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
- 이러한 문제점을 극복하기 위해서는 최소한의 특징점을 추출함으로써 연산의 복잡도를 줄이고, 실시간으로 다양한 부정맥을 분류할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 복잡도를 고려한 R파 검출과 이진 부호화 기반의 부정맥 분류방법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 차감기법을 통해 R 파를 검출하였다.
- 차분 방식을 통한 R파 검출 시 FP(False Positive) 또는 TN(True Negative)이 발생함으로써 검출율의 저하를 가져올 수 있다. 이를 방지하기 위해 본 연구에서는 동적 역탐색 기법 (Dynamic Backward Searching Method)을 통한 R파 검출의 효율성을 향상시켰다. MIT-BIH 부정맥 데이터베이스를 통하여 R파 검출에 대한 성능 평가가 수행되었다.
제안 방법
- 따라서 본 연구에서는 복잡도를 고려한 R파 검출과 이진 부호화 기반의 부정맥 분류방법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 차감기법을 통해 R 파를 검출하였다. 이후 RR 간격을 추출하고, 각 특징점들의 역치(threshold) 만족 여부를 이진 부호화 시킴으로써 실시간으로 부정맥을 분류하였다.
- 따라서 본 연구에서는 복잡도를 고려한 R파 검출과 이진 부호화 기반의 부정맥 분류방법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 차감기법을 통해 R 파를 검출하였다. 이후 RR 간격을 추출하고, 각 특징점들의 역치(threshold) 만족 여부를 이진 부호화 시킴으로써 실시간으로 부정맥을 분류하였다.
- 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 차감기법을 통해 R 파를 검출하였다. 이후 RR 간격을 추출하고, 각 특징점들의 역치(threshold) 만족 여부를 이진 부호화 시킴으로써 실시간으로 부정맥을 분류하였다. 제안한 알고리즘은 각 특징점들의 변화를 4비트 이진 코드값을 통하여 분류함으로써 기존에 사용되었던 알고리즘의 복잡도를 단순화시켰다.
- 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 차감기법을 통해 R 파를 검출하였다. 이후 RR 간격을 추출하고, 각 특징점들의 역치(threshold) 만족 여부를 이진 부호화 시킴으로써 실시간으로 부정맥을 분류하였다. 제안한 알고리즘은 각 특징점들의 변화를 4비트 이진 코드값을 통하여 분류함으로써 기존에 사용되었던 알고리즘의 복잡도를 단순화시켰다.
- 이후 RR 간격을 추출하고, 각 특징점들의 역치(threshold) 만족 여부를 이진 부호화 시킴으로써 실시간으로 부정맥을 분류하였다. 제안한 알고리즘은 각 특징점들의 변화를 4비트 이진 코드값을 통하여 분류함으로써 기존에 사용되었던 알고리즘의 복잡도를 단순화시켰다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 39개의 부정맥 데이터베이스를 대상으로 Normal, PAC, PVC의 검출률을 비교하였다.
- 정확한 진단을 위해서는 심전도 신호에 포함되어 있는 다양한 잡음을 제거하여 R파를 정확히 검출하는 것이다. 본 연구에서는 원신호의 변형을 줄이고 계산의 복잡도를 최소화하면서, 효율적으로 R파를 검출하기 위해 형태 연산 기반의 전처리 기법을 적용하였다[11]. R파는 우선, 형태 연산을 통해 전 처리된 신호의 경험적 문턱값(empirical threshold)과 차분 동작을 이용하여 검출하며, 이 값에 의해 검출 되지 않을 경우 RR 간격을 이용한 역탐색 기법을 사용한다[12].
- R파를 검출하면, 부정맥 분류를 위한 특징점을 검출해야 한다. 본 연구에서는 부정맥 분류를 위한 변수로써 RR 간격, R파 진폭, R파의 진폭을 이용하여 PVC와 PAC를 분류한다.
