[논문]심전도 신호에서 QRS군의 단계적 검출

김정홍; 이승민; 박길흠

doi:10.7840/kics.2016.41.2.244

심전도 신호에서 QRS군의 단계적 검출
Stepwise Detection of the QRS Complex in the ECG Signal 원문보기

한국통신학회논문지 = The Journal of Korean Institute of Communications and Information Sciences, v.41 no.2, 2016년, pp.244 - 253

김정홍 (Kyungpook National University. School of Computer Science and Engineering) , 이승민 (Kyungpook National University Graduate School of Electronics Engineering) , 박길흠 (Kyungpook National University Graduate School of Electronics Engineering)

초록
AI-Helper

ECG 신호에서 QRS군은 매우 중요한 심실의 탈분극 상태 정보를 제공한다. 자동으로 심전도 신호를 분석하기 위해서는 $QRS_{onset}$ 과 $QRS_{offset}$ 에 대한 정확한 정보가 중요하다. 본 연구에서는 먼저 QRS군의 전위값 변화량 및 $R_{peak}$ 와의 거리를 이용하여 Q파와 R파의 접속 부분 그리고 R파와 S파의 접속 부분을 구하였다. 다음 단계에서는 이를 기준으로 적분연산을 이용하여 $QRS_{onset}$ 과 $QRS_{offset}$ 을 검출하였다. 알고리즘의 성능을 평가하기위해 PhysioNet QT database를 사용하여 심장 전문의가 수작업으로 표시한 결과에 대한 평균과 표준편차를 계산하였다. 실험결과에서 제안한 알고리즘의 표준편차는 전문의사가 수용할 수 있는 허용치 범위 안에 속하며, 다른 알고리즘보다 더 우수함을 나타낸다.

Abstract ▼ AI-Helper

The QRS complex of ECG signal represents the depolarization and repolarization activities in the cells of ventricle. Accurate informations of $QRS_{onset}$ and $QRS_{offset}$ are needed for automatic analysis of ECG waves. In this study, using the amount of change in the QRS complex voltage values and the distance from the $R_{peak}$, we determined the junction point from Q-wave to R-wave and the junction point from R-wave to S-wave. In the next step, using the integral calculation based on the connection point, we detected $QRS_{onset}$ and $QRS_{offset}$. We use the PhysioNet QT database to evaluate the performances of the algorithm, and calculate the mean and standard deviation of the differences between onsets or offsets manually marked by cardiologists and those detected by the proposed algorithm. The experiment results show that standard deviations are under the tolerances accepted by expert physicians, and outperform the results obtained by the other algorithms.

주제어

AI 본문요약
AI-Helper

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

문제 정의

QRS 군의 생리학적 큰 형태 변화뿐만 아니라 ECG 신호에 있는 다양한 형태의 잡음 때문에 QRS_onset 과 QRS_offset 검출은 여전히 어려운 과제로 남아 있다. 본 논문에서는 QRS_onset 과 QRS_offset 검출을 위해 적분연산을 제안하였으며 알고리즘의 정확성을 높이기 위해 두 개의 구간으로 나누어 검출하는 방안을 제시하였다. 먼저 전위값 변화량 계산 및 R_peak와의 거리를 이용하여 R파와 Q파의 접속 부분인 Q_j, S파와 접속 부분인 S_j를 각각 찾아내었다.
본 논문에서는 QRS_onset 과 QRS_offset 을 검출을 위한 새로운 알고리즘을 제안한다. 제안한 알고리즘은 2 단계로 구성되어 있다.
이와 같이 기존의 알고리즘들을 사용하여 기저선 변동 및 노이즈를 제거한 후, R-peak들을 검출한 결과를 바탕으로 본 논문에서는 QRS군의 onset과 offset을 검출하고자 한다. 검출 알고리즘은 2단계로 구성되어있다.

