KR101534131B1 - 심전도를 이용한 짧은 ｒｒ 시계열로 ｃｈｆ 및 ａｆ의 자동 감지 방법 - Google Patents

심전도를 이용한 짧은 ｒｒ 시계열로 ｃｈｆ 및 ａｆ의 자동 감지 방법 Download PDF

Info

Publication number
KR101534131B1
KR101534131B1 KR1020140179413A KR20140179413A KR101534131B1 KR 101534131 B1 KR101534131 B1 KR 101534131B1 KR 1020140179413 A KR1020140179413 A KR 1020140179413A KR 20140179413 A KR20140179413 A KR 20140179413A KR 101534131 B1 KR101534131 B1 KR 101534131B1
Authority
KR
South Korea
Prior art keywords
chf
rmssd
average
bih
nsr
Prior art date
Application number
KR1020140179413A
Other languages
English (en)
Inventor
남윤영
이진석
Original Assignee
순천향대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 순천향대학교 산학협력단 filed Critical 순천향대학교 산학협력단
Priority to KR1020140179413A priority Critical patent/KR101534131B1/ko
Application granted granted Critical
Publication of KR101534131B1 publication Critical patent/KR101534131B1/ko
Priority to PCT/KR2015/013424 priority patent/WO2016093608A2/ko
Priority to US15/534,919 priority patent/US20180110432A1/en

Links

Images

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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/35—Detecting specific parameters of the electrocardiograph cycle by template matching
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/361—Detecting fibrillation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

본 발명은 평균 RMSSD, 표본 엔트로피, 섀넌 엔트로피를 이용하여 심전도를 이용한 12비트 RR 시계열로 CHF 및 AF의 자동 감지 방법을 제공하는 것이다.
본 발명은 (a) 피험자로부터 시간에 따른 심전도를 검사하는 단계와; (b) 상기 (a) 수득된 데이터의 평균 RMSSD를 계산하는 단계와; (c) 상기 (a) 수득된 데이터의 표본 엔트로피(sample entropy) 값을 계산하는 단계와; (d) 상기 (a) 단계에 의해 분할된 각각의 구간에 대한 섀넌 엔트로피(Shannon Entropy) 값을 계산하는 단계와; (e) (a) 단계, (b) 단계, (c) 단계에서 계산된 평균 RMSSD, 표본 엔트로피, 섀넌 엔트로피값을 비교하여 평균 RMSSD
Figure 112015059370879-pat00088
,
Figure 112015059370879-pat00089
및/또는
Figure 112015059370879-pat00090
일 때에 CHF를 검출하고, 평균 RMSSD
Figure 112015059370879-pat00091
,
Figure 112015059370879-pat00092
및/또는
Figure 112015059370879-pat00093
인 경우에 AF의 경우 검출하는 단계를 포함하는 것을 특징으로 한다.

