$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

SVM 분류기를 통한 심실세동 검출
SVM Classifier for the Detection of Ventricular Fibrillation 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SC, 시스템 및 제어, v.42 no.5 = no.305, 2005년, pp.27 - 34  

송미혜 (연세대학교 의공학과) ,  이전 (연세대학교 의공학과, 이동형 응급의료정보시스템 개발 센터) ,  조성필 (연세대학교 의공학과) ,  이경중 (연세대학교 의공학과, 이동형 응급의료정보시스템 개발 센터)

초록
AI-Helper 아이콘AI-Helper

심실세동은 심장의 무질서한 전기적 활동으로 인해 심근 수축이 동시에 이뤄지지 않게 되어 급성심장사에 이르게 하는 부정맥이다. 본 연구에서는 이러한 심실세동 검출을 위해 적은 양의 학습 데이터만으로 좋은 분류 성능을 보이는 SVM(Support Vector Machine) 분류기 기반의 심실세동 검출 알고리즘을 제안하였다. 심전도 신호로부터 SVM 분류기에 입력할 입력 특징을 추출하기 위하여 웨이브렛 변환기반의 대역통과 필터링, R점 검출, 입력 특징 추출구간 설정의 전처리 과정을 수행하였으며 입력 특징으로는 리듬 기반의 정보 및 웨이브렛 변환 계수를 선택하였다. SVM 다원분류기는 정상리듬(NSR) 분류기, 심실 세동과 유사한 심실빈맥(VT) 분류기, 심실세동(VF) 분류기 그리고 그 외 부정맥 분류기로 구성하였다. SVM 분류기의 파라미터 C값과 ${\alpha}$값은 실험을 통하여 최고 성능을 나타내는 C=10, ${\alpha}=1$을 선택하였다. SVM 다원 분류기를 통한 정상리듬, 심실빈맥 심실세동의 검출 평균값은 98.39%, 96.92%, 99.88%의 우수한 검출 성능을 나타냈다. 본 연구에서 제안된 동일 입력특징을 사용하여 SVM 분류기의 심실세동 검출 결과와 다층퍼셉트론 신경망 및 퍼지추론 방법에 의한 결과를 비교하였으며 SVM 분류기가 비슷하거나 우수한 결과를 보였다. 또한 기존 다른 알고리즘에 비하여도 우수한 결과를 보임으로써 제안된 입력 특징을 통한 SVM 분류기 기반의 심실세동 검출이 유용함을 확인할 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Ventricular fibrillation(VF) is generally caused by chaotic behavior of electrical propagation in heart and may result in sudden cardiac death. In this study, we proposed a ventricular fibrillation detection algorithm based on support vector machine classifier, which could offer benefits to reduce t...

주제어

#SVM 분류기   #입력 특징   #웨이브렛 변환   #심실세동   #심실빈맥   #다층 퍼셉트론   #퍼지 추론  

참고문헌 (17)

  1. V. X. Afonso, W. J. Tompkins, 'Detection Ventricular Fibrillation', IEEE Engineering in Medicine and Biology Society, pp. 152-159, 1995 

    상세보기 crossref

  2. H. X. Zhang, Y. S. Zhu, Z. M. Wang, 'Complexity measure and complexity rate information based detection of ventricular tachycardia and fibrillation', Medical & Biological Engineering & Computing, Vol. 38, pp. 553-557, 2000 

    상세보기 crossref

  3. M. I. Oiws, A. H. Abou-Zied, A. M. Youssef, 'Study of Features based on Nonlinear Dynamical, Modeling in ECG Arrhythmia Detection and Classification', IEEE Transactions on Biomedical Engineering, Vol. 49, No.7, pp. 733-736, 2002 

    상세보기 crossref

  4. N. Srinivasan, M.T. Wong, S.M. Krishnan, 'A new Phase Space Analysis Algorithm for Cardiac Arrhythmia Detection', 2003 

    crossref

  5. K. I. Minami, H. Nakajima, 'Real-Time Discrimination of Ventricular Tachyarrhythmia with Fourier-Transform Neural Network', IEEE Transactions on Biomedical Engineering, Vol. 46, No.2, pp. 179-185, 1999 

    상세보기 crossref

  6. T. Sugiura, H. Hirata, Y. Harada, T. Kazui, 'Automatic Discrimination of Arrhythmia Waveforms using Fuzzy Logic', Proceeding of the 20th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Vol. 20, No.1, pp. 108-111, 1998 

    crossref

  7. 박광리, '스트레스 심전도의 잡음 제거를 위한 WAF와 WIF의 설계', 연세대학교 박사학위논문, 2000년 

  8. S. R. Gunn, 'Support Vector Machines for Classification and Regression', Faculty of Engineering and Applied Science, Technical Report, pp.1-54, May 1998 

  9. 어상준, 'Support Vector Machines를 이용한 문서정보 기반의 단백질 기능 분류', 서울대학교 석사학위논문, 2003년 

  10. W. Y. Choi, K. Lee and Y. Chung, 'Support vector machines for robust speaker verification', in Proc. of the AICSST, pp.262-267, 2002 

  11. R. H. Clayton, A. Murray, R. W.F. Campbell, 'Comparison of four techniques for recognition of ventricular fibrillation from the surface ECG' , Medical & Biological Engineering & Computing, pp. 111-117, 1993 

    상세보기 crossref

  12. 최진호, 초보자를 위한 심전도 가이드, 2000년 

  13. C. M. Rocco and J. A. Moreno, 'Fast Monte Carlo Reliability Evaluation Using Support Vector Machine', Reability Engineering and System Safety, vol.76, no. 3, pp.237-243, June 2002 

    상세보기 crossref

  14. 최우용, 황병희, 이경희, 반성범, 정용화, 정상화, '에스 브이 엠을 이용한 화자인증 알고리즘의 하드웨어 구현 연구', 전자공학회논문지, 제41권 SP편, 제3호, 365-372쪽, 2004년 

    원문보기 상세보기

  15. B. Scholkopf, C. J. C. Burges and A. J. Smola, 'Advances in kernel methods', The MIT Press, 1999 

  16. Y. K. Jung, W. J. Tompkins, 'Detecting and classifying Life-Thresatening ECG Ventricular Arrhythmia using wavelet Decomposition', 2003 

    crossref

  17. R. H. Clayton and A. Murray, 'Comparison of techniques for time-frequency analysis of the ECG during human ventricular fibrillation', IEE Proc. -Sci. Meas. Technol,. vol. 145, no. 6, pp. 301-306, November 1998 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로