KR0133428B1 - Data processing method of cardiogram time series - Google Patents
Data processing method of cardiogram time seriesInfo
- Publication number
- KR0133428B1 KR0133428B1 KR1019940032469A KR19940032469A KR0133428B1 KR 0133428 B1 KR0133428 B1 KR 0133428B1 KR 1019940032469 A KR1019940032469 A KR 1019940032469A KR 19940032469 A KR19940032469 A KR 19940032469A KR 0133428 B1 KR0133428 B1 KR 0133428B1
- Authority
- KR
- South Korea
- Prior art keywords
- time series
- maximum point
- electrocardiogram
- ecg
- baseline
- Prior art date
Links
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000003745 diagnosis Methods 0.000 abstract description 10
- 239000000284 extract Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000739 chaotic effect Effects 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
Abstract
본 발명은 심전도 시계열 데이터 처리방법에 관한 것으로, 종래에는 수검자의 심전도 측정시 베이스라인을 안정시킨 후 어트랙터를 재구성하여야 하는데 수검자의 경우 베이스라인을 안정시키는데는 어느 정도 신체적, 심리적으로 평온한 상태가 될 때까지 많은 시간이 걸리므로 진단시간이 오래걸린다는 문제점이 있다. 따라서 본 발명은 인체의 심전도를 측정하여 심전도 시계열을 추출한 다음 그 추출한 심전도 시계열로부터 최대점을 찾고, 그 최대점을 기준점으로 하여 좌우의 국부최대점을 찾은 다음 최대점과 좌우의 국부최대점들 사이의 점들을 조정하여 심전도 시계열의 베이스라인을 조정하고, 그 조정이 완료되면 조정된 시계열로부터 심전도 어트랙터를 재구성하여 건강의 유무를 체크하도록 함으로써 정확하고 빠르게 진단하도록 한다.The present invention relates to a method for processing electrocardiogram time series data, and in the related art, it is necessary to stabilize the baseline and then reconfigure the attractor when measuring the electrocardiogram of the examinee. It takes a long time until the diagnosis takes a long time. Therefore, the present invention measures the electrocardiogram of the human body, extracts the ECG time series, finds the maximum point from the extracted ECG time series, finds the left and right local maximum points based on the maximum point, and then between the maximum point and the left and right local maximum points. Adjust the points of the EKG to adjust the baseline of the ECG time series, and when the adjustment is complete, reconstruct the ECG attractor from the adjusted time series to check for health and accurate diagnosis.
Description
제1도는 본 발명의 심전도 시계열 데이터 처리장치 구성도.1 is a block diagram of an ECG time series data processing apparatus of the present invention.
제2도는 심전도 시계열과 어트랙터 재구성도로서,2 is an electrocardiogram time series and attractor reconstruction diagram.
(a)는 필터링전의 심전도 시계열과 어트랙터를 재구성도이고,(a) is a reconstruction diagram of ECG time series and attractor before filtering,
(b)는 필터링후의 심전도 시계열과 어트랙터를 재구성도이다.(b) is a reconstruction diagram of the ECG time series and the attractor after filtering.
제3도는 제1도에서 심전도 시계열의 타이밍도로서,3 is a timing diagram of the ECG time series in FIG.
(a)는 베이스라인 필터링전의 타이밍도이고,(a) is a timing chart before baseline filtering,
(b)는 베이스라인 필터링후의 타이밍도이다.(b) is a timing chart after baseline filtering.
제4도는 제1도에 따른 심전도 베이스라인 필터링조정도로서,4 is an electrocardiogram baseline filtering adjustment diagram according to FIG.
(a)는 최대점과 좌우로 인접한 국부최대점과의 조정도이고,(a) is an adjustment of the maximum point and the local maximum point adjacent to the left and right,
(b)는 최대점과 뒤로 인접한 국부최대점과의 조정도이다.(b) is the degree of adjustment between the maximum point and the adjacent local maximum point.
