[논문]MIT/BIH 부정맥 데이터베이스를 이용한 다중스케일 기반 피크검출 알고리즘의 검증

박희정; 이영재; 이재호; 임민규; 김경남; 강승진; 이정환

doi:10.5370/kiee.2014.63.10.1441

MIT/BIH 부정맥 데이터베이스를 이용한 다중스케일 기반 피크검출 알고리즘의 검증
A assessment of multiscale-based peak detection algorithm using MIT/BIH Arrhythmia Database 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.63 no.10, 2014년, pp.1441 - 1447

박희정 (Biomedical Engineering, Konkuk University) , 이영재 (Biomedical Engineering, Konkuk University) , 이재호 (Biomedical Engineering, Konkuk University) , 임민규 (Biomedical Engineering, Konkuk University) , 김경남 (Biomedical Engineering, Konkuk University) , 강승진 (Biomedical Engineering, Konkuk University) , 이정환 (Dept. of Biomedical Engineering, Konkuk University)

Abstract ▼ AI-Helper

A robust new algorithm for R wave detection named for Multiscale-based Peak Detection(MSPD) is assessed in this paper using MIT/BIH Arrhythmia Database. MSPD algorithm is based on a matrix composed of local maximum and find R peaks using result of standard deviation in the matrix. Furthermore, By reducing needless procedure of proposed algorithm, improve algorithm ability to detect R peak efficiently. And algorithm performance is assessed according to detection rates about various arrhythmia database.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 국지적 최대값 스케일러그램을 구해 피크의 위치를 검출해내는 새로운 R피크 검출 방법을 MIT/BIH 부정맥 데이터에 적용시켜 보았다. 그 결과, 부정맥 같은 불규칙한 피크가 갑자기 나타나거나, 베이스라인이 흔들려도 유사한 크기의 피크만 주기적으로 나온다면 무리 없이 검출할 수 있다.
제안된 알고리즘은 기존 알고리즘들과는 달리 상황에 맞게 고려해야 할 변수들이 요구되지 않고, 비교적 간단하다는 장점을 가지고 있다. 추가적으로 심전도 신호에서의 R피크를 검출하는데 불필요한 계산과정을 줄임으로써 계산량을 줄이고 R피크의 특징이 잘 반영되도록 최적화시킨 후, 이의 성능을 비교 평가하고자 한다.

제안 방법

QRS파의 주파수 대역만 통과시키기 위해 Butterworth 8～20Hz 대역의 대역통과 1차 필터를 적용시켰다. QRS파를 검출하기 위해 제안된 차단주파수 대역은 다음과 같다.
데이터의 전체길이가 길어 한 번에 알고리즘을 처리하기에는 다소 무리가 있으므로 구간을 나누어 알고리즘에 적용시킨다. 그리고 이에 따라 발생하는 문제는 원도우 크기에 따라 구간이 나눠지는 경계에 근접해 있는 R피크가 검출되지 않은 결과를 그림 10의 위 그림에서 볼 수 있으나, 중첩 처리를 적용함으로써 R피크 검출의 정확도를 높일 수 있다.
MIT/BIH Arrhythmia Database의 심전도 데이터는 f_s = 360Hz 이므로, m_k의 범위는 102 ～ 240로 축소된다. 따라서 제안한 알고리즘은 일반적인 R피크일 경우, P와 T 파는 검출되지 않고 R피크만 검출한다.
또한 제안한 알고리즘은 메모리 사용의 효율성을 향상시키기 위하여, 전체 심전도 데이터를 한 번에 처리하지 않고, window의 크기를 1000개로 고정시켜 심전도 샘플구간을 나눠서 피크를 검출했다. 전체 데이터가 N개 일 때, 구간을 1～1000, 501～1500, 1001～2000, .
피실험자의 심전도 신호를 10초간 측정하고 샘플링 주파수 120Hz로 양자화 한 뒤, 심전도의 한 주기가 4개가 포함되어 있도록 약 4초간의 심전도 신호를 추출하였다.
MIT/BIH Arrhythmia Database는 Annotation R피크 정보 또한 제공해 주기 때문에, 알고리즘이 찾아낸 R피크가 정확한지 아닌지를 확인할 수 있다. 피크검출 알고리즘의 성능을 판단하기 위해 검출결과를 표 1에 제시된 조건(Condition)과 검출결과(Test)에 따라 True Positive, False Positive, False Negative, True Negative로 나눈 후, 그 결과를 표 2에 제시된 평가기준에 적용시킨다. 이 결과를 통해 알고리즘이 얼마나 효과적으로 R피크를 검출했는지 알 수 있다.

대상 데이터

심전도의 R피크 검출 성능을 평가하기 위하여 MIT/BIH Arrhythmia Database에서 제공하는 약 1시간 길이의 48개 2채널 심전도 신호 중, 첫 번째 채널을 사용하였다. 피험자 1명당 데이터 개수는 650000개이다.
심전도의 R피크 검출 성능을 평가하기 위하여 MIT/BIH Arrhythmia Database에서 제공하는 약 1시간 길이의 48개 2채널 심전도 신호 중, 첫 번째 채널을 사용하였다. 피험자 1명당 데이터 개수는 650000개이다. MIT/BIH Arrhythmia Database는 Annotation R피크 정보 또한 제공해 주기 때문에, 알고리즘이 찾아낸 R피크가 정확한지 아닌지를 확인할 수 있다.

