• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
• /
• pp.483-486
• /
• 2000

심전도에서 QRS complex와 R-wave의 검출은 부정맥 진단, 심전도의 특성점 검출 기준, heart rate variability(HRV) 측정에 있어서 중요하나, 시시각각 변화하는 생리적 변화와 여러 가지 노이즈로 인해 검출이 쉽지 않다 제안된 알고리듬에서는 wavelet filter banks를 이용하여 대칭적 enhanced 신호와 noise 와 같은 very high frequency 성분이 제거된 ECG에 근사화 된 approximated 신호를 얻는다. Enhanced 신호로부터 QRS complex의 위치를 검출하고, 검출된 위치의 주변에서 대칭적 wavelet의 특성이 반영된 dominant한 peak의 위치정보, 즉 R wave의 후보점을 얻는다. 이 위치 정보를 이용하여 enhanced 신호에서 각 peak에서의 크기, approxi-mated 신호에서 각 peak 주변에서의 기울기 변화, 기울기 부호 등을 고려하여 R-wave의 위치를 원래의 ECG 신호에서 얻는다. MIT/BIH database에 적용한 결과 99.6%의 QRS complex검출률과 92.9%의 R-wave 검출률을 보였다.

• 한국정보통신학회논문지
• /
• 제20권8호
• /
• pp.1587-1595
• /
• 2016

P파는 심장의 전기적, 생리적 특성을 나타내는 파라미터로써 심방성 부정맥 진단에 있어 매우 중요하다. 하지만 R파에 비해 신호의 크기가 작고 그 형태가 다양하여 검출에 많은 어려움이 있다. P 파를 검출하기 위한 기존 연구방법으로는 주파수 분석과 비선형 접근방법 등이 제안되어 왔지만 방실 차단과 같은 전도 이상이나 심방성 부정맥의 경우에는 검출 정확도가 낮아진다. 이는 심장 상태에 따라 다양한 모양의 P파의 패턴이 존재하기 때문이다. 본 연구에서는 QRS 피크 변화에 따른 P파의 패턴을 분류하고 적응형 문턱치를 이용하여 P파를 검출하는 방법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 Q, R, S를 검출한다. 이후 피크 변화에 따른 P파의 3가지 패턴을 분류하고 적응형 윈도우와 문턱치를 통해 P파를 검출하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스 48개의 레코드를 대상으로 한 P파의 평균 검출율은 92.60%의 성능을 나타내었다.

• 한국정보통신학회논문지
• /
• 제19권1호
• /
• pp.192-200
• /
• 2015

부정맥 분류를 위한 기존 연구들은 특정 ECG 데이터에 종속적으로 개발되었기 때문에 다른 환경에 적용할 경우 그 성능에 변화가 많아 임상 적용에 한계가 있다. 즉, 생체 신호의 특성상 개인 간의 차이가 있음에도 불구하고, 일반적인 ECG 신호의 판단규칙에 따라 진단을 수행하기 때문이다. 또한 이러한 대부분의 방법들은 P, Q, R, S, T 지점의 정확한 측정을 필요로 하며, 데이터의 가공 및 연산이 복잡하다. 따라서 이러한 문제점을 극복하기 위해서는 개인별 특성을 가진 ECG 데이터를 분석하여 최소한의 특징점을 추출함으로써 그에 따른 패턴을 분류하는 것이 필요하다. 본 연구에서는 이상 심전도와 같은 다양한 신호를 고려하여 Q, R, S 피크 변화에 따른 개인별 ECG 신호의 패턴 분석기법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파를 검출하고 Q, R, S의 진폭과 위상변화에 따른 8개의 특징점을 추출하였다. 이후 각 특징점의 피크 변화와 형태에 따른 ECG 신호를 분석하고 부정맥 유형에 따른 9가지 패턴을 정의하였다. 제안한 방법의 우수성을 입증하기 위해 43개의 MIT-BIH 레코드를 대상으로 Normal, PVC, PAC, LBBB, RBBB, Paced Beat의 각 패턴을 분석하였다. 실험결과 9가지 패턴에 대한 검출율은 93.72%로 우수하게 나타났다.

• 한국산업정보학회논문지
• /
• 제20권3호
• /
• pp.87-93
• /
• 2015

졸음 운전 등 운전자의 상태 변화에 따른 자동차 사고가 급증하고 있으며 이를 방지하기 위한 시스템 구축 및 운전자의 상태를 판단하는 알고리즘 개발이 요구되어 지고 있다. 본 논문에서는 모의 주행 시스템을 통한 운전자의 심박변이도, 산호 포화도 (SPO2), 체온을 측정하여 운전자의 상태를 알려 주는 실험을 수행하였다. 즉, 심박변이도 (Heart rate variability, HRV) 분석을 위해 운전자의 심전도(Electrocardiogram, ECG) 신호를 획득 한 후 심전도 P,QRS, T 파형 중 R peak 을 자동으로 검출하였고 이를 통해 구한 R-R interval을 이용하여 HRV의 주요 파라메타를 시간영역(time domain)으로 해석하여 작업 환경에 따른 운전자의 상태를 비교 분석하였다.

• Journal of Yeungnam Medical Science
• /
• 제18권1호
• /
• pp.39-50
• /
• 2001

본 연구는 여러 가지 질병의 원인을 규명하는데 있어서 자율신경계 역할의 중요성을 인식하여 심전도 및 호흡신호의 변이를 이용하여 자율신경계를 감시할 수 있는 시스템을 개발하였다. 본 연구에서 제작된 증폭기에서는 트랜스를 사용하여 교류전원으로부터 환자를 격리시키고, 30 KHz의 고주파를 이용하여 임피던스법에 의한 호흡신호를 심전도와 동시에 처리할 수 있도록 하였으며, 아울러 서로의 채널에 대한 혼신의 영향을 최소화하도록 회로를 설계하였다. 시뮬레이터에 의한 테스트 결과에서 입력 조건에 따라 증폭기의 출력에 나타나는 시간 간격이 일치하게 나타나는 것을 확인하였다. 또 실제 서로 다른 조건을 가진 세 부류의 임상 환자의 심전도에서 R-R interval 및 호흡신호를 측정하여 추출할 수 있었다. 기존에는 주로 생체 신호 파라미터를 각각 측정하여 그 결과를 추출하였으나 본 연구에서는 R-R interval과 respiration의 파라미터를 통합하여 데이터를 수집, 처리함으로써 환자로부터 얻은 데이터를 임상 응용에 보다 효과적으로 적용할 수 있게 되었다. 따라서 향후 개발된 시스템의 보완을 통해 환자에 직접 적용하여 자율신경계 장애 환자에 대한 감시장치로 활용하고자 한다.