심전도(ECG) 신호에서 R-피크를 추출하는 기법에 대하여 많은 연구가 진행 되어 왔으며, 다양한 방법으로 구현되어 왔다. 그러나 이러한 검출 방법 대부분은 실시간 휴대용 심전도 장치에서 구현하기가 복잡하고 어려운 단점이 있다. R-피크 검출을 위해서는 심전도 데이터에 대하여 베이스라인드리프트 및 상용전원 잡음 제거 등의 적절한 전처리 및 후가공이 필요하며, 특히 적응형 필터를 활용한 기법에서는 적절한 임계값을 선택하는 것이 중요하다. 적응형 필터의 임계값을 추출하는 방식에서는 고정형(Fixed) 및 적응형(adaptive)으로 구분할 수 있다. 고정 임계 값 추출 방식은 고정된 임계값 보다 낮은 값의 입력이 들어오는 경우에 R-피크 값을 감지하지 못하는 경우가 있으며, 적응 임계값 추출 방식은 때때로 잡음에 의한 잘못된 임계값을 도출하여, 다른 파형(P혹은 T파)의 피크를 감지하는 경우도 나타난다. 본 논문에서는 계산상의 복잡성이 적고, 코드 구현이 단순하면서도 잡음에 강인한 R-피크 검출 알고리즘을 제안한다. 제안된 방식은 앞서 설명한 임계값 추출 문제를 해결하기 위해서, 적응형 필터를 사용해, 심전도 신호에서 베이스 라인 드리프트 제거를 하여 적절한 임계값을 계산하도록 한다. 그리고 필터 처리된 심전도 신호의 최소 값과 최대 값을 사용하여 적절한 임계값이 자동으로 추출 되도록 한다. 그런 다음 심전도 신호로부터 R-피크를 검출하기 위해 임계값 아래에서 'neighborhood searching' 기법이 적용된다. 제안된 방법은 R-피크 검출의 정확도를 향상시키고, 계산 량을 줄여 검출 속도가 보다 빨라지도록 하였다. 다음으로 R-피크 값이 검출 되면, R-R interval 등의 값을 이용해 심박 수를 계산할 수 있도록 한다. 실험결과 심박 수 검출 정확도와 감도가 약 100%로 매우 높았음을 확인할 수 있었다.
심전도(ECG) 신호에서 R-피크를 추출하는 기법에 대하여 많은 연구가 진행 되어 왔으며, 다양한 방법으로 구현되어 왔다. 그러나 이러한 검출 방법 대부분은 실시간 휴대용 심전도 장치에서 구현하기가 복잡하고 어려운 단점이 있다. R-피크 검출을 위해서는 심전도 데이터에 대하여 베이스라인 드리프트 및 상용전원 잡음 제거 등의 적절한 전처리 및 후가공이 필요하며, 특히 적응형 필터를 활용한 기법에서는 적절한 임계값을 선택하는 것이 중요하다. 적응형 필터의 임계값을 추출하는 방식에서는 고정형(Fixed) 및 적응형(adaptive)으로 구분할 수 있다. 고정 임계 값 추출 방식은 고정된 임계값 보다 낮은 값의 입력이 들어오는 경우에 R-피크 값을 감지하지 못하는 경우가 있으며, 적응 임계값 추출 방식은 때때로 잡음에 의한 잘못된 임계값을 도출하여, 다른 파형(P혹은 T파)의 피크를 감지하는 경우도 나타난다. 본 논문에서는 계산상의 복잡성이 적고, 코드 구현이 단순하면서도 잡음에 강인한 R-피크 검출 알고리즘을 제안한다. 제안된 방식은 앞서 설명한 임계값 추출 문제를 해결하기 위해서, 적응형 필터를 사용해, 심전도 신호에서 베이스 라인 드리프트 제거를 하여 적절한 임계값을 계산하도록 한다. 그리고 필터 처리된 심전도 신호의 최소 값과 최대 값을 사용하여 적절한 임계값이 자동으로 추출 되도록 한다. 그런 다음 심전도 신호로부터 R-피크를 검출하기 위해 임계값 아래에서 'neighborhood searching' 기법이 적용된다. 제안된 방법은 R-피크 검출의 정확도를 향상시키고, 계산 량을 줄여 검출 속도가 보다 빨라지도록 하였다. 다음으로 R-피크 값이 검출 되면, R-R interval 등의 값을 이용해 심박 수를 계산할 수 있도록 한다. 실험결과 심박 수 검출 정확도와 감도가 약 100%로 매우 높았음을 확인할 수 있었다.
