초록 ▼

본 연구는 NEWFM 퍼지신경망을 사용하여 AED용 shockable 신호를 최단시간 내에 최대의 인식률을 나타내며 소형의 모바일 기기에 이식될 수 있는 최소의 퍼지규칙을 추출하는 알고리즘을 개발한다. 개발된 알고리즘은 휴대용 ECG 센서로부터 받은 신호를 PDA폰을 통해 실시간으로 shockable 신호를 검출하며, 검출된 신호를 MIT-BIH 데이터베이스의 신호로 검증한다. 이는 실시간으로 심질환 환자의 모니터링을 지원하고 심장센터 외래환자나 재활환자의 관리를 가능하게 하여 급심정지 환자의 생존율을 높이고 심질환 환자의 건강상태

본 연구는 NEWFM 퍼지신경망을 사용하여 AED용 shockable 신호를 최단시간 내에 최대의 인식률을 나타내며 소형의 모바일 기기에 이식될 수 있는 최소의 퍼지규칙을 추출하는 알고리즘을 개발한다. 개발된 알고리즘은 휴대용 ECG 센서로부터 받은 신호를 PDA폰을 통해 실시간으로 shockable 신호를 검출하며, 검출된 신호를 MIT-BIH 데이터베이스의 신호로 검증한다. 이는 실시간으로 심질환 환자의 모니터링을 지원하고 심장센터 외래환자나 재활환자의 관리를 가능하게 하여 급심정지 환자의 생존율을 높이고 심질환 환자의 건강상태를 원격으로 관리할 수 있도록 한다.

Abstract ▼

This research develops an algorithm that extracts the minimized fuzzy rules for detecting AED shockable rhythms using the neuro-fuzzy network model NEWFM. The algorithm can be embedded in small mobile devices, then detects the AED shockable rhythms in shortest time. The algorithm programmed in a PDA

This research develops an algorithm that extracts the minimized fuzzy rules for detecting AED shockable rhythms using the neuro-fuzzy network model NEWFM. The algorithm can be embedded in small mobile devices, then detects the AED shockable rhythms in shortest time. The algorithm programmed in a PDA detects the shockable events in real-time using the ECG signals received from a mobile sensor, then the signals are inspected by MIT-BIH database signals. This system supports monitoring sudden cardiac disease patients and managing rehabilitation patients of a cardiac center or outpatients, which increases the survival rate of sudden cardiac arrest patients with remote monitoring them in real time.

목차 Contents

• 표지...1
• 목차...3
• Ⅰ. 연구 계획 요약문...4
• 1. 국문 요약문...4
• Ⅱ. 연구 결과 요약문...5
• 1. 국문 요약문...5
• 2. 영문 요약문...6
• Ⅲ. 연구내용 및 결과...7
• 1. 연구 개발 과제의 개요...7
• 2. 국내.외 기술 개발 현황...9
• 3. 연구수행 내용 및 결과...13
• 4. 목표 달성도 및 관련 분야에의 기여도...37
• 5. 연구 결과의 활용계획...37
• 6. 연구 과정에서 수집한 해외과학기술 정보...38
• 7. 주관연구책임자 대표적 연구 실적...39
• 8. 참고 문헌...39
• 9. 연구 성과...42
• 10. 기타사항...43
• [별첨1] 대표연구성과...44