심방세동은 발작성 심방세동 단계에서부터 검출 및 분석하여 적절한 치료를 실시하여야 하며, 홀터 심전계를 통해서만 측정할 수 있다. 현재 12채널 심전계를 통해서는 심방세동 신호를 추출할 수 있는 효과적인 방법들이 개발되어 있으나, 홀터 심전계를 위한 방법으로는 심실활동 템플릿을 단순 제거하는 ABS(averaged beat subtraction)방법이 사용되고 있다. 최근 단일 채널 심전도로부터 심방세동 신호를 추출하기 위한 PCA(principal component analysis) 또는 SVD(singular value decomposition) 기반의 알고리즘이 제안되기도 하였으나, 구현이 복잡하고 전문가의 개입이 필요한 한계가 있다. 본 논문에서는 주 입력인 심방세동 심전도에서 심실활동을 이벤트로서 검출한 뒤 이를 기준 입력으로 하는 이벤트 동기 적응필터(ESAF, event-synchronous adaptive filter)를 제안하고, 심방세동 신호 추출 성능을 평가해 보았다. 그 결과 기존 ABS 방법에 비해 우수할 뿐만 아니라, 전문가의 개입 없이도 PCA 또는 SVD 기반의 알고리즘과도 대등한 성능을 보였다. 나아가 이형성 심실활동이 있는 경우에도 효과적으로 대응할 수 있는 확장 ESAF 방법을 제안하였으며, 단형성 심실활동이 있는 경우와 유사한 수준의 성능을 확인하였다. 제안된 알고리즘을 홀터 심전계에 적용하면 발작성 심방세동 심전도의 분석뿐만 아니라 항부정맥 약물의 치료효과를 실시간으로 보다 정확하게 평가할 수 있을 것으로 기대된다.
심방세동은 발작성 심방세동 단계에서부터 검출 및 분석하여 적절한 치료를 실시하여야 하며, 홀터 심전계를 통해서만 측정할 수 있다. 현재 12채널 심전계를 통해서는 심방세동 신호를 추출할 수 있는 효과적인 방법들이 개발되어 있으나, 홀터 심전계를 위한 방법으로는 심실활동 템플릿을 단순 제거하는 ABS(averaged beat subtraction)방법이 사용되고 있다. 최근 단일 채널 심전도로부터 심방세동 신호를 추출하기 위한 PCA(principal component analysis) 또는 SVD(singular value decomposition) 기반의 알고리즘이 제안되기도 하였으나, 구현이 복잡하고 전문가의 개입이 필요한 한계가 있다. 본 논문에서는 주 입력인 심방세동 심전도에서 심실활동을 이벤트로서 검출한 뒤 이를 기준 입력으로 하는 이벤트 동기 적응필터(ESAF, event-synchronous adaptive filter)를 제안하고, 심방세동 신호 추출 성능을 평가해 보았다. 그 결과 기존 ABS 방법에 비해 우수할 뿐만 아니라, 전문가의 개입 없이도 PCA 또는 SVD 기반의 알고리즘과도 대등한 성능을 보였다. 나아가 이형성 심실활동이 있는 경우에도 효과적으로 대응할 수 있는 확장 ESAF 방법을 제안하였으며, 단형성 심실활동이 있는 경우와 유사한 수준의 성능을 확인하였다. 제안된 알고리즘을 홀터 심전계에 적용하면 발작성 심방세동 심전도의 분석뿐만 아니라 항부정맥 약물의 치료효과를 실시간으로 보다 정확하게 평가할 수 있을 것으로 기대된다.
Atrial fibrillation is needed to be detected at paroxysmal stage and to be treated. But, paroxysmal atrial fibrillation ECG is hardly obtained with 12-lead electrocardiographs but Holter systems. Presently, the averaged beat subtraction(ABS) method is solely used to estimate atrial fibrillatory wave...
Atrial fibrillation is needed to be detected at paroxysmal stage and to be treated. But, paroxysmal atrial fibrillation ECG is hardly obtained with 12-lead electrocardiographs but Holter systems. Presently, the averaged beat subtraction(ABS) method is solely used to estimate atrial fibrillatory waves even with somewhat large residual error. As an alternative, in this study, we suggested an ESAF(event-synchronous adaptive filter) based algorithm, in which the AF ECG was treated as a primary input and event-synchronous impulse train(ESIT) as a reference. And, ESIT was generated so to be synchronized with the ventricular activity by detecting QRS complex. We tested proposed algorithm with simulated AF ECGs and real AF ECGs. As results, even with low computational cost, this ESAF based algorithm showed better performance than the ABS method and comparable performance to algorithm based on PCA(principal component analysis) or SVD(singular value decomposition). We also proposed an expanded version of ESAF for some AF ECGs with multi-morphologic ventricular activities and this also showed reasonable performance. Ultimately, with Holter systems including our proposed algorithm, atrial activity signal can be precisely estimated in real-time so that it will be possible to calculate atrial fibrillatory rate and to evaluate the effect of anti-arrhythmic drugs.
Atrial fibrillation is needed to be detected at paroxysmal stage and to be treated. But, paroxysmal atrial fibrillation ECG is hardly obtained with 12-lead electrocardiographs but Holter systems. Presently, the averaged beat subtraction(ABS) method is solely used to estimate atrial fibrillatory waves even with somewhat large residual error. As an alternative, in this study, we suggested an ESAF(event-synchronous adaptive filter) based algorithm, in which the AF ECG was treated as a primary input and event-synchronous impulse train(ESIT) as a reference. And, ESIT was generated so to be synchronized with the ventricular activity by detecting QRS complex. We tested proposed algorithm with simulated AF ECGs and real AF ECGs. As results, even with low computational cost, this ESAF based algorithm showed better performance than the ABS method and comparable performance to algorithm based on PCA(principal component analysis) or SVD(singular value decomposition). We also proposed an expanded version of ESAF for some AF ECGs with multi-morphologic ventricular activities and this also showed reasonable performance. Ultimately, with Holter systems including our proposed algorithm, atrial activity signal can be precisely estimated in real-time so that it will be possible to calculate atrial fibrillatory rate and to evaluate the effect of anti-arrhythmic drugs.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
먼저 제안된 ESAF 기반의 심방세동 신호 추출 알고리즘의 성능을 시간 도메인 파라미터(ρ, NMSE, S, VR)와 주파수 도메인 파라미터(AF frequency)를 통해 평가해 보았다. 그리고 추가적으로 이형성 심실활동의 경우를 대비해 제안한 확장 ESAF 기반 심방세동 신호 추출 방법의 성능도 평가해 보았다.
이에 본 논문에서는 단일 채널 심전도로부터 전문가의 개입 없이 심방세동 신호를 추출할 수 있는 새로운 이벤트 동기 적응필터(ESAF, event-synchronous adaptive filter)[16] 기반의 알고리즘을 제안하고 그 성능을 평가하였다. 더불어 심실수축 파형이 이형성을 가지는 경우를 대비한 확장 ESAF도 제안하고 그 성능을 평가해 보았다.
본 절에서는 심방세동 신호 추출에 ESAF를 적용하기 위해 심방세동 심전도를 어떻게 모델링하였는지와 이러한 모델링을 기반으로 한 ESAF 설계 및 적용 방법에 대해 설명하였다.
그러나 이들 방법은 ABS에 비해 매우 복잡한 신호처리 과정을 거쳐야 할 뿐만 아니라, 그 결과 나온 n개의 요소(component) 중심방활동 신호에 해당하는 요소들을 찾아내거나 이들 요소를 이어 붙여 심방활동 추정 신호를 복원해 낼 때 발생하는 신호 불연속성 문제를 해결하기 위해서는 전문가 개입의 후처리 과정이 필요하다는 한계가 있다. 이에 본 논문에서는 단일 채널 심전도로부터 전문가의 개입 없이 심방세동 신호를 추출할 수 있는 새로운 이벤트 동기 적응필터(ESAF, event-synchronous adaptive filter)[16] 기반의 알고리즘을 제안하고 그 성능을 평가하였다. 더불어 심실수축 파형이 이형성을 가지는 경우를 대비한 확장 ESAF도 제안하고 그 성능을 평가해 보았다.
이에 본 논문에서는 단일채널 심전도로부터 심방세동 신호를 추출할 수 있는 ESAF 기반의 알고리즘을 제안하고 그 성능을 평가해 보았다. 그 결과, 일반 적응 필터보다도 적은 연산량에도 불구하고 심방세동 신호를 효과적으로 추출할 수 있음을 확인하였다.
제안 방법
개발된 알고리즘의 유용성을 평가하기 위해 모의 심방세동 심전도와 실제 심방세동 심전도 각 5 건에 적용해 보았다. 모의 심방세동 심전도는 발작성 심방세동 환자(MIT-BIH Atrial Fibrillation database)의 정상동성리듬(NSR) 구간의 QRS 콤플렉스 신호와 심방세동 구간의 비-QRS 콤플렉스 신호를 이어 붙이는 방식으로 생성하였다[18].
확장 ESAF에 의한 성능 향상 정도를 확인하기 위하여 MIT-BIH Atrial Fibrillation database와 Ann Arbor Electrogram Libraries Database에서 이형성 심실활동을 갖는 레코드를 5개 선택하였다. 그리고 보다 정확한 성능 향상 평가를 위해 이형성 심실활동이 발생한 1분 구간만을 추출하여 확장 ESAF(eESAF)를 적용한 심실잔류(VR)를 계산하였으며 그 결과는 표 3과 같다. 모든 레코딩에서 ABS 방법의 심실잔류의 평균 및 표준편차가 가장 크게 나타났으며, 다음으로 ESAF 방법, 확장 ESAF 방법 순인 것을 확인할 수 있다.
확장 ESAF의 성능은 앞서 언급했던 환자시뮬레이터로부터 획득한 모의 이형성 심전도(NSR+PVC)와 MIT-BIH Atrial Fibrillation database의 이형성 심전도를 대상으로 평가하였다. 그리고 이때의 평가지표로 비-QRS 콤플렉스 구간의 상관계수(S)와 심실잔류(VR)를 사용하였다.
실제 심방세동 신호에 대해서도 ABS 방법과 제안된 ESAF 방법을 통해 심방활동 신호를 추정해 보았으며, 그림 5에 그 한 예를 나타내었다. 그림 5로부터 모의 심방세동 심전도에서와 마찬가지로 심방활동 신호가 우수하게 추정된 것을 확인할 수 있으며, 5개 실제 심방세동 심전도로부터 ABS 방법과 ESAF 방법으로 추정된 심방활동 신호들의 비-QRS 콤플렉스 구간 상관계수(S) 및 QRS 콤플렉스 구간 심실잔류(VR) 값을 표 2에 비교하여 정리하였다. 이로부터 두 방법 모두 비-QRS 구간의 왜곡이 거의 없음을 알 수 있으며, QRS 콤플렉스 구간에 있어서는 제안된 ESAF 방법의 잔류 오차가 ABS 방법의 것보다 더 적음을 알 수 있다.
m번째 R피크(Rm)에 대한 심실잔류는 식 (6)과 같이 계산할 수 있다. 더 나가 심방세동 주파수가 심방세동의 임상적 평가에 중요하기 때문에 추정된 심방활동 신호로부터 계산한 심방세동 주파수의 정확성을 확인하기 위해 심장 내 심방전도의 심방세동 주파수와 비교해 보았다.
005)으로 우수한 결과를 나타내었다. 또한 기존 ABS 방법과 마찬가지로 ESAF 방법도 이형성 실심활동이 있는 심실세동 심전도에 취약한데, 이러한 제약을 해결하기 위해 그림 3과 같은 확장 ESAF 방법도 제안하였다. 그 결과 단형성 심실활동에 ESAF를 적용한 수준의 성능으로 심방세동 신호를 추출할 수 있었다(표 2와 표3 참조).
먼저 제안된 ESAF 기반의 심방세동 신호 추출 알고리즘의 성능을 시간 도메인 파라미터(ρ, NMSE, S, VR)와 주파수 도메인 파라미터(AF frequency)를 통해 평가해 보았다.
발작성 심방세동 환자의 경우 대부분 심실활동 신호 모양이 동일한 단형성 특징을 가지나, 심실성 부정맥이 동반되는 경우 이형성 심실활동 신호를 보이기 때문에 두 가지 경우를 분리하여 평가해 보았다.
