선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이에 본 논문에서는 의료용 AFE를 이용하여 12채널 심전도를 획득하고 신호 처리를 위한 DSP칩을 추가 구성하여 부정맥 상태를 판단 할 수 있는 시스템을 개발하였다. 그리고 개발된 12채널 심전도 획득 및 부정맥 판단 시스템을 통해 심전도 시뮬레이터의 정상 신호/부정맥 신호를 판단해 보았다.
제안 방법
- 본 연구에서 구현한 시스템은 12채널 심전도를 계측할 뿐만 아니라 부정맥 판단이 가능하다. 12채널 심전도 계측을 위한 AFE을 이용하여 소형화 시스템을 구현하였으며 DSP와 ARM core를 구성하여 판별 알고리즘과 같은 고성능을 요하는 작업을 충족하도록 하였다. 시스템의 정상 동작을 확인하기 위해서 심전도 시뮬레이터인 mediSim300b(Fluke사)로 정상상태와 부정맥(심실빈맥, 심실세동)신호를 입력하여 테스트 하였다.
- 이 과정에서 사용된 기법은 cross correlation으로, [10]에서 제안한 알고리즘은 데이터 처리를 위한 윈도우 크기를 500개의 데이터로 고정하였다. PC상에서 개발된 이 알고리즘을 본 시스템과 같은 임베디드 환경으로 적용하였으며 부정맥 판단 알고리즘의 처리 성능을 평가하였다. 추가적으로 처리 성능평가에 따른 알고리즘의 최적화를 진행하였으며 QRS Complex width에 따라 데이터 윈도우를 가변 할 수 있도록 개량하고 판별 성능을 유지하는 범위 내에서 성능 차이를 측정하였다.
- SVM의 판별 모델을 만들기 위하여 MIT-BIH Arrhythmia Database 중 부정맥 신호 131개로 training하였으며[12], 이때 판별 정확도를 높이기 위하여 Cross-validation을 시행(5회)하여 최적의 c값과 gamma값을 얻어내었다. 이 c와 gamma는 SVM 모델에서 판별을 할 때 필요로 하는 가중치들이다[10].
- 두 번째로는 심전도 파형의 특징 추출 과정으로, 이 과정은 심전도의 외형적 특성 중 피크들을 adaptive threshold방법으로 검출한다. 그리고 QRS complex를 평가 구간의 기준으로 선별하여 해당 4초 세그먼트 내의 R-Rinterval, complex 경사도 및 complex의 형태 간 일치도를 정량화하여 추출하였다. 이 과정에서 사용된 기법은 cross correlation으로, [10]에서 제안한 알고리즘은 데이터 처리를 위한 윈도우 크기를 500개의 데이터로 고정하였다.
- 이에 본 논문에서는 의료용 AFE를 이용하여 12채널 심전도를 획득하고 신호 처리를 위한 DSP칩을 추가 구성하여 부정맥 상태를 판단 할 수 있는 시스템을 개발하였다. 그리고 개발된 12채널 심전도 획득 및 부정맥 판단 시스템을 통해 심전도 시뮬레이터의 정상 신호/부정맥 신호를 판단해 보았다.
- 12채널 심전도 계측을 위한 AFE을 이용하여 소형화 시스템을 구현하였으며 DSP와 ARM core를 구성하여 판별 알고리즘과 같은 고성능을 요하는 작업을 충족하도록 하였다. 시스템의 정상 동작을 확인하기 위해서 심전도 시뮬레이터인 mediSim300b(Fluke사)로 정상상태와 부정맥(심실빈맥, 심실세동)신호를 입력하여 테스트 하였다. 부정맥 판단 및 심박 수의 변화(60～258BPM)도 오차 없이 정확한 측정 결과를 출력하였다.
- 신호 처리부는 부정맥 판별 알고리즘을 적용하며, 이 알고리즘은 빠른 수학적 연산 환경을 필요로 하기 때문에 DSP칩(TMS320F28069)을 추가하였다. 이를 통해 초당 80MHz의 연산 속도와 32bit 부동소수점 연산을 제공하는 점 이외에 통신 인터페이스를 통합으로 내장하여 주변 회로 구성이 간소하다는 장점이 있다.
