대상 유형별 ECG 신호의 QRS 패턴을 이용한 부정맥 분류

조익성,정종혁,권혁숭,Cho, Ik-sung,Jeong, Jong -Hyeog,Kwon, Hyeog-soong 한국정보통신학회 2015 한국정보통신학회논문지 Vol.19 No.7

부정맥 분류를 위한 기존 연구들은 개인별 ECG신호의 차이는 고려하지 않고 특정 ECG 데이터에 종속적으로 개발되었기 때문에 다른 환경에 적용할 경우 그 성능에 변화가 많아 임상 적용에 한계가 있다. 또한 기존의 방법들은 각 ECG 특징점의 정확한 측정을 필요로 하며, 연산이 매우 복잡하다. 복잡도를 줄이기 위한 여러 가지 방법들이 제안되었지만, 그에 따른 분류의 정확도가 떨어지는 문제점이 있었다. 따라서 이러한 문제점을 극복하기 위해서는 개인별 다양한 ECG 신호의 패턴에 따라 최소한의 특징점을 추출함으로써 연산의 복잡도를 줄이고 부정맥을 정확하게 분류 할 수 있는 방법이 필요하다. 본 연구에서는 대상 유형별 ECG 신호의 QRS 패턴을 이용한 부정맥 분류 방법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파를 검출하고 QRS 특징점을 통해 대상 유형별 ECG 신호의 QRS 패턴을 정의하였다. 이후 패턴분류에 따른 오류를 검출 및 수정하고, 중복된 QRS 패턴을 별도의 부정맥으로 분류하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스 43개의 레코드를 대상으로 PVC, PAC, Normal, LBBB, RBBB, Paced beat의 검출율을 비교하였다. 실험결과 Normal, PVC, PAC, LBBB, RBBB, Paced beat의 검출율은 각각 99.98, 97.22 95.14, 91.47, 94.85, 97.48%의 우수한 검출율을 나타내었다. Several algorithms have been developed to classify arrhythmia which either rely on specific ECG(Electrocardiogram) database. Nevertheless personalized difference of ECG signal exist, performance degradation occurs because of carrying out diagnosis by general classification rule. Most methods require accurate detection of P-QRS-T point, higher computational cost and larger processing time. But it is difficult to detect the P and T wave signal because of person's individual difference. Therefore it is necessary to design efficient algorithm that classifies different arrhythmia in realtime and decreases computational cost by extracting minimal feature. In this paper, we propose arrhythmia classification method using QRS Pattern of ECG signal according to personalized type. For this purpose, we detected R wave through the preprocessing method and define QRS pattern of ECG signal by QRS feature Also, we detect and modify by pattern classification, classified arrhythmia duplicated QRS pattern in realtime. Normal, PVC, PAC, LBBB, RBBB, Paced beat classification is evaluated by using 43 record of MIT-BIH arrhythmia database. The achieved scores indicate the average of 99.98%, 97.22%, 95.14%, 91.47%, 94.85%, 97.48% in PVC, PAC, Normal, BBB, Paced beat classification.

선형분석 기반의 심방세동 분류를 위한 불규칙 RR 간격의 최적값 검출

조익성,정종혁,조영창,권혁숭,Cho, Ik-Sung,Jeong, Jong-Hyeog,Cho, Young Chang,Kwon, Hyeog-Soong 한국정보통신학회 2014 한국정보통신학회논문지 Vol.18 No.10