때문에 체표면에서 측정된 심방세동 심전도로부터 추정된 심방활동 신호로도 심방 세동율을 비교적 정확하게 계산할 수 있을 것임을 짐작할 수 있다. 보다 정확한 확인을 위해 표 2에 언급된 AAEL 데이터베이스의 5개 레코딩을 대상으로 심장 내 심방전도와 ESAF로 추정된 심방활동 신호의 심방세동율을 계산해 보았으며, 이때 심방 세동율은 주파수 스펙트럼 신호의 첫 번째 메인 피크로 하였다[19]. 그 결과, 심장 내 심방전도로부터 계산한 심방 세동율(5.
한편, 심방세동 심전도에 있어서 심실활동 신호에 해당하는 QRS 콤플렉스는 심방활동 신호 즉, 심방세동 신호에 비해 훨씬 크며 이들을 검출하는 것은 비교적 용이하다. 본 논문에서는 일반적으로 널리 사용되는 Tomkins의 실시간 QRS 콤플렉스 검출 알고리즘[17]을 통해 QRS를 검출한 뒤 R 피크 위치(Rm)를 이용하여 식 (3)과 같이 ESIT 신호 c(n)을 생성해 냈다.
본 논문에서 사용된 심방세동 심전도의 샘플링률은 1000Hz이고 정상 QRS 콤플렉스의 지속시간(duration)은 120msec이하이기 때문에 필터 차수를 120으로 설정하였다. 설계된 ESAF가 적절히 동작하는지 확인하기 위하여 상용 환자시뮬레이터(medSim 300B, FLUKE)로부터 정상동성리듬(NSR) 심전도를 1000Hz 샘플링율로 획득하고 50Hz 저역통과 필터를 통과시킨 뒤 알고리즘에 적용해 보았으며 그 결과를 그림 2에 나타내었다. 이때 주 입력에 적용된 시간지연 D는 50msec였으며, 심방세동 심전도에서와 달리 T파가 명확하게 나타나기 때문에 이 또한 제거하기 위해 일시적으로 필터 차수를 360으로 변경시켰다.
때문에 심실활동의 모양이 갑자기 이형적으로 변하는 경우에 QRS 콤플렉스 구간에서 많은 오차를 유발할 수 있다. 이에 본 논문에서는 이형성 심실활동이 있는 경우에는 ESAF를 그림 3과 같이 확장할 것을 제안한다. 이 확장 ESAF는 두 개의 ESAF를 병렬로 배치하고 정상동성리듬 또는 심실조기수축인지 판단을 통해 주 입력과 기준신호를 적절히 스위칭해 주는 것을 특징으로 한다.
이는 ABS 방법은 삭감 템플릿(subtraction template)이 고정되어 QRS 콤플렉스의 크기 변화에 대응할 수 없지만 ESAF 방법은 가중치 벡터를 업데이트함으로써 일정부분 대응할 수 있기 때문으로 판단된다. 표 1에는 ABS 방법과 ESAF 방법을 통해 5개 모의 심방세동 신호에서 심방활동 신호를 추정한 성능을 비교하여 나타내었다. 원 세동 심방활동 신호와 추정된 신호 간의 상관계수 및 정규평균자승오차 모두 제안된 ESAF 방법이 우수하게 나타났으며, 이는 고도의 신호처리 기법을 적용한 선행연구들과 비교하였을 때도 대등한 수준의 결과이다[14～15].
대상 데이터
본 논문에서 사용된 심방세동 심전도의 샘플링률은 1000Hz이고 정상 QRS 콤플렉스의 지속시간(duration)은 120msec이하이기 때문에 필터 차수를 120으로 설정하였다. 설계된 ESAF가 적절히 동작하는지 확인하기 위하여 상용 환자시뮬레이터(medSim 300B, FLUKE)로부터 정상동성리듬(NSR) 심전도를 1000Hz 샘플링율로 획득하고 50Hz 저역통과 필터를 통과시킨 뒤 알고리즘에 적용해 보았으며 그 결과를 그림 2에 나타내었다.
모의 심방세동 심전도는 발작성 심방세동 환자(MIT-BIH Atrial Fibrillation database)의 정상동성리듬(NSR) 구간의 QRS 콤플렉스 신호와 심방세동 구간의 비-QRS 콤플렉스 신호를 이어 붙이는 방식으로 생성하였다[18]. 실제 심방세동 신호는 체표면 심전도 3채널, 심장 내 심방전도 2채널, 심장 내 심실전도 2채널을 포함하는 Ann Arbor Electrogram Libraries Database(AAEL) 중에서 선택하였다. 모의 심방세동 심전도에 적용한 결과를 평가하기 위한 지표로는 원 모의 심방활동 신호와 추정 심방활동 신호 간의 상관계수(correlation coefficient, ρ)와 정규평균자승오차(NMSE)를 선택하였다.
