• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 제38회 하계학술대회
• /
• pp.1924-1925
• /
• 2007

본 논문에서는 부정맥 판별을 위한 전처리 과정으로 PCA, LDA, ICA를 바탕으로 하여 정확도를 비교하여 보았다. 각각의 전처리는 고유의 특성을 가지고 있으며 본 논문의 목적은 부정맥 판별상 어떤 전처리가 더욱 정확성의 면에서 효과적인지를 알아보는 것이다. 본 논문의 데이터는 MIT-BIH에 기반하고 있으며, Beat의 분류는 정상(Normal), 좌각차단(Left Bundle Branch Block, LBBB), 우각차단(Right Bundle Branch Block, RBBB), 조기심실수축(Premature Ventricular Contraction, PVC), 조기심방수축(Atrial Premature Beat, APB), paced Beat, 심실보충수축(Ventricular Escape Beat)로 나누었다. 실험적 결과는 PCA-BPNN의 경우 95.53%, ICA-BPNN의 경우 93.95%, LDA-BPNN의 경우 96.42%로 LDA가 가장 ECG 부정맥 판별 응용에 있어 가장 효율적인 방법으로 나타났다.

• 대한의용생체공학회:의공학회지
• /
• 제30권4호
• /
• pp.294-305
• /
• 2009

The bio signals essentially have different characteristics in each person. And the main purpose of automatic diagnosis algorithm based on bio signals focuses on discriminating differences of abnormal state from personal differences. In this paper, we propose automatic ECG diagnosis algorithm which discriminates normal heart beats from premature ventricular contraction using optimization of wavelet parameterization to solve that problem. The proposed algorithm optimizes wavelet parameter to let energy of signal be concentrated on specific scale band. We can reduce the personal differences and consequently highlight the differences coming from arrhythmia via this process. The proposed algorithm using ELM as a classifier show high discrimination performance between normal beat and PVC. From the experimental results on MIT-BIH arrhythmia database the performances of the proposed algorithm are 98.1% in accuracy, 93.0% in sensitivity, 96.4% in positive predictivity, and 0.8% in false positive rate. This results are similar or higher then results of existing researches in spite of small human intervention.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권2호
• /
• pp.988-1001
• /
• 2018

Arrhythmia has recently emerged as one of the major causes of death in Koreans. Premature Ventricular Contraction (PVC) is the most common arrhythmia that can be found in clinical practice, and it may be a precursor to dangerous arrhythmias, such as paroxysmal insomnia, ventricular fibrillation, and coronary artery disease. Therefore, we need for a method that can detect an abnormal heart beat and diagnose arrhythmia early. We extracted the features corresponding to the QRS pattern from the subject's ECG signal and classify the premature ventricular contraction waveform using the features. We modified the weighting and bias values based on the error back-propagation algorithm through learning data. We classify the normal signal and the premature ventricular contraction signal through the modified weights and deflection values. MIT-BIH arrhythmia data sets were used for performance tests. We used RR interval, QS interval, QR amplitude and RS amplitude features. And the hidden layer with two nodes is composed of two layers to form a total three layers (input layer 0, output layer 3).

• 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).

• 한국정보통신학회논문지
• /
• 제16권9호
• /
• pp.2021-2030
• /
• 2012

조기심실수축(PVC)은 가장 보편적인 부정맥으로 심실세동, 심실빈맥 등과 같은 위험한 상황을 유발할 수 있는 가능성을 가지고 있기 때문에 이의 조기 검출은 매우 중요하다. 특히 일반인들의 건강상태를 지속적으로 모니터링 해야 하는 헬스케어 시스템에서는 이를 위한 심전도 신호의 실시간 처리가 필요하다. 즉, 최소한의 연산량으로 정확한 R파를 검출하고, 대상 환자의 특징을 파악하여 PVC를 분류할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 PVC 실시간 분류를 위한 환자 적응형 패턴 매칭 기법을 제안한다. 이를 위해 전 처리 과정과 적응 가변형 문턱 값과 윈도우를 통해 R파를 검출하였으며, 검출 대상에 따른 정상신호 군을 선별하고 이를 벗어나는 신호를 이상신호로 분류하기 위해 해쉬 함수를 통한 패턴 매칭 기법을 적용하였다. 제안한 알고리즘의 R파 검출 및 정상신호 분류 성능을 평가하기 위해서 MIT-BIH 부정맥 데이터베이스를 사용하였다. 성능평가 결과, R파는 평균 99.33%, 이상신호 분류에 대한 에러율은 0.32%로 나타났다.

