선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 이러한 연구들은 심전도 신호의 처리 방법, P파의 시작과 끝점을 측정하는 방법 및 PAF 판정을 위한 판별 값 등에 따라 다른 결과를 보이고 있다[17]. 본연구에서는 P파 길이를 정확히 측정하기 위하여 다양한 종류의 필터와 차단주파수(cutoff frequency)에 대하여 분석하였으며, P파의 시작과 끝점을 판단하는 여러 방법을 분석하고자 한다. 이를 통하여 PAF 진단에 가장 적합한 P파의 분석 방법을 찾아내며, P파 길이 측정의 신뢰성을 높이기 위하여 자동으로 P파 길이를 측정하는 알고리즘을 구현하고자 한다.
- 신호 처리하였다. 신호를 필터링 하는 목적은 저주파 성분의 잡음을 제거하는 것 이외에 낮은 진폭 크기를 갖는 P파의 시점과 종점을 정확하게 측정하는 것이며 관심의 대상이 되는 높은 주파수 대역 성분의 신호를 강조하기 위함이다. 필터를 거친 세 채널의 신호를 벡터 합성한 값(#)을 가지고 신호를 분석하였다.
- 본연구에서는 P파 길이를 정확히 측정하기 위하여 다양한 종류의 필터와 차단주파수(cutoff frequency)에 대하여 분석하였으며, P파의 시작과 끝점을 판단하는 여러 방법을 분석하고자 한다. 이를 통하여 PAF 진단에 가장 적합한 P파의 분석 방법을 찾아내며, P파 길이 측정의 신뢰성을 높이기 위하여 자동으로 P파 길이를 측정하는 알고리즘을 구현하고자 한다.
제안 방법
- X축의 양극(positive electrode)은 4번 늑골간(intercostal space) 부위의 왼쪽 겨드랑이 중간부위로, 음극 (negative electrode)은 반대쪽 부위로 하며, Y축의 양극은 좌측 장릉골 (iliac bone) 부위로 음극은 흉골병 (manubrium)으로 하며, Z 축의 양극은 정상 심전도 리드법의 흉부 2번 리드(V》 부위이며, 음극은 그 후방 견갑골(scapula) 사이로 하였다. 그리고 접지 전극은 우측 장릉골 부위에 위치시켰다.
- 그림 2는 문턱 값을 설정하여 P 파의 시작점과 끝점을 찾는 분석 화면을 보여주고 있다. 각 리드에서 측정된 신호와 벡터 합성된 신호를 화면에 표시한 후, 화면 좌측의 선택 버튼을 이용하여 필터의 형태, 차단주파수및 P파 검출 방법을 선택한 후 분석 버튼을 누르면 자동으로 P파의 시작점과 끝점이 화면에 표시되고 P파의 길이가 측정되게 된다.
- 각각의 분석 결과의 판별력(decision performanceX 분석하기 위하여 민감도(sensitivity, true positive fraction, TP) 및 특이도(specificity, true negative fraction, TN)를 계산하였다. 민감도는 실제 환자 중에서 분석 결과가 환자로 판명될확률이며, 특이도는 정상인 중에서 분석 결과가 정상인으로 판명될 확률을 말한다.
- P 파 길이 측정에 의한 PAF 진단에 대한 다른 연구자의 결과를 살펴보면 본 연구(민감도 62 〜94 %, 특이도 55 〜92 %, 성취도 58~85 %)와 유사한 결과를 가지고 있으며 다른 연구자의 결과 중 성취도가 75 % 이상인 연구는 대부분 관상동맥질환이나 심근 질환을 가지고 있는 경우이다[17]. 기존의 연구자들은 대부분 R파를 기준으로 한 고해상도 심전도 신호를 수작업을 통하여 P파 길이를 측정하였지만, 본 연구에서는 P파를 기준으로 신호 평균을 취하여 진단 판별력을 높였으며, 진단의 신뢰도를 높이기 위해 모든 분석 과정이 자동화함으로 임상 적용이 용이하도록 되어 있다.