제5도는 본 발명의 심전도 시계열 데이터 처리방법에 대한 신호흐름도.5 is a signal flow diagram for the ECG time series data processing method of the present invention.
제6도는 어트랙터 구성도.6 is an attractor configuration.
* 도면의 주요부분에 대한 부호의 설명* Explanation of symbols for main parts of the drawings
10 : 심전도기 20 : 데이타 획득보드10: electrocardiogram 20: data acquisition board
30 : 퍼스널컴퓨터 40 : 시계열 추출부30: personal computer 40: time series extraction unit
50 : 베이스라인 조정부 60 : 조정된 시계열 추출부50: baseline adjustment unit 60: adjusted time series extraction unit
70 : 재구성부 80 : 진단부70: reconstruction section 80: diagnostic section
90 : 데이타 베이스 100 : 실시간 시계열 디스플레이부90: database 100: real time time series display
본 발명은 심전도 시계열 데이터를 처리하기 위한 것으로, 특히 수검자의 정확한 심전도 어트랙터를 재구성하기 위한 심전도 시계열 데이터의 베이스라인 필터링을 위한 심전도 시계열 데이터 처리방법에 관한 것이다.The present invention relates to electrocardiogram time series data processing, and more particularly, to a method for processing electrocardiogram time series data for baseline filtering of electrocardiogram time series data for reconstructing an accurate electrocardiogram attractor of an examinee.
심전도 시계열은 상하로 베이스라인이 진동하므로 센터라인과 수평하게 베이스라인을 안정시키지 않은 상태에서 심전도 어트랙터 재구성은 수검자의 정확한 어트랙터라고 볼 수 없고 정상인의 어트랙터를 비정상인의 어트랙터라고 오인할 수도 있다.ECG time series oscillates the baseline up and down, so ECG attractor reconstruction is not an accurate attractor of examinee without stabilizing the baseline horizontally with the centerline. It may be.
결국, 베이스라인을 안정시킨 후 어트랙터를 재구성하여야 하는데 수검자의 베이스라인을 안정시키는데는 어느 정도 신체적, 심리적으로 평온한 상태가 될 때까지 많은 시간이 걸리므로 진단시간이 오래걸린다는 문제점이 있다. 또한, 베이스라인을 어느 정도 안정시킨다 하더라도 어느 정도의 진동은 불가피한 문제점이 있다.As a result, it is necessary to reconstruct the attractor after stabilizing the baseline, but it takes a long time to stabilize the examinee's baseline until it becomes a certain physical and psychological state of calm, so that the diagnosis takes a long time. In addition, even if the baseline is stabilized to some extent, some degree of vibration is inevitable.
따라서, 본 발명의 목적은 수검자의 심전도를 리얼타임(real-time)으로 받아 베이스라인을 센터라인과 수평하게 만들어주는 심전도 시계열 베이스라인 신호처리로 정확하고 빠른 진단을 할 수 있도록 한 심전도 시계열 데이타 처리방법을 제공함에 있다.Therefore, an object of the present invention is to receive the electrocardiogram of the examinee in real-time (real-time) ECG time series baseline signal processing that makes the baseline horizontal to the center line to enable accurate and rapid diagnosis of ECG time series data processing In providing a method.
본 발명의 다른 목적은 인체의 심전도를 심전도기를 이용하여 측정하고 퍼스널컴퓨터의 제어하에 실시간으로 수검자의 심장박동 시계열로부터 심전도 어트랙터를 재구성하여 모니터에 가시화해줌으로써 수검자의 건강진단을 가능하게 해주도록 하는 심전도 시계열 데이터 처리방법을 제공함에 있다.It is another object of the present invention to measure the electrocardiogram of a human body using an electrocardiogram and reconstruct an ECG attractor from a examinee's heartbeat time series in real time under the control of a personal computer, thereby enabling the examinee's health diagnosis An electrocardiogram time series data processing method is provided.