- VC와 PAC는 정상신호에 비해 RR 간격이 급격히 좁아지며, 그 변화율이 일정하게 커지는 공통점을 가진다. 본 연구에서 제안한 부정맥 분류 과정은 그림 2와 같이 세 단계로 나누어지며, 조기수축 부정맥을 판단하는 과정은 그 첫 번째 분류 단계에 해당한다. 조기수축 부정맥은 RR 간격이 전체 평균 가중치(RRwa)보다 작게 나타나며, 부정맥과 정상신호가 연속되는 신호의 RR간격 변화율이 1.
- 음의 진폭으로 분류되지 않은 특정 PVC (MIT-BIH 105번 레코드)패턴을 분류하기 위해 R파의 진폭변화율을 이용하였다. PVC의 진폭은 정상 신호에 비해 약 2배정도 일정하게 나타난 반면, PAC는 정상신호와 유사하거나 약 1.
- 5배 정도의 범위의 진폭 변화율을 나타내었다. 이를 이용하여 R피크 진폭에 대한 템플릿을 만들어 그 변화율을 찾아내었다. 템플릿은 현재 R피크를 기준으로 이전 15개와 이후 9개로 25개의 R피크의 그룹으로 형성된다.
- 형태 연산을 통해 기저선 잡음을 제거하고, 잡음이 제거된 신호를 대상으로 차감 기법을 통하여 R파를 검출하였다. R파 검출을 위한 양의 피크와 음의 피크 추출은 현재와 이전 시간간의 진폭 값 차이를 이용하였다.
- 형태 연산을 통해 기저선 잡음을 제거하고, 잡음이 제거된 신호를 대상으로 차감 기법을 통하여 R파를 검출하였다. R파 검출을 위한 양의 피크와 음의 피크 추출은 현재와 이전 시간간의 진폭 값 차이를 이용하였다. 차분 방식을 통한 R파 검출 시 FP(False Positive) 또는 TN(True Negative)이 발생함으로써 검출율의 저하를 가져올 수 있다.
- 이를 방지하기 위해 본 연구에서는 동적 역탐색 기법 (Dynamic Backward Searching Method)을 통한 R파 검출의 효율성을 향상시켰다. MIT-BIH 부정맥 데이터베이스를 통하여 R파 검출에 대한 성능 평가가 수행되었다. 검출율의 계산은 식 (1)을 통하여 이루어진다.
- 성능 비교 제안된 특징점 변화에 따른 바이너리 코딩 기반의 부정맥 분류 알고리즘의 성능을 평가하기 위하여 MIT-BIH 부정맥 데이터베이스를 대상으로 그 효용성을 실험하였다. 검출율의 계산은 식 (1)과 같으며, 성능평가는 총 39개의 레코드를 대상으로 실험하였다.
- 본 연구에서는 최소한의 특징점으로 연산의 복잡도를 줄이고, 각 특징점들의 문턱치를 통하여 그 값의 변화에 따른 만족 여부에 따라 각 특징점들의 변화를 4비트 이진 부호값을 통하여 부정맥을 검출하는 방법을 제안하였다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 차감기법을 통해 R파를 검출하였다.
대상 데이터
- 성능 비교 제안된 특징점 변화에 따른 바이너리 코딩 기반의 부정맥 분류 알고리즘의 성능을 평가하기 위하여 MIT-BIH 부정맥 데이터베이스를 대상으로 그 효용성을 실험하였다. 검출율의 계산은 식 (1)과 같으며, 성능평가는 총 39개의 레코드를 대상으로 실험하였다.
데이터처리
- 제안한 알고리즘은 각 특징점들의 변화를 4비트 이진 코드값을 통하여 분류함으로써 기존에 사용되었던 알고리즘의 복잡도를 단순화시켰다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 39개의 부정맥 데이터베이스를 대상으로 Normal, PAC, PVC의 검출률을 비교하였다. 본 논문의 구성은 다음과 같다.
이론/모형
- 본 연구에서는 최소한의 특징점을 추출하고, 분류를 위한 연산의 복잡도를 줄이기 위해 이진 부호화 방식을 적용하였다. 이는 RR 간격(D3), RR 간격의 변화율(D2), R파의 진폭(D1), R파의 진폭 변화율(D0)을 이용하여 그 범위를 만족하였을 경우와 그렇지 않을 경우를 1과 0의 이진 부호로 변환함으로써 부정맥을 분류하는 방법이다.