Description

심전도를 이용한 짧은 ＲＲ 시계열로 ＣＨＦ 및 ＡＦ의 자동 감지 방법{Automatic Detection of CHF and AF with Short RR Interval Time Series using Electrocardiogram}
본 발명은 평균 RMSSD, 표본 엔트로피, 섀넌 엔트로피를 이용하여 심전도를 이용한 짧은 RR 시계열로 CHF 및 AF의 자동 감지 방법을 제공하는 것이다.
AF(심방세동; 이하 'AF'라 약칭 함) 및 CHF(울혈성 심부전; 이하 'CHF'라 약칭 함) ) 점점 더 광범위하고 비용이 많이 드는, 치명적인 질병이며, 이환율 및 사망률과 관련이있다.
AF은 가장 일반적인 지속 부정맥 및 이환율을 담당한다. 현재 미국에서 230 만 이상의 개인이 AF를 가지고 있다. 뇌졸중과 사망에 대한 증가된 위험과의 관계를 통해, AF는 사람들의 수명과 삶의 질에 지대한 영향을 미친다. AF 치료 전략이 사용할 수 있지만, 임상의와 연구자에 직면 주요 과제는 특히 초기 단계에서, AF의 자주의 발작과 무증상 특징이다. 심지어 AF의 간단한 에피소드가 불리한 건강 결과와 연관되기 때문에, 발작성 AF의 정확한 검출을 위한 방법을 개발하는 것이 절실히 요구되고있다.
마찬가지로, CHF은 우리 인구연령에 따라 점점 흔한 진단이다. CHF은 거의 500만 개인에 영향을 미치고 매년 미국 에서 20만명 이상의 사망자가 발생한다. 고혈압, 심근 경색, 비만, 당뇨, 신부전, 빈혈, 심장 판막의 이상, 우울증이 CHF의 위험을 야기하지만, CHF의 조기발견이 CHF의 치료 효과를 증가시킨다.
이러한 이유로, AF 및 CHF의 탐지기술이 강조되어진다. 심전도(surface 12-leads ECG)는 AF와 CHF 환자의 진단과 예후에 가장 유용한 테스트중의 하나로 자료를 심장박동에 제공해서 이후 ECG curve''s 구성요소에서 형태학적 변화를 진단하고 예후하는 유용한 테스트중의 하나로 여겨진다.
그러나, 표준 12 유도 심전도 및 증상 모니터링 우수하지만, AF와 CHF 모니터링 방법은 매일 AF 및 CHF의 존재를 식별하는 비트-투-비트 데이터를 충분하게 분석 할 수 없거나 식별 할 수 없고, AF와 CHF 및 NSR(정상동율동; 이하 'NSR'이라 약칭 함) 사이에 확인과 식별을 할 수 없다.
따라서, 표준 ECG 레코더를 사용하여, 정확하고 포괄적 자동 검출 알고리즘의 개발이 요구된다. 이 일에서 우리는 상업적으로 이용 가능하고, 임상 적으로 적용 할 수있는 ECG 기록을 사용하여 AF(심방세동), CHF(울혈성 심부전) 및 NSR(정상동율동)에 대한 민감하고 실시간 실현 비트-투-비트 검출 알고리즘을 개발했다.
지난 10 년간, 많은 알고리즘이 RR 간격(RRI) 변동성를 사용하여 AF를 검출하기 위해 제안되어왔다. 접근법은 현저히 증가 박동 대 박동 변동과 복잡성 RRI 시리즈의 랜덤 시퀀스로서 AF의 특성에 기초하였으며, 대부분의 알고리즘은 97%까지의 높은 민감도, 특이도 및 정확도를 보여준다. 또한, 이 방법은 최근 스마트 폰 애플리케이션에 적용되어왔다. 실제로 내장 된 카메라의 렌즈를 사용하여 손가락 끝 박동성 photoplethysmogram 신호를 기록하는 능력을 기초하여 AF를 검출하는데 사용될 수 있다.
또한 RRI 시계열을 이용한 CHF 검출이 연구되었다. 이전 연구에서 심장 혼란은 건강한 심장에서 많이 발생하고, 이러한 혼란에서 감소가 CHF를 표시 할 수 있다.
실제로 AF는 높은 변동성과 복잡성을 하는 동안, CHF는 RRI 시계열에서 매우 낮은 변동성과 복잡성이다. 그러나 대부분의 기존 연구는 비교적 긴 RRI 시계열을 사용했으며 여기서는 충분히 매일 CHF의 존재를 식별하기 위하여 비트-투-비트 데이터를 분석 할 수 없었다.
대한민국 등록특허공보 제10-0493714호(등록일: 2005.05.26.)
본 발명의 목적은 평균 RMSSD, 표본 엔트로피, 섀넌 엔트로피를 계산하여 심전도를 이용한 짧은 RR 시계열로 CHF 및 AF의 자동 감지 방법을 제공하는 것이다.
본 발명에 따른 심전도를 이용한 짧은 RR 시계열로 CHF 및 AF의 자동 감지 방법은 (a) 피험자로부터 시간에 따른 심전도를 검사하는 단계와; (b) 상기 (a) 단계에서 수득된 데이터에서 12비트 RRI 시계열을 확인하는 단계와; (c) 상기 (b) 단계에서 확인된 데이터의 평균 RMSSD를 계산하는 단계와; (d) 상기 (b) 단계에서 확인된 데이터의 표본 엔트로피(sample entropy) 값을 계산하는 단계와; (e) 상기 (b) 단계에서 확인된 분할된 각각의 구간에 대한 섀넌 엔트로피(Shannon Entropy) 값을 계산하는 단계와; (f) (c) 단계, (d) 단계, (e) 단계에서 계산된 평균 RMSSD, 표본 엔트로피, 섀넌 엔트로피값을 비교하여 평균 RMSSD
Figure 112015059370879-pat00100
,
Figure 112015059370879-pat00101
,
Figure 112015059370879-pat00102
을 만족하거나, 또는 평균 RMSSD
Figure 112015059370879-pat00103
,
Figure 112015059370879-pat00104
을 만족할 때에 CHF를 검출하고, 평균 RMSSD
Figure 112015059370879-pat00105
,
Figure 112015059370879-pat00106
,
Figure 112015059370879-pat00107
을 만족하거나, 또는 평균 RMSSD
Figure 112015059370879-pat00108
,
Figure 112015059370879-pat00109
을 만족할 경우에 AF를 검출하는 단계를 포함하는 것을 특징으로 한다.
바람직하게, AF 또는 CHF의 검출은 ROC curves을 사용하여 임계값을 확인하고, 전체 민감도, 특이도 및 정확도의 값은 AF 및 CHF의 결과로부터 평균하여 계산하되, MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF 데이터베이스에서 FP(거짓 양성) 및 FN(위음성)의 수를 확인하고 CHF RRI 데이터베이스에서 TP(진양성), TN(진음성), FP(허위양성), FN(허의음성)의 수를 확인하여 평균 RMSSD, 표본 엔트로피와 섀넌 엔트로피를 확인하고, AF 또는 CHF에 대한 민감도 TP/(TP+FN), 특이도 TN/(TN+FP), 정확도 (TP+TN)/(TP+TN+FP+FN)로 계산되는 것을 특징으로 한다.
본 발명에 심전도를 이용한 짧은 RR 시계열로 CHF 및 AF의 자동 감지 방법에 의하면, CHF 및 AF의 감지를 최고의 정확도로 확인할 수 있다. 즉, AF 및 CHF의 전체 민감도, 특이도 및 정확도에서 높은 효과가 있다.
도 1은 16 비트를 사용하여 각 데이터에 대한 평균 RMSSD의 통계 값의 분포에 대한 그래프.
도 2는 16 비트를 사용하여 각 데이터에 대한 표본 엔트로피의 통계 값의 분포에 대한 그래프.
도 3은 16 비트를 사용하여 각 데이터에 대한 표본 엔트로피의 통계값의 분포에 대한 그래프.
도 4는 AF와 CHF 검출을 위한 ROC 곡선 기반의 평균 RMSSD을 나타낸 그래프(왼쪽에는 AF용이고, 오른쪽은 CHF용).
도 5는 AF, CHF위한 ROC 곡선 기반의 표본 엔트로피를 나타낸 그래프(왼쪽에는 AF용이고 오른쪽은 CH용).
도 6은 AF, CHF위한 ROC 곡선 기반의 섀넌 엔트로피를 나타낸 그래프(왼쪽에는 AF용이고 오른쪽은 CH용).
본 발명에 따른 심전도를 이용한 짧은 RR 시계열로 CHF 및 AF의 자동 감지 방법은
