[논문]스트레스 상태 측정을 위한 심전도 신호 QRS 검출 알고리즘

정우혁; 이동화; 이희재; 김재호; 이다빛; 이상국

스트레스 상태 측정을 위한 심전도 신호 QRS 검출 알고리즘
QRS Detection Algorithm in ECG Signal for Measuring Stress Condition 원문보기

정우혁 (가톨릭대학교 미디어공학과) , 이동화 ((주)참케어) , 이희재 (가톨릭대학교 미디어공학과) , 김재호 (가톨릭대학교 미디어공학과) , 이다빛 (가톨릭대학교 미디어공학과) , 이상국 (가톨릭대학교 미디어공학과)

본 연구에서는 스트레스 상태 측정을 위한 심전도 신호 QRS 검출 알고리즘을 제안한다. 심전도 신호의 QRS 검출 과정은 4단계로 wavelet, moving average, squaring, threshold method로 구성된다. wavelet은 기저선 변동과 노이즈를 제거하고 moving average는 전체 신호를 부드럽게 하고 잔여 노이즈를 제거하며 squaring은 신호를 강조하는 역할을 한다. 마지막으로 threshold 기법을 이용해 검출간격을 설정하여 QRS를 검출하였다. 그 결과 Sensitivity는 99.54%, Positive Predictivity는 99.69%, Detection Error는 0.76%를 보였다. 또한, 피험자를 대상으로 게임을 이용해 스트레스 상태 변화에 대한 실험을 하였고, HRV 시간-주파수 파라미터를 분석함으로써 스트레스 상태 변화를 관찰할 수 있었다.

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

문제 정의

본 연구에서는 스트레스 상태 측정을 위한 심전도 신호 QRS 검출 알고리즘을 제안하였다. 검출과정은 wavelet, moving average, squaring, threshold method로 진행되었고, 전체 95,874개의 비트를 테스트하여 0.
본 연구에서는 스트레스 상태 측정을 위한 심전도 신호 QRS 검출 알고리즘을 제안한다. wavelet, moving average, squaring, threshold를 이용해 QRS를 검출하고 검출된 QRS를 이용해 HRV를 계산함으로써 스트레스 변화를 분석하였다.

제안 방법

본 연구에서는 스트레스 상태 측정을 위한 심전도 신호 QRS 검출 알고리즘을 제안한다. wavelet, moving average, squaring, threshold를 이용해 QRS를 검출하고 검출된 QRS를 이용해 HRV를 계산함으로써 스트레스 변화를 분석하였다.
Daubechies Wavelet을 이용하여 심전도 신호를 level 7로 분해하고 고주파 성분을 제거하여 기저선 변동과 노이즈를 감소시킨다. wavelet을 적용한 후, 5-point Moving average를 이용해 잔여 노이즈와 신호를 부드럽게 한 후 제곱 과정을 적용하여 신호를 강조한다.
피험자 2명을 대상으로 각각 3번씩 실험을 진행한다. 게임 하지 않을 때(스트레스 자극 없을 때)와 게임을 하는 동안(스트레스 자극 주어질 때) BIOPAC을 이용해 심전도 신호를 측정하고, 제안한 알고리즘을 이용해 QRS 신호를 검출하여 분석에 필요한 각 파라미터를 계산한다.
76%의 오류율 결과를 확인할 수 있었다. 또한, HRV 계산을 통해 교감/부교감 신경의 변화를 검출함으로써 스트레스 상태 변화를 측정하였다. 제안한 알고리즘으로 효율적인 전처리를 통해 노이즈를 감소시키고, 비교적 간단한 계산과정으로 원하는 신호를 추출할 수 있었다.
본 연구에서는 이전 QRS 값으로 부터 360ms 내에 새로운 QRS가 검출되는 경우와 처음 검출된 5개의 RR interval 평균의 45%보다 작은 경우 false peak로 간주하고 다음 QRS 값을 검색함으로써 오류율을 최소화한다.
본 연구에서는 스트레스 자극을 제시하기 위해 전략 시뮬레이션 PC게임을 이용한다. 피험자 2명을 대상으로 각각 3번씩 실험을 진행한다. 게임 하지 않을 때(스트레스 자극 없을 때)와 게임을 하는 동안(스트레스 자극 주어질 때) BIOPAC을 이용해 심전도 신호를 측정하고, 제안한 알고리즘을 이용해 QRS 신호를 검출하여 분석에 필요한 각 파라미터를 계산한다.

데이터처리

이후에 시작과 끝점 사이에서 가장 큰 6개의 QRS를 순차적으로 검출한다. 검출된 6개의 QRS를 기준으로 5개의 평균 RR interval을 계산하고 최근 5개 QRS 평균의 30%로 새로운 임계값을 설정한다. 새로운 임계값으로 다음 QRS 검출에 적용한다.

