http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
데이터 상관성과 이동평균기법을 이용한 심전도 데이터 분석 시스템 구현
고경남(Kyeong-Nam Ko),황인정(Ein-Jeong Hwang),강문식(Moon-Sik Kang) 대한전자공학회 2020 전자공학회논문지 Vol.57 No.12
본 논문에서는 심전도 데이터를 분석하여 건강상태를 식별하는 효과적인 분석 기법을 제안한다. 제안된 시스템은 심전도 신호가 갖는 기본적인 주기성과 데이터 상관성을 고려하여 비분류 심전도 데이터를 식별할 수 있도록 설계되었으며, 상관관계 분석을 통해 상관성을 수치화하여 비분류 심전도 데이터인 경우에도 정상신호와 비정상(부정맥) 신호로 식별하는 것이 가능하도록 본 시스템을 구현하였다. 구현된 시스템에 대한 성능을 평가하기 위해서 비분류 심전도 샘플 데이터로부터 이동평균 값과 상관계수 값을 구하여 상호 간 상관성을 비교 분석하였으며, 그 결과 제안된 시스템이 우수한 성능을 보임을 입증하였다. In this paper, we propose an efficient ECG analysis scheme that classifies health status by analyzing electrocardiogram(ECG) data. The proposed system is designed to identify non-classified ECG data considering the basic periodicity and data correlation of the ECG signal. The system was implemented to quantify the correlation through correlation analysis, so that it is possible to distinguish between normal and abnormal(Arrhythmia) even in the case of non-classified ECG data. In order to evaluate the performance of the implemented system, a moving average value and a correlation coefficient value were obtained from non-classified ECG sample data, and then the correlation between them was compared and analyzed. The results of this analysis show that the proposed system shows excellent performance.
변형 Residual Convolutional Neural Network 모델을 이용한 고효율 심전도 데이터 분석 기법
고경남(Kyeong-Nam Ko),강문식(Moon-Sik Kang) 대한전자공학회 2021 전자공학회논문지 Vol.58 No.10
본 논문에서는 합성곱 신경망 모델을 사용하여 건강상태를 분류하는 효율적인 ECG 데이터 분석 기법을 제안한다. 제안된 시스템은 MIT-BIH arrhythmia database를 이용하여 모델을 학습시켰으며, 심혈관 질환을 5가지로 분류할 수 있도록 설계되었다. 이미지 분류에 널리 쓰이는 ResNet, ResNeXt에서 사용되는 개념들을 활용하여 모델을 구성하였으며, 구현된 모델에 대한 성능을 평가하기 위해 MIT-BIH arrhythmia database에서 일부 데이터를 선정하여 분석하였다. 그 결과 분류 정확도는 98.812%이고, 성능 평가에 사용된 데이터의 불균형을 고려하여 계산한 F1-score의 경우 0.9326을 얻었으며, 이러한 결과는 제안된 시스템의 우수한 성능을 보여준다. In this paper, we propose an efficient ECG data analysis scheme to classify health status using a convolutional neural network model. The proposed system trains a model using the MIT-BIH arrhythmia database, and is designed to classify cardiovascular diseases into five categories. The model is constructed using the concepts used in ResNet and ResNeXt, which are widely used for image classification. In order to evaluate the performance of the implemented model, some data in the MIT-BIH arrhythmia database is selected and analyzed. As a result, the classification accuracy is 98.812%, and the F1-score obtained by considering the imbalance of data used for performance evaluation is 0.9326, and these results show the excellent performance. of the proposed system.
심혈관 상태 식별을 위한 CNN Block 구조를 적용한 고성능 ECG 데이터 분석시스템
고경남(Kyeong-Nam Ko),강문식(Moon-Sik Kang) 대한전자공학회 2022 전자공학회논문지 Vol.59 No.6
본 논문에서는 CNN (Convolutional Neural Network) 블록 구조를 적용하여 심혈관 관련 건강 상태 식별을 가능하게 하는 고성능 ECG 데이터 분석기법을 제안한다. 제안된 시스템은 ResNet과 ResNeXt를 backbone으로 하여 설계되었으며, MIT-BIH 부정맥 데이터베이스의 데이터를 사용하여 학습을 진행하였다. 제안된 분석시스템은 심혈관 관련 5가지 상태의 식별이 가능하고, 이는 Pytorch 프레임워크를 사용하여 구현되었다. 구현된 시스템에 대한 성능을 평가하기 위해서, MIT-BIH 데이터베이스로부터 데이터를 선정하여 실험을 진행하였다. 평가용 데이터를 이용하여 학습시킨 제안된 시스템의 분류 정확도가 98.803%으로, 기존 ResNet과 ResNeXt 모델과 비교할 때 가장 높은 분류 정확도를 보여준다. 또한 분석결과, F1-score는 N 라벨일 때 0.9939가 된다. 이러한 결과들은 제안된 시스템의 우수한 성능을 보여준다. In this paper, we propose a high-performance ECG data analysis scheme to identify cardiovascular-related health conditions by applying CNN (Convolutional Neural Network) block structure. The proposed system is designed with ResNet and ResNeXt as backbones, and learning is carried out using data from the MIT-BIH arrhythmia database. By using the proposed analysis system, it is possible to identify five cardiovascular-related conditions, and this system is implemented using the Pytorch framework. In order to evaluate the performance of the implemented system, an experiment is performed using data selected from the MIT-BIH database. The classification accuracy of the proposed system trained using the evaluation data is 98.803%, which shows the best classification accuracy compared to the existing ResNet and ResNeXt models. In addition, as a result of the analysis, the F1-score is 0.9939 in the case of the excellent performance of the proposed system.