[논문]경량화된 심전도 측정 임베디드 장비에서 템플릿 기반 직선근사화를 이용한 통신오버헤드 감소 기법

이승민; 박길흠; 박대진

doi:10.14372/iemek.2020.15.5.205

경량화된 심전도 측정 임베디드 장비에서 템플릿 기반 직선근사화를 이용한 통신오버헤드 감소 기법
Communication-Power Overhead Reduction Method Using Template-Based Linear Approximation in Lightweight ECG Measurement Embedded Device 원문보기

대한임베디드공학회논문지 = IEMEK Journal of embedded systems and applications, v.15 no.5, 2020년, pp.205 - 214

이승민 (Advanced Dental Device Development Institute, Kyungpook National University) , 박길흠 (School of Electronic and Electrical Engineering, Kyungpook National University) , 박대진 (School of Electronic and Electrical Engineering, Kyungpook National University)

Abstract ▼ AI-Helper

With the recent development of hardware and software technology, interest in the development of wearable devices is increasing. In particular, wearable devices require algorithms suitable for low-power and low-capacity embedded devices. Among them, there is an increasing demand for a signal compression algorithm that reduces communication overhead, in order to increase the efficiency of storage and transmission of electrocardiogram (ECG) signals requiring long-time measurement. Because normal beats occupy most of the signal with similar shapes, a high rate of signal compression is possible if normal beats are represented by a template. In this paper, we propose an algorithm for determining the normal beat template using the template cluster and Pearson similarity. Also, the template is expressed effectively as a few vertices through linear approximation algorithm. In experiment of Datum 234 of MIT-BIH arrhythmia database (MIT-BIH ADB) provided by Physionet, a compression ratio was 33.44:1, and an average distribution of root mean square error (RMSE) was 1.55%.

주제어

표/그림 (17)

그림 그림 1. 홀터 모니터 Fig. 1 Holter monitor
그림 그림 2. 임베디드 장비를 활용한 심전도 신호 측정 (a) 블루투스 기반 장비 (b) 스마트워치 Fig. 2 ECG signal measurement using embedded device (a) bluetooth based device (b) smart watch
그림 그림 3. 제안 알고리즘 흐름도 Fig. 3 Proposed algorithm flowchart
그림 그림 4. 심전도 신호의 기준점 및 특징값의 구성 Fig. 4 The composition of fiducial points and features of ECG signal
그림 그림 5. 비정상 심박의 예시 (a) 조기심실수축 (V) (b) 조기심방수축 (A) Fig. 5 Examples of abnormal beats (a) Premature Ventricular Contraction (V) (b) Premature Atrial Contraction (A)
그림 그림 6. 일반적인 동적계획법의 복잡도 (a) 공간복잡도 (b) 시간복잡도 Fig. 6 Complexity of conventional dynamic programming (a) spatial complexity (b) time complexity
그림 그림 7. 개선된 동적계획법의 복잡도 (a) 공간복잡도 (b) 시간복잡도 Fig. 7 Complexity of advanced dynamic programming (a) spatial complexity (b) time complexity
그림 그림 8. 템플릿 군 초기화 알고리즘 Fig. 8 Template cluster initialization algorithm
그림 그림 9. 템플릿 군 갱신 알고리즘 Fig. 9 Template cluster update algorithm
그림 그림 10. 대표 템플릿 결정 알고리즘 Fig. 10 Representative template determination algorithm
그림 그림 11. 템플릿 군 및 정상심박의 템플릿 형성과정 (a) 전체 심박 정보 및 초기 심박 (b) 템플릿 군 형성 (c) 정상 템플릿 추출 Fig. 11 Process of generating template cluster and template of normal beat (a) total beat and initial beat (b) generating template cluster (c) extract normal template
표 표 1. 기존 방법에 따른 신호압축률 Table 1. Signal compression ratio according to the existing method
표 표 2. 제안 방법에 따른 신호압축률 Table 2. Signal compression ratio according to the proposed method
그림 그림 12. 템플릿 기반 신호 근사화 예시 Fig. 12 Example of signal approximation based on template
그림 그림 13. 근사화 오차 분포 (a) 기존 방법 (b) 제안 방법 Fig. 13 Approximation error distribution (a) existing method (b) proposed method
그림 그림 14. 그림 13 (b)의 654번째 심박의 근사화 오차 Fig. 14 Approximation error of 654th beat in Fig. 13 (b)
표 표 3. 심박 분류에 따른 적응적 신호압축률 Table 3. Adaptive signal compression ratio according to beat classification

