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.
제안 방법
- 정상군 심실빈맥군을 추가적으로 시뮬레이션 하였다. 또한 피크 간격, 고-저 주파성 비율, 프랙탈 차원 분석의 삼원성 분석 외에 단원성 분석과 이원성 분석을 비교군으로 하여 어떤 경우의 분석 방법이 심실세동을 가장 잘 예측하는지 알고리즘의 정확도를 평가하였으며 의학검사에서 일반적으로 사용되는 방법인 민감도와 특이도의 분석을 추가하였다. 본 알고리즘은 적용된 구조에 따라 성능이 크게 변화하므로 각 알고리즘에 대한 구조의 정의가 필요하다.
- 본 Simulator는 체내 심전도 신호 패턴에 따른 알고리즘의 검증을 위하여 만들어졌으며 [그림3]에서 보듯이 Signal Flow Window에는 심실신호(Ventricular Signal)를 기반으로 하고 있다. 분석을 선택할 수 있도록 되어 있으며 예측되는 시점을 기준으로 “VF ALRAM"표시가 나타나게 된다.
- 본 고에서 제시하는 심실 세동 예측 알고리즘은 데이터 베이스 상으로 나타나는 심율동상의 심실세동군 외에도 대조군이 될 수 있는 정상군 심실빈맥군을 추가적으로 시뮬레이션 하였다. 또한 피크 간격, 고-저 주파성 비율, 프랙탈 차원 분석의 삼원성 분석 외에 단원성 분석과 이원성 분석을 비교군으로 하여 어떤 경우의 분석 방법이 심실세동을 가장 잘 예측하는지 알고리즘의 정확도를 평가하였으며 의학검사에서 일반적으로 사용되는 방법인 민감도와 특이도의 분석을 추가하였다.
- [6] 이러한 체내 심전도 파형의 시계열적 분석을 통해 심실세동으로 진행되는 과정을 모니터링 함에 의해서 예측이 가능하다. 본 분석 알고리즘에서는 주기성을 관찰하기 위해 Peak to Peak interval을 측정하였으며 교감신경 및 부교감 신경의 신경학적 활성도를 관찰하기 위하여 LF/HF를 알아보았고[7] 형태학적인 분석을 위하여 공간에 시계열 신호 상의 f(n)과 f(n+1)을 공간에 매핑시켜 프랙탈의 차원을 살펴보았다.[8] [그림 1]은 분석 알고리즘의 순서도이다.
- 체내 심전도의 파형정보는 심실세동이 일어나는 시점의 Ventrieular Peak annotation을 중심으로 20000ms(20000 samples)의 값들을 주줄하였으며 피크간격 정보는 Ventricular Peak annotation 사이의 거리를 기준으로 측정하였다. 본 분석을 통하여 추론 시스템은 세 개의 분석을 바탕으로 3개의 상태 즉, Normal 상태, Ventricular Tachycardia(이하 VT) 상태, Ventricular Fibrillation(이하 VF)의 상태로 판별을 하게 된다. 제안하는 알고리즘의 구성에 대한 도식은 [그림 2]에 제시하였다.
- 본 알고리즘은 적용된 구조에 따라 성능이 크게 변화하므로 각 알고리즘에 대한 구조의 정의가 필요하다. 비교되는 분석 방법은 training data를 통하여 피크 간격, 고-저주파성 비율, 프랙탈 차원 기준 구간을 설정한 후 testing data를 통하여 얼마나 해당 기준 구간에 맵핑되는지를 검증하게 된다. 민감도(Sensitivity), 특이도(Specificity)에 대한 방법은 아래의 식 (1), (2)에 정의되어 있으며 TP는 true positive, FN은 fase negative, TN은 true negative, FN은 false positive이다.
- 심실세동 예측에 관한 연구는, 자율신경계의 심율동적 특성과 심금의 기전의 다양화로 말미암아 나타나는 체내 심실신호의 다형성을 이용하였다. 관련 연구로는 심율동적 측면의 예측과 카오스적 측면의 심장 상태 예측이 주류를 이루고 있으며 체외 심전도(ECG)를 사용하는 것에 비해 신경학적 측면과 기전의 다양화된 생리학적 특성을 고려하여 단일/입체적으로 비교 분석함으로써 종래의 의학/생리학적 연구에 비해 독특한 방법론적 고찰을 이루었다는 점에서 의의가 크다.
- 입력 데이터로는 AAEL 체내 심전도 데이터베이스로부터 5번째 채널의 획득한 체내 심전도의 파형을 바탕으로 신경학적 분석 및 다형성의 분석을 하게 된다. 먼저 신경학적 분석은 피크 간격 분석과 고-저 주파성 비율을 토대로 심실세동이 일어나는 시점 직전의 신경학적 상태를 모니터링하게 된다.
- 마찬가지로 다형성의 분석은 신호의 프랙탈 차원을 관찰함으로써 다발성 또는 회귀성 성질로 유발되는 다형성을 공간도로 맵핑시켜 프랙탈 차원을 관찰하게 된다. 체내 심전도의 파형정보는 심실세동이 일어나는 시점의 Ventrieular Peak annotation을 중심으로 20000ms(20000 samples)의 값들을 주줄하였으며 피크간격 정보는 Ventricular Peak annotation 사이의 거리를 기준으로 측정하였다. 본 분석을 통하여 추론 시스템은 세 개의 분석을 바탕으로 3개의 상태 즉, Normal 상태, Ventricular Tachycardia(이하 VT) 상태, Ventricular Fibrillation(이하 VF)의 상태로 판별을 하게 된다.
- 해당 분석 시스템은 심장 율동의 측면을 최대한 고려하였으며 심실세동의 주요 원인으로 보고되고 있는 다형성의 측면에 초점을 맞추었다. 신경학적 측면에서의 심장 율동의 주기성은 동결절에서부터 시작하는 기전에 의해 영향을 받게 된다.
대상 데이터
- 심전계 기록을 기반으로 제작되었다. 각 기록은 7개의 채널로 구성되어 있으며 본 고에서는 심실 세동의 체내 심전도 데이터 예측성능 평가를 위해 bipolar ventricle에서 측정된 채널 5번의 데이터를 사용하였다 각 채널은 500Hz로 디지털화 되어 있다.
- 본 연구에서 사용한 데이터는 ANN ARBOR ELECTROGRAM LIBRARIES(AAEL)에 기반하고 있으며 AAEL은 Michigan 심혈관연구소에서 15년 동안의 전기 생리학 연구를 통해 획득한 500여개의 심전계 기록을 기반으로 제작되었다. 각 기록은 7개의 채널로 구성되어 있으며 본 고에서는 심실 세동의 체내 심전도 데이터 예측성능 평가를 위해 bipolar ventricle에서 측정된 채널 5번의 데이터를 사용하였다 각 채널은 500Hz로 디지털화 되어 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.