(a) 피험자로부터 시간에 따른 심전도를 검사하는 단계와, (b) 상기 (a) 수득된 데이터의 평균 RMSSD를 계산하는 단계와, (c) 상기 (a) 수득된 데이터의 표본 엔트로피(sample entropy) 값을 계산하는 단계와, (d) 상기 (a) 단계에 의해 분할된 각각의 구간에 대한 섀넌 엔트로피(Shannon Entropy) 값을 계산하는 단계와, (f) (a),(b),(c) 단계에서 계산된 평균 RMSSD, 표본 엔트로피, 섀넌 엔트로피값을 비교하여 평균
Figure 112014121083004-pat00007
Figure 112014121083004-pat00008
일 때에 CHF를 검출하고, 평균 RMSSD
Figure 112014121083004-pat00009
,
Figure 112014121083004-pat00010
및/또는
Figure 112014121083004-pat00011
일 때에 CHF를 검출하고, 평균 RMSSD
Figure 112014121083004-pat00012
,
Figure 112014121083004-pat00013
및/또는
Figure 112014121083004-pat00014
인 경우에 AF의 경우 검출하는 단계를 포함한다.
이하, 첨부된 도면을 참조하여 본 발명을 자세히 설명한다.
실험조건
원광대 의대에서 MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF, CHF RRI, 24 시간 임상 CHF 데이터베이스의 5개 데이터베이스를 사용했다. 모든 데이터베이스의 경우, RR 시계열을 사용했다. MIT-BIH AF 데이터베이스는 299 AF의 에피소드이 있는 25 ECG 신호가 포함되어 있다. 각 ECG 기록은 약 10 시간이다. 4936 및 5091 데이터로 인해 잘못된 AF 주석은 제외 하였다. MIT-BIH NSR의 데이터베이스는 18 ECG 기록과, 각 ECG 기록은 약 24 시간이다. NSR 데이터는 AF와 CHF 에피소드를 모두 포함되어 있지 않다. BIDMC CHF 데이터베이스는 심각한 CHF (NYHA 클래스 III-IV) 15 ECG 기록이 포함되어 있다. 개인 기록은 기간의 각 약 20시간이다. 환자를 치료하는 동안, 의사는 환자가 얼마나 심각한 상태인지를 분류할 필요가 있다. 가장 널리 사용되는 분류 체계는 NYHA (뉴욕 심장 협회) 분류 시스템이다. 이 시스템에 의하면, CHF IV(가혹한) 내지 I (순한)에서 분류된다. CHF RRI 데이터베이스는 CHF (NYHA I-III) 29 ECG 기록을 포함한다. 개인 기록은 약 20~24시간씩 각각이다.
데이터는 BIDMC의 CHF에서 02와 06을 설정하고 CHF RRI에서 207, 213, 214 그리고 221는 매우 높은 PAC 및/또는 PVC 주파수(50 % 이상) 때문에 정확한 검출을 방해 할 수 있어서 배제하였다. 임상 AF와 CHF(울혈성 심부전) 데이터베이스는 24 시간 홀터 데이터를 모니터 GE 예언자 빛 홀터를 사용하여 42 과목에서 수집한 14 AF, 14 CHF (NYHA III-IV) 및 14 NSR로 모니터를 구성한다.
기본 임상, 인구 통계 학적, 실험실, 및 전기 생리 변수뿐만 아니라 심장 박동수와 혈압을 획득 한 후, 교육 연구 직원이 참가자들의 의무 기록을 추출 하였다. 데이터는 10 비트의 해상도로 초당 125 샘플에서 획득 하였다. CHF, AF 및 NSR 데이터는 심장의 모든 심박에 대한 것을 주석으로 처리하였다. 추출된 RR 간격은 MATLAB의 2012b를 사용하여 분석 하였다.
본 발명에서는 짧은(12 비트) RRI 시계열을 사용하였고 평균 RMSSD, 표본 엔트로피, 섀넌 엔트로피 값을 사용하였다. RRI 시계열 세그먼트 통계 값은 세그먼트의 중앙 비트(예를 들면, 8 비트)에 해당한다. 절차는 RRI 시계열 세그먼트마다 비트를 시프트함으로써 반복된다. 이러한 방식으로, AF, CHF 및 NSR의 비트-투-비트로 분류 하였다. 조기 또는 박동을 포함 CHF 또는 NSR RRI 시계열 할 수 있다. 또한, 누락 또는 허위 피크 검출을 CHF, NSR과 AF의 잘못된 분류 결과로 모니터링하고, 조기 박동과의 영향을 줄이기 위해서 세그먼트에서 가장 긴 두 개의 RR값과 가장 짧은 두 개의 RR값은 오류로 간주하여 제거하였다.
평균 RMSSD(Normailzed RMSSD)의 계산 단계
RMSSD는 박동 변화 변동성을 정량화하는 데 사용된다. AF은 CHF과 NSR보다 높은 변동성을 나타내고, CHF은 AF 및 NSR보다 낮은 변동성을 나타내고 있기 때문에, RMSSD에 의해서 CHF, AF 및 NSR을 서로 분류할 것으로 예상된다.
평균 RMSSD(Normailzed RMSSD)은 RR 시계열의 평균값으로 RMSSD 나누어 정규화했다. 아래의 수학식 (1)로 계산된다. 여기서, RR 시계열의 세그먼트
Figure 112014121083004-pat00015
은 길이
Figure 112014121083004-pat00016
를 포함한다.
Figure 112014121083004-pat00017
이에 따라 MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF과 CHF RRI의 데이터베이스를 바탕으로, 12 비트 RRI 시간의 평균 RMSSD를 계산할 수 있다. 각 세그먼트는 전체 데이터베이스를 통해 하나의 비트에 의해 이동한다.
도 1은 MIT-BIH NSR 데이터베이스의 18 NSR, CHF RRI 데이터베이스의 25 CHF, BIDMC-CHF 데이터베이스의 13 CHF 및 MIT-BIH AF 데이터베이스의 23 AF의 평균 RMSSD 값의 통계값의 분포를 나타낸 것이다. 모든 통계 값이 이상 치를 제거한 후 12 비트 RRI 시계열로 나타내었다. 여기서, 그래프 내의 바는 위, 중간, 아랫니 각각 75, 50, 및 25%를 나타낸다.
도 1에 도시 된 바와 같이, AF용 RMSSD 평균값은 높아서 CHF및 NSR 데이터베이스 것과 거의 구별된다. 또한, CHF에 대한 평균 RMSSD 값은 매우 낮아 AF 및 NSR 데이터베이스 것과 거의 구별된다.
그리고, 표 1은 평균 RMSSD를 이용한 NSR, CHF (NYHA I-III), CHF (NYHA III-IV) 및 AF에 대한 평균값(Mean), 중간값(Median) 및 분위값(IQR)을 나타낸 것이다. 이때, 12 비트 RRI 시계열 평균 RMSSD 값은 MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF과 CHF RRI의 데이터베이스를 기반으로 하였다.
[표 1]
Figure 112014121083004-pat00018
표 1에 나타난 바와 같이 CHF (NYHA I-III)의 평균값은 AF와 NSR에 비해 각각 9.08 및 1.69배 낮았다. CHF (NYHA III-IV)의 평균값은 각각 AF 및 NSR보다 14.13 및 2.62배 낮았다. CHF (NYHA I-III)의 중간값은 각각 AF와 NSR보다 13.56 및 2.17배 낮았다. CHF (NYHA III-IV)의 중간값은 각각 AF 및 NSR보다 18.21 및 2.92 배 낮았다. CHF (NYHA I-III)의 IQR값은 각각 AF및 NSR(정보다 11.35 및 2.30 배 낮았다. CHF (NYHA III-IV)에서 IQR은 각각 AF(심방세동) 및 NSR(정상동율동)보다 19.46 및 3.96 배 낮았다.
표본 엔트로피(sample entropy)의 계산 단계
표본 엔트로피는 허용 오차 내에서 점별 일치하는 하위 기록시리즈가 다음 점에서 일치하는 조건부 확률 평가의 네거티브 자연로그이며, 표본 엔트로피는 복잡성을 추정하는 시계열 내에서 패턴을 비교하는 것에 기초로 측정한다. 이러한 표본 엔트로피는 생리 시계열 분석 상황정보로 특징되고, 성공적으로 단기 생체 신호 연구에서 복잡성 측정치로 사용된다.
표본 엔트로피는 RR 시계열(rr)을 먼저 세그먼트 길이
Figure 112014121083004-pat00019
의 패턴으로 분할하고, 다음과 같이 수학식(2)로 계산된다.
Figure 112014121083004-pat00020