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 심전도 신호의 직선근사화 기법을 기반으로 신호압축 성능을 향상시키기 위해 정상심박이 가지는 특징에 기반하여 정상심박의 템플릿을 이용한 신호압축 기법을 제안하였다. 제안 방법은 심박의 대다수를 차지하는 정상심박은 유사한 형태로 반복되며, 부정맥 진단에 활용도가 낮은 특징을 기반으로 한다.
본 논문에서는 심전도 신호의 직선근사화를 바탕으로, 심전도 신호의 주기적인 성질을 이용하여 신호압축 성능을 개선하고자 한다. 제안 방법은 심전도 신호의 정상심박의 특징에 기반을 둔다.
본 논문에서는 유사한 형태로 반복되는 정상심박의 주기적인 성질을 이용하기 위해, 정상심박의 템플릿 신호를 획득하고 이를 이용한 신호압축 기법을 제안한다.
본 논문에서는 피어슨 유사도를 이용하여 템플릿 군을 형성한 후, 밀집도가 가장 높은 템플릿을 대표템플릿으로 획득하는 방법을 제안한다. 피어슨 유사도를 통해 정상/비정상 심박 간의 분리하여 템플릿 군을 형성함으로써 정상/비정상 심박 간의 혼합을 방지하며, 정상심박의 발생빈도가 높은 특징에 기반하여 형성과정에서 측정된 밀집도가 가장 높은 템플릿을 대표템플릿으로 획득함으로써 신뢰있는 정상 심박의 템플릿을 형성한다.

제안 방법

QRS군의 정점인 R-peak는 일반적으로 가장 큰 전위값을 가져 검출이 비교적 쉽고 정확한 까닭에 심박을 구분하는 기준이 된다. R-peak의 검출을 시작으로 QRS군, P 파, T파의 기준점을 순차적으로 검출한 후, 특징값의 분석을 진행한다.
특히 생체신호 모니터링 [3-5]에 대한 연구가 활발하며, 심전도 신호 분석은 심질환의 조기검출을 위해 활용되는 대표적인 생체신호이다. 기존의 심전도 신호 분석은 그림 1과 같이 홀터 모니터 (Holter monitor)를 이용하여 24 시간~72 시간가량 장시간 측정을 통한 심전도 데이터를 수집한 후, 이에 대한 분석을 진행한다.
본 논문에서는 Physionet에서 제공하는 MIT-BIH ADB를 이용하여 실험을 진행한다. MIT-BIH ADB의 각 데이터는 360 Hz의 샘플링주파수, 14 bit의 전위 정보로 약 30분간 측정된 65만 개의 샘플로 구성된 신호이다.
여기서 L은 신호의 길이이며, μ와 σ는 각각 평균과 표준편차를 의미한다. 이와 같이 평균을 제거한 후, 표준편차로 나누어 줌으로써 안정적으로 두 신호 간의 유사도를 측정한다. 그림 9는 이에 대한 알고리즘을 나타낸다.
본 논문에서는 그 중 234번 데이터를 이용하여 실험을 진행하였다. 제안 방법과의 성능을 비교하기 위해, 직선근사화를 개별 심박에 대해 각각 적용한 기존 방법과 제안 방법을 적용한 결과를 비교한다.
본 논문에서는 심전도 신호의 직선근사화 기법을 기반으로 신호압축 성능을 향상시키기 위해 정상심박이 가지는 특징에 기반하여 정상심박의 템플릿을 이용한 신호압축 기법을 제안하였다. 제안 방법은 심박의 대다수를 차지하는 정상심박은 유사한 형태로 반복되며, 부정맥 진단에 활용도가 낮은 특징을 기반으로 한다. 피어슨 유사도와 템플릿 군을 이용한 신뢰있는 정상심박의 템플릿을 형성한 후, 이를 이용하여 대다수의 정상심박을 효과적으로 나타냄으로써 신호압축률을 크게 향상시켰다.
본 논문에서는 심전도 신호의 직선근사화를 바탕으로, 심전도 신호의 주기적인 성질을 이용하여 신호압축 성능을 개선하고자 한다. 제안 방법은 심전도 신호의 정상심박의 특징에 기반을 둔다. 일반적으로 정상심박은 유사한 형태의 심박이 주기적으로 발생하며, 부정맥에 따른 비정상심박은 드물게 발생하기 때문에 대부분의 심박이 정상심박으로 나타난다.
템플릿 군을 갱신한 후, 최종적으로 가장 밀집도가 높은 템플릿을 정상심박의 템플릿으로 검출한다. 이는 정상심박이 신호의 대다수를 차지하므로 밀집도가 가장 높은 템플릿은 정상심박의 템플릿이 될 가능성이 높은 특징에 기반을 둔다.