상기 목적을 달성하기 위한 본 발명은 인체의 심전도를 측정하여 심전도 시계열을 획득하는 단계와, 상기 단계에서 획득된 심전도 시계열이 최대점을 찾는 단계와, 상기 단계에서 찾은 최대점을 기준점으로 하여 좌우의 국부 최대점을 찾는 단계와, 상기 단계에서 최대점과 국부 최대점들 사이의 점들을 조정하여 상기 심전도 계열의 베이스라인을 조정하는 단계와, 상기 베이스라인이 조정된 시계열로부터 심전도 어트랙터를 재구성하는 단계로 이루어진다.The present invention for achieving the above object is to obtain an electrocardiogram time series by measuring the electrocardiogram of the human body, finding the maximum point of the electrocardiogram time series obtained in the step, and the left and right by using the maximum point found in the step Finding a local maximum point, adjusting a point between the maximum point and the local maximum point in the step to adjust the baseline of the ECG series, and reconstructing the ECG attractor from the adjusted time series Consists of steps.
상기의 방법을 실현하기 위한 구성은 제 1도에 도시한 바와같이 인체의 심장박동소리를 감지하여 그에 따른 신호를 전달하여 주는 심전도기(10)와, 상기 심전도기(10)에서 전달되는 심전도 신호를 디지탈 신호로 변환하여 메모리에 저장하는 데이타 획득보드(20)와, 상기 데이타 획득보드(20)로부터 데이타를 읽어와 디스플레이하도록 제어함과 아울러 시계열 추출이 가능하도록 각 부를 제어하는 퍼스널컴퓨터(30)와, 상기 퍼스널컴퓨터(30)의 제어하에 데이타 획득보드(20)에 저장된 데이타를 프로그램의 포맷에 맞게 바꾸어 주는 시계열 추출부(40)와, 상기 시계열 추출부(40)에서 추출된 시계열을 센터라인에 맞게 조정하는 베이스라인 조정부(50)와, 상기 베이스라인 조정부(50)를 통해 조정된 시계열을 추출하는 조정된 시계열 추출부(60)와, 상기 시계열 추출부(60)에 의해 추출된 시계열로 심전도 어트랙터를 재구성하는 재구성부(70)와, 상기 재구성부(70)에 의해 구성된 심전도 어트랙터를 데이타베이스(90)에 저장되어 있는 심전도 어트랙터에 의거하여 건강유무를 판단하는 진단부(80)와, 상기 퍼스널컴퓨터(30)의 제어에 따라 심전도의 시계열을 실시간으로 디스플레이하여 주는 실시간 시계열 디스플레이부(100)로 구성한다.The configuration for realizing the above method is a digital electrocardiogram (10) for detecting the heartbeat sound of the human body as shown in Figure 1 and transmits a signal accordingly, and the digital electrocardiogram signal transmitted from the electrocardiogram (10) A data acquisition board 20 for converting a signal into a memory and storing it in a memory, a personal computer 30 for controlling each unit so as to read and display data from the data acquisition board 20 and to extract time series; Under the control of the personal computer 30, the time series extraction unit 40 converts the data stored in the data acquisition board 20 according to the format of the program, and the time series extracted by the time series extraction unit 40 according to the center line. A baseline adjuster 50 for adjusting, an adjusted time series extractor 60 for extracting a time series adjusted through the baseline adjuster 50, and the time series weight A reconstruction unit 70 for reconstructing the ECG attractor with the time series extracted by the unit 60 and an ECG attractor configured by the reconstruction unit 70 based on the ECG attractor stored in the database 90. And a diagnosis unit 80 for determining health status, and a real time time series display unit 100 displaying a time series of an electrocardiogram in real time under the control of the personal computer 30.
이와 같이 구성된 본 발명은 동작 및 작용효과에 대하여 상세히 설명하면 다음과 같다.The present invention configured as described above will be described in detail with respect to the operation and effect.