제안 방법

검출 알고리즘 성능은 오차의 평균보다 표준편차에 더 큰 가중치를 두어 평가한다. QRS_onset 과 QRS_offset 은 R-peak와 같은 특징점에 비해 그 기준이 명확하지 않아 심장 전문의들 사이에서도 다소 오차가 발생하기 때문에 다른 알고리즘을 적용하더라도 오차는 발생하기 때문에 오차의 평균보다 알고리즘의 안정성과 직결되는 오차의 표준편차를 바탕으로 알고리즘의 성능을 평가하게 된다. 이러한 결과는 Q_j와 S_j의 분절의 위치를 찾음으로 인해 QRS_onset 과 QRS_offset 을 검출하기위한 무빙윈도우의 범위를 가변적으로 조절하였고, QRS_onset 과 QRS_offset 주변의 미세한 파형 변화를 구하기 위해 Q_j와 S_j 사이의 구간을 제거하였기 때문이다.
QT-DB는 2개의 채널 데이터로 이루어져있으나 본 논문에서 제안하는 알고리즘은 하나의 채널 데이터만을 사용하는 단일리드 기반 알고리즘이므로 그림 9와 같이 심전도 신호의 채널 각각에 대해 알고리즘을 적용하여 결과를 검출해낸 후, 심전도 전문의가 기술한 샘플위치와의 오차 평균이 적은 채널을 실험결과로 사용한다. 그 후 해당 데이터의 오차에 대해 평균과 표준편차를 계산하여 알고리즘의 성능을 확인하였다.
이를 이용하여 Q_j와 S_j 사이의 구간인 R파를 제거하였다. 그리고 QRS_onset 과 QRS_offset 을 검출하기 위한 무빙윈도우의 크기를 Q_j와 S_j를 사용하여 가변적으로 조절하였고, 이를 바탕으로 적분결과가 극대화된 지점인 QRS_onset 과 QRS_offset 를 각각 검출하였다.
이는 일반적으로 QRS군에서 R파는 가장 큰 전위값을 가지는 상향파이며, Q파와 S파는 R파를 중심으로 좌우로 하향파를 각각 형성하는 특징을 사용하여 Q_j와 S_j를 검출하게 된다. 두 번째 단계에서는 검출된 접합부들을 기준으로, QRS 군의 너비를 바탕으로 정의된 이동 윈도우 구간 안의 면적을 계산하여 이를 최대화하는 QRS_onset 과 QRS_offset 을 검출한다. 알고리즘 성능을 평가하기 위해 PhysioNet에서 제공하는 QT database(QT-DB) 105개의 레코드^[15]들에 대해 심장 전문의가 수작업으로 표시한 결과와 제안한 알고리즘을 통해 검출된 결과와의 오차에 대한 평균과 표준편차를 구하였다.
그리고 ECG 파형의 심박마다 QRS군의 너비가 변화하므로 무빙윈도우의 크기도 변화하게 된다. 따라서 본 논문에서는 정상심박에서 R-peak와 Q_j간의 거리가 Q_j에서 QRS_onset간의 거리와 유사함을 이용하여 무빙윈도우 크기를 식(8)과 같이 가변적으로 결정하였다.
본 논문에서는 QRS_onset 과 QRS_offset 검출을 위해 적분연산을 제안하였으며 알고리즘의 정확성을 높이기 위해 두 개의 구간으로 나누어 검출하는 방안을 제시하였다. 먼저 전위값 변화량 계산 및 R_peak와의 거리를 이용하여 R파와 Q파의 접속 부분인 Q_j, S파와 접속 부분인 S_j를 각각 찾아내었다. 이를 이용하여 Q_j와 S_j 사이의 구간인 R파를 제거하였다.
마찬가지로 QRS_offset 은 S_j와 T파 사이에 존재하며 QRS군의 곡률변화가 종료되는 지점이 된다. 이를 검출하기 위하여 구간적분을 이용함으로써 파형의 곡률변화에 대한 적분값이 극대점이 되는 지점을 QRS_onset 과 QRS_offset 으로 검출하고자 한다. 하지만 R파의 경우 심전도 신호에서 곡률변화가 가장 큰 부분으로써 구간적분과정에 영향을 미치지 않도록 하기위해 Q_j와 S_j 사이의 구간을 그림 7과 같이 제거를 한다.
첫 번째 단계에서는 Q파와 R파의 접합부(Q_j) 검출 및 R파와 S파의 접합부(S_j)를 검출한다. 이를 위해 R-peak와의 전위차, 각 접합부와 R-peak간의 거리를 계산한다. 두 번째 단계에서는 각 접합부를 기준으로 이동 윈도우 구간 안의 면적을 계산하여 QRS_onset 과 QRS_offset 을 검출한다.
먼저 전위값 변화량 계산 및 R_peak와의 거리를 이용하여 R파와 Q파의 접속 부분인 Q_j, S파와 접속 부분인 S_j를 각각 찾아내었다. 이를 이용하여 Q_j와 S_j 사이의 구간인 R파를 제거하였다. 그리고 QRS_onset 과 QRS_offset 을 검출하기 위한 무빙윈도우의 크기를 Q_j와 S_j를 사용하여 가변적으로 조절하였고, 이를 바탕으로 적분결과가 극대화된 지점인 QRS_onset 과 QRS_offset 를 각각 검출하였다.
일반적으로 앞에서 소개된 WT^[14]을 이용한 분석은 15개 이상의 성분들로부터 전위값 결정, 기울기 분석, 임계값 정의 등을 함으로 처리해야 하는 데이터가 많기 때문에 다소 어려움이 있다. 이에 대해 EA알고리즘을 적용함으로써 최적화된 성분을 결정한 후, 이를 바탕으로 WT을 진행함으로써 연산 및 성분분석에 드는 비용의 최소화를 진행하게 된다.
포괄신호와 포괄신호의 변화량을 나타내는 보조신호를 바탕으로 기울기가 작은 부분과 기울기가 큰 부분을 나누는 QRS_onset 과 QRS_offset 로 판단하고 해당 지점을 가설검증 방식을 사용하여 찾는다. 힐버트 변환을 이용한 알고리즘은 전처리로 사용되는 기저선 변동 및 잡음제거 전처리 알고리즘에 의해 신호가 왜곡됨에 따라 각 파형의 onset과 offset 검출에 영향을 받아 검출결과에 오차가 발생한다.

