심전도는 다양한 형태의 전기적 신호로 이루어져 있으며, 이러한 신호들의 특징점을 분석함으로써 부정맥을 검출할 수 있다. 지금까지 부정맥 검출을 위한 특징점 추출 방법에 대하여 많은 연구가 이루어졌으나, 복잡한 연산과정으로 실시간 연산 결과를 활용하는 휴대형 기기에는 부적합하다. 이와 같은 문제점을 해결하기 위하여 본 연구에서는 환자의 R-R 간격과 QRS 너비의 정보를 이용하여 R파를 추출하였다. 우선 버터워스 필터를 이용하여 저주파 대역의 잡음을 제거하였으며, R-R간격의 이동평균과 QRS 너비의 이동평균을 이용하여 R파를 추출하였다. 이에 대한 결과 검증은 MIT-BIH 부정맥 데이터베이스의 데이터를 활용하여 실험하였으며, 제공된 데이터의 R파 위치와 제안한 알고리즘의 R파 위치를 비교하였다. 이에 대한 결과로는 제안한 알고리즘 방법이 우수한 검출 성능을 보였으며, 연산과정에서도 효율적인 방법임을 확인 할 수 있었다.
심전도는 다양한 형태의 전기적 신호로 이루어져 있으며, 이러한 신호들의 특징점을 분석함으로써 부정맥을 검출할 수 있다. 지금까지 부정맥 검출을 위한 특징점 추출 방법에 대하여 많은 연구가 이루어졌으나, 복잡한 연산과정으로 실시간 연산 결과를 활용하는 휴대형 기기에는 부적합하다. 이와 같은 문제점을 해결하기 위하여 본 연구에서는 환자의 R-R 간격과 QRS 너비의 정보를 이용하여 R파를 추출하였다. 우선 버터워스 필터를 이용하여 저주파 대역의 잡음을 제거하였으며, R-R간격의 이동평균과 QRS 너비의 이동평균을 이용하여 R파를 추출하였다. 이에 대한 결과 검증은 MIT-BIH 부정맥 데이터베이스의 데이터를 활용하여 실험하였으며, 제공된 데이터의 R파 위치와 제안한 알고리즘의 R파 위치를 비교하였다. 이에 대한 결과로는 제안한 알고리즘 방법이 우수한 검출 성능을 보였으며, 연산과정에서도 효율적인 방법임을 확인 할 수 있었다.
ECG consists of various types of electrical signal on the heart, and feature point of these signals can be detected by analyzing the arrhythmia. So far, feature points extraction method for the detection of arrhythmia done in the many studies. However, it is not suitable for portable device using re...
ECG consists of various types of electrical signal on the heart, and feature point of these signals can be detected by analyzing the arrhythmia. So far, feature points extraction method for the detection of arrhythmia done in the many studies. However, it is not suitable for portable device using real time operation due to complicated operation. In this paper, R-peak were extracted using R-R interval and QRS width informations on patients. First, noise of low frequency bands eliminated using butterworth filter, and the R-peak was extracted by R-R interval moving average and QRS width moving average. In order to verify, it was experimented to compare the R-peak of data in MIT-BIH arrhythmia database and the R-peak of suggested algorithm. As a results, it showed an excellent detection for feature point of R-peak, even during the process of operation could be efficient way to confirm.
ECG consists of various types of electrical signal on the heart, and feature point of these signals can be detected by analyzing the arrhythmia. So far, feature points extraction method for the detection of arrhythmia done in the many studies. However, it is not suitable for portable device using real time operation due to complicated operation. In this paper, R-peak were extracted using R-R interval and QRS width informations on patients. First, noise of low frequency bands eliminated using butterworth filter, and the R-peak was extracted by R-R interval moving average and QRS width moving average. In order to verify, it was experimented to compare the R-peak of data in MIT-BIH arrhythmia database and the R-peak of suggested algorithm. As a results, it showed an excellent detection for feature point of R-peak, even during the process of operation could be efficient way to confirm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서의 연구 목적은 부정맥을 검출하기 위해 R-R 간격 및 QRS 너비 정보를 통해 R파를 검출하는 알고리즘을 구현하고자 하는데 있다. 제안한 방법은 연산이 복잡하지 않아 실시간으로 R파를 검출 할 수 있다.
상기에서 베이스라인의 신호를 표준화 하는 과정을 서술하였으며, 이번 과정은 심장근의 수축이나 전력선 간섭, 전극 접촉에서의 잡음 등에 의해 생기는 베이스라인 신호의 떨림을 제거하는데 그 목적이 있다. 이 과정에서 저역통과 버터 워스 필터에 절대값을 적용한 신호를 사용하였으며 그 과정을 그림 3에서 보여주고 있다.