한편 확장 ESAF를 적용한 결과는 상대적으로 매우 적은 심실잔류를 보이는 것을 확인할 수 있다. 확장 ESAF에 의한 성능 향상 정도를 확인하기 위하여 MIT-BIH Atrial Fibrillation database와 Ann Arbor Electrogram Libraries Database에서 이형성 심실활동을 갖는 레코드를 5개 선택하였다. 그리고 보다 정확한 성능 향상 평가를 위해 이형성 심실활동이 발생한 1분 구간만을 추출하여 확장 ESAF(eESAF)를 적용한 심실잔류(VR)를 계산하였으며 그 결과는 표 3과 같다.
확장 ESAF의 성능은 앞서 언급했던 환자시뮬레이터로부터 획득한 모의 이형성 심전도(NSR+PVC)와 MIT-BIH Atrial Fibrillation database의 이형성 심전도를 대상으로 평가하였다. 그리고 이때의 평가지표로 비-QRS 콤플렉스 구간의 상관계수(S)와 심실잔류(VR)를 사용하였다.
데이터처리
모의 심방세동 심전도에 적용한 결과를 평가하기 위한 지표로는 원 모의 심방활동 신호와 추정 심방활동 신호 간의 상관계수(correlation coefficient, ρ)와 정규평균자승오차(NMSE)를 선택하였다.
제안된 알고리즘의 성능은 단일 채널 심전도에서 실시간 무감독으로 심방세동 신호를 추출할 수 있는 유일한 방법인 ABS 방법과 비교하였다. 먼저 모의 심방세동 신호에 대해 성능을 평가해 보았으며, 그림 4에는 그 일례를 나타내었다.
통계적으로는 모든 평가 지표(ρ, NMSE, S, VR)에서 기존 ABS 방법 보다 유의한 수준(Student t-test, p<0.005)으로 우수한 결과를 나타내었다.
이론/모형
7. Results of AA estimation and filbrillatory rate estimation in real-time using our suggested ESAF method.
가중치벡터를 업데이트하는 방법으로는 LMS 알고리즘을 선택하였으며, 학습률을 μ라 하면 수식 (5)와 같이 구현할 수 있다.
모의 심방세동 심전도에 적용한 결과를 평가하기 위한 지표로는 원 모의 심방활동 신호와 추정 심방활동 신호 간의 상관계수(correlation coefficient, ρ)와 정규평균자승오차(NMSE)를 선택하였다. 그리고 실제 심방세동 심전도에 적용한 결과를 평가하기 위해서는 비-QRS 콤플렉스 구간의 원 신호와 추정신호 간 상관계수(S, similarity)와 Alcaraz 등이 제안한 QRS 콤플렉스 구간의 심실잔류(VR, ventricular residue)를 지표로 사용하였다[15]. m번째 R피크(Rm)에 대한 심실잔류는 식 (6)과 같이 계산할 수 있다.
성능/효과
이것은 정상동성리듬에 대해서는 비슷한 수준의 심실잔류(표 2) 성능을 갖지만, 이형성 비트에 대해서는 심방세동 신호 추정 방법별로 심실잔류 값의 차이가 크기 때문으로 판단된다. 결과적으로 모든 레코딩에서 확장 ESAF가 이형성 심실활동이 있는 경우에 효과적으로 동작하고 있음을 확인할 수 있었으며, 평균적으로 ABS 방법에 비해 121%, ESAF 방법에 비해 70%의 심실잔류 감소 효과가 있었다.
또한 기존 ABS 방법과 마찬가지로 ESAF 방법도 이형성 실심활동이 있는 심실세동 심전도에 취약한데, 이러한 제약을 해결하기 위해 그림 3과 같은 확장 ESAF 방법도 제안하였다. 그 결과 단형성 심실활동에 ESAF를 적용한 수준의 성능으로 심방세동 신호를 추출할 수 있었다(표 2와 표3 참조). 한편, 심방 세동율 참값인 심장 내 심방전도로부터 계산된 심방 세동율과 제안된 알고리즘을 통해 계산된 심방 세동율을 비교해 보았으며, 그 오차는 0.