이론/모형

따라서 본 논문에서는 심전도 신호 중에서도 각종 심장질환을 진단할 때 중요한 척도가 될 수 있는 심전도 신호의 R-피크를 검출하기 위해, Felix Scholkmann[1] 등이 제안한 방법을 사용했다. 제안된 알고리즘은 기존 알고리즘들과는 달리 상황에 맞게 고려해야 할 변수들이 요구되지 않고, 비교적 간단하다는 장점을 가지고 있다.

성능/효과

32%로, 가장 낮은 검출율을 보였다. 그리고 필터를 사용한 경우, 8～20Hz의 대역을 가진 필터에서 예측도(+P) 96.17%와 민감도(SE) 99.54%로 가장 높은 검출 결과를 얻을 수 있었다.
기존의 문헌에서 제안된 대표적인 R피크 검출 알고리즘과 본 논문에서 제안한 알고리즘의 R피크 검출결과를 비교해 보았을 때, 예측도(+P)는 약 3%정도 차이가 났으며 민감도(SE)는 큰 차이가 없는 것을 확인 할 수 있었다.
8Hz, Sahambi[10] 3～40Hz, Benitez[11]8～20Hz, Moraes[12] 9～30Hz, Mahmoodabadi[13] 2～40Hz. 논문에 제시된 대역을 알고리즘에 적용시켜본 결과 8～20Hz의 경우가 가장 효율적이었다. 결과는 표 4에서 확인할 수 있다.
첫 번째, 신호를 분석하기 전에 사용자에 의해 선택되어져야 하는 변수가 필요 없다. 두 번째, 주기적인 성향을 가진 신호에서 정확한 피크를 검출할 수 있다. 이러한 이유로 제시된 알고리즘은 R피크 검출에 대해 고효율 알고리즘이다.
1Hz인 고역통과 필터를 추가해 호흡에 의한 잡음을 없애주고, QRS파 검출을 위한 8～20Hz의 대역통과 필터를 추가함으로써 알고리즘을 최적화시킬 수 있다. 실제로 부정맥 데이터를 적용시켜 보았을 때, +P 와 SE 가 각각 96.17%, 99.53% 로 최적화과정을 거치기전 보다 더 정확한 피크 검출이 가능했다.
심전도의 QRS파뿐만 아니라 P파와 T파 또한 주기적인 성향을 가지고 있으므로, 제안한 MSPD 알고리즘은 P와 T파 또한 피크로 인식할 가능성이 있다. 따라서 P파와 T파가 검출되지 않는 범위로 m_k를 수정할 필요가 있다.
표 4는 주파수 대역별 예측도와 민감도 결과만 정리한 것이다. 이를 보아 알 수 있는 것은 대역통과 필터를 사용하지 않은 경우에 예측도(+P) 88.82%와 민감도(SE) 94.32%로, 가장 낮은 검출율을 보였다. 그리고 필터를 사용한 경우, 8～20Hz의 대역을 가진 필터에서 예측도(+P) 96.
따라서 본 논문에서는 심전도 신호 중에서도 각종 심장질환을 진단할 때 중요한 척도가 될 수 있는 심전도 신호의 R-피크를 검출하기 위해, Felix Scholkmann[1] 등이 제안한 방법을 사용했다. 제안된 알고리즘은 기존 알고리즘들과는 달리 상황에 맞게 고려해야 할 변수들이 요구되지 않고, 비교적 간단하다는 장점을 가지고 있다. 추가적으로 심전도 신호에서의 R피크를 검출하는데 불필요한 계산과정을 줄임으로써 계산량을 줄이고 R피크의 특징이 잘 반영되도록 최적화시킨 후, 이의 성능을 비교 평가하고자 한다.