- 뇌졸중 등 심각한 합병증을 가지는 발작성 심방세동 환자의 조기 진단법인 SAECG를 이용한 P파 길이 측정의 정확성 및 신뢰성을 평가하기 위하여 다양한 종류의 필터와 차단주파수 및 p파의 시작과 끝점을 판단하는 여러 방법을 분석하였다. 또한 이러한 방법의 신뢰성을 높이기 위하여 자동으로 P파 길이를 측정하는 알고리즘을 구현하였다.
- 다양한 필터와 차단주파수에 의한 신호의 응답을 관찰하기위하여 LP-PAC Q 시스템에 포함되어 있는 프로그램에서 제공하는 분석기능을 사용하지 않고 연구진이 개발한 분석 소프트웨어를 사용하였다. 세 개의 채널에서 수집된 데이터는 LP- PAC Q 시스템 고유의 데이터 형식을 가지고 있으므로 이 데이터를 신호처리하기 위하여 ARTxyz 프로그램(Arrhythmia Research Technology Inc, USA)을 사용하여 ASCII 형식의데이터로 변환을 하였다.
- 데이터를 5 포인트씩 이동 평균을 한 값이 위에서 정의한문턱 값 이상이 되는 처음 점을 P파의 시작점으로 하고, 문턱값 이하로 내려가면 끝점으로 결정하였다. 검출된 P파의 길이가 80 nis 이하이거나 160 ms 이상인 경우 이상 검출로 판단하고 통계 분석에서 배제하였다.
- 첫 번째 방법은 필터를 거친 벡터 합성 신호 상의 잡음성분에서 표준편차(standard deviation) 의 3 배 되는 점을 문턱 값으로 하였는데, 잡음성분의 표준편차는 그림 2와 같이 신호의 초기 40 ms 구간에서 창(window)을 설정하고 그 구간에서 계산을 하였다. 두 번째 방법에서는 임의의 절대치를 문턱 값으로 하여 P파의 길이를 측정하였다. 이 절대 치는 5 μV부터 15 μV까지 1.
- 디지털 필터는 QRS군을 기준으로 하는 SAECG에 많이 사용되는 FIR 필터(finite impulse response filter), LMS 필터 (least mean square filter) 및 양방향 버터워스 필터(bidirec tional butterworth filter, BDB filter)를 사용하였으며, 각 필터의 차단 주파수를 20 Hz부터 50 Hz까지 10 Hz씩 증가시켜가며 신호 처리하였다. 신호를 필터링 하는 목적은 저주파 성분의 잡음을 제거하는 것 이외에 낮은 진폭 크기를 갖는 P파의 시점과 종점을 정확하게 측정하는 것이며 관심의 대상이 되는 높은 주파수 대역 성분의 신호를 강조하기 위함이다.
- 또한 이러한 방법의 신뢰성을 높이기 위하여 자동으로 P파 길이를 측정하는 알고리즘을 구현하였다. 구현된 여러 알고리즘을 임상 환자를 통해서 검증한 결과, 30 Hz 차단주파수를 가지는 LMS 필터를 사용하고, 절대치 8.
- 사용하였다. 세 개의 채널에서 수집된 데이터는 LP- PAC Q 시스템 고유의 데이터 형식을 가지고 있으므로 이 데이터를 신호처리하기 위하여 ARTxyz 프로그램(Arrhythmia Research Technology Inc, USA)을 사용하여 ASCII 형식의데이터로 변환을 하였다.
- 이러한가변성은 호흡에 기인한 자발적인 움직임에 의하여 발생하기도하며 PR 간격 사이에서 미세한 변화에 의한 결과이기도 하다 [15], 이러한 영향을 제거하기 위하여 P파를 기준으로 하는 형판 맞춤 방법(template matching method)을 적용하여 데이터를 수집하였다. 이 방법을 사용하여 선택된 형판(template)과일치하지 않는 모든 P파는 신호평균에서 배제되었고, 신호 평균은 잡음 수치(noise level)7} 1 μV 이하로 감소될 때까지 시행하였다.
