심전도 신호의 QRS 검출은 심장의 상태를 확인 할 수 있는 가장 보편적인 방법이다. 하지만 측정할 때 발생되는 여러 종류의 잡음성분들로 인하여 이를 분석하는데 어려움을 준다. 가장 큰 문제를 야기하는 부분이 기저선 변동 잡음인데 전극을 부착한 부위의 근육수축과 호흡의 리듬에 따라서 발생하게 된다. 특히 일반인들의 건강상태를 지속적으로 모니터링 해야 하는 헬스케어 시스템에서는 이를 위한 심전도 신호의 실시간 처리가 필요하다. 즉, 최소한의 연산량으로 대상 환자의 특징을 파악하여 정확한 QRS를 검출할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 효율적인 QRS 검출을 위한 형태 연산기반의 기저선 잡음제거 기법을 제안한다. 이를 위해 형태 연산을 통한 전처리 과정과 적응형윈도우를 통해 QRS를 검출하였다. 제안한 알고리즘의 성능을 평가하기 위해 일반적으로 심전도 기저선 변동 잡음 제거 시 사용되는 기존 필터와의 신호의 왜곡도를 비교 평가하였다. 또한 MIT-BIH 부정맥 데이터베이스를 사용하여 R파 검출 결과를 확인하였다. 실험 결과로부터 형태 연산을 이용한 방법이 적은 연산량으로 충분한 잡음제거율을 얻을 수 있다는 것을 확인할 수 있었다.
심전도 신호의 QRS 검출은 심장의 상태를 확인 할 수 있는 가장 보편적인 방법이다. 하지만 측정할 때 발생되는 여러 종류의 잡음성분들로 인하여 이를 분석하는데 어려움을 준다. 가장 큰 문제를 야기하는 부분이 기저선 변동 잡음인데 전극을 부착한 부위의 근육수축과 호흡의 리듬에 따라서 발생하게 된다. 특히 일반인들의 건강상태를 지속적으로 모니터링 해야 하는 헬스케어 시스템에서는 이를 위한 심전도 신호의 실시간 처리가 필요하다. 즉, 최소한의 연산량으로 대상 환자의 특징을 파악하여 정확한 QRS를 검출할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 효율적인 QRS 검출을 위한 형태 연산기반의 기저선 잡음제거 기법을 제안한다. 이를 위해 형태 연산을 통한 전처리 과정과 적응형 윈도우를 통해 QRS를 검출하였다. 제안한 알고리즘의 성능을 평가하기 위해 일반적으로 심전도 기저선 변동 잡음 제거 시 사용되는 기존 필터와의 신호의 왜곡도를 비교 평가하였다. 또한 MIT-BIH 부정맥 데이터베이스를 사용하여 R파 검출 결과를 확인하였다. 실험 결과로부터 형태 연산을 이용한 방법이 적은 연산량으로 충분한 잡음제거율을 얻을 수 있다는 것을 확인할 수 있었다.
QRS detection of ECG is the most popular and easy way to detect cardiac-disease. But it is difficult to analyze the ECG signal because of various noise types. The important problem in recording ECG signal is a baseline wandering, which is occurred by rhythm of respiration and muscle contraction atta...
QRS detection of ECG is the most popular and easy way to detect cardiac-disease. But it is difficult to analyze the ECG signal because of various noise types. The important problem in recording ECG signal is a baseline wandering, which is occurred by rhythm of respiration and muscle contraction attaching to an electrode. Particularly, in the healthcare system that must continuously monitor people's situation, it is necessary to process ECG signal in realtime. In other words, the design of algorithm that exactly detects QRS region using minimal computation by analyzing the person's physical condition and/or environment is needed. Therefore, baseline wander removing method based on morphological filter for efficient QRS detection method is presented in this paper. For this purpose, we detected QRS through the preprocessing method using morphological filter, adaptive threshold, and window. The signal distortion ratio of the proposed method is compared with other filtering method. Also, R wave detection is evaluated by using MIT-BIH arrhythmia database. Experiment result show that proposed method removes baseline wanders effectively without significant morphological distortion.