대상 데이터

본 논문에서는 Physionet에서 제공하는 MIT-BIH ADB를 이용하여 실험을 진행한다. MIT-BIH ADB의 각 데이터는 360 Hz의 샘플링주파수, 14 bit의 전위 정보로 약 30분간 측정된 65만 개의 샘플로 구성된 신호이다. 본 논문에서는 그 중 234번 데이터를 이용하여 실험을 진행하였다.
MIT-BIH ADB의 각 데이터는 360 Hz의 샘플링주파수, 14 bit의 전위 정보로 약 30분간 측정된 65만 개의 샘플로 구성된 신호이다. 본 논문에서는 그 중 234번 데이터를 이용하여 실험을 진행하였다. 제안 방법과의 성능을 비교하기 위해, 직선근사화를 개별 심박에 대해 각각 적용한 기존 방법과 제안 방법을 적용한 결과를 비교한다.
심전도 신호는 일반적으로 100 Hz 이상의 높은 샘플링 주파수로, 짧게는 10 분, 길게는 48 시간 이상의 장시간 측정을 통해 데이터를 수집한다. 이는 부정맥 진단에 사용되는 비정상심박의 발생빈도가 낮기 때문에 장시간 측정된 대용량의 데이터가 요구되기 때문이다.

이론/모형

그러나 소수의 정점으로 직선근사화를 통해 표현할 경우, 기준점이 정점으로 잘 표현될 수 있다. 특히 전역 최적화 기법인 동적계획법을 이용하여 근사화 오차를 최소화한다. 그러나 동적계획법은 전역최적화 기법이므로 복잡도가 높은 단점을 지니며, L개의 샘플 중, N개의 정점을 선택하는 문제에 대해, 그림 6과 같이 O(L²N)의 복잡도로 나타난다.