There have been numerous studies on extracting the R-peak from electrocardiogram (ECG) signals. However, most of the detection methods are complicated to implement in a real-time portable electrocardiograph device and have the disadvantage of requiring a large amount of calculations. R-peak detectio...
There have been numerous studies on extracting the R-peak from electrocardiogram (ECG) signals. However, most of the detection methods are complicated to implement in a real-time portable electrocardiograph device and have the disadvantage of requiring a large amount of calculations. R-peak detection requires pre-processing and post-processing related to baseline drift and the removal of noise from the commercial power supply for ECG data. An adaptive filter technique is widely used for R-peak detection, but the R-peak value cannot be detected when the input is lower than a threshold value. Moreover, there is a problem in detecting the P-peak and T-peak values due to the derivation of an erroneous threshold value as a result of noise. We propose a robust R-peak detection algorithm with low complexity and simple computation to solve these problems. The proposed scheme removes the baseline drift in ECG signals using an adaptive filter to solve the problems involved in threshold extraction. We also propose a technique to extract the appropriate threshold value automatically using the minimum and maximum values of the filtered ECG signal. To detect the R-peak from the ECG signal, we propose a threshold neighborhood search technique. Through experiments, we confirmed the improvement of the R-peak detection accuracy of the proposed method and achieved a detection speed that is suitable for a mobile system by reducing the amount of calculation. The experimental results show that the heart rate detection accuracy and sensitivity were very high (about 100%).
There have been numerous studies on extracting the R-peak from electrocardiogram (ECG) signals. However, most of the detection methods are complicated to implement in a real-time portable electrocardiograph device and have the disadvantage of requiring a large amount of calculations. R-peak detection requires pre-processing and post-processing related to baseline drift and the removal of noise from the commercial power supply for ECG data. An adaptive filter technique is widely used for R-peak detection, but the R-peak value cannot be detected when the input is lower than a threshold value. Moreover, there is a problem in detecting the P-peak and T-peak values due to the derivation of an erroneous threshold value as a result of noise. We propose a robust R-peak detection algorithm with low complexity and simple computation to solve these problems. The proposed scheme removes the baseline drift in ECG signals using an adaptive filter to solve the problems involved in threshold extraction. We also propose a technique to extract the appropriate threshold value automatically using the minimum and maximum values of the filtered ECG signal. To detect the R-peak from the ECG signal, we propose a threshold neighborhood search technique. Through experiments, we confirmed the improvement of the R-peak detection accuracy of the proposed method and achieved a detection speed that is suitable for a mobile system by reducing the amount of calculation. The experimental results show that the heart rate detection accuracy and sensitivity were very high (about 100%).
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한 사람마다 심박 수의 변화 폭이 다르고, 상황에 따라 심박 수의 변화가 클 수 있으므로, 심박 수가 낮거나 빠른 상황에서도 높은 정확성이 유지될 수 있는지 확인하였다. 실험을 위해 심전도 시뮬레이터를 사용하여 심박 수를 변경하여 입력하였다.
본 논문에서는 심전도 신호로부터 R-피크를 검출하기 위한 간단한 알고리즘을 개발하였다. R-피크는 심장 질환 분석에 도움을 줄 수 있는 값 중에 하나이다.
본 논문에서는 심전도 신호로부터 R-피크를 검출하기 위한 효율적이고 잡음에 강인하며 연산의 복잡도를 줄인 알고리즘을 제안 하였다. 제안된 기법은 심전도의 최소-최대 진폭 값 및 neighbor search 기법을 기반으로 동작한다.
제안 방법
Pan는 R-피크 검출을 위해 QRS 복합체(Complex 또는 Duration)의 기울기, 진폭 및 시간을 분석했다[10]. QRS 복합체 기법에서는 R-피크를 정확하게 검출하기 위해 Reverse 임계값 연산 방법을 사용하였으며 저 전력 프로세서를 갖춘 휴대용 심전도 기기에 적합하도록 구현하였다. 그러나 이 기법은 전력선 간섭 및 베이스 라인 드리프트와 같은 잡음에 대하여 R-피크 검출시 오류가 발생하는 문제가 있다.
R-피크 검출을 위하여 제안한 NLMS 알고리즘에 의해 베이스 라인 드리프트 및 전력선 신호의 잡음을 먼저 제거한다. 그런 다음 심전도 신호의 최대 및 최소 값을 계산하여 R-피크 검출의 임계값을 설정한다.