심방세동 검출을 위한 기존 연구방법으로는 비선형 분석법과 주파수 분석법 등을 들 수 있지만 시간 영역 알고리즘에 비해 연산이 복잡하고 불규칙한 리듬 검출에 필요한 일반적 규칙을 제공하지 못한다. 이를 위해 본 연구에서는 선형 분석 기반의 심방세동 분류를 위한 불규칙 RR 간격의 최적값 검출 방법을 제안하였다. 이를 위해 먼저 전처리과정과 차감 기법을 통해 R파를 검출하였다. 이후 불규칙 RR 간격의 세그먼트 길이에 대한 범위를 설정하고 정규화 절대 편차와 절대치와 같은 선형 분석상의 심방세동 분류를 위한 최적값을 검출하였다. 제안된 알고리즘의 타당성 평가를 위해 MIT-BIH 부정맥과 심방세동 데이터베이스를 이용하여 RR 간격의 세그먼트 길이와 최적값에 대한 심방세동 분류율을 각각 비교 실험하였다. 성능 평가 결과, RR 간격과 연속하는 RR 간격 차에 대한 최적값은 ${\alpha}=0.75$, ${\beta}=1.4$, ${\gamma}=300ms$ 일 때 제일 높은 성능을 나타나는 것을 확인할 수 있었다. Several algorithms have been developed to detect AFIB(Atrial Fibrillation) which either rely on the linear and frequency analysis. But they are more complex than time time domain algorithm and difficult to get the consistent rule of irregular RR interval rhythm. In this study, we propose algorithm for optimal value detection of irregular RR interval for AFIB classification based on linear analysis. For this purpose, we detected R wave, RR interval, from noise-free ECG signal through the preprocessing process and subtractive operation method. Also, we set scope for segment length and detected optimal value and then classified AFIB in realtime through liniar analysis such as absolute deviation and absolute difference. The performance of proposed algorithm for AFIB classification is evaluated by using MIT-BIH arrhythmia and AFIB database. The optimal value indicate ${\alpha}=0.75$, ${\beta}=1.4$, ${\gamma}=300ms$ in AFIB classification.

효율적인 QRS 검출과 프로파일링 기법을 통한 심실조기수축(PVC) 분류

조익성,권혁숭,Cho, Ik-Sung,Kwon, Hyeog-Soong 한국정보통신학회 2013 한국정보통신학회논문지 Vol.17 No.3

심전도 신호의 QRS 영역은 심장의 질환을 판단하는 중요한 자료로 쓰이는데, 여러 종류의 잡음으로 인해 이를 분석하는데 어려움을 준다. 또한 일반인들의 건강상태를 지속적으로 모니터링 하는 헬스케어 시스템에서는 신호의 실시간 처리가 필요하다. 그리고 생체신호의 특성상 개인 간의 차이가 있음에도 불구하고, 일반적인 ECG 신호의 판단 규칙에 따라 진단을 수행함으로써 성능하락이 나타날 수밖에 없다. 이러한 문제점을 해결하기 위해서는 최소한의 연산량으로 QRS를 검출하고 환자의 특성에 맞게 부정맥을 분류할 수 있는 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 형태연산을 통한 효율적인 QRS 검출과 개인별 정상신호 분류를 위해 해쉬 함수를 적용하여 프로파일링 하였으며, 검출된 QRS 폭과 RR 간격을 이용하여 심실조기수축(PVC)을 분류하는 알고리즘을 개발하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스를 통해 기존 방법과 부정맥 분류 성능을 비교하였다. 성능평가 결과, R파는 평균 99.77%, 정상 신호 분류에 대한 에러율은 0.65%, PVC는 각각 93.29%로 기존 방법에 비해 약 5% 우수하게 나타났다. QRS detection of ECG is the most popular and easy way to detect cardiac-disease. But it is difficult to analyze the ECG signal because of various noise types. Also in the healthcare system that must continuously monitor people's situation, it is necessary to process ECG signal in realtime. In other words, the design of algorithm that exactly detects QRS wave using minimal computation and classifies PVC by analyzing the persons's physical condition and/or environment is needed. Thus, efficient QRS detection and PVC classification based on profiling method is presented in this paper. For this purpose, we detected QRS through the preprocessing method using morphological filter, adaptive threshold, and window. Also, we applied profiling method to classify each patient's normal cardiac behavior through hash function. The performance of R wave detection, normal beat and PVC classification is evaluated by using MIT-BIH arrhythmia database. The achieved scores indicate the average of 99.77% in R wave detection and the rate of 0.65% in normal beat classification error and 93.29% in PVC classification.