인체의 심전도 즉, 박동소리는 케이오스(chaos)신호로서 이 케이오스 신호는 겉으로 보기에는 랜덤하게 보이지만 실제로는 복잡한 동력학 법칙에 의해 결정되는 시스템으로 상태(위상)공간상에서 어트랙터는 재구성하여 궤적을 도시하면 독특한 모양(topology)를 형성한다.The electrocardiogram, or pulsating sound, of the human body is a chaos signal, which is seemingly random at first, but is actually a system determined by complex laws of dynamics. When shown, it forms a unique topology.
심전도 어트랙터를 인간의 건강진단에 응용하려는 생각은 사람마다 약간의 차이는 존재하지만 정상인과 비정상인 사이에는 분명한 차이 즉, 어트랙터 모양이 존재한다는 것이다.The idea of applying ECG attractors to human health diagnosis is that although there are some differences between people, there is a clear difference between the normal and the abnormal.
따라서, 심전도 어트랙터를 인간의 건강진단에 응용시 사람마다 약간의 차이는 존재하지만 정상인과 비정상인 사이에는 분명한 차이, 즉 어트랙터 모양이 존재하므로 이를 응용하여 살펴보기로 하자.Therefore, when the ECG attractor is applied to the human health diagnosis, there is a slight difference for each person, but there is a clear difference between the normal person and the abnormal person.
수검자의 심장박동 소리를 감지하기 위하여 양팔과 양발목을 심전도기의 입력부를 집착시키면, 수검자의 심장박동을 감지하는 심전도기(10)의 씨피유(104)가 센서부(101)내 발광다이오드를 제어하면 그 발광다이오드에서 940mm의 파장을 가진 적외선이 발생하여 인체의 지첨부분의 모세혈관에 도달하면 혈관의 용적변동에 의한 산화 헤모글로빈의 양으로 나타나는 반사광이 포토트랜지스터에 수광된다.In order to detect the heartbeat sound of the examinee, the two arms and the ankles are attached to the input unit of the ECG, and the CPI 104 of the ECG 10 that detects the heartbeat of the examinee controls the light emitting diode in the sensor unit 101. When an infrared ray having a wavelength of 940 mm is generated from the light emitting diode and reaches the capillary at the fingertip part of the human body, the reflected light represented by the amount of oxidized hemoglobin due to the volume change of the blood vessel is received by the phototransistor.
그러면, 상기 포토트랜지스터는 그 수광된 심전도가 전압으로 변화한 시계열을 증폭기(102)로 출력하면 그 증폭기(102)에서 충분히 증폭시킨 후 데이타 획득보드(20)로 출력한다.Then, when the phototransistor outputs the time series of which the received ECG is changed to the voltage to the amplifier 102, the phototransistor is sufficiently amplified by the amplifier 102 and then output to the data acquisition board 20.
따라서, 상기 데이타 획득보드(20)의 아날로그/디지탈변환기(201)는 아날로그의 시계열을 디지털 데이타로 변환시켜 퍼스널컴퓨터(30)로 출력함과 아울러 시계열 획득 제어부(202)로 출력하면, 상기 퍼스널컴퓨터(30)는 심전도 시계열을 실시간으로 하여 실시간 시계열 디스플레이부(100)를 통해 가시화하여 진찰자가 알기 쉽도록 하고 심전도 시계열 획득 제어부(202)는 심전도 시계열을 획득하여 메모리(203)로 저장시킨다.Accordingly, the analog / digital converter 201 of the data acquisition board 20 converts the analog time series into digital data and outputs the digital data to the personal computer 30, and outputs the same to the time series acquisition control unit 202. The electrocardiogram time series is visualized through the real-time time series display unit 100 in real time so that the examiner can easily understand, and the electrocardiogram time series acquisition control unit 202 acquires the electrocardiogram time series and stores it in the memory 203.