여기서
Figure 112014121083004-pat00021
은 길이
Figure 112014121083004-pat00022
의 RR 시계열에서 임계치 r보다 작은 거리에서 발견된 길이
Figure 112014121083004-pat00023
의 패턴 수이고,
Figure 112014121083004-pat00024
은 길이
Figure 112014121083004-pat00025
의 RR 시계열에서 임계치 r보다 작은 거리에서 발견된 길이
Figure 112014121083004-pat00026
의 패턴 수이다. (2)의 합은 길이
Figure 112014121083004-pat00027
의 모든 패턴들로 확장하고, 거리는 유클리드 노름(Euclidean norm)으로 평가된다.
이때, T-BIH AF, MIT-BIH NSR, BIDMC CHF, CHF RRI의 동일한 데이터베이스를 기반으로, 모든 비트에 의해 이동된 12 비트 RRI 시계열의 표본 엔트로피를 계산한다.
도 2는 평균 RMSSD과 같은 동일한 데이터베이스를 기반으로 하는 SampEn 분포 값의 통계값 분포를 나타낸 것이다. 여기서, 그래프 내의 바는 위, 중간, 아랫니 각각 75, 50, 및 25%를 나타낸다.
도 2에 도시 된 바와 같이, AF용 표본 엔트로피값은 평균 RMSSD와 유사하게 CHF 및 NSR 데이터베이스보다 높고 구별된다. 또한, CHF에 대한 표본 엔트로피 값도 낮고 AF 및 NSR 데이터베이스 것과 거의 구별된다.
그리고, 표 2는 표본 엔트로피를 이용한 NSR, CHF (NYHA I-III), CHF (NYHA III-IV) 및 AF에 대한 평균값(Mean), 중간값(Median) 및 분위값(IQR)을 나타낸 것이다. 이때, 12 비트 RRI 시계열표본 엔트로피 값은 MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF과 CHF RRI의 데이터베이스를 기반으로 하였다.
[표 2]
Figure 112014121083004-pat00028
표 2에 나타난 바와 같이 CHF (NYHA I-III)의 평균값은 각각 AF 및 NSR보다 13.63 및 3.20 배 낮았다. CHF (NYHA III-IV), 평균값은 각각 AF 및 NSR보다 32.11 및 7.55 배 낮았다. CHF (NYHA I-III)의 중간값은 각각 AF와 NSR보다 38.88 및 8.31 배 낮았다. CHF (NYHA III-IV)의 중간값은 0이였지만, AF와 NSR은 각각 1.8971과 0.4055이었다. CHF (NYHA I-III)의 IQR값은 각각 AF 및 NSR보다 4.57 및 2.01 배 낮았다. CHF (NYHA III-IV)의 IQR은 각각 AF와 NSR보다 12.53 및 5.50배 낮았다.
섀넌 엔트로피(Shannon entropy)의 계산 단계
섀넌 엔트로피는 확률변수에 대한 불확실성의 정량적 측정을 제공한다. 섀넌 엔트로피는 데이터의 일부 기간 동안에 규칙성을 나타내는 패턴의 실행 가능성을 정량화한다. 예를 들어, 임의의 백색 잡음 신호가 단순한 사인파 신호가 제로에 가까운 값을 가질 것으로 기대되는 반면 섀넌의 값이 1과 가까운 엔트로피 가질 것으로 기대된다. 이러한 특성으로부터, CHF 및 NSR의 섀넌 엔트로피는 AF보다 낮을 것으로 예상된다. 또한, CHF의 섀넌 엔트로피는 NSR보다 낮은 것으로 예상된다. 섀넌 엔트로피를 계산하기 위해 고려된 RR 시계열 세그먼트의 히스토그램을 구축 하였다. RR값은 균일한 간격을 갖는 Bin으로 분류되고, 그 한계는 가장 짧고 가장 긴 RR 값으로 한정된다. 확률분포 P(n)는 비트 수로 reach bin를 계산하고, 여기서 bin은 세그먼트 박동의 총수로 나누어진다. 섀넌 엔트로피는 아래의 수학식 (3)으로 계산된다.
Figure 112014121083004-pat00029
여기서
Figure 112014121083004-pat00030
은 빈들의 수이다.
이때, MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF, CHF RRI의 동일한 데이터베이스를 기반으로, 모든 비트에 의해 이동된 12 비트 RRI 시계열에서의 섀넌 엔트로피를 계산하였다.
도 3은 평균 RMSSD과 표본 엔트로피를 같은 동일한 데이터베이스를 기반으로 하는 섀넌 엔트로피 분포 값의 통계값 분포를 나타낸 것이다. 여기서, 그래프 내의 바는 위, 중간, 아랫니 각각 75, 50, 및 25%를 나타낸다.
도 3에 도시 된 바와 같이, AF용 섀넌 엔트로피값은 평균 RMSSD와 표본 엔트로피와 유사하게 CHF 및 NSR 데이터베이스보다 높고 구별된다. 또한, CHF에 대한 섀넌 엔트로피 값도 낮고 AF 및 NSR 데이터베이스 것과 거의 구별되는 것을 확이할 수 있다.
표 3은 섀넌 엔트로피를 이용한 NSR, CHF (NYHA I-III), CHF (NYHA III-IV) 및 AF에 대한평균값(Mean), 중간값(Median) 및 분위값(IQR)을 나타낸 것이다. 이때, 12 비트 RRI 시계열 섀넌 엔트로피 값은 MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF과 CHF RRI의 데이터베이스를 기반으로 하였다.
[표 3]
Figure 112014121083004-pat00031
표 3에 나타난 바와 같이, CHF (NYHA I-III)의 평균값은 각각 AF 및 NSR보다 2.05 내지 1.70 배 낮았다. CHF (NYHA III-IV), 평균값은 각각 AF 및 NSR보다 1.61 및 1.34 배 낮았다. CHF (NYHA I-III)의 중간 값은 각각 AF와 NSR보다 2.10 및 1.79 배 낮았다. CHF (NYHA III-IV)에서, CHF (NYHA III-IV)의 중앙값은 각각 AF 및 NSR 1.64보다 1.40 배 더 낮았다.
CHF 또는 AF 검출 단계
CHF 및 AF 검출은 평균 RMSSD (RM), 표본 엔트로피 (SE) 및 섀넌 엔트로피 (SA)의 임계값에 기초로 한다. CHF는
Figure 112014121083004-pat00032
와
Figure 112014121083004-pat00033
이고, AF는
Figure 112014121083004-pat00034
,
Figure 112014121083004-pat00035
와
Figure 112014121083004-pat00036
이며,
Figure 112014121083004-pat00037
,
Figure 112014121083004-pat00038
,
Figure 112014121083004-pat00039
이다.
CHF의 검출조건은 평균 RMSSD
Figure 112015059370879-pat00040
,
Figure 112015059370879-pat00041
,
Figure 112015059370879-pat00110
을 만족하거나, 또는 평균 RMSSD
Figure 112015059370879-pat00111
,
Figure 112015059370879-pat00112
을 만족하는 것이고, AF의 검출조건은 평균 RMSSD
Figure 112015059370879-pat00043
,
Figure 112015059370879-pat00044
,
Figure 112015059370879-pat00045
을 만족하거나, 또는 평균 RMSSD
Figure 112015059370879-pat00113
,
Figure 112015059370879-pat00114
을 만족하는 것이다. 이때, 표본 엔트로피 및 섀넌 엔트로피에서 r=0.06과
Figure 112015059370879-pat00046
=16을 사용한다.
각각의 최적의 임계값의 선택을 위해, 다음과 같은 간격 증분으로 각각의 가능한 임계 값을 검색하였다.
1)
Figure 112014121083004-pat00047