후속연구

제안한 알고리즘은 심전도뿐만 아니라, 다양한 전기적 생체 신호에 위와 같은 알고리즘을 적용시켜, 효과적인 검출을 할 수 있을 것이다. 그리고 알고리즘을 더욱 단축시킨다면 실시간 R피크 검출이 가능할 것이다. 이렇게 다양한 생체신호를 수집하여, 정확한 검출이 가능한 자동화 시스템을 개발한다면 u-health 산업을 크게 발전시킬 수 있을 것이다.
그리고 알고리즘을 더욱 단축시킨다면 실시간 R피크 검출이 가능할 것이다. 이렇게 다양한 생체신호를 수집하여, 정확한 검출이 가능한 자동화 시스템을 개발한다면 u-health 산업을 크게 발전시킬 수 있을 것이다.
제안한 알고리즘은 심전도뿐만 아니라, 다양한 전기적 생체 신호에 위와 같은 알고리즘을 적용시켜, 효과적인 검출을 할 수 있을 것이다. 그리고 알고리즘을 더욱 단축시킨다면 실시간 R피크 검출이 가능할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	다중스케일 기반 피크검출 알고리즘은 무엇인가?	본 논문에서 제안하는 다중스케일 기반 피크검출 알고리즘은 Felix Scholkmann[1] 등에 의하여 처음으로 제안된 방법으로, 대상 신호에서 국지적 최대값 스칼로그램(scalogram)을 계산하여 피크 성분이 있는 곳의 위치를 확률적으로 파악한 뒤, 최종적으로 피크의 위치는 스칼로그램의 표준편차가 최소가 된다는 점을 이용해 피크를 검출하는 알고리즘이다.
	일반적으로 사용되고 있는 피크 검출 방법로는 어떤 것들이 있는가?	생체신호처리 분야에서 신호의 피크를 검출하는 과정은 오프라인에서 후처리를 위해서도 매우 중요하므로 여러 가지 새로운 방법들이 끊임없이 개발되고 있다. 일반적으로 사용되고 있는 피크 검출 방법에는 대표적으로 역치값 설정 기술(Adaptive threshold)[3], 미분(Differentiation)[8], 웨이블렛 변환(Wavelet transform)[2], 힐버트 변환(Hilbert transform)[11] 등을 바탕으로 하는 알고리즘들이 있다. 하지만 이 알고리즘들은 신호를 분석하기 전에 상황에 따라서 많은 변수들(역치값[3] 또는 윈도우 길이[4])을 상황에 맞게 수정해야 하는 문제점을 가지고 있다.
	심전도의 한 주기를 구성하는 P, Q, R, S, T파는 각각 어떤 작용에 의해 발생하는가?	심전도의 한 주기(Cycle)는 각각 P, Q, R, S, T파(wave)로 구성되어 있다. P파는 심방의 탈분극, QRS파는 좌, 우심실의 탈분극, T파는 심실의 재분극에 의해 각각 발생한다. 일반적으로 심전도 신호는 호흡 및 전원 장치로 인하여 신호에 왜곡 현상이 나타난다.

참고문헌 (16)

Felix Scholkmann, "An Efficient Algorithm for Automatic Peak Detection in Noisy Periodic and Quasi-Periodic Signals", MDPI, 5, pp. 588-603, 2012
Li C, Zheng C, Tai C, "Detection of ECG characteristic points using wavelet transforms", IEEE, 42, pp. 21-28, 1995
Jacobsen, A.L., "Auto-Threshold peak detection in physiological signals", IEEE, 3, pp. 2094-2195, 2001
G. Palshikar, "Simple algorithms for peak detection in time-series." Proc. 1st Int. Conf. Advanced Data Analysis, Business Analytics and Intelligence, 2009
Miri Ha, Hyuk Lee and Byonghyo Shim, "R peak detection based on weighted biorthogonal spline wavelet transform in ECG signal." Conference on Information and Control Systems, pp. 91-92, 2009
THAKOR, N. V., WEBSTER, J. G., TOMPKINS, W. J., "Optimal QRS detector", Medical and Biological Engineering, 21, pp. 343-350, 1983

상세보기
CHEN, H. C., CHEN, S. W., "A moving average based filtering system with its application to real-time QRS detection", Computers in Cadiology, pp. 585-588, 2003
PAN, J. & TOMPKINS, W. J., "A Real-Time QRS Detection Algorithm", Biomedical Engineering, IEEE Transactions on, BME, 32, pp. 230-236, 1985
CUIWEI, L., CHONGZUN, Z., CHANGFENG, T., "Detection of ECG characteristic points using wavelet transforms", Biomedical Engineering, IEEE Transactions on, 42, pp. 21-28, 1995

상세보기
J.S. Sahambi, S.N. Tandon, and R.K.P. Bhatt, "Using wavelet transforms for ECG characterization", An on-line digital signal processing system. Engineering in Medicine and Biology Magazine, IEEE, 16, pp. 77-83, 1997

상세보기
D. S. Benitez, "A new QRS detection algorithm based on the Hilbert transform", Computers in Cardiology, 27, pp. 379-382, 2000
J. Moraes, M. Freitas, F. Vilani, and E. Costa, "A QRS complex detection algorithm using electrocardiogram leads", Computers in Cardiology, 29, pp. 205-208, 2002
MAHMOODABADI, S. Z., AHMADIAN, A., ABOLHASANI, M. D., "ECG Feature Extraction Using Daubechies Wavelets", In : Proceedings of the Fifth IASTED International Conference Visualization, Imaging, and Image Processing, pp. 343-348, 2005
DS BENITEZ, PA GAYDECKI, A ZAIDI, AP FITZPATRICK, "A New QRS Detection Algorithm Based on the Hilbert Transform", IEEE Computers in Cardiology, 27, pp. 379-382, 2000
Etienne Aliot, Remi Nitzsche, Alain Ripart, "Arrhythmia detection by dual-chamber implantable cardioverter defibrillators", Europace, 6, 4, pp.273-286, 2004

상세보기
PATRICK S. HAMILTON and WILLIS J. TOMPKINS, "Quantitative Investigation of QRS Detection Rules Using the MIT/BIH Arrhythmia Database", IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, vol. BME-33, no. 12, 1986

저자의 다른 논문 :

LOADING...

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