QRS 특징점 변화에 따른 바이너리 코딩 기반의 부정맥 분류

조익성,권혁숭,Cho, Ik-Sung,Kwon, Hyeog-Soong 한국정보통신학회 2013 한국정보통신학회논문지 Vol.17 No.8

부정맥 검출을 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경망, 퍼지 이론, SVM 등과 같은 비선형 방법이 주로 사용되어 왔다. 이러한 대부분의 방법들은 P-QRS-T 지점의 정확한 측정을 필요로 하며, 데이터의 가공 및 연산이 복잡하다. 또한 P파, T파의 개인차가 있어 파형을 구분할 수 없을 경우도 존재한다. 따라서 이러한 문제점을 극복하기 위해서는 최소한의 특징점을 추출함으로써 연산의 복잡도를 줄이고, 실시간으로 다양한 부정맥을 분류할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 QRS 특징점 변화에 따른 바이너리 코딩 기반의 실시간 부정맥 분류 방법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파, RR 간격, QRS 폭을 추출하고, 각 특징점들의 문턱치(threshold) 만족 여부를 바이너리 코드화시킴으로써 실시간으로 부정맥을 분류 하였다. 제안한 방법의 우수성을 입증하기 위해 39개의 MIT-BIH 부정맥 데이터베이스 레코드를 대상으로 PVC, PAC, Normal, BBB, Paced beat의 검출률을 비교하였다. 실험결과 PVC, PAC, Normal, BBB, Paced beat는 각각 97.18%, 94.14%, 99.83%, 92.77%, 97.48%의 우수한 평균 검출률을 나타내었다. Previous works for detecting arrhythmia have mostly used nonlinear method such as artificial neural network, fuzzy theory, support vector machine to increase classification accuracy. Most methods require accurate detection of P-QRS-T point, higher computational cost and larger processing time. But it is difficult to detect the P and T wave signal because of person's individual difference. Therefore it is necessary to design efficient algorithm that classifies different arrhythmia in realtime and decreases computational cost by extrating minimal feature. In this paper, we propose arrhythmia detection based on binary coding using QRS feature varibility. For this purpose, we detected R wave, RR interval, QRS width from noise-free ECG signal through the preprocessing method. Also, we classified arrhythmia in realtime by converting threshold variability of feature to binary code. PVC, PAC, Normal, BBB, Paced beat classification is evaluated by using 39 record of MIT-BIH arrhythmia database. The achieved scores indicate the average of 97.18%, 94.14%, 99.83%, 92.77%, 97.48% in PVC, PAC, Normal, BBB, Paced beat classification.

심전도신호 샘플링 주파수에 따른 R파 검출 최적 문턱치 설정

조익성,권혁숭,Cho, Ik-sung,Kwon, Hyeog-soong 한국정보통신학회 2017 한국정보통신학회논문지 Vol.21 No.7

R파 검출에 사용되는 여러 심전도 데이터베이스는 샘플링 주파수의 차이로 인해 서로 다른 환경에 적용할 경우 성능에 변화가 많아 알고리즘의 신뢰도를 보장하기 어렵다. 본 연구에서는 심전도신호의 샘플링 주파수에 따른 R파 검출의 최적 문턱치 설정 방법을 제안한다. 이를 위해 미분 기반의 이동평균과 제곱합수를 이용하여 전처리를 수행하였다. 이후 샘플링 주파수에 따라 피크 문턱치에 대한 최적 값을 검출하였다. 문턱치 단계는 신호의 변화와 이전 검출된 피크 값에 따라 문턱치를 변경함으로써 최적의 성능을 나타내는 값을 선정하는 과정으로 실험하였다. 제안한 방법의 우수성을 입증하기 위해 부정맥 데이터베이스 레코드를 대상으로 실험한 결과 MIT-BIH 샘플링 주파수 360Hz에 대한 미분 구간($N_d$), 윈도우 사이즈(N), 문턱 계수($p_{th}$)의 최적 값은 각각 7, 8, 6.6일 때 R파 검출율은 99.758%의 우수한 성능을 나타내었다. It is difficult to guarantee the reliability of the algorithm due to the difference of the sampling frequency among the various ECG databases used for the R wave detection in case of applying to different environments. In this study, we propose an optimal threshold setting method for R wave detection according to the sampling frequency of ECG signals. For this purpose, preprocessing process was performed using moving average and the squaring function based the derivative. The optimal value for the peak threshold was then detected according to the sampling frequency by changing the threshold value according to the variation of the signal and the previously detected peak value. The performance of R wave detection is evaluated by using 48 record of MIT-BIH arrhythmia database. When the optimal values of the differential section, window size, and threshold coefficient for the MIT-BIH sampling frequency of 360 Hz were 7, 8, and 6.6, respectively, the R wave detection rate was 99.758%.