그 결과, 심장 내 심방전도로부터 계산한 심방 세동율(5.83±1.38Hz)과 ESAF를 통해 추정된 심방활동 신호로부터 계산한 심방 세동율(5.869±1.38Hz) 간에는 0.12±0.17Hz의 극히 작은 오차만이 존재하는 것을 확인하였다.
이에 본 논문에서는 단일채널 심전도로부터 심방세동 신호를 추출할 수 있는 ESAF 기반의 알고리즘을 제안하고 그 성능을 평가해 보았다. 그 결과, 일반 적응 필터보다도 적은 연산량에도 불구하고 심방세동 신호를 효과적으로 추출할 수 있음을 확인하였다. 통계적으로는 모든 평가 지표(ρ, NMSE, S, VR)에서 기존 ABS 방법 보다 유의한 수준(Student t-test, p<0.
그리고 보다 정확한 성능 향상 평가를 위해 이형성 심실활동이 발생한 1분 구간만을 추출하여 확장 ESAF(eESAF)를 적용한 심실잔류(VR)를 계산하였으며 그 결과는 표 3과 같다. 모든 레코딩에서 ABS 방법의 심실잔류의 평균 및 표준편차가 가장 크게 나타났으며, 다음으로 ESAF 방법, 확장 ESAF 방법 순인 것을 확인할 수 있다. 이것은 정상동성리듬에 대해서는 비슷한 수준의 심실잔류(표 2) 성능을 갖지만, 이형성 비트에 대해서는 심방세동 신호 추정 방법별로 심실잔류 값의 차이가 크기 때문으로 판단된다.
를 적용함으로써 심방활동 신호를 추정하는 시도가 있었다. 이 두 방법 모두 기존 ABS 방법에 비해 적은 잔차 오차를 남기면서 심방활동 신호를 추정할 수 있는 장점을 보였다. 그러나 이들 방법은 ABS에 비해 매우 복잡한 신호처리 과정을 거쳐야 할 뿐만 아니라, 그 결과 나온 n개의 요소(component) 중심방활동 신호에 해당하는 요소들을 찾아내거나 이들 요소를 이어 붙여 심방활동 추정 신호를 복원해 낼 때 발생하는 신호 불연속성 문제를 해결하기 위해서는 전문가 개입의 후처리 과정이 필요하다는 한계가 있다.
그림 5로부터 모의 심방세동 심전도에서와 마찬가지로 심방활동 신호가 우수하게 추정된 것을 확인할 수 있으며, 5개 실제 심방세동 심전도로부터 ABS 방법과 ESAF 방법으로 추정된 심방활동 신호들의 비-QRS 콤플렉스 구간 상관계수(S) 및 QRS 콤플렉스 구간 심실잔류(VR) 값을 표 2에 비교하여 정리하였다. 이로부터 두 방법 모두 비-QRS 구간의 왜곡이 거의 없음을 알 수 있으며, QRS 콤플렉스 구간에 있어서는 제안된 ESAF 방법의 잔류 오차가 ABS 방법의 것보다 더 적음을 알 수 있다.
그럼에도 이형성 비트에서 ESAF 방법의 심실잔류가 ABS 방법 보다 적은 것은 불완전하나마 오차를 최소화하는 방향으로 가중치 벡터를 1회 학습했기 때문으로 판단된다. 한편 확장 ESAF를 적용한 결과는 상대적으로 매우 적은 심실잔류를 보이는 것을 확인할 수 있다. 확장 ESAF에 의한 성능 향상 정도를 확인하기 위하여 MIT-BIH Atrial Fibrillation database와 Ann Arbor Electrogram Libraries Database에서 이형성 심실활동을 갖는 레코드를 5개 선택하였다.
한편, 심방 세동율 참값인 심장 내 심방전도로부터 계산된 심방 세동율과 제안된 알고리즘을 통해 계산된 심방 세동율을 비교해 보았으며, 그 오차는 0.12±0.17Hz 수준이었다.