QRS detection of ECG is the most popular and easy way to detect cardiac-disease. But it is difficult to analyze the ECG signal because of various noise types. The important problem in recording ECG signal is a baseline wandering, which is occurred by rhythm of respiration and muscle contraction attaching to an electrode. Particularly, in the healthcare system that must continuously monitor people's situation, it is necessary to process ECG signal in realtime. In other words, the design of algorithm that exactly detects QRS region using minimal computation by analyzing the person's physical condition and/or environment is needed. Therefore, baseline wander removing method based on morphological filter for efficient QRS detection method is presented in this paper. For this purpose, we detected QRS through the preprocessing method using morphological filter, adaptive threshold, and window. The signal distortion ratio of the proposed method is compared with other filtering method. Also, R wave detection is evaluated by using MIT-BIH arrhythmia database. Experiment result show that proposed method removes baseline wanders effectively without significant morphological distortion.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 구현된 알고리즘의 실용성을 검증하기 위하여 샘플링 주파수가 360Hz인 MIT-BIH 데이터베이스에 기저선 변동이 발생한 구간의 데이터를 알고리즘에 적용하여 그 효용성과 타당성을 확인하였다. 이를 위해 제안된 형태연산 필터와 그 외 비교 대상 필터들의 잡음 제거율과 신호왜곡율을 평가 하였다.
따라서 처리의 복잡도를 줄이는 것과 동시에 심전도 신호의 왜곡을 최소화하면서 기저선 변동을 제거하는 것이 매우 중요하다. 본 논문에서는 원신호의 변형을 줄이고 계산량의 복잡도를 최소화하는 효과적인 기저선 변동 제거 방법을 제안한다. 이를 위해 형태 연산을 이용하여 ST 세그먼트의 왜곡을 최소화 하면서 기저선 변동의 원인이 되는 저주파 잡음을 효과적으로 제거하고, 향후 마이크로 프로세서 상에서 실시간으로 데이터를 처리할수 있는 심전도 전처리 필터를 구현하고 그 성능을 분석 하였다.
본 논문에서는 효율적인 QRS 검출을 위한 형태연산 기반의 기저선 변동 제거방법을 제안하였다. 이를 위해 형태 연산을 통한 전처리 과정과 적응형 윈도우를 통해 QRS를 검출하였다.
제안 방법
MIT-BIH 부정맥 데이터베이스를 통하여 형태 연산을 통한 R파 검출에 대한 성능 평가가 수행되었다. 검출율의 계산은 식 (8)을 통하여 이루어진다.
메디안 필터와 형태연산 방법의 경우 이 구간에서 기저선 잡음이 FIR 필터에 비해 비교적 잘 제거된 것을 확인할 수 있지만 잡음제거율의 비교가 육안으로 확실히 구별하기 어렵다. 따라서 이 두 필터의 신호 왜곡 정도를 직접적으로 확인해보기 위해서 메디안 필터와 형태연산의 출력 파형의 모양을 같은 시점을 기준으로 비교해보았다. 그림 6에나타난 바와 같이 필터링된 신호의 모양을 확인하고 비교해 보았을 때 형태연산 필터의 경우 비교적 ST 세그먼트의 모양을 잘 보존하고 있는 반면 메디안 필터의경우 ST 세그먼트 부분의 하강되어 왜곡이 발생한 것을 확인할 수 있으며 BER(Bit Error Rate)도 메디안 필터의 경우 3.
따라서 사용되는 구조요소의 길이가 PR 또는 QT 세그먼트 부분보다 클 경우 제거 연산의 결과가 실제 기저선 부분보다 높게 추정되며, T파의 길이가 구조요소의 길이보다 클 경우 T파의 나머지 부분들이 기저선을 추정하는데 오차로 작용하게 된다. 따라서 이러한 문제점을 해결하기 위해 본 연구에서는 두 개의 구조요소 (gQRS , gPT)를 이용하여 먼저 QRS 영역을 제거하고, 이후 P, T파를 제거하여 기저선 추정 시 발생하는 오차를 최소화하였다. 즉QRS 영역을제거하기위해QRS 영역의 넓이를 측정하여 첫 번째 구조요소의 넓이(gQRS )를 선택하고, P와 T파의 경우 T파의 넓이가 일반적으로 P파보다 넓으므로 T파의 넓이를 측정하여 두 번째 구조 요소의 넓이(gPT)를 선택한다.
