[논문]디지털 청진기를 위한 잡음 제거 기술 개발 및 구현

이근상; 지유나; 전영택; 박영철

doi:10.9718/jber.2013.34.4.204

[국내논문] 디지털 청진기를 위한 잡음 제거 기술 개발 및 구현
Development and Implementation of Noise-Canceling Technology for Digital Stethoscope 원문보기

Journal of biomedical engineering research : the official journal of the Korean Society of Medical & Biological Engineering, v.34 no.4, 2013년, pp.204 - 211

이근상 (연세대학교 컴퓨터정보통신공학부) , 지유나 (연세대학교 컴퓨터정보통신공학부) , 전영택 ((주) 시그젠) , 박영철 (연세대학교 컴퓨터정보통신공학부)

Abstract ▼ AI-Helper

In this paper, an algorithm for suppressing acoustic noises contained in stethoscope sound is proposed and implemented in real-time using an embedded DSP system. Sound collected by stethoscope is down-sampled and band-pass filtered, and later an NLMS adaptive filter is used to cancel the acoustic noise induced from external noise sources. Also, the unpredictable impulsive noises due to fabric friction and instantaneous tapping are detected using the SD-ROM algorithm, and suppressed using an algorithm approximating the morphology filter. The proposed algorithm was tested using signals collected with a digital stethoscope mockup, and implemented on an ARM920T-based DSP system.

주제어

AI 본문요약
AI-Helper

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

문제 정의

한편 일반적으로 심음은 임펄스 신호와 유사한 특성을 보이기 때문에 임펄스 잡음 제거를 수행하게 되면 심음을 왜곡시킬 수 있다. 따라서 본 논문에서는 목표 청진음이 심음일 때는 임펄스 잡음 제거를 수행하지 않도록 하였다.
본 논문에서는 잡음 환경에서 디지털 청진기로부터 수집된 청진음을 개선하기 위해 외부 배경 잡음 및 임펄스 잡음을 효과적으로 제거하는 방법을 제시하고 실시간으로 구현하였다. 배경 잡음은 다운 샘플링과 대역 통과 필터 그리고 적응 필터를 이용하여 효과적으로 제거하였고, SD-ROM를 이용하여 임펄스 잡음을 검출 한 뒤 형태학 필터의 성능을 근사화하는 알고리즘을 이용하여 임펄스 잡음을 효과적으로 제거함으로써 청진음의 품질을 개선하였다.
전처리 과정은 생체 신호의 왜곡이 없는 범위에서 잡음을 최대한 제거하는 것을 목적으로 한다. 집음기를 통해 얻은 생체 신호와 외부 마이크를 이용해 얻은 배경 잡음 신호는 주파수 특성이 서로 다르기 때문에 적응 잡음 제거 필터를 적용하기 위해서 다운 샘플링과 대역통과 필터를 이용하여 두 입력 신호가 동일한 주파수 특성을 갖도록 전처리기를 설계한다.

가설 설정

임펄스 잡음은 짧은 구간에서 순간적으로 발생한다고 가정한다. 임펄스 잡음 검출을 위한 SD-ROM의 차수 M 은11로 하였으며, 0.