은 0.001의 간격으로 0.001에서 0.050로 변화;
2)
Figure 112014121083004-pat00048
는 0.001의 간격으로 0.100에서 0.200에 변화;
3)
Figure 112014121083004-pat00049
은 0.001의 간격으로 0.200에서 0.800에 변화;
4)
Figure 112014121083004-pat00050
은 0.001의 간격으로 0.010에서 0.150에 변화;
5)
Figure 112014121083004-pat00051
은 0.001의 간격으로 0.800에서 1.500에 변화;
6)
Figure 112014121083004-pat00052
은 0.001의 간격으로 0.500에서 1.000 변화.
먼저, 먼저 각각의 하나 방법의 성능을 조사하였다.:
MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF 데이터베이스에서 FP(거짓 양성) 및 FN(위음성)의 수를 확인하고 CHF RRI 데이터베이스에서 TP(진양성), TN(진음성), FP(허위양성), FN(허의음성)의 수를 확인하여 평균 RMSSD, 표본 엔트로피와 섀넌 엔트로피를 확인한다.
TP, TN, FP FN과 각 세트의 각각은 AF 및 CHF에 대해 계산한다. 그 후, AF 및 CHF에 대한 민감도 TP/(TP+FN), 특이도 TN/(TN+FP), 정확도 (TP+TN)/(TP+TN+FP+FN)을 계산한다.
각각의 통계적 방법으로 AF 및 CHF를 각각 검출하기 위하여 ROC curves을 사용하여 임계값을 확인하고, 전체 민감도, 특이도 및 정확도의 값은 AF 및 CHF의 결과로부터 평균하여 계산한다.
CHF는 평균 RMSSD
Figure 112014121083004-pat00053
,
Figure 112014121083004-pat00054
및
Figure 112014121083004-pat00055
일 때에 검출하고, AF은 평균 RMSSD
Figure 112014121083004-pat00056
,
Figure 112014121083004-pat00057
및
Figure 112014121083004-pat00058
인 경우에 검출한다. 다변량 분석으로 먼저 CHF 검출하기 위하여 먼저
Figure 112014121083004-pat00059
=200과
Figure 112014121083004-pat00060
=100으로 고정 위한
Figure 112014121083004-pat00061
기반의 ROC 곡선을 꾸몄다. 그 후, 0.001의 간격으로
Figure 112014121083004-pat00062
을 0.100-0.200으로 증가시키고,
Figure 112014121083004-pat00063
기반의 ROC 곡선을 꾸몄다. 반복하여 0.001의 간격으로 0.200-0.800으로 증가시켰다. 얻어진 ROC 곡선으로 ROC 영역에서 가장 높은 값을 제공 ROC 곡선을 발견했다. 마찬가지로, AF의 검출을 위해 ROC 분석을 수행하였다. 표 4에 AF에 대한 복합 통계방법과 단일 동계방법을 조합한 민감도, 특이도 및 정확도 값를 나타내었고, 표 5에 CHF에 대한 복합 통계방법과 단일 동계방법을 조합한 민감도, 특이도 및 정확 값을 나타내었다.
[표 4]
Figure 112014121083004-pat00064
[표 5]
Figure 112014121083004-pat00065
도 4는 AF와 CHF 검출을 위한 ROC 곡선 기반의 평균 RMSSD을 나타낸 것이다. 왼쪽에는 AF용이고, 오른쪽은 CHF용이다.
도시된 바와 같이 AF 검출용에서 0.075의 임계값인 경우 민감도, 특이도 및 정확도는 각각 0.9522, 0.9649 및 0.9607을 갖는다. CHF 검출용에서 0.0190 임계값인 경우 민감도, 특이도 및 정확도는 각각 0.7775, 0.9012 및 0.8600을 갖는다. AF 및 CHF의 전체 민감도, 특이도 및 정확도는 각각 0.8649, 0.9331 및 0.9104이었다.
예상대로, 임계값 0.0190인 경우에 CHF (NYHA I-III)에 대한 검출율은 0.7312, CHF (NYHA III-IV)에 대한 검출율은 0.9113이였다. 환자가 더욱 심한 CHF에서 감지율이 높아진 것을 확인할 수 있다.
도 5는 AF, CHF위한 ROC 곡선 기반의 표본 엔트로피를 나타낸다. 왼쪽에는 AF용이고 오른쪽은 CH용 이다. AF 검출용에서 1.090의 임계값인 경우 민감도, 특이도 및 정확도는 각각 0.9380, 0.9684 및 0.9583을 갖는다. CHF 검출용에서 0.184의 임계값인 경우 민감도, 특이도 및 정확도는 각각 0.7718, 0.8957 및 0.8544을 갖는다. AF 및 CHF의 전체 민감도, 특이도 및 정확도는 각각 0.8549, 0.9321 및 0.9064이었다. 또한, 임계값이 0.184 동안 CHF (NYHA IIII)에 대한 검출율는 0.7134이고, CHF (NYHA III-IV)에 대한 비율은 0.8902이였다.
도 6은 AF, CHF위한 ROC 곡선 기반의 섀넌 엔트로피를 나타낸다. 왼쪽에는 AF용이고 오른쪽은 CHF용이다. AF 검출용에서 0.620의 임계값인 경우 민감도, 특이도 및 정확도는 각각 0.8336, 0.7738 및 0.7771였다. CHF 검출용에서 0.474의 임계값인 경우 민감도, 특이도 및 정확도는 각각 0.7583, 0.8790 및 0.8388였다. AF 및 CHF의 전체 민감도, 특이도 및 정확도는 각각 0.7960, 0.8264 및 0.8587이었다. 또한, 임계치 0.474 동안 CHF (NYHA I-III)에 대한 검출율은 0.7959이고, CHF (NYHA III-IV)에 대한 비율은 0.6776이다.
이와 같이 도 1~3에 나타난 바와 같이 각 통계값 분포에 대한 통계방법으로 평균 RMSSD 및 표본 엔트로피는 CHF 및 AF검출용으로 섀넌 엔트로피보다 우수함을 알 수 있고, 평균 RMSSD가 표본 엔트로피보다 약간 더 나은 성능을 제공하였다. 평균 RMSSD 표본 엔트로피와 ROC 곡선 분석에서 AF 검출에서 가장 좋은 정밀도가 0.9643으로 평균 RMSSD 및 표본 엔트로피보다 각각 0.0036 및 0.0060 높았다. CHF 검출에서 가장좋은 정밀도가 0.8587으로 평균 RMSSD보다 낮았다. 또한, 세조합한 방법 ROC 곡선 분석을 수행 AF 및 CHF 대해 0.9648 및 0.8554로 가장 정확도를 확인할 수 있었다.
임상 데이터 결과
동일한 방법으로, 우리는 전체 24 시간 데이터를 각 12 비트를 사용하여 AF와 CHF 검출을 수행하고, 데이터 세그먼트는 전체 홀터기록기를 위해 하나의 비트만큼 시프트 하였다.
그 결과,
Figure 112014121083004-pat00066
=0.019와 평균 RMSSD를 사용하여, CHF용으로 0.8104의 감도와 0.9014의 특이성을 얻었고, AF용으로 0.9514의 감도와
Figure 112014121083004-pat00067
=0.019에서 0.9798의 특이성을 얻을 수 있었다.
결과는 평균 RMSSD 뿐만 아니라 임상 데이터에 적용 가능하다는 것을 시사한다. 표본 엔트로피와 섀넌 엔트로피의 다른 두 통계적 방법은 MIT-BIH AF, MITBIH NSR, BIDMC CHF, CHF RRI의 데이터베이스에 비해 민감도와 특이도 비슷한 높은 값을 제공했다. 그러나, 값은 평균RMSSD의 것보다 낮았다. 임상 데이터 결과를 표 6 및 7에 나타내었다.
[표 6]
임상 데이터(N = 42) 세트와 AF에 대한 결합통계방법과 단일통계방법의 민감도, 특이도 및 정확도의 값.
Figure 112014121083004-pat00068
[표 7]
임상 데이터(N = 42) 세트와 CHF(울혈성 심부전) 의 결합통계방법과 단일통계방법의 민감도, 특이도 및 정확도의 값.
Figure 112014121083004-pat00069