심근허혈 진단을 위한 ST세그먼트 형태 분류 알고리즘

조익성,권혁숭,Cho, Ik-Sung,Kwon, Hyeog-Soong 한국정보통신학회 2011 한국정보통신학회논문지 Vol.15 No.10

심전도는 심근허혈, 부정맥, 심근경색과 같은 심장질환의 진단에 이용된다. 특히 심근허혈은 ST 세그먼트의 형태 변화가 나타나는데, 이러한 변화는 일시적으로 나타나며 특별한 증상을 동반하지 않는다. 따라서 지속적인 모니터링을 통해서 ST의 일시적인 변화를 검출하는 것이 매우 중요하다. 이에 본 연구에서는 심근허혈 진단을 위한 ST세그먼트 형태 분류 알고리즘을 제안한다. 이는 전처리 과정과 적응가변형 문턱치를 통해 R파와 각 특징점을 검출 한 후 S와 T파사이의 굴곡점으로부터 특정한 기울기 정보를 추출하여 ST의 기울기 기준점과 비교함으로써, 검출된 ST를 6가지 형태로 분류하는 방법이다. 개발된 알고리즘은 심전도로부터 ST 레벨 변화 구간을 검출하고, 검출된 구간에 대해서도 ST의 형태를 분류함으로써 심전도 레벨 변화뿐만 아니라 형태에 대한 정보도 제공한다. 제안한 알고리즘의 심근허혈 패턴 진단 성능을 평가하기 위해서 European ST 데이터베이스를 사용하였다. 성능 평가 결과 가장 높은 분류성공률은 99.4%이며, 낮은 성공률은 68.48%를 나타내었다. ECG is used to diagnose heart diseases such as myocardial ischemia, arrhythmia and myocardial infarction. Particularly, myocardial ischemia causes the shape change of the ST segment, this change is transient and may occur without symptoms. So it is important to detect the transient change of ST segment through long term monitoring. ST segment classification algorithm for making diagnosis myocardial ischemia is presented in this paper. The first step in the ST segment shape classification process is to detect R wave point and feature points based adaptive threshold and window. And then, the suggested algorithm detects the ST level change, To classify the ST segment shape, the suggested algorithm uses the slope values of the four points between the S and T wave. The ECG data in the European ST-T database were used to verify the performance of the developed algorithm. The best correct rate was 99.40% and the worst correct rate was 68.48%.