제안 방법

따라서 대역 통과 필터와 적응 필터는 목표 청진음에 관계없이 매 샘플 수행하는 반면임펄스 잡음 검출은 호흡음 청진시 임펄스 구간을 검출 할 때까지 매 샘플 수행하여 임펄스를 검출하면 현재 샘플 n을 기준으로 [n − L/2, n + L/2] 구간에서 임펄스 잡음 제거를 수행한 뒤 n + L/2 + 1 부터 다시 임펄스 검출을 수행한다.
배경 잡음은 다운 샘플링과 대역 통과 필터 그리고 적응 필터를 이용하여 효과적으로 제거하였고, SD-ROM를 이용하여 임펄스 잡음을 검출 한 뒤 형태학 필터의 성능을 근사화하는 알고리즘을 이용하여 임펄스 잡음을 효과적으로 제거함으로써 청진음의 품질을 개선하였다. 또한 제안 알고리즘은 ARM920T 기반의 임베디드 DSP 시스템을 이용하여 실시간으로 구현하였다.
본 논문에서는 잡음 환경에서 디지털 청진기로부터 수집된 청진음을 개선하기 위해 외부 배경 잡음 및 임펄스 잡음을 효과적으로 제거하는 방법을 제시하고 실시간으로 구현하였다. 배경 잡음은 다운 샘플링과 대역 통과 필터 그리고 적응 필터를 이용하여 효과적으로 제거하였고, SD-ROM를 이용하여 임펄스 잡음을 검출 한 뒤 형태학 필터의 성능을 근사화하는 알고리즘을 이용하여 임펄스 잡음을 효과적으로 제거함으로써 청진음의 품질을 개선하였다. 또한 제안 알고리즘은 ARM920T 기반의 임베디드 DSP 시스템을 이용하여 실시간으로 구현하였다.
본 논문에서는 SD-ROM(Signal Dependent Rank Order Mean)를 이용하여 임펄스 잡음을 검출하고, 수정된 형태학 필터(Morphology Filter)를 이용하여 검출된 잡음을 제거한다.
본 논문에서는 디지털 청진기에 유입된 외부 잡음을 제거할 수 있는 잡음제거 알고리즘을 제안하고, 제안된 알고리즘을 ARM920T 기반의 임베디드 DSP 시스템을 사용하여 실시간으로 구현한다. 잡음제거 과정은 선형적으로 예측 가능한 잡음을 제거하는 기술과, 선형적 예측이 불가능한 임펄스 형태의 잡음을 제거하는 기술로 구성된다.
알고리즘은 부동 소수점 연산 형태로 구현되었으며, 구현성능을 평가하기 위해 알고리즘 단계별로 CPU cycle 수를 측정하였다. 측정 결과는 표 3에 정리되어 있다.
수집되는 두 신호간의 음향 경로가 짧을 경우 배경 잡음 제거를 위해 작은 차수의 적응 필터를 사용할 수 있다는장점이 있다. 이때 목표 청진음에 따라 다운 샘플링 주파수를 다르게 결정하였기 때문에 동일한 적응 필터의 수렴 특성을 만족하기 위해 NLMS 필터의 차수와 수렴 상수를 표4와 같이 결정하였다. 정해진 차수는 0.
형태학 필터의 역할은 신호의 왜곡을 최소화하기 위해 신호의 형태를 유지 시키면서 신호의 크기를 조절하는 것이다. 이러한 형태학 필터의 특성을 근사화하기 위해 본 논문에서는 신호의 크기에 따라 이득 값을 다르게 적용하여 임펄스잡음의 크기를 축소시키는 가변 이득을 알고리즘을 사용한다. 이때 가변 이득 값은 임펄스 구간 초기 값과 임펄스 구간신호간의 변화량을 기반으로 결정하였으며 다음 식과 같다.
제안 알고리즘을 K는 3 그리고 M과 L은 각각 11과 100으로 고정하였으며 적응 필터의 차수는 심음과 호흡음에 따라 각각 12와 24로 하여 측정한 결과를 표 3에 정리하였다. 심음과 호흡음에 대한 연산량 측정 결과를 살펴보면 표 2와 같이 적응 필터의 연산량이 가장 많으며 임펄스 잡음 제거가 가장 적은 연산량을 보이는 것을 표 3에서 확인할 수 있다.
제안된 알고리즘을 ARM920T 기반의 임베디드 DSP 보드에 적용하여 실시간으로 구현하였다. 그림 4는 실시간 구현에 사용된 DSP 보드와 목업을 보여주고 있다.
제안하는 시스템은 8 kHz 샘플링 주파수를 사용한다. 심음은 약 300 Hz 이하에서 대부분 신호가 분포하며 호흡음은 약 1500 Hz 이하에 대부분 신호가 분포한다[9].
전처리 과정은 생체 신호의 왜곡이 없는 범위에서 잡음을 최대한 제거하는 것을 목적으로 한다. 집음기를 통해 얻은 생체 신호와 외부 마이크를 이용해 얻은 배경 잡음 신호는 주파수 특성이 서로 다르기 때문에 적응 잡음 제거 필터를 적용하기 위해서 다운 샘플링과 대역통과 필터를 이용하여 두 입력 신호가 동일한 주파수 특성을 갖도록 전처리기를 설계한다.
집음기에 포함된 배경 잡음을 효과적으로 제거하기 위해 각 센서를 통해 수집된 잡음 신호가 높은 상관도를 갖도록 외부 마이크와 집음기 사이의 거리를 1 cm 미만으로 하였다. 수집되는 두 신호간의 음향 경로가 짧을 경우 배경 잡음 제거를 위해 작은 차수의 적응 필터를 사용할 수 있다는장점이 있다.
표 2에 단일 샘플에 대한 제안 알고리즘의 단계별 연산량을 정리하였다.