성능/효과

그림 11 (c)는 그림 11 (b)의 템플릿 중, 정상심박의 형태에 가까운 템플릿만 나타낸 그림이다. 그림 11 (b)의 범례와 비교할 경우, 밀집도가 가장 높은 두 템플릿이 정상심박의 템플릿으로 분류됨을 확인 할 수 있다.
부정맥 진단에 있어서 정상심박은 영향력이 낮은 반면 비정상심박은 영향력이 높다. 따라서 정상심박은 신호압축률에 중점을 둔 템플릿을 제안방법을 적용함이 적합하며, 비정상심박은 근사화오차에 중점을 둔 기존 직선근사화 방법을 적용함이 적합하다.
일반적으로 정상심박은 유사한 형태의 심박이 주기적으로 발생하며, 부정맥에 따른 비정상심박은 드물게 발생하기 때문에 대부분의 심박이 정상심박으로 나타난다. 따라서 정상심박을 대표하는 템플릿 신호를 신뢰있게 형성한 후, 정상심박으로 분류되는 심박정보를 템플릿 신호로 대체함으로써 신호압축률을 크게 증가시킬 수 있다. 즉, 심박이 입력될 경우, 정상 심박은 템플릿의 스케일링 가중치만을 전송하여 통신에 소모되는 전력소모를 최소화한다.
또한 정상심박의 빈도수가 높은 특징에 기반을 두기 때문에, 가장 높은 밀집도를 가지는 템플릿은 정상심박의 템플릿이 되었다. 따라서 제안 방법을 통해 안정적인 정상심박의 템플릿 획득이 가능함을 확인할 수 있다.
특히 비정상심박의 경우, 별도의 직선근사화 정보를 저장하더라도 높은 신호압축률을 가짐을 보였다. 또한 템플릿 형성과정에 사용된 가중평균은, 메모리 사용량을 최소화함으로써 저용량 임베디드 장비에서도 구현이 가능함을 확인할 수 있다.
이와 같이 제안 방법은 템플릿 군의 형성을 통해 정상/비정상 심박이 별도의 템플릿을 형성하게 되므로 템플릿의 변형이 최소화되었다. 또한 정상심박의 빈도수가 높은 특징에 기반을 두기 때문에, 가장 높은 밀집도를 가지는 템플릿은 정상심박의 템플릿이 되었다.
표 1과 표 2, 그리고 그림 13의 실험결과를 통해, 기존 방법은 낮은 근사화오차와 낮은 신호압축률을 가지며, 제안 방법은 높은 근사화오차와 높은 신호압축률을 가지는 절충관계에 있음을 확인할 수 있다. 부정맥 진단에 있어서 정상심박은 영향력이 낮은 반면 비정상심박은 영향력이 높다.
표 3은 정상심박과 비정상심박에 따라 제안 방법과 기존 방법을 각각 적용한 경우의 신호압축률을 나타낸다. 표 3과 같이, 비정상심박은 드물게 발생하므로, 별도의 직선근사화를 통해 압축하더라도 높은 신호압축 성능이 유지됨을 확인할 수 있다. 즉, 템플릿을 이용하여 정상심박의 정보량을 최소화하며, 비정상심박에 대해서는 개별적인 직선근사화를 통해 정보손실을 최소화한 압축결과를 얻는다.
제안 방법은 심박의 대다수를 차지하는 정상심박은 유사한 형태로 반복되며, 부정맥 진단에 활용도가 낮은 특징을 기반으로 한다. 피어슨 유사도와 템플릿 군을 이용한 신뢰있는 정상심박의 템플릿을 형성한 후, 이를 이용하여 대다수의 정상심박을 효과적으로 나타냄으로써 신호압축률을 크게 향상시켰다. 특히 비정상심박의 경우, 별도의 직선근사화 정보를 저장하더라도 높은 신호압축률을 가짐을 보였다.

후속연구

차후 연구로써, 비정상심박의 형태가 유사하게 반복될 경우, 템플릿 군 형성 과정에서 획득된 비정상심박의 템플릿을 이용하여 신호압축률이 개선될 수 있을 것으로 기대된다. 또한 정상심박의 템플릿을 비정상심박에 적용할 경우, 높은 근사화오차가 나타나는 특징이 있으며, 이를 통해 비정상심박 검출 기법으로의 응용을 기대할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	심전도 신호란 무엇이며 어떻게 심전도 신호 데이터를 수집하는가?	심전도 신호는 일반적으로 100 Hz 이상의 높은 샘플링 주파수로, 짧게는 10 분, 길게는 48 시간 이상의 장시간 측정을 통해 데이터를 수집한다. 이는 부정맥 진단에 사용되는 비정상심박의 발생빈도가 낮기 때문에 장시간 측정된 대용량의 데이터가 요구되기 때문이다.
	홀터 모니터의 문제점은 무엇인가?	홀터 모니터는 장시간 측정을 위한 전원공급장치 및 기록장치를 소지하고 다녀야하므로, 일상생활에 불편을 초래하는 문제점이 있어 이를 개선하기 위한 연구도 진행된다 [6].
	직선근사화 기법의 한계는?	해당 기법은 시간영역에서의 처리기법이며, 심박단위로 적용이 가능하므로 저용량 메모리에서도 실시간처리가 가능함을 보인다. 그러나 모든 심박이 독립적인 직선근사화가 적용되므로, 푸리에 변환 [10]이나 웨이블릿 [11]등의 주파수 영역에서의 신호압축 기법에 비해 낮은 신호압축률을 보이는 한계가 있다.