데이터처리

QT-DB는 2개의 채널 데이터로 이루어져있으나 본 논문에서 제안하는 알고리즘은 하나의 채널 데이터만을 사용하는 단일리드 기반 알고리즘이므로 그림 9와 같이 심전도 신호의 채널 각각에 대해 알고리즘을 적용하여 결과를 검출해낸 후, 심전도 전문의가 기술한 샘플위치와의 오차 평균이 적은 채널을 실험결과로 사용한다. 그 후 해당 데이터의 오차에 대해 평균과 표준편차를 계산하여 알고리즘의 성능을 확인하였다.
두 번째 단계에서는 검출된 접합부들을 기준으로, QRS 군의 너비를 바탕으로 정의된 이동 윈도우 구간 안의 면적을 계산하여 이를 최대화하는 QRS_onset 과 QRS_offset 을 검출한다. 알고리즘 성능을 평가하기 위해 PhysioNet에서 제공하는 QT database(QT-DB) 105개의 레코드^[15]들에 대해 심장 전문의가 수작업으로 표시한 결과와 제안한 알고리즘을 통해 검출된 결과와의 오차에 대한 평균과 표준편차를 구하였다. 획득된 오차의 표준편차는 QT-DB 구축에 참여한 심장 전문의가 수용할 수 있는 허용치 범위 안에 있으며, 다른 알고리즘보다 더 우수함을 확인하였다.
표 1은 각 알고리즘들과 제안한 알고리즘의 성능을 나타낸 것이다. 여기서 전체 데이터의 평균과 표준편차는 각 데이터로부터 획득된 오차의 평균과 표준편차값을 각각 평균을 취하여 획득하였다.
제안한 검출 알고리즘의 성능을 비교하기 위해 ENV 알고리즘^[13], WT 알고리즘^[14], LPD 알고리즘^[18], EA알고리즘^[19]에 의해 검출된 결과를 비교하였다. 표 1은 각 알고리즘들과 제안한 알고리즘의 성능을 나타낸 것이다.