Claims (5)

  1. (a) 피험자로부터 시간에 따른 심전도를 검사하는 단계와;
    (b) 상기 (a) 단계에서 수득된 데이터에서 12비트 RRI 시계열을 확인하는 단계와;
    (c) 상기 (b) 단계에서 확인된 데이터의 평균 RMSSD를 계산하는 단계와;
    (d) 상기 (b) 단계에서 확인된 데이터의 표본 엔트로피(sample entropy) 값을 계산하는 단계와;
    (e) 상기 (b) 단계에서 확인된 분할된 각각의 구간에 대한 섀넌 엔트로피(Shannon Entropy) 값을 계산하는 단계와;
    (f) (c) 단계, (d) 단계, (e) 단계에서 계산된 평균 RMSSD, 표본 엔트로피, 섀넌 엔트로피값을 비교하여 평균 RMSSD
    Figure 112015059370879-pat00115
    ,
    Figure 112015059370879-pat00116
    ,
    Figure 112015059370879-pat00117
    을 만족하거나, 또는 평균 RMSSD
    Figure 112015059370879-pat00118
    ,
    Figure 112015059370879-pat00119
    을 만족할 때에 CHF를 검출하고, 평균 RMSSD
    Figure 112015059370879-pat00120
    ,
    Figure 112015059370879-pat00121
    ,
    Figure 112015059370879-pat00122
    을 만족하거나, 또는 평균 RMSSD
    Figure 112015059370879-pat00123
    ,
    Figure 112015059370879-pat00124
    을 만족할 경우에 AF를 검출하는 단계를 포함하는 것을 특징으로 하는 심전도를 이용한 12비트 RR 시계열로 CHF 및 AF의 자동 감지 방법.
  2. 청구항 1에 있어서, 평균 RMSSD(Normailzed RMSSD)은 MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF과 CHF RRI의 데이터베이스를 바탕으로 아래의 수학식 (1)로 계산되는 것을 특징으로 하는 심전도를 이용한 12비트 RR 시계열로 CHF 및 AF의 자동 감지 방법.
    Figure 112015059370879-pat00076