Table 3은 변화된 심박 수와 제안된 방법의 심박 수 검출 결과를 보여준다. 개발된 심전도 측정기기를 인체에 부착하여 사용될 수 있도록 제작하였으며, 목걸이에 연결하는 타입으로, 전용 전극 단자 케이블을 제작하여 전극 단자를 연결 할 수 있도록 제작하였다. 가벼운 운동 상태에서 제안한 알고리즘을 사용하여 심박 수를 검출한 결과, 큰 오류 없이 심박 수를 추출하였음을 확인할 수 있었다.
R-피크는 심장 질환 분석에 도움을 줄 수 있는 값 중에 하나이다. 그리고 R-피크를 이용하여 심박 수를 측정하여 심장 활동을 파악할 수 있게 하였다. 제안된 알고리즘은 실시간 심전도 측정에 있어서 비교적 잡음에 대한 강인성을 갖고 있으며, Table 2의 계산 시간을 기존 알고리즘들과 비교하였을 때, 계산이 복잡하지 않고 구현이 간단해 계산 시간이 짧은 장점이 있다.
먼저 앞서 설명한 바와 같이 입력된 심전도 데이터의베이스 라인 드리프트를 제거하기 위한 적응형 필터 수행과 함께, R-피크 검출을 수행하였다. 베이스 라인 드리프트를 제거한 후, R-피크 검출 결과를 Fig.
안드로이드 어플리케이션과 마찬가지로 상단에 심박 수 그리고 R-피크, R-R 간격 등의 값을 수치화하여 출력하고, 심전도 신호를 그래프 형태로 나타낸다. 실시간 심전도 측정기기의 정확성을 평가하기 위해 추가적으로 MS400 ECG 시뮬레이터를 이용하여 심전도 신호를 입력하여 실험하였다.
또한 사람마다 심박 수의 변화 폭이 다르고, 상황에 따라 심박 수의 변화가 클 수 있으므로, 심박 수가 낮거나 빠른 상황에서도 높은 정확성이 유지될 수 있는지 확인하였다. 실험을 위해 심전도 시뮬레이터를 사용하여 심박 수를 변경하여 입력하였다.
본 논문에서는 심전도 신호로부터 R-피크를 검출하기 위한 효율적이고 잡음에 강인하며 연산의 복잡도를 줄인 알고리즘을 제안 하였다. 제안된 기법은 심전도의 최소-최대 진폭 값 및 neighbor search 기법을 기반으로 동작한다. 이 방법은 모든 유형의 피크 탐지에도 적용될 수 있다.
제안된 알고리즘은 실시간 심전도 측정에 있어서 비교적 잡음에 대한 강인성을 갖고 있으며, Table 2의 계산 시간을 기존 알고리즘들과 비교하였을 때, 계산이 복잡하지 않고 구현이 간단해 계산 시간이 짧은 장점이 있다. 제안된 방법의 성능을 증명하기 위해MIT/BIH 데이터베이스와 심전도 시뮬레이터를 사용하여 심전도 신호를 모사해 입력하고, 자체 개발한 휴대용 심전도 측정기기를 사용하여 성능을 검증하였다. 실험결과, 제안된 방법은 기존 방법에 비해 높은 정확도를 제공한다.
대상 데이터
9 (a)는 제안한 기술의 실시간 성능을 확인하기 위해 자체 개발한 심전도 측정 시스템을 나타낸다. 개발된 심전도 측정 기기에는 Arm-cortex 프로세서가 장착된 nRF51822 BLE 칩과 높은 계산 능력을 보장하는 ADS1292 ADC(아날로그 - 디지털 변환기)칩이 포함된다. Fig.
데이터처리
R-피크 검출 결과를 이용하여 R-R 간격(R-R interval)을 구해 심박 수를 계산할 수 있다. 여기서 샘플링 주파수는 심박 수를 구하는 데 중요한 인자로 분당 샘플 수를 구하고, 다음 식 (7)을 이용하여 심박 수를 구해 낼 수 있다.
제안한 알고리즘을 MIT/BIH 부정맥 ECG 데이터베이스와 MS400 ECG 시뮬레이터를 이용한 심전도 신호를 기반으로 가변형 임계값 NLMS 필터 성능을 실험 평가하였다.