제안한 알고리즘의 성능을 평가하기 위해 일반적으로 심전도 기저선 변동 잡음 제거시 사용되는 FIR, 메디안 필터와 비교하였으며, 신호의 왜곡정도를 평가하였다. 또한 MIT-BIH 부정맥 데이터베이스를 사용하여 R파 검출 결과를 확인하였다. 실험 결과로부터 형태 연산을 이용한 방법이 기존의 기저선 변동 잡음 제거를 위한 전처리 기법에 비해 적은 연산량으로 충분한 잡음 제거율을 얻을수 있다는 것을 확인할 수 있었다.
제안한 알고리즘의 성능을 평가하기 위해 일반적으로 심전도 기저선 변동 잡음 제거 시 사용되는 FIR, 메디안 필터와 신호의 왜곡을 비교 평가하였다. 또한 MIT-BIH 부정맥 데이터베이스를 사용하여 다른 필터링 방법과의 R파 검출 결과를 확인하였다. 본 논문의 구성은 다음과 같다.
이를 위해 제안된 형태연산 필터와 그 외 비교 대상 필터들의 잡음 제거율과 신호왜곡율을 평가 하였다. 또한각 필터의 신호처리 시 연산량을 알아보기 위해 각 필터가 신호 처리를 시작해 끝내는 시간을 측정하여 간접적으로 연산량을 측정해 보았다. 형태 연산 필터의 성능을 평가하기 위한 비교 대상 필터로는 일반적으로 심전도 기저선 변동 제거 시 사용되는 FIR/IIR 0.
필터의 잡음 제거 성능에 대한 평가는 신호 처리 전후 신호의 SNR(Signal to Noise Ratio)을 비교하여 평가하다. 먼저 잡음이 없는 심전도 신호에 수식 (6)에서 모델 링된 기저선 잡음을 첨가하였다. 필터의 신호 왜곡과 잡음 제거 성능을 평가하기 위해서 잡음이 없는 깨끗한 심전도 신호와 각 필터들의 출력 신호와의 차를 계산하였고, 필터링한 결과를 SNR로 나타내었다.
본 논문에서는 구현된 알고리즘의 실용성을 검증하기 위하여 샘플링 주파수가 360Hz인 MIT-BIH 데이터베이스에 기저선 변동이 발생한 구간의 데이터를 알고리즘에 적용하여 그 효용성과 타당성을 확인하였다. 이를 위해 제안된 형태연산 필터와 그 외 비교 대상 필터들의 잡음 제거율과 신호왜곡율을 평가 하였다. 또한각 필터의 신호처리 시 연산량을 알아보기 위해 각 필터가 신호 처리를 시작해 끝내는 시간을 측정하여 간접적으로 연산량을 측정해 보았다.
본 논문에서는 원신호의 변형을 줄이고 계산량의 복잡도를 최소화하는 효과적인 기저선 변동 제거 방법을 제안한다. 이를 위해 형태 연산을 이용하여 ST 세그먼트의 왜곡을 최소화 하면서 기저선 변동의 원인이 되는 저주파 잡음을 효과적으로 제거하고, 향후 마이크로 프로세서 상에서 실시간으로 데이터를 처리할수 있는 심전도 전처리 필터를 구현하고 그 성능을 분석 하였다. 일반적으로 형태 연산을 이용한 신호처리 방법은 덧셈, 뺄셈연산, 그리고 최대, 최소를 찾는 연산으로 수행되므로 적은 연산량에 비해 비교적 우수한 잡음 제거 성능을 보여준다.
본 논문에서는 효율적인 QRS 검출을 위한 형태연산 기반의 기저선 변동 제거방법을 제안하였다. 이를 위해 형태 연산을 통한 전처리 과정과 적응형 윈도우를 통해 QRS를 검출하였다. 제안한 알고리즘의 성능을 평가하기 위해 일반적으로 심전도 기저선 변동 잡음 제거시 사용되는 FIR, 메디안 필터와 비교하였으며, 신호의 왜곡정도를 평가하였다.