여기서, 데이타 획득보드(20) 상에서의 샘플링주파수는 700KHz로 고정되어 있으며 소프트웨어적으로 사용자가 60∼900Hz까지 선택가능하도록 되어 있으며, 심전도 시계열 데이타를 얻기위해서는 100∼250Hz, 데이타 수는 15,000개이다.Here, the sampling frequency on the data acquisition board 20 is fixed at 700KHz, and the user can select from 60 to 900Hz by software. The ECG time series data is 100-250Hz and the number of data is 15,000.
그러면, 상기 데이타 획득보드(100)의 메모리(203)로부터 시계열 추출부(40)가 심전도의 시계열 데이타를 추출하여 베이스라인 조정부(50)에 전달하여 준다.Then, the time series extractor 40 extracts the time series data of the electrocardiogram from the memory 203 of the data acquisition board 100 and transmits the time series data to the baseline adjuster 50.
이 때, 상기 실시간 시계열 디스플레이부(100)에 표시되는 수검자의 심전도 시계열은 제2도의 (a)에 도시한 바와같이 베이스라인(LB)을 중심으로 상하로 작동하는데, 이와같은 현상은 수검자의 운동상태나 심리적인 요인에 기인하는 것으로 알려져 있으며 이러한 것을 심전도 시계열로 재구성을 할 경우 위상 공간상의 각각의 점들의 기준이 다르므로 제2도의 (a)에서와 같이 궤적이 빗나가게 되어 수검자의 정확한 어트랙터로 보기 어려우며 잘못하여 정상인의 어트랙터를 비정상인의 것으로 오인할 수가 있다.At this time, the EKG time series of the examinee displayed on the real-time time series display unit 100 is operated up and down around the baseline (L B ) as shown in (a) of FIG. 2. It is known to be caused by the state of motion or psychological factors. When reconstructing this by ECG time series, the criteria of each point in the phase space are different so that the trajectory is missed as shown in (a) of FIG. It is difficult to see the wrong person and can mistakenly mistake a normal person's attraction for being an abnormal person.
따라서, 베이스라인 조정부(50)는 상기 조정된 시계열 추출부(60)에서 입력되는 시계열 데이타에 대하여 베이스라인 필터링을 행하게 되는데 이는 제 4도에 의거하여 다음과 같은 방법으로 행한다.Accordingly, the baseline adjusting unit 50 performs baseline filtering on the time series data input from the adjusted time series extracting unit 60, which is performed in the following manner based on FIG. 4.
첫 째, 획득한 심전도 시계열의 최대점(a)을 찾는다.First, find the maximum point (a) of the acquired ECG time series.
둘 째, 찾은 최대점을 조정을 위한 기준점으로 한다.Second, the maximum point found is used as a reference point for adjustment.
셋 째, 기준점을 중심으로 제4도의 (a)에서와 같이 좌우로 또는 제4도의 (b)에서와 같이 기준점을 중심뒤로 국부최대점(c,d)을 찾는다.Third, the local maximum point (c, d) is found from the left and right as shown in (a) of FIG. 4 or around the reference point as shown in (b) of FIG.
네 째, 세 째 방법에서 구한 최대점(a)과 국부최대점(c,d) 와의 차이값(a-c,a-d,...)과 점들의 수(N,M,...)를 찾는다.Fourth, find the difference between the maximum point (a) and the local maximum point (c, d) (a-c, a-d, ...) and the number of points (N, M, ...) obtained in the third method.
다섯 째, 네 번째에서 구한 값을 이용하여 심전도 시계열을 다음과 같이 조정한다. 즉, 제 3도의 (a)에서와 같이 최대점(a)을 중심으로 국부최대점(c,d)이 좌우로 있을 경우 조정치는Fifth, using the values obtained in the fourth, adjust the ECG time series as follows. That is, as shown in (a) of FIG. 3, when the local maximum point (c, d) is centered on the maximum point (a), the adjustment value
가 된다.Becomes
결국, 최대점과 국부최대점과의 차를 구한 후 그 차를 N개의 점들의 수중에서 해당하는 수를 곱한값을 점들의 수로 나눈다음 그 나눈값에 원래의 값을 더하면 조정하고자 하는 값이 얻어진다.Finally, find the difference between the maximum point and the local maximum point, and then divide the difference by the number of points in the number of N points by the number of points, then add the original value to the division to get the value you want to adjust. Lose.