후속연구
이 심방세동율은 심방활동(AA, atrial activity) 신호의 파워 스펙트럼 상 첫 번째 메인 피크에 상응하며, 심방 심근의 불응성(atrial myocardial refractoriness) 지표, 심방세동의 분류 지표 또는 치료효과 평가 지표로 널리 사용되고 있다[7-9]. 때문에 심방세동 초기 단계인 발작성 심방세동 단계에서부터 심방세동을 검출하고 심방세동율을 분석할 수 있다면, 보다 효과적인 심방세동 치료 및 관리가 이루어질 수 있을 것이다. 이때 심방세동율 분석은 심방활동 신호의 주파수 분석을 통해 이루어지므로, 심방세동 심전도로부터 심방활동 신호의 추출이 선결되어야만 한다.
최종적으로 제안된 알고리즘을 홀터에 적용한다면 실시간으로 심방세동 신호 추출 및 심방 세동율을 그림 7과 같이 제공할 수 있을 것이며, 이는 발작성 심방세동 환자의 심방세동 특성 분석에 뿐만 아니라 수 분에서 수 시간에 거쳐 일어나는 항부정맥 약물의 효과를 평가[22]하는데 활용 할 수 있을 것으로 기대된다. 추가적으로 심실활동(QRS 콤플렉스)을 검출하여 임펄스를 발생시키는 회로[23]를 추가한다면 연산량을 더욱 줄일 수도 있을 것이다.
하는데 활용 할 수 있을 것으로 기대된다. 추가적으로 심실활동(QRS 콤플렉스)을 검출하여 임펄스를 발생시키는 회로[23]를 추가한다면 연산량을 더욱 줄일 수도 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
평균 비트 제거법의 한계는 무엇인가?
때문에 현재는 여러 비트의 심실활동(VA, ventricular activity) 신호 즉, QRST 세그먼트 신호의 앙상블 평균을 심전도로부터 제거함으로써 심방활동 신호를 추정하는 평균 비트 제거법(ABS, averaged beat subtraction)이 분석에 널리 사용되고 있다[13]. 하지만, 이 ABS 방법은 고정된 QRST 템플릿을 각 심전도 비트로부터 뺌으로써 심방활동 신호를 추정하기 때문에 가변하는 QRS 콤플렉스 크기 및 모양에 대해 큰 잔차 오차(residual error)를 유발하는 한계를 안고 있다.
심방세동이란 무엇인가?
심방세동(atrial fibrillation)은 임상에서 가장 흔하게 관찰되는 부정맥으로서, 우리나라의 유병률은 65세 이상에서 약 2.1%로 보고되어 있으며[1], 미국의 경우 60세 이상 노인의 8-9%, 85세 이상 노인의 17.
심방세동은 어떻게 구분되는가?
때문에 적절한 시점에 치료를 시행하지 못하여 뇌졸중, 심근 장애, 출혈, 억제 불가능한 부정맥과 같은 치명적 합병증으로 이어지는 경우가 많다. 심방세동은 그 지속시간과 정도에 따라 크게 발작성(paroxysmal), 지속성(persistent), 영구성(permanent) 심방세동으로 구분된다. 발작성 심방세동의 경우 일정 시간이 지나면 정상리듬으로 회복되나 발작성 심방세동 환자의 25.
참고문헌 (23)
J. H. Jeong, "Prevalence of and risk factors for atrial fibrillation in Korean adults older than 40 years", J. Korean Med. Sci., Vol. 20, no. 1, pp. 26-30, 2005.
P. Dorian, W. Jung, D. Newman, M. Paquette, K. Wood, G. M. Ayers, et al., "The impairment of health-related quality of life in patients with intermittent atrial fibrillation: Implications for the assessment of investigational therapy", J. Am. Coll. Cardiol., Vol. 36, no. 4, pp. 1303-1309, 2000.
F. Hegbom, K. Stavem, S. Sire, M. Heldal, O. M. Orning, K. Gjesdal, "Effects of short-term exercise training on symptoms and quality of life in patients with chronic atrial fibrillation", Int. J. Cardiol., Vol. 116, no. 1, pp. 86-92, 2007.
N. Takahashi, A. Seki, K. Imatak, J. Fujii, "Clinical features of paroxysmal atrial fibrillation. An observation of 94 patients", Japanese Heart Journal, Vol. 22, no. 2, pp. 143-149, 1981.
B. F. Kannel, P. A. Wolf, E. J. Benjamin, D. Levy, "Prevalence, incidence, prognosis, and predisposing conditions for atrial fibrillation: population based estimates", Am. J. Cardiol., Vol. 82, pp. 2N-9N, 1998.