먼저ECG 신호로부터 형태 연산 필터를 통해 잡음을 제거하고, 신호 대 잡음 비를 강조하는 단계, 이후 적응 가변형 문턱값과 윈도우 변화에 따라 R파를 검출하는 단계로 구성된다. 정확한 R파의 검출을 위해서는 신호의 왜곡을 최소화하면서 기저선 변동을 제거하는 과정이 필요하기 때문에 형태 연산을 통한 기저선 제거 방법을 적용하였다.
적응형 문턱 값과 윈도우를 이용한 R파 검출 방법 은 그림 4와 같다. 초기의 적응 가변형 문턱 값을 결정하기 위하여 정상 심전도 신호의 주기를 고려하였다. 정상 주기는 일반적으로 800ms∼1200ms이기 때문에 R파가 검출될 수있는 범위는 최대1200ms의 50%로 하였다.
먼저 잡음이 없는 심전도 신호에 수식 (6)에서 모델 링된 기저선 잡음을 첨가하였다. 필터의 신호 왜곡과 잡음 제거 성능을 평가하기 위해서 잡음이 없는 깨끗한 심전도 신호와 각 필터들의 출력 신호와의 차를 계산하였고, 필터링한 결과를 SNR로 나타내었다. 잡음이 없는 심 전도 신호와 각 필터 출력 신호와의 차이는 수식 (7)와 같이 정의되고, 그 측정 결과는 표 1에 나타내었다.
필터의 잡음 제거 성능에 대한 평가는 신호 처리 전후 신호의 SNR(Signal to Noise Ratio)을 비교하여 평가하다. 먼저 잡음이 없는 심전도 신호에 수식 (6)에서 모델 링된 기저선 잡음을 첨가하였다.
대상 데이터
그림 5는 MIT-BIH 데이터베이스의 105번 레코드를 대상으로한 각 필터의 필터링 결과가 나타나 있다. 기저선 변동 발생구간은 그 중에서도 비교적 변동이 심한 구간을 대상으로 실험하였다. 잡음이 첨가된 기저선 변동구간은 그림 5(a)와 같으며 FIR 필터, 메디안 필터, 제안한 알고리즘을 통해 잡음을 제거한 결과를 각각 그림 5(b), 5(c), 5(d)에 나타내었다.
또한각 필터의 신호처리 시 연산량을 알아보기 위해 각 필터가 신호 처리를 시작해 끝내는 시간을 측정하여 간접적으로 연산량을 측정해 보았다. 형태 연산 필터의 성능을 평가하기 위한 비교 대상 필터로는 일반적으로 심전도 기저선 변동 제거 시 사용되는 FIR/IIR 0.5Hz고역 통과 필터와 메디안 필터가 사용되었다.
데이터처리
일반적으로 형태 연산을 이용한 신호처리 방법은 덧셈, 뺄셈연산, 그리고 최대, 최소를 찾는 연산으로 수행되므로 적은 연산량에 비해 비교적 우수한 잡음 제거 성능을 보여준다. 제안한 알고리즘의 성능을 평가하기 위해 일반적으로 심전도 기저선 변동 잡음 제거 시 사용되는 FIR, 메디안 필터와 신호의 왜곡을 비교 평가하였다. 또한 MIT-BIH 부정맥 데이터베이스를 사용하여 다른 필터링 방법과의 R파 검출 결과를 확인하였다.
이를 위해 형태 연산을 통한 전처리 과정과 적응형 윈도우를 통해 QRS를 검출하였다. 제안한 알고리즘의 성능을 평가하기 위해 일반적으로 심전도 기저선 변동 잡음 제거시 사용되는 FIR, 메디안 필터와 비교하였으며, 신호의 왜곡정도를 평가하였다. 또한 MIT-BIH 부정맥 데이터베이스를 사용하여 R파 검출 결과를 확인하였다.