또한, 최대점(a)을 중심으로 국부최대점(c,d)이 제 3도의 (b)에서와 같이 최대점(a) 뒤로 있을 경우에 조정치는 다음과 같이 구하여 조정한다.Further, when the local maximum point c, d is located behind the maximum point a as shown in (b) of FIG. 3, around the maximum point a, the adjustment value is obtained by adjusting as follows.
상기에서와 같은 처리과정을 거치면 제2도의 (a)에서와 같은 심전도 시계열이 제 2도의 (b)에서와 같이 베이스라인(LB)이 수평라인(LC)과 수평하게 안정된다. 이와 같이 안정된 심전도 시계열이 조정된 시계열 추출부(60)를 통해 재구성부(70)로 전달되면, 상기 재구성부(70)는 수검자의 어트랙터를 도출해 내기위해 어트랙터 재구성을 수행하게 되는데, 어트랙터 구성과 재구성에 대하여 알아보자.Through the above process, the ECG time series as shown in FIG. 2A stabilizes the baseline L B horizontally with the horizontal line L C as shown in FIG. When the stable electrocardiogram time series is transferred to the reconstruction unit 70 through the adjusted time series extracting unit 60, the reconstructing unit 70 performs the attractor reconstruction to derive the attractor of the examinee. Let's look at configuration and reconfiguration.
케이오스(chaos) 시스템은 결정론적인 비선형 동력학시스템에 속하며, 상기 동력학시스템이란 시스템이 시간이 경과됨에 따라 어떻게 진화해가는가를 나타내주는 법칙으로 시스템의 특성을 파악해 보기위한 필수적인 정보를 상태라 한다.The chaos system belongs to a deterministic nonlinear dynamics system. The dynamics system is a law that shows how the system evolves over time. It is called essential information to characterize the system.
그러면, 상기 동력학시스템의 상태방정식은 거의 미분방정식이나 차등 방정식의 해, 그 동력학시스템의 해, 혹은 상태평면상에서의 궤적이라 하며 시스템의 행동이 궁극적으로 정착하는 곳을 어트랙터(Attractor)라 한다.Then, the state equation of the dynamics system is almost a solution of a differential or differential equation, the solution of the dynamics system, or the trajectory in the state plane, and the place where the system's behavior ultimately settles is called an attractor.
우리가 자연계의 특정 케이오스 시스템의 상태변수, 파라메터값들을 모두 찾아내어 그 시스템의 상태방정식을 유도해낸다는 것은 불가능하지만 특정시스템에 중대한 영향을 미치는 오직 한 개의 상태변수의 진화에 대한 시계열을 실험적으로 측정하면, 그 시계열로부터 어트랙터를 재구성하여도 원래의 어트랙터와 유사한 형태를 보인다는 것이 타켄(Taken)에 의해 수학적으로 1981년에 증명되었고, 그 어트랙터 재구성은 특정 케이오스 시스템의 동력학방정식을 유도해낸다는 것은 불가능할지라도 실험가들한테는 대단히 중요하고 유용한 정성적인 분석방법이다.Although it is impossible for us to derive all the state variables and parameter values of a particular chaotic system in nature and derive a state equation for that system, we can experimentally time-series the evolution of only one state variable that has a significant effect on a particular system. When measured, it was mathematically proved by Taken in 1981 that reconstructing the attractor from its time series resembles the original attractor, and the attractor reconstruction is based on the kinematic equations of a particular chaotic system. Although deriving is impossible, it is a very important and useful qualitative analysis method for experimenters.