제안 방법
사용되어지는 부정맥 데이터들은 여러 가지 상황에 대한 신호와 잡음이 섞여 있기 때문에 다양한 알고리즘을 시험 검증하는 데 이용되고 있다. 또한 각 데이터들의 심전도 신호에 대하여 R파와 부정맥의 위치가 기록되어 있기 때문에 그림 6과 그림 7에서 보듯이 제안한 알고리즘을 적용한 심전도 데이터와 MIT-BIH Arrhythmia Database에서 제공한 심전도 데이터를 비교 분석하여 R파를 명확히 찾아내는지 알아보았다. 그 결과는 표 1에서 보여주고 있으며 여기서 TP(True Positive)는 검출된 정확한 R파, FP(False Positive)는 검출하지 못한 R파, FN(False Negative)은 잘못된 위치를 검출한 R파의 개수이다.
본 연구에서 제안하는 R파 검출 방법은 입력된 신호에 대하여 베이스라인 신호 값을 최대한 영점에 맞추는 표준화 과정을 수행한 후, 심장근의 수축이나 전력선 간섭, 전극 접촉에서의 잡음 등을 제거하기 위하여 저역통과 버터 워스 필터를 사용하였다. 또한, 두 개의 이동 평균을 통해 블록을 설정하고 연속된 블록 중에서 잡음과 QRS구간을 구분하여 R파를 검출하는 알고리즘을 구현하였다. 검증 방법으로는 구현된 알고리즘을 적용한 심전도 데이터에서의 R파 위치와 MIT-BIH Arrhythmia Database에서 제공한 심전도 데이터의 R파 위치와 비교하여 분석하였다.
본 논문에서 제안하는 알고리즘을 이용하여 이동평균 블록을 구하기 위해서는 QRS 너비와 R-R간격의 정보가 필요하다. 이와 같은 정보는 환자의 평균적인 QRS 너비와 R-R간격에서 구할 수 있다.
본 연구에서 제안하는 R파 검출 방법은 입력된 신호에 대하여 베이스라인 신호 값을 최대한 영점에 맞추는 표준화 과정을 수행한 후, 심장근의 수축이나 전력선 간섭, 전극 접촉에서의 잡음 등을 제거하기 위하여 저역통과 버터 워스 필터를 사용하였다. 또한, 두 개의 이동 평균을 통해 블록을 설정하고 연속된 블록 중에서 잡음과 QRS구간을 구분하여 R파를 검출하는 알고리즘을 구현하였다.
본 연구에서는 환자 고유의 ECG를 통해 R-R간격과 QRS너비의 정보를 이용하여 R파를 검출하는 알고리즘을 구현하였다. 이 알고리즘은 우선 푸리에 변환을 통해 신호를 변환하여 잡음에 강한 모습을 보였다.
본 논문에서의 연구 목적은 부정맥을 검출하기 위해 R-R 간격 및 QRS 너비 정보를 통해 R파를 검출하는 알고리즘을 구현하고자 하는데 있다. 제안한 방법은 연산이 복잡하지 않아 실시간으로 R파를 검출 할 수 있다. 또한 R-R 간격과 QRS 너비는 사람마다 다르기 때문에 알고리즘에 적용하여 개개인의 신체적 정보를 통해 최적의 R파를 검출 할 수 있을 것이다.
대상 데이터
본 연구에서는 MIT-BIH Arrhythmia Database에서 제공하는 부정맥 데이터를 사용하였다. 이 데이터들은 심전도에 대한 수많은 알고리즘을 검증하기 위하여 많은 연구실에서 사용되고 있으며, 초당 360개의 샘플링 데이터를 30분 동안 측정한 값을 가지고 있다.
데이터처리
또한, 두 개의 이동 평균을 통해 블록을 설정하고 연속된 블록 중에서 잡음과 QRS구간을 구분하여 R파를 검출하는 알고리즘을 구현하였다. 검증 방법으로는 구현된 알고리즘을 적용한 심전도 데이터에서의 R파 위치와 MIT-BIH Arrhythmia Database에서 제공한 심전도 데이터의 R파 위치와 비교하여 분석하였다. 그림 1에서는 본 논문에서 제안하고 있는 R파를 구하기 위한 과정을 블록도로 나타내고 있다.
성능/효과
이 알고리즘은 우선 푸리에 변환을 통해 신호를 변환하여 잡음에 강한 모습을 보였다. 또한 환자의 고유한 정보를 통한 이동 평균을 통해 R파를 검출하여 R파를 검출하는데 유연한 모습을 보였다. 환자의 QRS 너비와 R-R간격의 정보만 가져오게 되면 본 논문에서 제안한 알고리즘을 사용하여 실시간으로 R파를 검출할 수 있기 때문에 병원에서 뿐만 아니라 휴대용으로 지닐 수 있는 심전도 기기에도 적용할 수 있을 것으로 기대된다.
또한 R파가 뒤집히는 부정맥이 섞여 있는 신호 210번 같은 경우에서도 데이터베이스에서 제공한 신호와 본 논문에서 제안한 알고리즘을 적용한 신호를 비교하였을 때 R파를 검출 할 수 있음을 그림 7에서 보여주고 있다. 푸리에 변환을 통해 신호를 변환하여 잡음에 강한 모습을 보였으며, 환자의 고유한 정보를 통한 이동 평균을 통해 R파를 검출하기 때문에 유연하게 R파를 찾아 낼 수 있었다.