- 임의의 절대치를 문턱 값을 이용한 p파 길이를 측정을 위하여 5 μV부터 15 μN까지 1.25 uN 단위로 증가시키며 여러 가지 필터 및 차단주파수에 대한 결과를 분석하였다. 분석 결과 각 조건에 대해서 정상군과 환자군의 통계적인 분리능이 가장 높은 값은 8.
- P파의 시작점과 끝점을 결정하기 위한 문턱 값(threshold value) 을 구하기 위하여 두 가지의 방법이 적용되었다. 첫 번째 방법은 필터를 거친 벡터 합성 신호 상의 잡음성분에서 표준편차(standard deviation) 의 3 배 되는 점을 문턱 값으로 하였는데, 잡음성분의 표준편차는 그림 2와 같이 신호의 초기 40 ms 구간에서 창(window)을 설정하고 그 구간에서 계산을 하였다. 두 번째 방법에서는 임의의 절대치를 문턱 값으로 하여 P파의 길이를 측정하였다.
- 컴퓨터에 의한 P파의 길이를 측정하기 위하여 다음의 자동검출 알고리즘에 의한 분석을 실시하였다. P파의 시작점과 끝점을 결정하기 위한 문턱 값(threshold value) 을 구하기 위하여 두 가지의 방법이 적용되었다.
- 비교하였으며, 결과는 p값(p value)으로 표시하였다. 통계 결과를 통해 문턱 값 계산 방법, 사용된 필터 및 차단주파수의 종류에 의한 변화를 분석하였다.
- 자동검출이 되지 않는 데이터는 P파의 종단에서 QRS군의 시작점까지의 전위가 P파 시작점의 기준치 보다 높은 경우이며, 이런 경향을 보이는 데이터의 수집을 위하여 초기의 연구에서는 후방 탐색 알고리즘(search back algorithm)을 적용하였다. 후방 탐색 알고리즘은 기준치를 증가시키면서 P파의 종단의 일정 구간에서 기준치 보다 작은 포인트를 반복적으로 찾는 방법으로 이 방법을 적용하면 더 많은 임상 데이터를 얻을 수 있으나 P파의 길이가 짧아지는 문제가 발생하여 P파 길이를 진단의 파라미터로 적용하려고 의도하였던 실험결과에 영향을 미치므로 본 결과에서는 후방 탐색 알고리즘을 사용하지 않았다.
대상 데이터
- 임상 데이터를 수집하기 위하여 1997년 3월부터 1998년 6월까지 삼성서울병원 심전도 검사실에서 PAF의 병력을 가진 환자 38명과 정상인 34명의 데이터를 측정하였다. 환자군은 병력 및 검사상 PAF라 확진 되어 있으며, SAECG 검사를 위하여 정상 심방 박동(normal sinus rhythm)을 가지고 있으며, 심방 내 전기전도를 지연시키는 I형 항부정맥 제재(class I anti- arrhythmic agent) 투약의 병력이 있는 환자는 제외하였다.
- 이런 리드법은 각 리드 신호의 벡터 방향에 무관하게 하여 신호수집을 최적화하며, 신호 평균법에 의하여 제거되지 않는 반복적인 전극 잡음을 발생하는 맥파의 영향을 최소화할 수 있다[181. 전극은 심전도 검사실에서 일반적인 12 채널 심전도측정에 사용되는 Ag/AgCl 전극(Red Dot, 3M, USA)을 사용하였으며, 전극이 위치하는 피부는 알코올 솜으로 처치하였다.