상기 정성적인 분석방법이란 상태공간상에서 궤적이 시간의 경과에 따라 움직여가는 경로와 전반적인 궤적의 모양을 갖고서 시스템을 분석하는 방법을 말한다. 따라서, 어트랙터 재구성은 샘플링된 시계열을 갖고서 엠베드링 디멘션(embedding dimension)과 지연시간을 갖고서 행한다. 즉, 시계열 데이타 : {X1,X2,X3,X4,···, XN} (단, N은 충분히 큰 값)The qualitative analysis method refers to a method of analyzing a system in the state space in the form of a path in which the trajectory moves over time and the shape of the overall trajectory. Thus, the attractor reconstruction is done with an embedding dimension and a delay with the sampled time series. That is, time series data: {X 1 , X 2 , X 3 , X 4 ,..., X N } (where N is a sufficiently large value)
측정한 시계열 데이타X(t)로 m-차원 벡타를 구성하면If you construct an m-dimensional vector from the measured time series data X (t)
i = 0, 1, 2, 3, ···, Ni = 0, 1, 2, 3, ... N
m = 엠베드링 디멘션m = Embedding Dimension
p = 지연시간(적절한값)p = delay time (appropriate value)
{X1,X2,X3,X4, ···, Xn}{X(t), X(t+p),X(t+2p),···, X(t+(m-1)p} 가 되고, 엠베드링 디멘션(m)은 벡터의 구성요소의 수와 동일하다. 가령 m이 2일경우는 2차원 평면위에서 m=3일 경우는 3차원 공간에서 재구성하게 되나 보통은 2차원 평면상에서 재구성한다.{X 1 , X 2 , X 3 , X 4 ,..., X n } {X (t), X (t + p), X (t + 2p), ..., X (t + (m-1) p}, and the embedding dimension (m) is the For example, when m is 2, when m = 3 on a two-dimensional plane, it is reconstructed in three-dimensional space, but usually on a two-dimensional plane.
예를 들어 m=2, p=3이라고 하면For example, if m = 2, p = 3
{X1,X2,X3,X4, ···, XN-1, XN}과 같은 시계열 데이타가Time series data such as {X 1 , X 2 , X 3 , X 4 ,..., X N - 1 , X N }
을 차례로 2차원 위상공간상공간에 구획해나가면 제6도에서와 같은 구성을 가지며 이것이 바로 특정 케이오스 시스템의 어트랙터 재구성으로 심전도의 경우 제2도 (b)의 우측그림과 같은 구성을 갖는다. In the case of partitioning into two-dimensional phase space space in turn, it has the same configuration as in FIG. 6 and this is the attractor reconstruction of a specific case system.
이와 같은 것은 정상인의 것이 된다.Such a thing becomes a normal person.
재구성부(70)에서 어트랙터를 구성하여 진단부(80)로 출력하면 그 진단부(80)는 데이타 베이스(90)의 데이타와 비교하여 건강유무를 진단하게 된다.When the retractor 70 configures the attractor and outputs the diagnosis unit 80, the diagnosis unit 80 compares the data of the database 90 to diagnose health.
이상에서와 같은 과정에 대하여 흐름도인 제5도에 의거하여 다시한번 살펴보면, 인체의 심전도를 측정하여 심전도 시계열을 추출한 다음 그 추출한 심전도 시계열로부터 최대점을 찾고 그 최대점을 기준으로 하여 좌우의 국부최대점을 찾은 다음 최대점과 좌우의 국부최대점들 사이의 점들을 조정하여 심전도 시계열의 베이스라인을 조정하고, 그 조정이 완료되면 조정된 시계열로부터 심전도 어트랙터를 재구성하여 건강의 유무를 체크하도록 한다.Referring again to the above-described process based on the flowchart of FIG. 5, the electrocardiogram time series is extracted by measuring the electrocardiogram of the human body, and then the maximum point is found from the extracted electrocardiogram time series, and the left and right local maximums are determined based on the maximum point. After finding the point, adjust the baseline of the ECG time series by adjusting the points between the maximum and left and right local maxima, and when the adjustment is complete, reconstruct the ECG attractor from the adjusted time series to check for health. .