이론/모형

LPD 알고리즘은 실시간 검출이 가능한 Pan and Tompkins 알고리즘^[10]을 기반으로 QRS군을 찾은 후, 미분신호로부터 영교차점 및 극점을 찾기 때문에 알고리즘이 간단하고 수행시간이 짧기 때문에 실시간으로 QRS군의 onset 및 offset을 함께 찾을 수 있다. 하지만 임계값 선택과정이 실험적으로 결정되며, 노이즈 제거 및 기저선 변동 제거가 명확히 되지 않을 경우 오검출이 되는 문제가 크다.
제안한 알고리즘의 성능 실험을 위하여, 본 논문에서는 ECG에서 파형의 특징점을 찾기 위한 알고리즘의 평가를 위해 구축한 QT-DB^[15]를 이용하였다. QT-DB는 다양한 QRS와 ST-T 형태를 포함하여, 105개의 서로 다른 환자들의 심전도 신호가 저장되어 있다.

성능/효과

실험 결과 QRS_onset 과 QRS_offset 의 정확도가 높아짐으로써 기존의 알고리즘과 비해 오차의 편차치가 크게 줄어들었음을 확인할 수 있었다. QRS_onset 과 QRS_offset 의 정확한 위치 판단은 부정맥 분류에 있어 중요한 정보를 제공하므로 앞으로 심장 질환 자동 분류시스템을 개발함에 있어 제안 알고리즘의 활용이 기대된다.
알고리즘 성능을 평가하기 위해 PhysioNet에서 제공하는 QT database(QT-DB) 105개의 레코드^[15]들에 대해 심장 전문의가 수작업으로 표시한 결과와 제안한 알고리즘을 통해 검출된 결과와의 오차에 대한 평균과 표준편차를 구하였다. 획득된 오차의 표준편차는 QT-DB 구축에 참여한 심장 전문의가 수용할 수 있는 허용치 범위 안에 있으며, 다른 알고리즘보다 더 우수함을 확인하였다.

후속연구

의 정확도가 높아짐으로써 기존의 알고리즘과 비해 오차의 편차치가 크게 줄어들었음을 확인할 수 있었다. QRS_onset 과 QRS_offset 의 정확한 위치 판단은 부정맥 분류에 있어 중요한 정보를 제공하므로 앞으로 심장 질환 자동 분류시스템을 개발함에 있어 제안 알고리즘의 활용이 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	ECG 신호 중 QRS군은 어떤 상태를 나타내는가?	ECG 신호의 구성 요소 중 QRS군은 심실의 탈분극 상태를 나타내며, 탈분극은 방실접합부 부근의 심실간 중격의 왼쪽 부분에서 시작되어 심실간 중격을가로질러 왼쪽에서 오른쪽으로 진행된다. 이를 바탕으로 QRS군은 ECG 신호에서 심박을 나누는 기준이 되며 심박수를 측정하는데 사용되고 있다[9].
	ECG 신호는 어떤 정보를 제공하는가?	심전위 활동을 나타내는 ECG 신호는 심장 질환을 분석하고 진단하는데 중요한 정보를 제공한다[1]. ECG 신호는 P파 QRS군, T파로 구성된 연속적인 파형으로 심실과 심방의 세포에서 분극과 재분극 활동을 나타낸다[2,3].
	WT[14]을 이용한 분석의 한계를 극복하기 위한 알고리즘은 무엇인가?	일반적으로 앞에서 소개된 WT[14]을 이용한 분석은 15개 이상의 성분들로부터 전위값 결정, 기울기 분석, 임계값 정의 등을 함으로 처리해야 하는 데이터가 많기 때문에 다소 어려움이 있다. 이에 대해 EA알고리즘을 적용함으로써 최적화된 성분을 결정한 후, 이를 바탕으로 WT을 진행함으로써 연산 및 성분분석에 드는 비용의 최소화를 진행하게 된다.

참고문헌 (22)

R. J. Huszar, "Basic dysrhythmias: interpretation & management," Mosby, 2007.
H. L. Chan, W. S. Chou, S. W. Chen, S. C. Fang, C. S. Liou, and Y. S. Hwang, "Continuous and online analysis of heart rate variability," J. Med. Eng. and Technol., vol. 29, no. 5, pp. 227-234, 2005.

상세보기
G. D. Clifford, F. Azuaje, and P. McSharry, Advanced methods and tools for ECG data analysis, Artech House, 2006.
B. M. Oussama, B. M. Saadi, and H. S. Zine-Eddine, "Extracting features from ECG and respiratory signals for automatic supervised classification of heartbeat using neural networks," Asian J. Inf. Technol., vol. 15, no. 1, pp. 5-11, 2016.
S. M. Lee, J. S. Kim, and K. H. Park, "PVC detection based on the distortion of QRS complex on ECG signal," J. KICS, vol. 40, no. 4, pp. 731-739, 2015.