후속연구
심실조동이 나타나는 신호에서 R파 검출이 뛰어난 타 연구와 비교 하게 되면 심실조동은 검출하였지만 전체 부정맥 신호에 대해서는 본 연구에서 제한안 알고리즘의 검출률이 더 좋았고, 검출방법 또한 연구방법과 적합하지 않았다[10]. 결국 실시간으로 QRS의 너비를 정적으로 변화시키는 방안이 연구방법에 적합한 해결책이 될 것이며, R파의 검출률이 더 좋을 것이다.
제안한 방법은 연산이 복잡하지 않아 실시간으로 R파를 검출 할 수 있다. 또한 R-R 간격과 QRS 너비는 사람마다 다르기 때문에 알고리즘에 적용하여 개개인의 신체적 정보를 통해 최적의 R파를 검출 할 수 있을 것이다.
또한 환자의 고유한 정보를 통한 이동 평균을 통해 R파를 검출하여 R파를 검출하는데 유연한 모습을 보였다. 환자의 QRS 너비와 R-R간격의 정보만 가져오게 되면 본 논문에서 제안한 알고리즘을 사용하여 실시간으로 R파를 검출할 수 있기 때문에 병원에서 뿐만 아니라 휴대용으로 지닐 수 있는 심전도 기기에도 적용할 수 있을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
부정맥이란?
부정맥이란 심장 박동이 갑자기 빨라지거나 느려지고, 불규칙하고 고르지 않는 심장의 비정상적인 활동을 말한다. 부정맥 환자는 어지럼증, 흉부통증, 간질 및 경련 등의 증상을 나타낸다.
심전도를 자동으로 분석을 위해서 정확한 R파 검출이 필요한데 기존의 R파 검출 알고리즘으로는 어떤 방법이 있는가?
심전도를 자동으로 분석하기 위해서는 신호파형의 정량화가 이루어져야 하며 정확한 R파의 검출이 필요하다. 기존의 R파 검출 알고리즘으로는 미분을 이용한 방법[2], 심전도 파형의 형태적 연관성을 이용한 방법[3], 이산 푸리에 변환을 이용한 방법[4], 힐버트 변환 방법[5], 웨이블릿 변환 방법[6]등이 있다. 최근에는 실시간으로 자동 진단 시스템에 적용이 가능한 알고리즘 개발에 관한 연구가 이루어지고 있는데 기존의 방법들은 연산이 복잡하여 실시간 적용이 어렵고, 미분을 이용한 방법은 고주파 성분의 잡음이 포함된 신호에 대해서는 검출 성능이 떨어지며, 이산 푸리에 변환을 이용한 방법들은 그 관심이 되는 지점이 시간 축 상에 언제 발생 했는지 알 수 없는 단점이 있다[6-7].
부정맥 환자가 나타내는 증상은?
부정맥이란 심장 박동이 갑자기 빨라지거나 느려지고, 불규칙하고 고르지 않는 심장의 비정상적인 활동을 말한다. 부정맥 환자는 어지럼증, 흉부통증, 간질 및 경련 등의 증상을 나타낸다. 보통 때는 부정맥 환자들도 이러한 증상이 나타나기 전까지는 인지 할 수 없기 때문에, 자신들이 부정맥을 가지고 있다는 것을 알아내는 것이 중요하며 부정맥 분석은 심전도에 의해 명확히 된다.
참고문헌 (10)
V.X. Afonso, et al., "Detecting ventricular fibrillation", IEEE Engineering in Medicine and Biology Society, vol. 14, Issue 2, pp.152-159, 1995.
W. J. Brady, et al., "Wide QRS Complex Tachycardia: ECG Differential Diagnosis", The American Journal of Emergency Medicine, Vol. 17, No. 4, pp.376-381, 1999.
S.E. Dobbs, et, al.. "QRS Detection By Template Matching Using Real-Time Correlation On A Microcomputer", Journal of Clinical Engineering, Vol. 9, No. 3, pp.197-212, 1984.
D.L. Pierce, et, al., "Fast Fourier Transformation of the Entire Low Amplitude Late QRS Potential to Predict Ventricular Tachycardia", Journal of the American College of Cardiology, Vol. 14, No. 7, pp.1731-1740, 1989.
D.S. Benitez, et, al, "A New QRS Detection Algorithm Base on the Hilbert Transform", Computers in Cardiology of IEEE, vol.27 pp.379-382, 2000.
S.K. Kil, et, al., "Recognition of Feature points in ECG and Human Pulse using Wavelet Transform", The Korean Institute of Electrical Engineers, Vol.55, No.2, pp.75-81, 2006.
H.J. Chung, et, al. "A Study on R-peak Detection algorithm in ECG", Korea Multimedia Society, Vol.13, No.1, pp.438-441, 2010.
Gary M. Friensen, et al., "A Comparison of the Noise Sensitivity of Nine QRS Detection Algorithms", IEEE Transactions on Biomedical Engineering, Vol.37, No. 1, pp.85-98, 1990.
P. S. Hamilton, et, al. "Quantitative Investigation of QRS Detection Rules Using the MIT/BIH Arrhythmia Database", IEEE Transactions on BioMedical Engineering, Vol. BME-33, No 12, pp.1157-1165, 1986.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.