- 그리고 QRS complex를 평가 구간의 기준으로 선별하여 해당 4초 세그먼트 내의 R-Rinterval, complex 경사도 및 complex의 형태 간 일치도를 정량화하여 추출하였다. 이 과정에서 사용된 기법은 cross correlation으로, [10]에서 제안한 알고리즘은 데이터 처리를 위한 윈도우 크기를 500개의 데이터로 고정하였다. PC상에서 개발된 이 알고리즘을 본 시스템과 같은 임베디드 환경으로 적용하였으며 부정맥 판단 알고리즘의 처리 성능을 평가하였다.
- 3과 같다. 전처리부와 신호 처리부를 하나의 보드로 구성하였으며 ARM core부와 저장 및 통신 기능에 대한 회로를 하나의 보드로 구성하여 총 2장의 PCB로 제작 하였다. 입력 전원으로는 12V 의료용 전원 공급기를 사용하여 구동되며 모든 사용자 입력은 터치 패널을 통해 이루어진다.
- 최종적으로 사용자의 입력(측정 시작, 측정 중지 및 판별 결과 확인)을 받기 위해 터치 스크린 기능을 가진 7인치 TFT-LCD를 구성하였다.
- PC상에서 개발된 이 알고리즘을 본 시스템과 같은 임베디드 환경으로 적용하였으며 부정맥 판단 알고리즘의 처리 성능을 평가하였다. 추가적으로 처리 성능평가에 따른 알고리즘의 최적화를 진행하였으며 QRS Complex width에 따라 데이터 윈도우를 가변 할 수 있도록 개량하고 판별 성능을 유지하는 범위 내에서 성능 차이를 측정하였다.
- 판별성능을 유지한 상태에서 진행한 알고리즘 최적화에 따른 성능 평가는 실행 시간, 단축 시간, 성능효율을 비교하여 분석하였다[13].
대상 데이터
- 구현된 시스템의 테스트를 위해 FLUKE사의 12채널 심전도 시뮬레이터인 mediSim300b를를 이용하였다. 테스트를 위해 쓰인 시뮬레이터는 측정 케이블의 임피던스를 변경 할 수 있으며 1%의 정확성을 보장한다.
- 본 시스템에서는 Fig.1의 시스템 블록선도와 같이 심전도 획득을 위한 전처리부, 부정맥 판단 알고리즘에 관한 연산을 수행하는 신호 처리부, 디스플레이와 신호 저장 및 외부 통신을 위한 Arm Core부로 구성된다. 내부적인 통신은 모두 SPI통신으로 데이터를 송·수신 한다.
- 이 과정은 Texas Instrument사의 ADS1298을 통해 이루어지며 저전력 24ibt 분해능의 ADC기능을 가진 것이 특징이다. 세부적으로는 총 8개의 입력 채널을 통해 500Hz의 샘플링 주파수로 데이터를 입력받는다.
이론/모형
- 마지막 단계는 심전도 특징 판별을 위한 SVM의 적용이다. 다양한 SVM 종류 중에서 본 단계에서는 C.Cortes와 V.Vapnik이 제안한 방법을 사용하였다[11]. 특징 추출단계에서 획득한 R-Rinterval, complex 경사도 그리고 complex 모양 간 일치도를 파라미터로 입력하고 여기서 발생하는 다중 파라미터 문제는 one against all(OAA)방법으로 해결 하였다.
- 특징 추출단계에서 획득한 R-Rinterval, complex 경사도 그리고 complex 모양 간 일치도를 파라미터로 입력하고 여기서 발생하는 다중 파라미터 문제는 one against all(OAA)방법으로 해결 하였다. 본 논문에서 사용된 SVM은 Gaussian Radial Basis Function(RBF)커널을 적용하였다[11].