이론/모형
이러한 잡음은 심전도 신호에서 R피크를 감지하는 데 방해가 된다. 이러한 이유로 베이스라인 드리프트 및 전력선 잡음을 제거하려면 신호 필터링이 필요한데, 여기서는 NLMS(정규화 된 최소 자승법)필터를 사용했다. Fig.
성능/효과
개발된 심전도 측정기기를 인체에 부착하여 사용될 수 있도록 제작하였으며, 목걸이에 연결하는 타입으로, 전용 전극 단자 케이블을 제작하여 전극 단자를 연결 할 수 있도록 제작하였다. 가벼운 운동 상태에서 제안한 알고리즘을 사용하여 심박 수를 검출한 결과, 큰 오류 없이 심박 수를 추출하였음을 확인할 수 있었다.
제안 된 알고리즘의 계산 복잡도도 상대적으로 낮아 계산시간도 빨랐다. 결과적으로 이 알고리즘은 상대적으로 제한된 성능을 가진 휴대용 심전도 측정 장치에 매우 유용할 수 있다.
MIT/BIH 데이터베이스의 샘플 번호 104, 105, 111, 116, 205, 210, 228은 심각한 베이스라인 드리프트 및 다른 잡음에 의해 손상된 심전도 데이터이다. 기존의 다른 방식으로 R-피크 검출시, 오검출 발생률이 높았으나, 제안된 알고리즘에서는R-피크 검출 정확도가 100[%]로 확인 되었다.
제안된 방법의 성능을 증명하기 위해MIT/BIH 데이터베이스와 심전도 시뮬레이터를 사용하여 심전도 신호를 모사해 입력하고, 자체 개발한 휴대용 심전도 측정기기를 사용하여 성능을 검증하였다. 실험결과, 제안된 방법은 기존 방법에 비해 높은 정확도를 제공한다. 심박 수 또한 정확한 R-피크 검출과 R-R 간격측정을 기반으로 높은 검출 정확도를 입증하였다.
실험결과, 제안된 방법은 기존 방법에 비해 높은 정확도를 제공한다. 심박 수 또한 정확한 R-피크 검출과 R-R 간격측정을 기반으로 높은 검출 정확도를 입증하였다.
평균 감도와 정확도가 제안한 알고리즘과 비교하였을 때, 제안한 알고리즘의 결과가 더 우수한 것으로 확인되었다. 제안 된 알고리즘의 계산 복잡도도 상대적으로 낮아 계산시간도 빨랐다. 결과적으로 이 알고리즘은 상대적으로 제한된 성능을 가진 휴대용 심전도 측정 장치에 매우 유용할 수 있다.
기존의 다른 검출 기법과의 비교 결과는 Table 2에 나타내었다. 평균 감도와 정확도가 제안한 알고리즘과 비교하였을 때, 제안한 알고리즘의 결과가 더 우수한 것으로 확인되었다. 제안 된 알고리즘의 계산 복잡도도 상대적으로 낮아 계산시간도 빨랐다.
질의응답
핵심어
질문
논문에서 추출한 답변
심박 수 측정에는 어떤 방법들이 있는가?
[1] 그중 R-피크는 다른 파형에 비해 두드러지게 큰 진폭을 갖고 있으므로, 검출이 용이하여 심박 수 측정에 주로 이용된다. 심박 수 측정에는 여러 가지 방법이 제안되고 있으나, R-피크 검출을 통한 R-R 간격 계산 기법이 이용된다.[2-5] 그러나 R-R 간격을 통한 심박 수 측정 시, 심전도의 R-피크 검출은 전력선 간섭 및 베이스 라인 드리프트와 같은 잡음에 의해 검출이 어렵거나, 계산상의 오류가 발생할 수 있다.
심전도 신호의 역할은?
심전도(ECG) 신호는 심혈관 정보 등을 탐지하고 진단하는 데 중요한 역할을 한다. 심전도 신호는 심장의 탈분극 및 재분극시의 전기 신호로, Fig.
슬라이딩 윈도우 기법을 사용하여 R-피크를 검출하는 방법의 단점은?
그러나 이 기법은 250[Hz]의 최소 샘플 시간과 0.02[mV]보다 큰 진폭의 정규화 된 임계값으로 유연성이 부족하여 일반적인 경우에 적용이 어려운 단점이 있다. 다른 단점으로는 때때로 비선형 베이스라인 드리프트를 제거하지 못하는 고역 통과 필터(HPF)를 사용한 문제점 있다. Ravanshad는 R-피크를 검출하기 위해 레벨 교차 방법을 제안 하였다[7].