이상에서 상세히 설명한 바와같이 본 발명은 베이스라인과 센터라인을 수평하게 만들어주어 심전도 시계열의 베이스라인 신호처리가 정확하고 빠른 진단을 하도록 한 효과가 있다.As described in detail above, the present invention has an effect of making the baseline and the centerline horizontal so that baseline signal processing of the ECG time series can be accurately and quickly diagnosed.
Claims (2)
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019940032469A KR0133428B1 (en) | 1994-12-01 | 1994-12-01 | Data processing method of cardiogram time series |
| US08/448,993 US5645069A (en) | 1994-05-26 | 1995-05-24 | System for and method of analyzing electrocardiograms employing chaos techniques |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019940032469A KR0133428B1 (en) | 1994-12-01 | 1994-12-01 | Data processing method of cardiogram time series |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR960020939A KR960020939A (en) | 1996-07-18 |
| KR0133428B1 true KR0133428B1 (en) | 1998-04-20 |
Family
ID=19400092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1019940032469A KR0133428B1 (en) | 1994-05-26 | 1994-12-01 | Data processing method of cardiogram time series |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR0133428B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010083267A (en) * | 2000-01-28 | 2001-09-01 | 윤종용 | Heart sound classification method by intergration of time period and statistical analysis |
-
1994
- 1994-12-01 KR KR1019940032469A patent/KR0133428B1/en not_active IP Right Cessation
Also Published As
| Publication number | Publication date |
|---|---|
| KR960020939A (en) | 1996-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6659831B2 (en) | Biological information analyzer, system, and program | |
| US5645069A (en) | System for and method of analyzing electrocardiograms employing chaos techniques | |
| WO2000072750A1 (en) | Cuffless continuous blood pressure monitor | |
| EP3073400B1 (en) | System and method for determining psychological stress of a person | |
| CN109872820B (en) | Method, device, equipment and storage medium for measuring blood pressure without cuff | |
| CN105982642A (en) | Sleep detection method and detection system based on body vibration signals | |
| Monroy Estrada et al. | Relationship of blood pressure with the electrical signal of the heart using signal processing | |
| EP1848335B1 (en) | Method and apparatus for monitoring a sedated patient | |
| US20220031220A1 (en) | Model-based sensor technology for detection of cardiovascular status | |
| CN110200642A (en) | A kind of measurement method and terminal of cognitive load and psychological pressure | |
| CN108430310A (en) | Assess the method and apparatus for carrying out this method of the reliability of blood pressure measurement | |
| KR20220107909A (en) | Apparatus and method for estimating blood pressure | |
| CN105326482B (en) | The method and apparatus for recording physiological signal | |
| KR0133428B1 (en) | Data processing method of cardiogram time series | |
| Silva et al. | Non-invasive monitoring with Ballistocardiographic sensors for sleep management | |
| CN114652288A (en) | Non-cuff type dynamic blood pressure measuring system | |
| Hassanuzzaman et al. | End to end solution for continuous monitoring and real-time analysis of vital signs from ecg signal | |
| KR20220053439A (en) | Continuous blood pressure monitoring system based on photoplethysmography by using convolutionalbidirectional long short-term memory neural networks | |
| Bassiouni et al. | Combination of ECG and PPG signals for smart healthcare systems: Techniques, applications, and challenges | |
| Bassiouni et al. | Combination of ECG and PPG Signals for Healthcare Applications: A Survey | |
| Wuerich et al. | Cuffless Beat-to-Beat Blood Pressure Estimation from Photoplethysmogram Signals | |
| EP4124289A1 (en) | Device, system and method for determining health information related to the cardiovascular system of a subject | |
| Dawson-Amoah | Pulse diagnosis using signal processing and machine learning techniques | |
| Vega et al. | Threads and nanotechnology: monitoring of the vital pulse signal | |
| De Palma et al. | ECG wave segmentation algorithm for complete P-QRS-T detection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| LAPS | Lapse due to unpaid annual fee |