대상 데이터

빨간색 원은 배경 잡음을 수집하기 위한 소형 외부 마이크이다. 실험용 데이터는 실제 잡음 환경을 구성한 후, DSP 보드와 USB-AD를 이용하여 집음기와 외부 마이크 신호를 동시에 측정하였다.
실험용 신호는 그림 4의 목업과 DSP 보드를 이용하여 측정하였다. 청진기 목업은 하부에 생체음 수집을 위한 집음기가 설치되어 있고 상부에는 디지털 청진기의 동작 및 청진모드 선택을 위한 사용자 인터페이스가 구성되어 있다.

이론/모형

AP(Affine Projection) 알고리즘은 NLMS에 비해 수렴성능은 뛰어나지만 많은 연산량을 요구하는 문제점이 있다[6]. 디지털 청진기와 같은 작은 장치에서는 배터리 용량이 제한되므로 본 논문에서는 간단한 구조로 안정적인 수렴 성능을 보장하는 NLMS 알고리즘을 사용하였다. 청진기 집음기로 수집된 신호를 d(n), 외부 마이크에 의해 수집된 신호를 x(n) 이라고 할 때, N-차 NLMS 필터의 계수 갱신식은 다음과 같다[6].
선형적으로 예측 가능한 외부 잡음은 기존의 방법[5,6]과 유사하게 NLMS 알고리즘을 사용하여 제거한다. 임펄스 잡음을 제거하기 위해 본 논문에서는 먼저 SD-ROM(Signal Dependent Rank Order Mean)[7] 기법을 이용하여 임펄스 구간을 검출 한 뒤, 이를 형태학 필터(Morphology Filter)[8]를 근사적으로 구현하는 알고리즘을 사용하여 제거한다.

성능/효과

그림 3의 (a)로부터 형태학 필터와 제안 알고리즘은 임펄스 신호의 파형을 최대한 유지하면서 크기를 줄이도록 동작하는 것을 관찰할 수 있다. 제안 알고리즘은 0.
(a)는 집음기와 옷 사이의 마찰로 인해 집음 된 호흡음에 순간적으로 큰 에너지를 갖는 임펄스 잡음이 다수 포함된 것을 확인할 수 있다. (b)와 (c)는 제안된 임펄스 제거 알고리즘을 수행하여 얻은 개선된 청진신호와 임펄스 구간 검출 결과로 간헐적으로 분포되어 있는 임펄스 잡음들이 효과적으로 제거된 것을 확인할 수 있다.
그림 8과 9의 심음과 호흡음은 초기 10초 동안은 잡음 환경에서 잡음 제거를 수행하지 않은 상태에서 측정한 뒤 잡음제거를 수행하여 약 10초간 지속한 결과를 보이고 있다. 결과로부터 효과적으로 잡음 제거를 수행하는 것을 확인할 수 있다.
이때 배경 잡음을 제거한 결과 (c)로부터 적응 필터를 이용하여 배경 잡음이 효과적으로 제거된 것을 확인할 수 있다. 또한, 정상상태에서의 스펙트럼을 비교하면 150에서 800 Hz까지 넓게 분포한 잡음 음성 신호가 목표 호흡음의 왜곡 없이 평균적으로 약 20 dB 정도 감쇠되는 것을 관찰할 수 있다.
4M로 SOC 2410A 칩의 최대 코어 cycle수인 200M 의 비해 적은 연산량으로 전체 칩의 약 12% 정도를 사용한다. 반면, 호흡음은 임펄스 제거의 수행 여부에 따라 연산량이 달라지기 때문에 10초 동안 간헐적으로 임펄스 신호가 약 10회 발생할 때의 평균 cycle 수는 94.7M 인 반면, 10초 동안 대부분의 신호가 임펄스 신호로 발생 하였을 때의 최대 cycle 수는 106M 으로 각각 전체 칩 계산량의 47%와 53% 정도 사용하여 구현되었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	청진은 무엇인가?	일반적으로 청진은 심음, 호흡음을 포함한 인체에서 발생하는 생체 소리를 청취하여 심장과 소화기관의 상태를 확인하는 방법을 말한다. 청진기(Stethoscope)는 체내에서 발생하는 심음이나 호흡음을 비롯하여 동맥음, 장잡음, 혈관음을 청취하여 정상적인 상태인지의 여부를 확인하기 위해 사용된다[1].
	청진기는 어떻게 구분할 수 있는가?	청진기는 구현 기술에 따라 크게 아날로그 청진기와 디지털 청진기로 구분할 수 있다. 아날로그 청진기를 사용하는 경우 생체음의 라우드니스가 사람의 청력 역치보다 큰 경우에만 청진이 가능하다[2].
	형태학 필터는 어떤 변환 방법이며 무엇으로 구성되어 있는가?	형태학 필터는 다양한 신호처리 분야에 널리 사용되고 있는 임펄스제거 방법이다. 비선형 신호 변환 방법으로 침식(Erosion) 연산, 팽창(Dilation)연산, 제거(Opening)연산 그리고 채움 (Closing)연산으로 구성되어 있다. 형태학 필터는 임펄스 잡음 구간 신호를 입력으로 하여 구조 요소의 형태로 변형 시키도록 동작한다[11].