참고문헌 (15)
Yao Zou, Jun Han, Sizhong Xuan, "An Energy-Efficient Design for ECG Recording and R-Peak Detection Based on Wavelet Transform", IEEE Transactions on Circuits and Systems II: Express Briefs, vol. 62, pp. 119-123, 2015. DOI: https://doi.org/10.1109/TCSII.2014.2368619
M. Sabarimalai Manikandan, Barathram Ramkuma, "Straightforward and robust QRS detection algorithm for wearable cardiac monitor", IET J. Healthcare Technology Letters, vol. 1, pp. 40-44, 2014. DOI: https://doi.org/10.1049/htl.2013.0019
Misael Lopez Ramirez, Rosalia Vergara Esparza, Roberto Olivera Reyna, "A Novel Methodology for Calculating Heart Rate using Images Processing", IEEE Latin America Transactions, vol. 14, pp. 3522-3527, 2016. DOI: https://doi.org/10.1109/TLA.2016.7786329
Nassim Ravanshad, Hamidreza Rezaee-Dehsorkh, "A Level-Crossing Based QRS-Detection Algorithm for Wearable ECG Sensors", IEEE J.Biomed. Heal. Informatics, vol. 18, pp. 182-192, 2014. DOI: https://doi.org/10.1109/JBHI.2013.2274809
Raquel Gutierrez-Rivas, Juan Jesus Garcia, "Novel Real-Time Low-Complexity QRS Complex Detector Based on Adaptive Thresholding", IEEE Sensors Journal, vol. 15, pp. 6036-6034, 2015. DOI: https://doi.org/10.1109/JSEN.2015.2450773
S. Yazdani and J. M. Vesin, "A Novel Preprocessing Tool to Enhance ECG R-wave Extraction," in Computing in Cardiology Conference (CinC), 2016, 11-14 Sept. 2016, 2016.
N. Ravanshad, H. Rezaee-Dehsorkh, R. Lotfi, and Y. Lian, "A level-crossing based QRS-detection algorithm for wearable ECG sensors," IEEE J. Biomed. Heal. Informatics, vol. 18, no. 1, pp. 183-192, 2014. DOI: https://doi.org/10.1109/JBHI.2013.2274809
J. P. Martinez, R. Almeida, S. Olmos, A. P. Rocha, and P. Laguna, "A Wavelet-Based ECG Delineator Evaluation on Standard Databases," IEEE Trans. Biomed. Eng., vol. 51, no. 4, pp. 570-581, 2004. DOI: https://doi.org/10.1109/TBME.2003.821031
M. Bahoura, M. Hassani, and M. Hubin, "DSP implementation of wavelet transform for real time ECG wave forms detection and heart rate analysis," Comput. Methods Programs Biomed., vol. 52, no. 1, pp. 35-44, 1997. DOI: https://doi.org/10.1016/S0169-2607(97)01780-X
J. Pan and W. J. Tompkins, "A Real-Time QRS Detection Algorithm," IEEE Trans. Biomed. Eng., vol. BME-32, no. 3, pp. 230-236, 1985. DOI: https://doi.org/10.1109/TBME.1985.325532
F. Zhang and Y. Lian, "QRS detection based on multiscale mathematical morphology for wearable ECG devices in body area networks," in IEEE Transactions on Biomedical Circuits and Systems, vol. 3, no. 4, pp. 220-228, 2009. DOI: https://doi.org/10.1109/TBCAS.2009.2020093
S. Yazdani and J. M. Vesin, "Extraction of QRS fiducial points from the ECG using adaptive mathematical morphology," Digit. Signal Process. A Rev. J., vol. 56, pp. 100-109, 2016. DOI: https://doi.org/10.1016/j.dsp.2016.06.010
G. B. Moody and R. G. Mark, "Development and evaluation of a 2-lead ECG analysis program," in Computers in cardiology, pp. 39-44, 1982.
J. Lee, K. Jeong, J. Yoon, and M. Lee, "A simple real time QRS detection algorithm," in 18th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Amsterdam 1996, 1996. DOI: https://doi.org/10.1109/IEMBS.1996.647473
C. Li, C. Zheng, and C. Tai, "Detection of ECG characteristic points using wavelet transforms," IEEE Trans Biomed Eng, vol. 42, no. Bmei, pp. 21-28, 1995. DOI: https://doi.org/10.1109/10.362922
※ AI-Helper는 부적절한 답변을 할 수 있습니다.