GAN 오버샘플링 기법과 CNN-BLSTM 결합 모델을 이용한 부정맥 분류

조익성,권혁숭,Cho, Ik-Sung,Kwon, Hyeog-Soong 한국정보통신학회 2022 한국해양정보통신학회논문지 Vol.26 No.10

부정맥이란 심장이 불규칙한 리듬이나 비정상적인 심박동수를 갖는 것을 말하며, 뇌졸중, 심정지 등을 유발하거나 사망에도 이를 수 있는 만큼, 조기 진단과 관리가 무엇보다 중요하다. 본 연구에서는 심전도 신호의 QRS 특징 추출에 적합한 CNN과 기존 LSTM의 직전 패턴의 수렴 한계를 해결할 수 있는 BLSTM을 연결한 CNN-BLSTM 결합 모델을 이용한 부정맥 분류 방법을 제안한다. 이를 위해 먼저 전처리 과정을 통해 잡음을 제거한 심전도 신호에서 QRS 특징점을 검출하고 단일 비트 세그먼트를 추출하였다. 이때 데이터의 불균형 문제를 해결하기 위해 GAN 오버샘플링 기법을 적용하였다. 이 후 합성곱 계층을 통해 부정맥 신호의 패턴을 정밀하게 추출하도록 구성하고 이를 BLSTM의 입력으로 사용한 후 매개변수를 학습시키고 검증 데이터로 학습 모델을 평가한 후 부정맥 분류의 정확도를 확인하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스를 이용하여 분류의 정확도, 정밀도, 재현율, F1-score를 비교하였다. 성능평가 결과 각각 99.30%, 98.70%, 97.50%, 98.06%로 우수한 분류율을 나타내는 것을 확인할 수 있었다. Arrhythmia is a condition in which the heart has an irregular rhythm or abnormal heart rate, early diagnosis and management is very important because it can cause stroke, cardiac arrest, or even death. In this paper, we propose arrhythmia classification using hybrid combination model of CNN-BLSTM. For this purpose, the QRS features are detected from noise removed signal through pre-processing and a single bit segment was extracted. In this case, the GAN oversampling technique is applied to solve the data imbalance problem. It consisted of CNN layers to extract the patterns of the arrhythmia precisely, used them as the input of the BLSTM. The weights were learned through deep learning and the learning model was evaluated by the validation data. To evaluate the performance of the proposed method, classification accuracy, precision, recall, and F1-score were compared by using the MIT-BIH arrhythmia database. The achieved scores indicate 99.30%, 98.70%, 97.50%, 98.06% in terms of the accuracy, precision, recall, F1 score, respectively.

의료기관간 효과적인 의료정보 공유를 위한 WISD의 설계 및 구현

조익성,권혁숭,Cho, Ik-Sung,Kwon, Hyeog-Soong 한국정보통신학회 2008 한국정보통신학회논문지 Vol.12 No.3

의료정보는 의료기관간의 호환을 위해서 텍스트 기반정보를 위한 HL7과 영상정보를 위한 DICOM과 같은 표준프로토콜로 구축되어야 한다. 하지만 각 의료기관에서 소유하고 있는 장비 및 개발된 정보시스템이 동일하지 않고 자료의 형태 및 사용하는 코드체계가 상이하여 의료기관간에 자료를 교환하고자 할 때는 상당한 어려움이 초래된다. 따라서 의료기관간 효율적으로 정보를 공유하고 교환하기 위해서는 먼저 DICOM 파일의 특성을 분석하고 이를 기초로 한 통합 데이터베이스를 설계해야한다. 본 논문에서 제안한 WISD(Web Interface System based DICOM) 시스템은 각 의료기관에서 전송 받은 DICOM 파일을 의료정보와 영상정보로 분리하고, 표준화된 형식으로 통합데이터베이스에 저장하며, 웹브라우저를 통해 정보의 검색 및 교환을 가능하게 한다. 본 논문에서 구현한 WISD 시스템은 통합데이터베이스와 인터넷을 통해 의료영상과 환자정보를 검색 및 관리할 수 있기 때문에 별도의 시스템도입 및 비용 없이 의료기관간 효율적인 공유를 할 수 있다. For efficient compatible system between medical clinics, the medical information has to be built on a standardized protocol such as a HL7 for text data and a DICOM for image data. But it is difficult to exchange information between medical clinics because the systems and softwares are different and also a structure of data and a type of code. Therefore we analyze a structure of DICOM file and design an integrated database for effective information sharing and exchange. The WISD system suggested in this paper separate the DICOM file transmitted by medical clinics to text data and image data and store it in the integrated DB(database) by standardized protocol respectively. It is very efficient that each medical clinic can search and exchange information by web browser using the suggested system. The WISD system can not only search and control of image data and patient information through integrated database and internet, but share medical information without extra charge like construction of new system.

ECG 패턴 분석과 템플릿 문턱값을 통한 조기수축 부정맥분류

조익성,조영창,권혁숭,Cho, Ik-sung,Cho, Young-Chang,Kwon, Hyeog-soong 한국정보통신학회 2016 한국정보통신학회논문지 Vol.20 No.2