참고문헌 (11)

M.L. Rice and D.J. Doyle, "Comparison of phonocardiographic monitoring location," in Proc. 17th Annual Conference of the IEEE Engineering in Medicine and Biology Society, Montreal, Canada, Sept. 1995, pp. 685-686.
P. Varady, "Wavelet-based adative denoisiong of phonocardiograpic records," in Proc. 23rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Istanbul, Turkey, Oct. 2001, pp. 1846-1849.
M.C. Grenier, K. Gagnon, J. Genest Jr., J. Durand, and L.G. Durand, "Clinical comparison of acoustic and electronic stethoscopes and design of a new electronic stethoscope," American Journal of Cardiology, vol. 81, issue. 5, pp. 653-656, 1998.

상세보기
Y.W. Bai and C.L. Lu, "The Embedded digital stethoscope uses the adaptive noise cancellation filter and the the Type 1 Chebyshev IIR bandpass filter to reduce the noise of the heart sound," in Proc. 7th Interantional Workshop on Enterprise Networking and Computing in Healthcare Industry, Busan, Korea, June 2005, pp. 278-281.
N. Jatupaiboon, S. Pan-ngum and P. Israsena, "Electronic stethoscope prototype with adaptive noise cancellation," in Proc. 8th International Conference on ICT and Knowledge Engineering, Bangkok, Thailand, Nov. 2010, pp. 32-36.
S. Haykin, Adaptive Filter Theory, Prentice Hall, 4 edition, 2001, pp. 334-340.
E. Abreu and S. K. Mitra, "A signal-dependent rank ordered mean (SD-ROM) filter-a new approach for removal of impulses from highly corrupted images," in Proc. IEEE International Conference Acoustic, Speech, Signal Processing, Detroit, USA, May 1995, pp. 2371-2374.
C. Chandra, M.S. Moore and S.K. Mitra, "An efficient method for the removal of impulse noise from speech and audio signals," in Proc. IEEE International Symposium on Circuits and System, Monterey, USA, Jun. 1998, pp. 206-208.
J.C. Chien, M.C. Huang, Y.D. Lin and F.C. Chong, "A study of heart sound and lung sound separation by independent component analysis technique," in Proc. 28th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, New York, USA Sept. 2006. pp. 5708-5711,
C-H.H. Chu and E.J. Delp, "Impulsive noise suppression and background normalization of electrocardiogram signals using morphological operators," IEEE Transactions on Biomedical Engineering, vol. 36, no. 2, pp. 262-273, 1989.

상세보기
F. Zhang and Y. Lian, "QRS Detection based on multi-scale mathematical morphology for wearable ECG devices in body area networks," IEEE Transactions on Biomedical Circuits and Systems, vol. 3, no. 4, pp. 220-228, 2009.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증