이론/모형

본 연구에서 제시한 방법을 평가하기 위해 MIT-BIH DB를 이용하였다. 그림 2는 MIT-BIH DB를 이용한 QRS 결과를 보여준다.
HRV는 시간영역과 주파수영역을 분석하는 것으로 HRV 평균, RRI 평균, SDNN, RMSSD, ANS 비율을 계산한다[1][6]. 본 연구에서는 스트레스 자극을 제시하기 위해 전략 시뮬레이션 PC게임을 이용한다. 피험자 2명을 대상으로 각각 3번씩 실험을 진행한다.
심전도 신호로부터 스트레스 변화를 측정하기 위해 HRV 분석법을 이용한다. HRV는 시간영역과 주파수영역을 분석하는 것으로 HRV 평균, RRI 평균, SDNN, RMSSD, ANS 비율을 계산한다[1][6].

성능/효과

본 연구에서는 스트레스 상태 측정을 위한 심전도 신호 QRS 검출 알고리즘을 제안하였다. 검출과정은 wavelet, moving average, squaring, threshold method로 진행되었고, 전체 95,874개의 비트를 테스트하여 0.76%의 오류율 결과를 확인할 수 있었다. 또한, HRV 계산을 통해 교감/부교감 신경의 변화를 검출함으로써 스트레스 상태 변화를 측정하였다.
표 2는 전체 데이터를 실험했을 때 결과이다. 알고리즘의 신뢰성 평가로 sensitivity는 99.54%, positive predictivity는 99.69%, detection error는 0.76%를 보였다.
표 2는 두 명의 피험자를 3번씩 실험한 결과의 평균을 나타내는 것으로 스트레스 변화를 분석한 결과이다. 자극을 제시했을 때(게임 중)가 하지 않았을 때(평상시)보다 교감신경이 증가하고 부교감 신경이 감소하기 때문에 HRV와 ANS 비율이 증가하였고, RRI, SDNN, RMSSD의 값이 감소하였다는 것을 확인할 수 있다.
또한, HRV 계산을 통해 교감/부교감 신경의 변화를 검출함으로써 스트레스 상태 변화를 측정하였다. 제안한 알고리즘으로 효율적인 전처리를 통해 노이즈를 감소시키고, 비교적 간단한 계산과정으로 원하는 신호를 추출할 수 있었다. 또한, 이것은 스트레스 관리뿐만 아니라 정확한 심전도 신호를 검출하기 위한 헬스케어시스템에 적용 가능할 것이다.

후속연구

또한, 이것은 스트레스 관리뿐만 아니라 정확한 심전도 신호를 검출하기 위한 헬스케어시스템에 적용 가능할 것이다. 금번의 연구에서는 스트레스 변화를 관찰하기에 충분한 수의 피험자를 채택하지는 않았고 제한된 환경의 영향으로 스트레스를 측정하는 파라미터의 큰 차이를 보이지 않았지만, 향후에는 충분한 피험자 수와 심전도 신호와 함께 스트레스 변화분석에 도움을 줄 수 있고 뇌전도 신호를 분석할 수 있는 신뢰성 있는 알고리즘 개발을 통한 데이터 분석과 평가가 이루어져야 할 것이다.
제안한 알고리즘으로 효율적인 전처리를 통해 노이즈를 감소시키고, 비교적 간단한 계산과정으로 원하는 신호를 추출할 수 있었다. 또한, 이것은 스트레스 관리뿐만 아니라 정확한 심전도 신호를 검출하기 위한 헬스케어시스템에 적용 가능할 것이다. 금번의 연구에서는 스트레스 변화를 관찰하기에 충분한 수의 피험자를 채택하지는 않았고 제한된 환경의 영향으로 스트레스를 측정하는 파라미터의 큰 차이를 보이지 않았지만, 향후에는 충분한 피험자 수와 심전도 신호와 함께 스트레스 변화분석에 도움을 줄 수 있고 뇌전도 신호를 분석할 수 있는 신뢰성 있는 알고리즘 개발을 통한 데이터 분석과 평가가 이루어져야 할 것이다.

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

스트레스 상태 측정을 위한 심전도 신호 QRS 검출 알고리즘
QRS Detection Algorithm in ECG Signal for Measuring Stress Condition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

스트레스 상태 측정을 위한 심전도 신호 QRS 검출 알고리즘 QRS Detection Algorithm in ECG Signal for Measuring Stress Condition 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

스트레스 상태 측정을 위한 심전도 신호 QRS 검출 알고리즘
QRS Detection Algorithm in ECG Signal for Measuring Stress Condition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper