$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

심전도 신호의 리듬 특징을 이용한 부정맥 검출

Arrhythmia Detection Using Rhythm Features of ECG Signal

초록

본 논문에서는 먼저 심전도 진단을 위한 처리 과정별 관련 연구내용을 살펴본 후 심전도 신호의 리듬 특징을 이용하여 부정맥을 검출 및 분류하는 방법을 제안한다. 특징 추출에서는 리듬 구간에 대하여 동일성 및 규칙성 등의 리듬 및 심박 분포에 관련되는 특징을 추출하게 되며, 리듬 분류에서는 리듬 구간의 특징에 대하여 미리 구축된 규칙 베이스를 이용하여 리듬 유형을 분류하게 된다. MIT-BIH 부정맥 데이터베이스의 모든 리듬 유형에 대한 실험을 통하여 정상 리듬 규칙만으로도 100% 부정맥 검출 성능을 보였으며, 부정맥 리듬 규칙으로는 유형 분류 적용 가능성을 확인하였다.

Abstract

In this paper, we look into previous research in relation to each processing step for ECG diagnosis and propose detection and classification method of arrhythmia using rhythm features of ECG signal. Rhythm features for distribution of rhythm and heartbeat such as identity, regularity, etc. are extracted in feature extraction, and rhythm type is classified using rule-base constructed in advance for features of rhythm section in rhythm classification. Experimental results for all of rhythm types in the MIT-BIH arrhythmia database show detection performance of 100% for arrhythmia with only normal rhythm rule and applicability of classification for rhythm types with arrhythmia rhythm rules.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
파형 검출 및 분할
심전도 신호에서 파형 검출 및 분할은 각각 무엇을 검출하고 분할 하는가?
파형 검출은 주로 P파, QRS군, 및 T파의 최고점에 대한 시간값을, 파형 분할은 P파, QRS군, 및 T 파의 시작점 및 끝점에 대한 시간값을 각각 검출한다.

파형 검출 및 분할은 잡음이 제거된 신호 또는 잡음이 포함된 원신호로부터 원하는 파형을 검출하거나 분할하는 과정을 의미한다. 여기서 파형 검출은 주로 P파, QRS군, 및 T파의 최고점에 대한 시간값을, 파형 분할은 P파, QRS군, 및 T 파의 시작점 및 끝점에 대한 시간값을 각각 검출한다. 정확한 파형 검출 및 분할을 위하여 대부분의 연구에서는 심전도 전문가에 의한 수작업으로 주요 특징점을 검출하고자 하였다.

데이터 압축기술
데이터 압축기술은 어떻게 분류할 수 있는가?
실제 신호의 분석을 이용하는 시간영역 압축(direct data compression)과 스펙트럼 및 에너지의 분석을 이용하는 변환영역 압축(transformation compression)

데이터 압축기술은 실제 신호의 분석을 이용하는 시간영역 압축(direct data compression)과 스펙트럼 및 에너지의 분석을 이용하는 변환영역 압축(transformation compression)으로 크게 분류할 수 있다. 시간영역 압축은 대부분 예측 또는 내삽 알고리즘에 기반하여 연속적인 이웃 샘플의 불필요한 중복을 감축하며, 변환영역 압축은 선형직교변환으로 전처리 후 변환계수를 부호화하여 데이터의 양을 감축한다.

심박 부류를 이용한 분류
심전도 진단을 위한 기존 연구 중 심박 부류를 이용한 분류 기법의 단점은 무엇인가?
부정맥 종류 및 위치에 대한 세부적 진단 정보는 제외되는 단점이 있다.

심전도 진단을 위한 기존 연구들은 주로 심박(heartbeat) 단위에 대한 특징추출 및 분류를 통하여 비정상을 검출하는 접근법에 기반하고 있다. 그러나 이러한 심박 부류를 이용한 분류는 심실성(ventricular) 부정맥 또는 상심실성(supraventricular) 부정맥에 대한 개략적 진단 정보를 제공하지만, 부정맥 종류 및 위치에 대한 세부적 진단 정보는 제외되는 단점이 있다. 따라서 부정맥 진단을 위한 알고리즘은 심전도 신호의 구성요소, 즉 P파, QRS군, T파 등의 유무 및 리듬 등을 고려하여 설계되어야 할 필요가 있다[4,5]

질의응답 정보가 도움이 되었나요?

저자의 다른 논문

참고문헌 (24)

  1. F. Sufi et al., "Novel Methods of Faster Cardiovascular Diagnosis in Wireless Technology," IEEE Journal on Selected Areas in Communications, Vol. 27, No. 4, pp. 537-552, May 2009. 
  2. H. Kim et al., "ECG Signal Compression and Classification Algorithm with Quad Level Vector for ECG Holter System," IEEE Trans. on Information Technology in Biomedicine, Vol. 14, No. 1, pp. 93-100, Jan. 2010. 
  3. Y. Han, "A Study on Monitoring of Bio-signal for U-healthcare System," Journal of the Korea Society of Computer and Information, Vol. 16, No. 3, pp. 9-15, Mar. 2011. 
  4. Recommended Practice for Reporting Performance Results of Ventricular Arrhythmia Detection Algorithm, Association for the Advancement of Medical Instrumentation, Arlington, VA, 1987, ANSI ECAR:1987. 
  5. Testing and Reporting Performance Results of Cardiac Rhythm and ST Segment Measurement Algorithms, Association for the Advancement of Medical Instrumentation, Arlington, VA, 1998, ANSI-AAMI EC57:1998 (American National Standard). 
  6. T. Kim et al., "ECG Signal Compression Using Feature Points Based on Curvature," Journal of Korean Institute of Intelligent Systems, Vol. 20, No. 5, pp. 624-630, Oct. 2010. 
  7. D. Donoho, "De-noising by Soft-thresholding," IEEE Trans. on Information Theory, Vol. 41, No. 3, pp. 613-627, May 1995. 
  8. S. Mallat, "A Theory for Multiresolution Signal Decomposition: The Wavelet Representation," IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 11, No. 7, pp. 674-693, Jul. 1989. 
  9. N. Thakor and Y. Thakor, "Applications of Adaptive Filtering to ECG Analysis: Noise Cancellation and Arrhythmia Detection," IEEE Trans. on Biomedical Engineering, Vol. 38, No. 8, pp. 785-794, Aug. 1991. 
  10. R. Jane et al., "Adaptive Baseline Wander Removal in the ECG: Comparative Analysis with Cubic Spline Technique," Computers in Cardiology, pp. 143-146, Oct. 1992. 
  11. J. Pan and W. Tompkins, "A Real-time QRS Detection Algorithm," IEEE Trans. on Biomedical Engineering, Vol. 32, No. 3, pp. 230-236, Mar. 1985. 
  12. P. Laguna et al., "Automatic Detection of Wave Boundaries in Multilead ECG Signals: Validation with the CSE Database," Computers and Biomedical Research, Vol. 27, No. 1, pp. 45-60, Feb. 1994. 
  13. Q. Zhang et al., "An Algorithm for Robust and Efficient Location of T-wave Ends in Electrocardiograms," IEEE Trans. on Biomedical Engineering, Vol. 53, No. 12, pp. 2544-2552, Dec. 2006. 
  14. J. Kim et al., "An R-wave Detection Method in ECG Signal Using Refractory Period," Journal of the Korea Society of Computer and Information, Vol. 18, No. 1, pp. 93-101, Jan. 2013. 
  15. S. Jalaleddin et al., "ECG Data Compression Techniques - A Unified Approach," IEEE Trans. on Biomedical Engineering, Vol. 37, No. 4, pp. 329-343, Apr. 1990. 
  16. S. Mitra et al., "A Rough-set-based Inference Engine for ECG Classification," IEEE Trans. on Instrumentation and Measurement, Vol. 55, No. 6, pp. 2198-2206, Dec. 2006. 
  17. S. Kim, "Arrhythmia Detection and Type Classification of ECG Signals by Rule-based Rhythm Classification," Kyungpook University, Ph. D. Dissertation, Dec. 2011. 
  18. C. Ryu et al., "Abnormality Detection of ECG Signal by Rule-based Rhythm Classification," Journal of Korean Institute of Intelligent Systems, Vol. 22, No. 4, pp. 405-413, Aug. 2012. 
  19. J. O′Keefe, "The ECG Criteria Book, 2nd Edition" Jones & Bartlett Publishers, 2009. 
  20. M. Kundu et al., "A Knowledge-based Approach to ECG Interpretation Using Fuzzy Logic," IEEE Trans. on System, Man, and Cybernetics, Vol. 28 Part B, No. 2, pp. 237-243, Apr. 1998. 
  21. D. Ge et al., "Cardiac Arrhythmia Classification Using Autoregressive Modeling," BioMedical Engineering Online, Vol. 1, No. 5, pp. 1-12, Nov. 2002. 
  22. J. Rodriguez et al., "Real-time Classification of ECGs on a PDA," IEEE Trans. on Information Technology in Biomedicine, Vol. 9, No. 1, pp. 23-34, Mar. 2005. 
  23. U. Ayesta et al., "Complexity Measure Revisited: A New Algorithm for Classifying Cardiac Arrhythmias," Proceedings of the 23rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Vol. 2, pp. 1589-1591, 2001. 
  24. G. Moody and R. Mark, "The MIT-BIH Arrhythmia Database on CD-ROM and Software for Use with It," Computers in Cardiology, pp. 185-188, Sep. 1990. 

이 논문을 인용한 문헌 (2)

  1. 박길흠, 김정홍 2014. "Morphology-pair 연산과 중간 값을 이용한 심전도 신호의 기저선 변동 잡음 제거" 韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, 19(8): 107~117 
  2. 이승민, 류춘하, 박길흠 2014. "심전도 신호에서 R파 왜곡에 따른 적응적 특이심박 검출" Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, 51(9): 200~207 

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :
  • KCI :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

이 논문 조회수 및 차트

  • 상단의 제목을 클릭 시 조회수 및 차트가 조회됩니다.

DOI 인용 스타일

"" 핵심어 질의응답