성능/효과
따라서 이 두 필터의 신호 왜곡 정도를 직접적으로 확인해보기 위해서 메디안 필터와 형태연산의 출력 파형의 모양을 같은 시점을 기준으로 비교해보았다. 그림 6에나타난 바와 같이 필터링된 신호의 모양을 확인하고 비교해 보았을 때 형태연산 필터의 경우 비교적 ST 세그먼트의 모양을 잘 보존하고 있는 반면 메디안 필터의경우 ST 세그먼트 부분의 하강되어 왜곡이 발생한 것을 확인할 수 있으며 BER(Bit Error Rate)도 메디안 필터의 경우 3.91로 형태연산 필터의 0.05에 비해 높다는 것을 확인할 수 있다. 이와 같이 형태 연산 기법은 적은연산량으로 비교적 안정적인 잡음 제거 결과를 나타냄을 확인할 수 있다.
그림 1에서 잡음이 첨가된 신호는 사각형으로 나타내었고, 침식연산의 결과는 원형으로 나타내었으며, 침식연산후 팽창연산한 결과는 삼각형으로 나타내었다. 두 연산의 결과를 살펴보면 양의 임펄스 잡음에서는 침식연산에서 약간 축소되었다가 팽창연산 후에 동일한 크기로 복원되었으며, 음의 임펄스 잡음에서는 팽창연산에 의해서 약간 확대된 잡음이 침식연산에 의해서 동일한 크기로 복원되었다는 것을 확인할 수 있다. 침식과 팽창연산의 연산량은 이산 컨벌루션과 비슷하여, 구조요소의 역할은 컨벌루션의 윈도우 커널과 유사한 역할을 한다.
이는 다음 R파를 검출함에 있어 P파나 T 파를 R파로 오인하지 않기 위한 최적의 문턱 값이다. 본 논문에서의 적응 가변형 문턱 값은 매 심전도 신호의 파 형에 따라 이 과정을 반복하여 입력되어 들어오는 신호에 따라서 자동적으로 문턱전압도 변화하여 검출의 효율성을 증대시켰다.
또한 MIT-BIH 부정맥 데이터베이스를 사용하여 R파 검출 결과를 확인하였다. 실험 결과로부터 형태 연산을 이용한 방법이 기존의 기저선 변동 잡음 제거를 위한 전처리 기법에 비해 적은 연산량으로 충분한 잡음 제거율을 얻을수 있다는 것을 확인할 수 있었다. 따라서 본 논문에서 제안한 형태 연산을 통한 기저선 제거 방법은 ST 의 왜곡을 최소화하며, 적은 연산량으로 잡음을 검출하고 실시간으로 생체신호를 진단하는 헬스케어 시스템에 적용 가능할 것으로 생각된다.
표 4는 기저선 변동이 비교적 심한 구간인 MIT-BIH 데이터베이스의 105번 레코드를 대상으로 한 각 필터의 R파 검출 결과를 나타내고 있다. 이와 같이 R파 검출 결과에서도 다른 필터에 비해 좀 더 나은 검출률을 나타낸다는 것을 확인할 수 있다.
표 1의 결과 노이즈 감쇄비와 두 신호의 차에 대한 비는 형태연산 필터의 경우 메디안 필터와 형태연산 필터가 가장 좋은 결과를 나타내었으나 두 신호의 차에 대한 비에서 형태연산 필터가 메디안 필터보다 원 신호와 좀 더 유사한 결과를 출력함을 알 수 있다.
표 3과 같이 총 19개 레코드를 대상으로 한 평균 R파 검출율은 99.56%의 우수한 성능을 나타내었다. 표 4는 기저선 변동이 비교적 심한 구간인 MIT-BIH 데이터베이스의 105번 레코드를 대상으로 한 각 필터의 R파 검출 결과를 나타내고 있다.
후속연구
실험 결과로부터 형태 연산을 이용한 방법이 기존의 기저선 변동 잡음 제거를 위한 전처리 기법에 비해 적은 연산량으로 충분한 잡음 제거율을 얻을수 있다는 것을 확인할 수 있었다. 따라서 본 논문에서 제안한 형태 연산을 통한 기저선 제거 방법은 ST 의 왜곡을 최소화하며, 적은 연산량으로 잡음을 검출하고 실시간으로 생체신호를 진단하는 헬스케어 시스템에 적용 가능할 것으로 생각된다.
하지만 부정맥과 같은 변화가 심한 파형의 경우 QRS 구간의 넓이가 계속 변하기 때문에 구조요소의 넓이를 적응적으로 선택해야 부분에 대한 향후 연구가 보완되어야 할 것으로 생각된다.