A. Capucci, M. Biffi, G. Boriani, F. Ravelli, G. Nollo, P. Sabbatani, C. Orsi, B. Magnani, "Dynamic electrophysiological behavior of human atria during paroxysmal atrial fibrillation", Circulation, Vol. 92, pp. 1193-1202, 1995.
V. Fuster, L. E. Ryden, D. S. Cannom, et al., "ACC/AHA/ESC 2006 guidelines for the management of patients with atrial fibrillation: a report of the American College of Cardiology/American Heart Association Task Force on practice guidelines and the European Society of Cardiology Committee for Practice Guidelines", J. Am. Coll. Cardiol., Vol. 48, pp. 854-906, 2006.
K. T. Koning, C. J. Kirchhof, J. R. Smeets, H. J. Wellens, O. C. Penn, M. A. Allessie, "High-density mapping of electrically induced atrial fibrillation in humans", Circulation, Vol. 98, pp. 1665-1680, 1994.
J. J. Rieta, F. Castells, C. Sanchez, V. Zarzoso, J. Millet, "Atrial activity extraction for atrial fibrillation analysis using blind source separation", IEEE Trans. Biomed. Eng., Vol. 51, pp. 1176-1186, 2004.
M. Stridh, L. Sornmo, "Spatiotemporal QRST cancellation techniques for analysis of atrial fibrillation", IEEE Trans. Biomed. Eng., Vol. 48, pp. 105-111, 2001.
A. Bollmann, K. Sonne, H. Esperer, I. Toepffer, J. Langberg, H. Klein, "Non-invasive assessment of fibrillatory activity in patients with paroxysmal and persistent atrial fibrillation using the Holter ECG", Cardiovasc. Res., Vol. 44, pp. 60-66, 1999.
J. Slocum, A. Sahakian, S. Swiryn, "Diagnosis of atrial fibrillation from surface electrocardiograms based on computer-detected atrial activity", J. Electrocardiol., Vol. 25, pp. 1-8, 1992.
F. Castells, C. Mora, J. J. Rieta, D. Moratal-Perez, J. Millet, "Estimation of atrial fibrillatory wave from single-lead atrial fibrillation electrocardiograms using principal component analysis concepts", Med. Biol. Eng. Comput., Vol. 43, pp. 557-560, 2005.
R. Alcarza, J. J. Rieta, "Adaptive singular value cancelation of ventricular activity in single-lead atrial fibrillation electrocardiograms", Physiol. Meas., Vol. 29, pp. 1351-1369, 2008.
H. D. Park, Y. C. Park, S. P. Cho, B. R. Jang, K. J. Lee, "New Cardiac MRI Gating Method Using Event-Synchronous Adaptive Digital Filter", Annals of Biomedical Engineering, Vol. 37, no. 11. pp. 2170-2187, 2009.
J. Pan, W. J. Tompkins, "A real-time QRS detection algorithm", IEEE Trans. Biomed. Eng., Vol. 32, pp. 230-236, 1985.
F. Castells, J. J. Rieta, J. Millet, V. Zarzoso, "Spatiotemporal blind source separation approach to atrial activity estimation in atrial tachyarrhythmias", IEEE Trans. Biomed. Eng., Vol. 52, pp. 258-267, 2005.
M. Stridh, A. Bollmann, S. B. Olsson, L. Sornmo, "Detection and feature extraction of atrial tachyarrhythmias", IEEE Eng. Med. Biol. Mag., Vol. 25, no. 6, pp. 31-39, 2006.
송미혜, 이전, 조성필, 이경중, "SVM 분류기를 통한 심실세동 검출", 전자공학회논문지, 제42권 SC편, 제 5호, 27-34쪽, 2005년 9월
박진오, 전문구, "심박동 시간간격을 사용한 심방세 동 판별", 2009 한국정보기술학회 하계학술대회 논문집, 251-256쪽, 목표해양대학교, 2009년 6월.
A. Bollmann, D. Husser, L. Mainardi, F. Lombardi, P. Langley, A. Murray, J. J. Rieta, J. Millet, S. B. Olsson, M. Stridh, L. Sornmo, "Analysis of surface electrocardiograms in atrial fibrillation: techniques, research, and clinical applications", Europace, Vol. 8, no. 11, pp. 911-926, 2006.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.