- 환자군은 병력 및 검사상 PAF라 확진 되어 있으며, SAECG 검사를 위하여 정상 심방 박동(normal sinus rhythm)을 가지고 있으며, 심방 내 전기전도를 지연시키는 I형 항부정맥 제재(class I anti- arrhythmic agent) 투약의 병력이 있는 환자는 제외하였다. 정상 대조군은 병력상 심장질환이 없는 내원 환자 및 정상인을 대상으로 하였으며, 환자군과 성별 및 나이가 유사하도록 구성하였다.
데이터처리
- 측정된 결과는 평균과 표준편차로 나타내어지고, 환자 군과 정상인 군 사이의 측정결과는 Student t 검정(Student's t test)으로 비교하였으며, 결과는 p값(p value)으로 표시하였다. 통계 결과를 통해 문턱 값 계산 방법, 사용된 필터 및 차단주파수의 종류에 의한 변화를 분석하였다.
- 필터의 설계를 위하여 MATLAB 5.0(The Math Work Inc. USA)을 사용하였고 분석 소프트웨어를 개발하기 위한 프로그래밍 언어로 Visual C++ 6.0(Microsoft Co. USA)을 사용하였다. 본 프로그램은 Windows 98/95/NT(Microsoft Co.
이론/모형
- SAECG 데이터를 수집할 때는 일반적인 심전도 측정을 위한 전극의 부착 위치와는 다르게 그림 1과 같은 X, Y, Z 축의대각 양극 리드법 (orthogonal bipolar leads method)을 사용한다. X축의 양극(positive electrode)은 4번 늑골간(intercostal space) 부위의 왼쪽 겨드랑이 중간부위로, 음극 (negative electrode)은 반대쪽 부위로 하며, Y축의 양극은 좌측 장릉골 (iliac bone) 부위로 음극은 흉골병 (manubrium)으로 하며, Z 축의 양극은 정상 심전도 리드법의 흉부 2번 리드(V》 부위이며, 음극은 그 후방 견갑골(scapula) 사이로 하였다.
- 민감도는 실제 환자 중에서 분석 결과가 환자로 판명될확률이며, 특이도는 정상인 중에서 분석 결과가 정상인으로 판명될 확률을 말한다. 각각의 분석 방법에 대해 최대의 민감도및 특이도를 갖는 판별 값(decision threshold value)을 구하기 위하여 수신 동작 특성 (receiver operation charateristics, ROC) 곡선을 이용하였다[19]. 일반적으로 ROC 곡선은 그림 3 과 같이 X축은 T-TN' (false positive, FP)으로, y축은 TP'로표시한다.
- 신호평균 방법을이용한 PAF 진단을 위한 연구의 가장 큰 어려움은 심방과 심실의 탈분극(depolarization) 사이 시간의 가변성이다. 이러한가변성은 호흡에 기인한 자발적인 움직임에 의하여 발생하기도하며 PR 간격 사이에서 미세한 변화에 의한 결과이기도 하다 [15], 이러한 영향을 제거하기 위하여 P파를 기준으로 하는 형판 맞춤 방법(template matching method)을 적용하여 데이터를 수집하였다. 이 방법을 사용하여 선택된 형판(template)과일치하지 않는 모든 P파는 신호평균에서 배제되었고, 신호 평균은 잡음 수치(noise level)7} 1 μV 이하로 감소될 때까지 시행하였다.
- 필터 형태와 p파 측정 방법에 의한 결과에 대해 최대의 민감도 및 특이도를 갖는 판별 값을 구하기 위하여 ROC 곡선을 이용하였다. 그림 3은 30 Hz 차단주파수를 갖는 LMS 필터를 절대치 8.
성능/효과
- 이용한 최적화된 판별 값을 계산한 결과이다. 8.75 //V 의 절대적 문턱 값을 적용하여 30 Hz의 차단주파수를 갖는 LMS 필터를 사용한 P파 검출방법을 사용하였을 때 최대의 진단 판별력(민감도 88 %, 특이도 64.4 %, 성취도 76.2 %)을가짐으로 여러 가지 결과 가운데 가장 높은 값을 얻을 수 있었다. 이는 이 방법을 사용한 경우 가장 판별력 있는 환자와 정상인 사이의 P파 길이의 차이를 나타낸 결과와 부합된다.