- 본 논문에서 적용된 부정맥 판별 알고리즘은 Fig.2의 알고리즘의 순서도와 같이 data conditioning, adaptive threshold방법과 support vector machine(SVM)으로 구성된다. 먼저 AFE를 통하여 획득한 심전도 데이터는 포토 커플러를 통해 DSP칩으로 입력된다.
- Vapnik이 제안한 방법을 사용하였다[11]. 특징 추출단계에서 획득한 R-Rinterval, complex 경사도 그리고 complex 모양 간 일치도를 파라미터로 입력하고 여기서 발생하는 다중 파라미터 문제는 one against all(OAA)방법으로 해결 하였다. 본 논문에서 사용된 SVM은 Gaussian Radial Basis Function(RBF)커널을 적용하였다[11].
성능/효과
- 상대적으로 심실세동의 경우 더 많은 연산 시간을 필요로 하는 것을 알 수 있으며 이는 QRS complex구간을 식별하기 어려운 불규칙적인 파형에 기인한 것으로 파악된다. 각 심전도 별로 10회의 실험을 진행했으며 본 연구에서 적용한 알고리즘 최적화를 통해 평균 약 94.5%의 시간이 절감되는 것을 볼 수 있다. Fig.
- 12채널 심전도 신호 측정과 부정맥 판단에 대한 전반적인 제어는 ARM core에서 이루어진다. 본 시스템에 구성된 ARM Coretex-M계열의 STM32F407은 최대 168MHz클럭으로 동작할 수 있으며 대용량의 데이터를 후처리하기 위해 충분하다. 통신 인터페이스로는 SPI, RS232c, Ethernet 및 USB를 지원하며 마이크로 SD카드에 심전도 데이터를 텍스트 파일로 저장하는 기능을 수행한다.
- 급성 심정지를 일으킬 수 있는 질환의 정확한 진단을 위해서는 12채널 심전도 계측은 필수적인 방법이다. 본 연구에서 구현한 시스템은 12채널 심전도를 계측할 뿐만 아니라 부정맥 판단이 가능하다. 12채널 심전도 계측을 위한 AFE을 이용하여 소형화 시스템을 구현하였으며 DSP와 ARM core를 구성하여 판별 알고리즘과 같은 고성능을 요하는 작업을 충족하도록 하였다.
- 본 연구의 기술을 토대로 의료 기관, 공공장소에 비치가 가능한 휴대형 심전도 분석기 개발이 가능하며 소형화를 통해 디자인적인 면을 개량하면 응급 구조사, 비의료인의 현장 대처 능력을 향상 시킬 수 있다. 추후 자동 제세동기와의 연동 인터페이스 개발 및 장비 호환 시스템 구축에 관한 연구를 통해 사용자에게 이점을 줄 수 있을 것이다.
- 구현된 시스템의 테스트를 위해 FLUKE사의 12채널 심전도 시뮬레이터인 mediSim300b를를 이용하였다. 테스트를 위해 쓰인 시뮬레이터는 측정 케이블의 임피던스를 변경 할 수 있으며 1%의 정확성을 보장한다. 30～300BPM의 범위의 심박수를 0.
후속연구
- 본 연구의 기술을 토대로 의료 기관, 공공장소에 비치가 가능한 휴대형 심전도 분석기 개발이 가능하며 소형화를 통해 디자인적인 면을 개량하면 응급 구조사, 비의료인의 현장 대처 능력을 향상 시킬 수 있다. 추후 자동 제세동기와의 연동 인터페이스 개발 및 장비 호환 시스템 구축에 관한 연구를 통해 사용자에게 이점을 줄 수 있을 것이다.
- 향후 타 의료기기와의 접근성과 본 시스템의 상용화에 있어 심전도 분석에 대한 알고리즘의 고도화가 필요하며 부정맥의 다른 종류인 심방세동 및 심근경색과 같은 파형의 판별정확도를 높여야할 것이다. 그리고 생체신호를 획득하고 처리하는 과정에 있어서 안정성과 재현성에 대한 부가적인 기술들이 접목되어야 상용화를 하는데 문제가 없을 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.