원문보기 상세보기
J. J. Koo and G. S. Choi, "Performance evaluation of ECG compression algorithms using classification of signals based PQSRT wave features," J. KICS, vol. 37, no. 4, pp. 313-320, 2012.

원문보기 상세보기
S. Banerjee and M. Mitra, "Application of cross wavelet transform for ECG pattern analysis and classification," IEEE Trans. Instrumentation and Measurement, vol. 63, no. 2, pp. 326-333, 2014.

상세보기
Q. Zhang, A. I. Manriquez, C. Medigue, Y. Papelier, and M. Sorine, "An algorithm for robust and efficient location of T-wave ends in electrocardiograms," IEEE Trans. Biomedical Eng., vol. 53, no. 12, pp. 2544-2552, 2006.

상세보기
M. J. Mollakazemi, S. A. Atyabi, and A. Ghaffari, "Heart beat detection using a multimodal data coupling method," Physiological Measurement, vol. 36, pp. 1729-1742, 2015.

상세보기
J. Pan, and W. Tompkins, "A real-time QRS detection algorithm," IEEE Trans. Biomedical Eng., vol. 32, no. 3, pp. 230-236, 1985.
M. E. Nygards and L. Sornmo, "Delineation of the QRS complex using the envelope of the ECG," Medical and Biological Eng. Comput., vol. 21, pp. 538-547, 1983.

상세보기
J. P. Martinez, R. Almeida, S. Olmos, A. P. Rocha, and P. Laguna, "A wavelet-based ECG delineator: Evaluation on standard databases," IEEE Trans. Biomedical Eng., vol. 51, no. 4, pp. 570-581, 2004.

상세보기
A. I. Manriquez and Q. Zhang, "An algorithm for QRS onset and offset detection in single lead electrocardiogram records," in Proc. 29th Annu. Int. Conf. IEEE Eng. in Medicine and Biology Soc., pp. 541-544, Lyon, France, Aug. 2007.
J. P. Martinez, R. Almeida, S. Olmos, A. P. Rocha, and P. Laguna, "A wavelet-based ECG delineator: Evaluation on standard database," IEEE Trans. Biomedical Eng., vol. 51, no. 4, pp. 570-581, 2004.

상세보기
P. Laguna, R. G. Mark, A. Goldberg, and G. B. Moody, "A database for evaluation of algorithms for measurement of QT and other waveform intervals in the ECG," Computers in Cardiology, pp. 673-676, Lund, Sweden, Sept. 1997.
M. Llamedo and J. P. Martinez, "Heartbeat classification using feature selection driven by database generalization criteria," IEEE Trans. Biomedical Eng., vol. 58, no. 3, pp. 616-625, 2011.

상세보기
S. O. Kim, "Arrhythmia detection using rhythm features of ECG signal," J. The Korea Soc. of Comput. and Inf., vol. 18, no. 8, pp. 131-139, 2013.
P. Laguna, R. Jane, and P. Caminal, "Automatic detection of wave boundaries in multilead ECG signals: Validation with the CSE database," Comput. Biomedical Res., vol. 27, no. 1, pp. 45-60, 1994.

상세보기
J. Dumont, A. I. Hernandez, and G. Carrault, "Parameter optimization of a wavelet-based electrocardiogram delineator with an evolutionary algorithm," IEEE Computers in Cardiology, pp. 707-710, Lyon, France, Sept. 2005.
C. H. H. Chu and E. J. Delp, "Impulsive noise suppression and background normalization of electrocardiogram signals using morphological operators," IEEE Trans. Biomedical Eng., vol. 36, no. 2, pp. 262-273, 1989.

상세보기
Y. C. Yeh and W. J. Wang, "QRS complexes detection for ECG signal: the difference operation method," Computer Methods and Programs in Biomedicine, vol. 91, no. 3, pp. 245-254, 2008.

상세보기
I. S. Cho and H. S. Kwon, "Advanced R wave detection algorithm using wavelet and adaptive threshold," J. KICS, vol. 35, no. 10, pp. 840-846, 2010.

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