질의응답
핵심어
질문
논문에서 추출한 답변
심전도 신호의 QRS 검출이란 무엇인가?
심전도 신호의 QRS 검출은 심장의 상태를 확인 할 수 있는 가장 보편적인 방법이다. 하지만 측정할 때 발생되는 여러 종류의 잡음성분들로 인하여 이를 분석하는데 어려움을 준다.
심전도 신호의 QRS 검출의 단점은?
심전도 신호의 QRS 검출은 심장의 상태를 확인 할 수 있는 가장 보편적인 방법이다. 하지만 측정할 때 발생되는 여러 종류의 잡음성분들로 인하여 이를 분석하는데 어려움을 준다. 가장 큰 문제를 야기하는 부분이 기저선 변동 잡음인데 전극을 부착한 부위의 근육수축과 호흡의 리듬에 따라서 발생하게 된다. 특히 일반인들의 건강상태를 지속적으로 모니터링 해야 하는 헬스케어 시스템에서는 이를 위한 심전도 신호의 실시간 처리가 필요하다.
일반적인 심전도 신호의 해석의 활용은 무엇인가?
일반적으로심전도(ECG : electrocardiography) 신호의 해석은 인체로부터의 생체신호 획득, 잡음 제거, QRS 파형의 검출 및진단의 단계를 포함하며, 심전도신호의 분석을 토대로 심장의 이상 유·무와 여러 가지 심장질환의 진단에 많이 활용되고 있다[1]. 하지만 측정할 때 발생되는 여러 종류의 잡음성분들로 인하여 이를 분석하는데 어려움을 준다[2].
참고문헌 (12)
John G. Webster, "Encylclopedia of medical devices and instrumentation,"Wiley, pp20-28 1990
Y. Suzuki, and K. Ono, "Personal computer system for ECG ST-segment recognition based on neural networks," Medical & Biological Engineering & Computer, Vol. 30, No. 1, pp.2-8, 1992.
Gary, M. F., Thomas, C. J., et al. "A coparison of the noise sensitivity of nine QRS Detection Algorithms", IEEE Trans. Biomed. Eng. 37(1), pp:85-98, 1990.
Van Alste, J. A. and Schilder, T. S. "Removal of baseline wander and power-line interference from the ECG by an efficient FIR filter with a reduced number of taps", IEEE trans. Biomed. Eng, BME-32(12), pp:1052-1060, 1985.
Van Alste, J. A. and Schilder, T. S. "Removal of baseline wander and power-line interference from the ECG by an efficient FIR filter with a reduced number of taps", IEEE trans. Biomed. Eng, BME-32(12), pp:1052-1060, 1985.
Rodrigues, J., Olsson, L., Sornmo, T., & Owall, V., "Digital implementation of a wavelet-based event detector for cardiac pacemakers". IEEE TCAS-I, 52(12), 2686-2698. 2005
Zhang, F., Wei, Y., & Lian, Y. . "Efficient QRS detection in wearable ECG Devices for body sensor network. The 5th IEEE International Workshop on Wearable and Implantable Body Sensor Networks", Hong Kong, China, Jun 1-3. 2008
Zhang, F., Wei, Y., & Lian, Y. , "Frequency response masking based filter bank for qrs detection in wearable biomedical devices. IEEE International Symposiumon Circuits and Systems", Taipei, Taiwan, May 24-27. 2009
Gasterators, A., Andreadis, I., & Tsalides, P. H. , "Fuzzy soft mathematical morphology". IEEE Proceedings Vision, Image and Signal Processing, 145, 41-49. 1998
Maragos, P., Schafter, R. W., & Butt, M. A. . "Mathematical morphology and its applications to image and signal processing", by Kluwer Academic. 1996
Chu, C.-H. N. & Delp, E. J. . "Impulsive noise suppression and background normalization of electrocardiogram signals using morphological operators". IEEE Transactions on Biomedical Engineering, 36, 262-273. 1989
Trahanias, P. E. . "An approach to QRS complex detection using mathematical morphology". IEEE Transactions on Biomedical Engineering, 40, 201- 205. 1993
※ AI-Helper는 부적절한 답변을 할 수 있습니다.