$\require{mediawiki-texvc}$

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.

ECG신호의 QRS 폭과 RR Interval의 패턴을 이용한 효율적인 VEB 비트 검출 알고리듬
An Efficient VEB Beats Detection Algorithm Using the QRS Width and RR Interval Pattern in the ECG Signals 원문보기

信號處理·시스템學會 論文誌 = Journal of the institute of signal processing and systems, v.12 no.2, 2011년, pp.96 - 101  

정용주 (계명대학교)

초록
AI-Helper 아이콘AI-Helper

최근 들어 실시간 원격 ECG모니터링 시스템에 대한 수요가 늘어가고 있으며 가입자의 증가와 더불어 실시간 모니터링 시스템의 자동화에 대한 필요성이 대두되고 있다. 비정상적인 ECG 비트의 자동검출은 이러한 실시간 원격 ECG모니터링 시스템의 성공적인 상업화를 위해서는 반드시 필요한 요소기술이다. 본 논문에서는 이러한 점에 착안하여 QRS 폭(width)과 RR interval의 패턴을 이용한 효율적인 비정상적 ECG 비트 자동검출알고리듬을 제안하였다. 기존에는 주로 ECG 비트의 상세한 분류에 대해서 많은 연구가 이루어졌으나 이러한 방법들은 분류 오류가 많고 주변 환경이 변화함에 따라서 분류성능의 변동성이 심하다는 단점이 있었다. 또한 정확한 ECG 비트 분류를 위해서는 충분한 양의 훈련데이터를 필요로 하며 특히 분류시에 많은 계산량을 필요로 한다는 문제점도 있었다. 그러나 자동화된 원격 ECG모니터링 시스템을 위해서는 ECG 비트의 세세한 분류 보다는 비트의 정상여부판단이 더 중요하다. 이러한 점에 착안하여 본 논문에서는 ECG 신호의 비정상적인 비트중에서도 가장 빈번이 발생하는 VEBs(Ventricular ectopic beats) 비트의 검출을 시도하였고 제안된 알고리듬을 MIT-BIH 부정맥 데이터베이스에 적용한 결과 만족스러운 VEBs 바트 검출성능을 얻을 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In recent days, the demand for the remote ECG monitoring system has been increasing and the automation of the monitoring system is becoming quite of a concern. Automatic detection of the abnormal ECG beats must be a necessity for the successful commercialization of these real time remote ECG monitor...

주제어

#ECG   #Abnormal Beat Detection   #Ventricular Ectopic Beats  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 특히 주변 환경에 민감한 ECG 신호의 특성상 분류성능의 변동성이 심하게 나타나게 되며 분류과정에서의 계산량도 작지 않아서 실시간 모니터링시스템에 적용할 경우 이에 대한 부담도 크다. 그러나 ECG 모니터링시스템의 자동화를 위해서는 ECG 비트의 상세한 클래스 분류보다는 ECG 비트의 비정상/정상 여부의 판단이 중요하므로 본 논문에서는 기존의 접근방식과는 다르게 ECG 비트의 비정상/정상 여부를 판단하는데 초점을 두어 연구를 진행하였다. 비정상적인 ECG 비트의 대표적인 특성은 RR interval(구간)이 불규칙하게 나타나는 것이다[7丄 예를 들어 VEB 같은 경우에는 정상적인 비트에 비해서 짧은 RR 구간을 가지는 경우가 많다.
  • 또한 비정상적인 ECG 비트의 경우에는 QRS의 폭이 정상적인 비트에 비해서 커지는 경우가 많다. 따라서 본 논문에서는 평균적인 비트 폭에 비해서 일정비율이상 더 넓은 폭을 가진 비트에 대해서는 비정상적인 비트로 판단하도록 하였다. 이와 같이 비트의 RR 구간 패턴을 분석하고 비트의 폭의 변동성을 측정함으로서 효과적인 비정상비트 검출 알고리듬을 구성할 수 있도록 하였다’ 본 논문의 구성은 다음과 같다.
  • 본 논문에서는 비정상비트 중에서도 가장 대표적인 ventricular ectopic beats(VEBs)에 대한 검출을 시도하였다. ECG 비트의 클래스 타입(class type)을 규정하는 공식기관인 AAMKAssociation for the Advancement of Medical Instrumentation)의 권고안에 따르면 ECG 비트는 크게 N, S, V, F, Q 의 5가지로 나누어지는데 본 연구에서는 VEB 검출 성능을 판단하기 위해서 N 과 S를 정상비트 (NORMAL)로 분류하고 V와F는 비정상비트(ABNORMAL) 로 간주하였다.
  • 비정상적인 ECG 비트의 대표적인 특성은 RR interval(구간)이 불규칙하게 나타나는 것이다[7丄 예를 들어 VEB 같은 경우에는 정상적인 비트에 비해서 짧은 RR 구간을 가지는 경우가 많다. 본 논문에서는 이러한 점에 착안하여 RR 구간의 패턴을 분석하고 이를 이용하여 비정상적인 비트를 찾아내고자 하였다. 또한 비정상적인 ECG 비트의 경우에는 QRS의 폭이 정상적인 비트에 비해서 커지는 경우가 많다.
  • 원격 ECG모니터링시스템에서 환자로부터 측정된 ECG 신호는 무선망과 인터넷망을 거쳐 시스템 서버에 전달되며 이러한 ECG신호는 실시간으로 전문가에 의해서 관찰되어 이상 유무를 진단받게 된다. 본 연구에서는 ECG 모니터링시스템의 자동화를 위한 비정상적 ECG 비트 검출 알고리듬을 새로이 제안한다. 현재 상용서비스중인 ECG 모니 터 링시스템의 경우에는 환자로부터 전송된 ECG신호를 전문가들이 모니터 화면을 통해서 직접 관찰하고 이상 징후가 발견될 경우에는 즉시 병원에 알리거나 환자에게 통보하여 환자로 하여금 즉각적인 진료를 받을 수 있도록 하고 있다.
  • 본 연구에서는 ECG 신호에서 가장 대표적인 비정상 비트인 VEBs 검출을 위한 효율적인 방법을 제안하였다. VEBs 비트의 검출을 위해서 RR 구간의 패턴을 분석하고 이를 비트 폭의 변동성과 함께 이용하였다.

