리고 생체신호의 특성상 개인 간의 차이가 있음에도 불구하고, 일반적인 ECG 신호의 판단 규칙에 따라 진단을 수행함으로써 성능하락이 나타날 수밖에 없다. 이러한 문제점을 해결하기 위해서는 최소한의 연산량으로 QRS를 검출하고 환자의 특성에 맞게 부정맥을 분류할 수 있는 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 형태연산을 통한 효율적인 QRS 검출과 개인별 정상신호 분류를 위해 해쉬 함수를 적용하여 프로파일링 하였으며, 검출된 QRS 폭과 RR 간격을 이용하여 심실조기수축(PVC)을 분류하는 알고리즘을 개발하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스를 통해 기존 방법과 부정맥 분류 성능을 비교하였다. 성능평가 결과, R파는 평균 99.77%, 정상 신호 분류에 대한 에러율은 0.65%, PVC는 각각 93.29%로 기존 방법에 비해 약 5% 우수하게 나타났다.

• 한국통신학회논문지
• /
• 제40권4호
• /
• pp.731-739
• /
• 2015

부정맥 심전도 신호에는 전도장애 및 발생부위에 따라 다양한 비정상 모양을 띄는 특이심박들이 포함되어 있고, 이들 특이심박은 부정맥 등의 심장질환을 진단하는데 있어 매우 중요하다. 본 논문에서는 심실질환에 관련한 PVC 특이심박 검출 알고리즘을 제안한다. PVC 특이심박에서는 심전도 신호의 구성요소 가운데 QRS 군의 왜곡이 발생하는 특징이 있다. 따라서 QRS 군의 왜곡 정도에 따라 PVC 특이심박을 검출할 수 있다. 먼저 R-peak의 전위, 첨도, 주기를 사용하여 QRS 군의 왜곡을 정량화하고, 이들 값들의 평균과 표준편차를 이용하여 정상 심박과의 왜곡의 정도에 따라 PVC 특이심박을 검출한다. 제안한 알고리즘은 MIT-BIH 부정맥 데이터베이스 중 심실질환과 관계되는 AAMI-V class 타입의 특이심박을 평균 98% 이상을 검출할 수 있었다.

• 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.

• 대한의용생체공학회:의공학회지
• /
• 제19권3호
• /
• pp.269-278
• /
• 1998

본 논문에서는 스트레스 심전도를 분석함에 있어서 가장 중요한 파라미터인 ST 세그먼트를 측정하기 위해서 웨이브렛 변환을 이용하여 Wavelet Adaptive Filter(WAF)와 QRS콤플렉스 검출 알고리즘을 설계하였다. WAF는 웨이브렛 변환부와 적응필터부로 구성되어 있으며, 웨이브렛 변환부에서는 웨이브렛 함수를 이용하여 입력되는 심전도 신호를 저주파 대역과 고주파 대역으로 각각 j=-7레벨까지 분할하고, 적응필터부에서는 웨이브렛 변환에 의해 분할된 신호중 j=-7레벨의 저주파 대역 신호를 주입력으로 사용하여 필터링 한다. QRS 콤플레스는 합산신호를 구성한 후 문턱치를 RR간격에 변화에 따라 변화시키면서 검출하였으며, 합산신호는 웨이브렛 변환에 의해 QRS 콤플렉스의 주파수 성분이 포함되어 있는 고주파 대역의 신호를 더하여 구성하였다. WAF는 표준 필터와 일반적인 적응필터와 성능을 비교하였으며, 잡음제거 특성과 신호왜곡도 측면에서 비교필터에 비해 우수한 성능을 보였다. QRS 콤플렉스 검출성능을 평가하기 위해서 MIT/BIH데이터베이스를 이용하여 기존의 QRS 검출 알고리즘들의 검출 방법과 비교하였으며, 웨이브렛에 의한 합산신호를 이용할 경우에 99..67%로써 더 좋은 검출성능을 보였다. 또한 측정된 ST세그먼트의 정확도를 비교.평가를 위하여 European ST-T 데이터베이스와 실제 임상데이터를 이용하였으며 심박수의 변화에 따라 적응적으로 ST세그먼트를 측정할 수 있었다.