참고문헌 (14)

S.L. Rohit, B.V. Tank, "Iot Based Health Monitoring System Using Raspberry PI - Review," Second International Conference on Inventive Communication and Computational Technologies, pp. 997-1002, 2018.
S.A. Elhannachi, N. Benamrane, T. Abdelmalik, “Adaptive Medical Image Compression Based on Lossy and Lossless Embedded Zerotree Methods,” Journal of Information Processing Systems, Vol. 13, No. 1, pp. 40-56, 2017.

원문보기 상세보기
Y. Park, J. Moon, “Smart Dairy Management System Development Using Biometric/Environmental Sensors and Farm Control Gateway,” IEMEK Journal of Embedded Systems and Applications, Vol. 11, No. 1, pp. 15-20, 2016.
H. Lee, S. Park, T. Chung, “Development of a Portable SpO2-based Biosignal Monitoring System,” IEMEK Journal of Embedded Systems and Applications, Vol. 8, No. 5, pp. 273-283, 2013.
A. Lee, K. Jang, “Development of The Physical Pressure Monitoring System to Prevent Pressure Ulcers,” IEMEK Journal of Embedded Systems and Applications, Vol. 6, No. 4, pp. 209-214, 2011.
W. Smith, F. Riddell, M. Madon, M. Gleva, "Comparison of Diagnostic Value Using a Small, Single Channel, P-wave Centric Sternal ECG Monitoring Patch with a Standard 3-lead Holter System over 24 Hours," American Heart Journal, Vol. 185, pp. 67-73, 2016.
S. Lee, Y. Jeong, D. Park, B. Yun, K.H. Park, “Efficient Fiducial Point Detection of ECG QRS Complex Based on Polygonal Approximation,” Sensors, Vol. 18, No. 12, pp. 1-16, 2018.
S. Lee, Y. Jeong, J. Kwak, D. Park, K.H. Park, "Advanced Real-Time Dynamic Programming in the Polygonal Approximation of ECG Signals for a Lightweight Embedded Device," IEEE Access, Vol. 7, pp. 1628501-162861, 2019.
R. Bellman, S. Dreyfus, "Applied Dynamic Programming," Princeton Legacy Library, Princeton University Press, 2015.
J. Ma, T. Zhang, M. Dong, “A Novel ECG Data Compression Method Using Adaptive Fourier Decomposition With Security Guarantee in e-Health Applications,” IEEE Journal of Biomedical and Health Informatics, Vol. 19, No. 3, pp. 986-994, 2015.

상세보기
X. Wang, Z. Chen, J. Luo, J. Meng, Y. Xu, “ECG Cmpression Based on Combining of EMD and Wavelet Transform,” Electronics Letters, Vol. 52, No. 19, pp. 1588-1590, 2016.
G. Bansal, P. Gera, D.R. Bathula, "Template Based Classification of Cardiac Arrhythmia in ECG Data," 2015 IEEE 2nd International Conference on Recent Trends in Information Systems, pp. 337-341, 2015.
S.M. Lee, Y.S. Jung, J.S. Kim, C.H. Ryu, W.H. Cho, D.C. Lee, J.H. Lee, S.H. Moon, K.H. Park, "Self-Organized Real-Time Authentication Mechanism Using ECG Signal," 2014 The International Industrial Information Systems Conference, pp. 231-233, 2014.
G.B. Moody, R.G. Mark, "The MIT-BIH Arrhythmia Database on CD-ROM and Software for Use with it," Proceedings Computers in Cardiology, pp. 185-188, 1990.

저자의 다른 논문 :

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