일반적인 부정맥 분류 방법의 경우 심방 박동 수와 관련한 PP간격, P모양의 다양성과 같은 조건을 이용하는데, 잡음으로 인해 정확한 P파의 검출이 어렵기 때문에 잡음의 영향을 비교적 적게 받는 R파를 이용하는 것이 유리하다. 따라서 본 연구에서는 R파 중심의 ECG(electrocardiography) 패턴 분석과 템플릿 문턱치를 도입하여 조기수축 부정맥 분류 방법을 제안한다. 이를 위해 형태 연산을 통한 전 처리 과정과 차감 동작 기법을 통해 R파를 검출하였다. 이후 RR 간격의 평균 가중치와 변화율을 이용하여 먼저 조기수축 파형의 패턴을 분류하고, R파의 진폭에 대한 템플릿 문턱값을 통해 조기심실수축과 조기심방수축을 분류하는 알고리즘을 개발하였다. 제안한 방법의 우수성을 입증하기 위해 조기 심방과 심실수축이 30개 이상 포함된 MIT-BIH 6개의 레코드를 대상으로 한 R파의 평균 검출율은 99.77%의 성능을 나타내었고, 조기심실수축과 심방수축 부정맥은 각각 94.91%와 95.76%의 평균 분류율을 나타내었다. Most methods for detecting arrhythmia require pp interval, diversity of P wave morphology, but it is difficult to detect the p wave signal because of various noise types. Therefore it is necessary to use noise-free R wave. In this paper, we propose algorithm for premature contraction arrhythmia classification through ECG pattern analysis and template threshold. For this purpose, we detected R wave through the preprocessing method using morphological filter, subtractive operation method. Also, we developed algorithm to classify premature contraction wave pattern using weighted average, premature ventricular contraction(PVC) and atrial premature contraction(APC) through template threshold for R wave amplitude. The performance of R wave detection, PVC classification is evaluated by using 6 record of MIT-BIH arrhythmia database that included over 30 PVC and APC. The achieved scores indicate the average of 99.77% in R wave detection and the rate of 94.91%, 95.76% in PVC and APC classification.

조기심실수축(PVC) 분류를 위한 환자 적응형 패턴 매칭 기법

조익성,권혁숭,Cho, Ik-Sung,Kwon, Hyeog-Soong 한국정보통신학회 2012 한국정보통신학회논문지 Vol.16 No.9

조기심실수축(PVC)은 가장 보편적인 부정맥으로 심실세동, 심실빈맥 등과 같은 위험한 상황을 유발할 수 있는 가능성을 가지고 있기 때문에 이의 조기 검출은 매우 중요하다. 특히 일반인들의 건강상태를 지속적으로 모니터링 해야 하는 헬스케어 시스템에서는 이를 위한 심전도 신호의 실시간 처리가 필요하다. 즉, 최소한의 연산량으로 정확한 R파를 검출하고, 대상 환자의 특징을 파악하여 PVC를 분류할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 PVC 실시간 분류를 위한 환자 적응형 패턴 매칭 기법을 제안한다. 이를 위해 전 처리 과정과 적응 가변형 문턱 값과 윈도우를 통해 R파를 검출하였으며, 검출 대상에 따른 정상신호 군을 선별하고 이를 벗어나는 신호를 이상신호로 분류하기 위해 해쉬 함수를 통한 패턴 매칭 기법을 적용하였다. 제안한 알고리즘의 R파 검출 및 정상신호 분류 성능을 평가하기 위해서 MIT-BIH 부정맥 데이터베이스를 사용하였다. 성능평가 결과, R파는 평균 99.33%, 이상신호 분류에 대한 에러율은 0.32%로 나타났다. Premature ventricular contraction(PVC) is the most common disease among arrhythmia and it may cause serious situations such as ventricular fibrillation and ventricular tachycardia. Particularly, in the healthcare system that must continuously monitor patient's situation, it is necessary to process ECG (Electrocardiography) signal in realtime. In other words, the design of algorithm that exactly detects R wave using minimal computation and classifies PVC by analyzing the persons's physical condition and/or environment is needed. Thus, the patient adaptive pattern matching algorithm for the classification of PVC is presented in this paper. For this purpose, we detected R wave through the preprocessing method, adaptive threshold and window. Also, we applied pattern matching method to classify each patient's normal cardiac behavior through the Hash function. The performance of R wave detection and abnormal beat classification is evaluated by using MIT-BIH arrhythmia database. The achieved scores indicate the average of 99.33% in R wave detection and the rate of 0.32% in abnormal beat classification error.