• 한국정보통신학회논문지
• /
• 제13권11호
• /
• pp.2391-2398
• /
• 2009

조기심실수축(Premature Ventricular Contractions, PVC)은 부정 맥 중 가장 빈번히 나타나는 심장질환으로 위험한 상황으로 발전할 가능성을 가지고 있다. 따라서 이의 검출은 심장질환에 대한 예방과 추후 발생여부에 대한 기초조사로서 매우 중요하다. 지금까지 PVC를 검출하는 많은 방법이 연구되어 왔으나 기존의 방법들은 잡음의 영향을 많이 받고 P파의 존재 유무에 의존적이기 때문에 검출의 정확도가 떨어지며, 처리시간이 많이 소요되기 때문에 실시간 검출에는 많은 어려움이 따른다. 이러한 문제점을 극복하기 위해 본 논문에서는 리듬분석과 비트매칭을 통한 PVC검출 방법을 제안한다. 이를 위해 전처리 과정 후 R 파를 검출하고, RR 간격의 리듬분석과 QRS 폭간격의 비트 매칭을 통해 비트 유형을 결정하는 알고리즘을 개발하였다. 제안한 알고리즘의 R파 및 PVC 검출 성능을 평가하기 위해 MIT-BIH 부정맥 데이터베이스를 사용하였다. 성능평가 결과, R파의 sensitivity는 99.74%, positive predictivity는 99.81%, PVC의 sensitivity는 93.91%, Positive predictivity는 96.48%의 검출 결과를 나타내었다.

• 한국멀티미디어학회논문지
• /
• 제12권3호
• /
• pp.451-459
• /
• 2009

본 논문은 심전도(ECG) 신호로부터 조기심실수축(PVC)을 자동 탐지하는 방법으로 이산 웨이블릿 변환과 퍼지 신경망을 이용하는 방안을 제시하고 있다. 심전도 신호를 이산 웨이블릿 변환(DWT)으로 특징을 추출한 후, 퍼지 신경망으로 학습하여 정상 비트와 PVC 비트를 분류한다. 윈도우 크기는 R파를 기준으로 $-31/360{\sim}+32/360$초를 사용하며, 웨이블릿 변환은 d3, d4, d5의 웨이블릿 계수 14개를 사용한다. 퍼지 신경망은 가중 퍼지소속함수 기반 신경망을 사용한다. 본 논문은 벤치마킹 데이터로 MIT-BIH 부정맥 데이터베이스를 사용하여 Shyu 실험군(7개 레코드)에서는 전체 분류율에서 97.04% 보다 높은 99.91%의 신뢰성 있는 결과를 나타내었고, Inan 실험군(40개 레코드)에서는 각각 SE는 82.57% 보다 높은 84.67%, SP는 98.33% 보다 높은 99.39%, 전체 분류율은 96.85% 보다 높은 98.01%의 신뢰성 있는 결과를 나타내었다.

• Industrial Engineering and Management Systems
• /
• 제12권4호
• /
• pp.380-388
• /
• 2013

Large variation in electrocardiogram (ECG) waveforms continues to present challenges in defining R-wave locations in ECG signals. This research presents a procedure to extract the R-wave locations by forward-backward (FB) algorithm and classify the arrhythmic beat conditions by using RR intervals. The FB algorithm shows forward and backward searching rules from QRS onset and eliminates lower-amplitude signals near the baseline using a statistical process control concept. The proposed algorithm was trained the optimal parameters by using MIT-BIH arrhythmia database (MITDB), and it was verified by actual Holter ECG signals from a local hospital. The signals are classified into normal (N) and three arrhythmia beat types including premature ventricular contraction (PVC), ventricular flutter/fibrillation (VF), and second-degree heart block (BII) beat. This work produces 98.54% accuracy in the detection of R-wave location; 98.68% for N beats; 91.17% for PVC beats; and 87.2% for VF beats in the collected Holter ECG signals, and the results are better than what are reported in literature.

• Journal of Chest Surgery
• /
• 제50권4호
• /
• pp.298-299
• /
• 2017

We report the case of a 17-year-old girl who presented with an indentation in the right ventricle caused by an incomplete pericardium on preoperative 3-dimensional reconstructed computed tomography. She was to undergo surgery for a partial atrioventricular septal defect and secundum atrial septal defect. Preoperative electrocardiography revealed occasional premature ventricular beats. We found the absence of the left side of the pericardium intraoperatively, and this absence caused strangulation of the diaphragmatic surface of the right ventricle. After correcting the lesion, the patient's rhythm disturbances improved.

• 센서학회지
• /
• 제22권5호
• /
• pp.338-345
• /
• 2013

Premature ventricular contractions are the most common of all arrhythmias and may cause more serious situation like ventricular fibrillation and ventricular tachycardia in some patients. Therefore, the detection of this arrhythmia becomes crucial in the early diagnosis and the prevention of possible life threatening cardiac diseases. Most methods for detecting arrhythmia require pp interval, or the diversity of P wave morphology, but they are difficult to detect the p wave signal because of various noise types. Thus, it is necessary to use noise-free R wave. So, the new approach for the detection of PVC is presented based on the rhythm analysis and the beat matching in this paper. For this purpose, we removed baseline wandering of low frequency band and made summed signals that are composed of two high frequency bands including the frequency component of QRS complex using the wavelet filter. And then we designed R wave detection algorithm using the adaptive threshold and window through RR interval. Also, we developed algorithm to classify PVC using RR interval. The performance of R wave and PVC detection is evaluated by using MIT-BIH arrhythmia database. The achieved scores indicate average detection rate of 99.76%, sensitivity of 99.30% and specificity of 98.66%; accuracy respectively for R wave and PVC detection.