    여기서, RR 시계열의 세그먼트
    Figure 112015059370879-pat00077
    은 길이(l)를 포함한다.
  3. 청구항 1에 있어서, 표본 엔트로피는 MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF과 CHF RRI의 데이터베이스를 바탕으로 아래의 수학식 (2)로 계산되는 것을 특징으로 하는 심전도를 이용한 12비트 RR 시계열로 CHF 및 AF의 자동 감지 방법.
    Figure 112015059370879-pat00078

    여기서
    Figure 112015059370879-pat00079
    은 길이
    Figure 112015059370879-pat00080
    의 RR 시계열에서 임계치 r보다 작은 거리에서 발견된 길이
    Figure 112015059370879-pat00081
    의 패턴 수이고,
    Figure 112015059370879-pat00082
    은 길이
    Figure 112015059370879-pat00083
    의 RR 시계열에서 임계치 r보다 작은 거리에서 발견된 길이
    Figure 112015059370879-pat00084
    의 패턴 수이다. (2)의 합은 길이
    Figure 112015059370879-pat00085
    의 모든 패턴들로 확장하고, 거리는 유클리드 노름(Euclidean norm)으로 평가된다.
  4. 청구항 1에 있어서, 섀넌 엔트로피는 MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF과 CHF RRI의 데이터베이스를 바탕으로 아래의 수학식 (3)로 계산되는 것을 특징으로 하는 심전도를 이용한 12비트 RR 시계열로 CHF 및 AF의 자동 감지 방법.
    Figure 112015059370879-pat00086

    여기서
    Figure 112015059370879-pat00087
    은 빈들의 수이다.
  5. 청구항 1에 있어서, AF 또는 CHF의 검출은 ROC curves을 사용하여 임계값을 확인하고, 전체 민감도, 특이도 및 정확도의 값은 AF 및 CHF의 결과로부터 평균하여 계산하되,
    MIT-BIH AF, MIT-BIH의 NSR, BIDMC CHF 데이터베이스에서 FP(거짓 양성) 및 FN(위음성)의 수를 확인하고 CHF RRI 데이터베이스에서 TP(진양성), TN(진음성), FP(허위양성), FN(허의음성)의 수를 확인하여 평균 RMSSD, 표본 엔트로피와 섀넌 엔트로피를 확인하고,
    AF 또는 CHF에 대한 민감도 TP/(TP+FN), 특이도 TN/(TN+FP), 정확도 (TP+TN)/(TP+TN+FP+FN)로 계산되는 것을 특징으로 하는 심전도를 이용한 12비트 RR 시계열로 CHF 및 AF의 자동 감지 방법.
KR1020140179413A 2014-12-12 2014-12-12 심전도를 이용한 짧은 ｒｒ 시계열로 ｃｈｆ 및 ａｆ의 자동 감지 방법 KR101534131B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020140179413A KR101534131B1 (ko) 2014-12-12 2014-12-12 심전도를 이용한 짧은 ｒｒ 시계열로 ｃｈｆ 및 ａｆ의 자동 감지 방법
PCT/KR2015/013424 WO2016093608A2 (ko) 2014-12-12 2015-12-09 심전도를 이용한 짧은 rr 시계열로 chf 및 af의 자동 감지 방법
US15/534,919 US20180110432A1 (en) 2014-12-12 2015-12-09 Method for automatic detection of chf and af with short rr interval time series using electrocardiogram