성능/효과
- MIT-BIH 레코드에 대한 PVC와 PAC의 진폭 값에 대한 범위를 분석한 결과 샘플링 범위 내에서–1.3mv보다 작은 진폭값이 존재할 경우 PVC로 판단되었다.
- 전체 비트는 MIT-BIH에 존재하는 R파의 총 개수이다. 표 1와 같이 총 12개 레코드를 대상으로 한 평균 R파 검출율은 9 .41%의 우수한 성능을 나타내었다. 표 1은 잡음이 비교적 심한 구간인 MIT-BIH 데이터베이스의 105번 레코드를 대상으로 한 각 필터의 R파 검출 결과를 나타내고 있다.
- 표 1은 잡음이 비교적 심한 구간인 MIT-BIH 데이터베이스의 105번 레코드를 대상으로 한 각 필터의 R파 검출 결과를 나타내고 있다. 이와 같이 R파 검출 결과에서도 다른 필터링에 의한 R파 검출 방법에 비해 좀 더 나은 검출율을 나타낸다는 것을 확인할 수 있다.
- 그림 6(d)는 각각 Normal(N 비트) 이후에 Normal(N 비트)가 나타나는 MIT-BIH 10 번 레코드를 표현한 것이다. 즉 본 연구에서 제안하는 알고리즘은 RR 간격, RR 간격의 변화량, R파의 진폭, R파의 진폭 변화량의 4가지 특징 변화에 따른 이진 부호값을 통하여 정상을 포함한 3가지의 부정맥을 판단할 수 있다는 것을 확인할 수 있다.
- 제안한 방법으로 MIT-BIH 부정맥 데이터베이스 39개의 레코드를 대상으로 부정맥을 분류한 결과를 표 2에 나타내었다. PVC, PAC, Normal, 의 검출율은 각각 97.18, 94.14, 99.83%의 우수한 특징을 나타내었다. 특히 분류한 심장질환 중 가장 큰 위험도를 가지고 있는 PVC에 대한 분류율을 기존 알고리즘과 비교하여 표 3에 나나내었다.
- 특히 분류한 심장질환 중 가장 큰 위험도를 가지고 있는 PVC에 대한 분류율을 기존 알고리즘과 비교하여 표 3에 나나내었다. 분류의 단순성 부분에서는 훨씬 우수하며, 나머지 2가지 분류방법보다는 우수한 결과를 얻을 수 있었다. 따라서 제안된 R파 검출과 이진 부호화 기반의 부정맥 검출 방법은 복잡도를 줄임과 동시에 우수한 분류율을 나타내었다.
- 분류의 단순성 부분에서는 훨씬 우수하며, 나머지 2가지 분류방법보다는 우수한 결과를 얻을 수 있었다. 따라서 제안된 R파 검출과 이진 부호화 기반의 부정맥 검출 방법은 복잡도를 줄임과 동시에 우수한 분류율을 나타내었다.
- 이후 RR 간격 을 추출하고, 각 특징점들의 역치(threshold) 만족 여부를 이진 부호화시킴으로써 실시간으로 부정맥을 분류하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스 39개의 레코드를 대상으로 분류하였을때 우수한 결과를 얻을 수 있었고, PVC분류 비교 평가에서도 우수한 결과를 얻었다. 본 연구에서 제안한 알고리즘은 연산의 복잡도를 줄임과 동시에 일반인들의 건강상태를 지속적으로 모니터링 하는 사물 인터넷 기반의 헬스케어 시스템에 적용될 수 있을것으로 판단된다.
후속연구
- 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스 39개의 레코드를 대상으로 분류하였을때 우수한 결과를 얻을 수 있었고, PVC분류 비교 평가에서도 우수한 결과를 얻었다. 본 연구에서 제안한 알고리즘은 연산의 복잡도를 줄임과 동시에 일반인들의 건강상태를 지속적으로 모니터링 하는 사물 인터넷 기반의 헬스케어 시스템에 적용될 수 있을것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.