가설 설정

  • ECG 비트의 클래스 타입(class type)을 규정하는 공식기관인 AAMKAssociation for the Advancement of Medical Instrumentation)의 권고안에 따르면 ECG 비트는 크게 N, S, V, F, Q 의 5가지로 나누어지는데 본 연구에서는 VEB 검출 성능을 판단하기 위해서 N 과 S를 정상비트 (NORMAL)로 분류하고 V와F는 비정상비트(ABNORMAL) 로 간주하였다. F는 원칙적으로는 정상비트와 VEB 비트의 결합이나 본 연구에서는 VEB 비트를 나타낸다고 가정하였다. 한편 페이스(paced) 비트가 다수인 Q 클래스는 실험에포함시키지 않았다.
본문요약 정보가 도움이 되었나요?

참고문헌 (12)

  1. Edward H. Shortliffe, Leslie E. Perreault, et al., Medical Informatics: Computer Applications in Health Care and Biomedicine. 2nd ed. New York: Springer; 2001. 

  2. T. K. Kim and Y. K. Kim, "A Study on the Implementation of Medical Telemetry Systems Using Wireless Public Data Network Medical Telemetry System", J. of Korean Society of Medical Informatics Vol. 6, No.4, pp. 153-163, 2000. 

  3. D. K. Jung, K. N. Kim, G. R. Kim, D. H. Shim, M. H. Kim, B. C. Choi, and D. J. Suh. "Biosignal Monitoring System for Mobile Telemedicine", The Journal of Information Technology in Healthcare, Vol. 4, No.3,pp. 173-183, 2006. 

  4. 홍주현, 김남진, 차은종, 이태수, "u-Healthcare를 위한 PDA기반의 우선심전도 모니터링 시스템" 대한의료정보학회지,제12권 제2호,pp. 153-159, 2006년 12월 

  5. P. E. Ross, "Managing Care Through the Air", IEEE Spectrum, pp.l4-19, Dec. 2004. 

  6. J. Lee, S. Yun, J. Park, K. Jang, S. Woo, J. Jin, H. Jeon, H. Park, J. Cho, and Y. Kim, "PDA기반 심전도 원격 감시장치의 구현" 대한의료정보학회 추계학술대회, pp.123-126, 2007년. 

  7. Y.H. Hu, S. Palreaddy and W.J. Tompkins, "A Patient-adaptable ECG Beat Classifier Using a Mixture of Experts Approach", IEEE Trans. Bio. Eng., Vol. 44, pp.891-899, 1997. 

  8. O. Wieben, W.J. Tompkins and V.X. Afonso, "Classification of PVC with a fuzzy logic system", Proceedings 19th International conference IEEE/EMBS pp.97-100, 1997. 

  9. P. Chazal, M. O'Dwyer and R. B. Reilly, "Automatic Classification of Heart Beats Using ECG Morphology and Heartbeat 정상 Features", IEEE Trans. Bio. Eng., Vol. 51, pp. 1196-1206, 2004. 

  10. J. Pan and W.J. Tompkins, "A Real-Time QRS Detection Algorithm", IEEE Trans. Bio. Eng., Vol. 32, No.3, pp.230-236, Mar. 1985. 

  11. 윤장혁, 정용주, "실시간 ECG 모니터링 시스템을 위한 QRS검출 알고리듬의 개발", 한국정보기술학회논문지, 제8권 제5호, pp.153-163, 2010년 5월 

  12. "MlT/BIH arrhythmia database-Tape directory and format specification", Document BMEC TR00, Mass. Inst. Technol., Cambridge, 1980. 

저자의 다른 논문 :

관련 콘텐츠

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