- 이 필터는 선형적인 위상응답특성을가지며 다른 단방향 필터 (unidirectional filter) 와 비교하여 퍼짐 현상(ringing phenomenon)을 현저하게 제거하며 QRS군의영향을 P파로 전달하지 않는 특징을 갖는다. BDB 필터를 사용한 경우도 분석에 유의한 결과를 보였으며, 이 방법은 VLP 측정을 위한 일반적인 신호평균 장비들이 사용하는 방법으로 [15], 이를 이용한 신호평균 방법에서는 P파의 신호왜곡과 진동을 효과적으로 제거할 수 있음을 알 수 있다.
- 75 μN로 나왔으며, 표 2는 이 값을 문턱 값으로 하여 P파 길이를 검출한 결과이다. FIR 필터를 사용할 경우 차단주파수 40 Hz 및 50 Hz에서 정상군과 환자군의 P파 길이의차이가 통계적으로 가장 유의한 값(p<0.01)을 나타내었다. LMS 필터를 사용할 경우는 차단주파수 20 Hz 및 30 Hz에서 (p<0.
- 01)을 나타내었다. LMS 필터를 사용할 경우는 차단주파수 20 Hz 및 30 Hz에서 (p<0.001), BDB 필터를 사용할 때 차단주파수 20, 30, 40 Hz 에서(p<0.001) 정상군과 환자군의 P파 길이의 차이가 통계적으로 가장 유의한 값을 나타내었다.
- 001)을 나타내었다. LMS 필터를 사용할 경우는 차단주파수 30 Hz에서 (p<0.001), BDB 필터를 사용할 때 차단주파수 40 Hz에서 (p<0.001) 정상군과 환자군의 P파 길이의 차이가 통계적으로 가장 유의한 값을 나타내었다.
- 또한 이러한 방법의 신뢰성을 높이기 위하여 자동으로 P파 길이를 측정하는 알고리즘을 구현하였다. 구현된 여러 알고리즘을 임상 환자를 통해서 검증한 결과, 30 Hz 차단주파수를 가지는 LMS 필터를 사용하고, 절대치 8.75 μV를 기준으로 P파의 길이를 측정하였을 때가 가장 높은 발작성 심방세동의 예측도를 가졌다. 또한 발작성 심방세동의 진단을 위한 가장 적합한 판별 값을 구하기 위하여 ROC 곡선을 이용한 결고}, 의사결정의 판별 값을 112 ms로 하는 경우 최대의 진단 성취도(민감도 88 %, 특이도 64.
- 도구로 사용됨을 입증하였다. 그러나 자동 검출 알고리즘에 의한 P파 검출 시 후방 검출 알고리즘을 사용하지 않은 결과 P파의 끝점을 찾지 못하여 배제된 데이터가 다수 나타났다. 실제 임상에서 이 방법을 적용한다고 가정하면 이 문제는 매우 심각하게 고려되어야 할 사항으로 단순히 판별 값을 증가시키는 후방 검출 알고리즘 보다는 파형의 경향을 분석하여 P파를 검출하는 개선된 알고리즘의 적용으로 이 문제를 개선해야 할 것이다.
- 4 %)를 얻을 수 있었다. 따라서 본 연구에서는 발작성 심방세동의 징후를 가지는 환자를 진단하기 위한 비침습적인 방법으로 SAECG를 사용할 때 절대치를 기준으로 P파의 길이를 결정하는 방법이 가장 효과적인 방법임을 입증하였다.