• 한국통신학회논문지
• /
• 제41권2호
• /
• pp.244-253
• /
• 2016

ECG 신호에서 QRS군은 매우 중요한 심실의 탈분극 상태 정보를 제공한다. 자동으로 심전도 신호를 분석하기 위해서는 $QRS_{onset}$ 과 $QRS_{offset}$ 에 대한 정확한 정보가 중요하다. 본 연구에서는 먼저 QRS군의 전위값 변화량 및 $R_{peak}$ 와의 거리를 이용하여 Q파와 R파의 접속 부분 그리고 R파와 S파의 접속 부분을 구하였다. 다음 단계에서는 이를 기준으로 적분연산을 이용하여 $QRS_{onset}$ 과 $QRS_{offset}$ 을 검출하였다. 알고리즘의 성능을 평가하기위해 PhysioNet QT database를 사용하여 심장 전문의가 수작업으로 표시한 결과에 대한 평균과 표준편차를 계산하였다. 실험결과에서 제안한 알고리즘의 표준편차는 전문의사가 수용할 수 있는 허용치 범위 안에 속하며, 다른 알고리즘보다 더 우수함을 나타낸다.

• 대한의용생체공학회:의공학회지
• /
• 제24권2호
• /
• pp.107-112
• /
• 2003

본 연구는 공진이론에 기초한 인덱스 함수(index function)를 이용하여 간단하게 QRS를 검출하는 새로운 알고리즘에 관한 것이다 ECG 근 몇 개의 사인파형의 조합으로 모델링 가능하며. 이때 ECG의 일차차분 값은 사인파형의 크기 및 주파수와 관계가 있다. 이 사실에 근거하여, R-L-C 회로의 허수부의 제곱값과 유사한 인덱스함수를 디자인하였으며. 인덱스 함수의 응답에 적응방법(adaptive method)를 첨가하여 QRS를 검출하였다. 이 알고리즘은 다른 QRS 검출 알고리즘에 비해 비슷하거나 높은 검출성능을 보였고. 복잡한 전처리 또는 후처리 과정이 필요치 않으므로 실시간 검출에 유용하게 사용될 수 있을 것이다.

• 한국정보통신학회논문지
• /
• 제20권2호
• /
• pp.427-436
• /
• 2016

일반적으로 QRS간격은 시작점을 기준으로 끝점까지의 간격을 말하지만 그 기준이 모호하고 Q와 S의 검출이 정확하지 않아 부정맥 분류 성능을 저하시키는 경우가 발생한다. 본 연구에서는 심전도신호 중 가장 큰 피크인 R파를 정확히 검출한 후 이를 기준으로 위상 변이 추적 기법을 적용하여 Q와 S의 시작점과 끝점을 추출하는 방법을 제안한다. 먼저 전처리 과정을 통해 잡음이 제거된 정확한 R파를 검출한다. 이후 심전도신호의 미분값을 통해 QRS패턴을 분류하고, R파를 기준으로 위상이 변화되는 방향과 횟수를 추적함으로써 Q, S의 시작점과 끝점을 추출하는 방법이다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스 48개의 레코드를 대상으로 R파 검출율은 99.60%의 성능을 나타내었고, 위상 변이 추적 기법의 경우 조기심실수축(PVC)이 30개 이상 포함된 MIT-BIH 10개의 레코드를 대상으로 조기심실수축 분류율을 각각 비교 분석한 결과 94.12%로 우수하게 나타났다.

• 대한전기학회논문지
• /
• 제35권4호
• /
• pp.127-135
• /
• 1986

This paper represents a real time algorithm which improves the some drawbacks in the past methods for detection of the QRS conplexes of ECG signals. In the conventional method we can't detect QRS complex and QRS duration more correctly in case of (1) the contaminated ECG with 60Hz noise, muscle noise. (2) the movement of the baseline for a QRS complex. (3) being abnormal QRS complex with prolonging QRS. Therefore, we have proposed a new algorithm which can detect accurate QRS complex detection in case of the contaminated ECG with 60Hz noise, muscle noise, and movement of baseline for QRS complex. Moreover, in case of prolonging QRS we accomplished to detect not only QRS complex but also a single pulse that has a width proportional to QRS duration. This algorithm which is proposed in our paper in our paper in programmed with 6502 assembly language for real time ECG signal processing.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 춘계학술발표대회
• /
• pp.978-980
• /
• 2014

본 연구에서는 스트레스 상태 측정을 위한 심전도 신호 QRS 검출 알고리즘을 제안한다. 심전도 신호의 QRS 검출 과정은 4단계로 wavelet, moving average, squaring, threshold method로 구성된다. wavelet은 기저선 변동과 노이즈를 제거하고 moving average는 전체 신호를 부드럽게 하고 잔여 노이즈를 제거하며 squaring은 신호를 강조하는 역할을 한다. 마지막으로 threshold 기법을 이용해 검출간격을 설정하여 QRS를 검출하였다. 그 결과 Sensitivity는 99.54%, Positive Predictivity는 99.69%, Detection Error는 0.76%를 보였다. 또한, 피험자를 대상으로 게임을 이용해 스트레스 상태 변화에 대한 실험을 하였고, HRV 시간-주파수 파라미터를 분석함으로써 스트레스 상태 변화를 관찰할 수 있었다.