- 75 μV를 기준으로 P파의 길이를 측정하였을 때가 가장 높은 발작성 심방세동의 예측도를 가졌다. 또한 발작성 심방세동의 진단을 위한 가장 적합한 판별 값을 구하기 위하여 ROC 곡선을 이용한 결고}, 의사결정의 판별 값을 112 ms로 하는 경우 최대의 진단 성취도(민감도 88 %, 특이도 64.4 %)를 얻을 수 있었다. 따라서 본 연구에서는 발작성 심방세동의 징후를 가지는 환자를 진단하기 위한 비침습적인 방법으로 SAECG를 사용할 때 절대치를 기준으로 P파의 길이를 결정하는 방법이 가장 효과적인 방법임을 입증하였다.
- 25 uN 단위로 증가시키며 여러 가지 필터 및 차단주파수에 대한 결과를 분석하였다. 분석 결과 각 조건에 대해서 정상군과 환자군의 통계적인 분리능이 가장 높은 값은 8.75 μN로 나왔으며, 표 2는 이 값을 문턱 값으로 하여 P파 길이를 검출한 결과이다. FIR 필터를 사용할 경우 차단주파수 40 Hz 및 50 Hz에서 정상군과 환자군의 P파 길이의차이가 통계적으로 가장 유의한 값(p<0.
- 여러 가지 필터 및 차단주파수를 적용한 결과 8.75 μN의 절대적 문턱 값을 적용하여 30 Hz의 차단주파수를 갖는 LMS 필터의 경우가 환자와 정상인 사이에서 가장 판별력 있는 P파길이의 차이를 나타내고 있음을 알 수 있었다. 이는 기존의 29 Hz를 차단주파수로 갖는 LMS 필터를 사용하여 시간대역 (time domain)에서 P파의 길이에 대한 기존의 연구결과와 부합됨을 알 수 있다[20].
- 이 곡선의 경향을 보아 94 ms에서 116 ms 사이에서 상대적으로 큰 TP와 작은 FP의 비율을 보이고 있음을 알 수 있다. 이 값 사이에서이 곡선을 이용하여 진단 판별력이 최대가 되는 판별 값을 계산한 결과 112 ms에서 진단 판별력이 최대가 되는 판별 값을얻을 수 있었다.
- 이번 연구에서 개발된 P파 검출 방법은 시간 영역에서 P파의 길이의 지연을 측정하여 진단에 적용하는 관점에서 효과적인 도구로 사용됨을 입증하였다. 그러나 자동 검출 알고리즘에 의한 P파 검출 시 후방 검출 알고리즘을 사용하지 않은 결과 P파의 끝점을 찾지 못하여 배제된 데이터가 다수 나타났다.
후속연구
- 그러나 자동 검출 알고리즘에 의한 P파 검출 시 후방 검출 알고리즘을 사용하지 않은 결과 P파의 끝점을 찾지 못하여 배제된 데이터가 다수 나타났다. 실제 임상에서 이 방법을 적용한다고 가정하면 이 문제는 매우 심각하게 고려되어야 할 사항으로 단순히 판별 값을 증가시키는 후방 검출 알고리즘 보다는 파형의 경향을 분석하여 P파를 검출하는 개선된 알고리즘의 적용으로 이 문제를 개선해야 할 것이다. 또한 절대치를 이용하여 P파의 길이를 검출할 때 주파수 대역폭이나 필터의 종류에 따라 의사결정에 사용되는 최적의 절대치가 변화되며 심전계의 설정(이득, 형판의 형태, 잡음의 정도 등에 의해서도 가변의 소지가 있다.
- 또한 절대치를 이용하여 P파의 길이를 검출할 때 주파수 대역폭이나 필터의 종류에 따라 의사결정에 사용되는 최적의 절대치가 변화되며 심전계의 설정(이득, 형판의 형태, 잡음의 정도 등에 의해서도 가변의 소지가 있다. 일반화된 임상응용을 위하여, 판별력을 가장 높일 수 있는 절대치를 찾는 방법을 고려하는 것도 앞으로의 연구에서 진행되어야 할 중요한 사안으로 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.