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140179413A KR101534131B1 (ko) 2014-12-12 2014-12-12 심전도를 이용한 짧은 ｒｒ 시계열로 ｃｈｆ 및 ａｆ의 자동 감지 방법

Publications (1)

Publication Number Publication Date
KR101534131B1 true KR101534131B1 (ko) 2015-07-24

Family

ID=53875968

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140179413A KR101534131B1 (ko) 2014-12-12 2014-12-12 심전도를 이용한 짧은 ｒｒ 시계열로 ｃｈｆ 및 ａｆ의 자동 감지 방법

Country Status (3)

Country Link
US (1) US20180110432A1 (ko)
KR (1) KR101534131B1 (ko)
WO (1) WO2016093608A2 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200058255A (ko) * 2018-11-19 2020-05-27 광운대학교 산학협력단 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법
KR102321661B1 (ko) * 2020-06-12 2021-11-05 고려대학교 산학협력단 심장 상태 감지 센서 장치 및 이를 이용한 심장 상태 모니터링 방법
WO2021251796A1 (ko) * 2020-06-12 2021-12-16 고려대학교 산학협력단 심장 상태 감지 센서 장치 및 이를 이용한 복합 생활 지원 솔루션 제공 시스템
KR20230011773A (ko) * 2021-07-14 2023-01-25 광운대학교 산학협력단 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111345798A (zh) * 2018-12-20 2020-06-30 由昉信息科技（上海）有限公司 一种侦测心房颤动的方法
CN110840443B (zh) * 2019-11-29 2022-06-10 京东方科技集团股份有限公司 心电信号处理方法、心电信号处理装置和电子设备
US20210275110A1 (en) * 2019-12-30 2021-09-09 RubyElf, LLC Systems For Synchronizing Different Devices To A Cardiac Cycle And For Generating Pulse Waveforms From Synchronized ECG and PPG Systems
KR102632272B1 (ko) * 2021-06-28 2024-01-31 금오공과대학교 산학협력단 컨볼루션 인공신경망을 이용한 심방세동과 울혈성 심부전의 분류방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100493714B1 (ko) * 2004-11-26 2005-06-02 주식회사 메디코아 자율신경 검사장치
JP2009540953A (ja) * 2006-06-20 2009-11-26 ヴィヴォメトリクス・インク うっ血性心不全患者の携帯型自動モニタリング
US20100324436A1 (en) * 2008-02-04 2010-12-23 University Of Virginia Patent Foundation System, Method and Computer Program Product for Detection of Changes in Health Status and Risk of Imminent Illness
KR20110050315A (ko) * 2009-11-06 2011-05-13 서울대학교산학협력단 심박변이도 측정 지표를 이용한 정신분열병 진단 장치 및 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6597943B2 (en) * 2000-12-26 2003-07-22 Ge Medical Systems Information Technologies, Inc. Method of using spectral measures to distinguish among atrialfibrillation, atrial-flutter and other cardiac rhythms
US6993377B2 (en) * 2002-02-22 2006-01-31 The Board Of Trustees Of The University Of Arkansas Method for diagnosing heart disease, predicting sudden death, and analyzing treatment response using multifractal analysis
US8417326B2 (en) * 2007-08-02 2013-04-09 The Research Foundation Of State University Of New York RR interval monitoring method and blood pressure cuff utilizing same
US9713428B2 (en) * 2011-01-21 2017-07-25 Worcester Polytechnic Institute Physiological parameter monitoring with a mobile communication device
US20160081566A1 (en) * 2014-09-22 2016-03-24 Xerox Corporation Identifying a type of cardiac event from a cardiac signal segment

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100493714B1 (ko) * 2004-11-26 2005-06-02 주식회사 메디코아 자율신경 검사장치
JP2009540953A (ja) * 2006-06-20 2009-11-26 ヴィヴォメトリクス・インク うっ血性心不全患者の携帯型自動モニタリング
US20100324436A1 (en) * 2008-02-04 2010-12-23 University Of Virginia Patent Foundation System, Method and Computer Program Product for Detection of Changes in Health Status and Risk of Imminent Illness
KR20110050315A (ko) * 2009-11-06 2011-05-13 서울대학교산학협력단 심박변이도 측정 지표를 이용한 정신분열병 진단 장치 및 방법

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200058255A (ko) * 2018-11-19 2020-05-27 광운대학교 산학협력단 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법
KR102171883B1 (ko) 2018-11-19 2020-10-29 광운대학교 산학협력단 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법
KR102321661B1 (ko) * 2020-06-12 2021-11-05 고려대학교 산학협력단 심장 상태 감지 센서 장치 및 이를 이용한 심장 상태 모니터링 방법
WO2021251796A1 (ko) * 2020-06-12 2021-12-16 고려대학교 산학협력단 심장 상태 감지 센서 장치 및 이를 이용한 복합 생활 지원 솔루션 제공 시스템
KR20210154675A (ko) * 2020-06-12 2021-12-21 고려대학교 산학협력단 인공지능 기반 생체신호 모니터링 및 분석을 통한 복합 생활 지원 솔루션 제공 시스템 및 그 동작 방법
KR102346824B1 (ko) * 2020-06-12 2022-01-05 고려대학교 산학협력단 인공지능 기반 생체신호 모니터링 및 분석을 통한 복합 생활 지원 솔루션 제공 시스템 및 그 동작 방법
KR20230011773A (ko) * 2021-07-14 2023-01-25 광운대학교 산학협력단 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법
KR102574331B1 (ko) 2021-07-14 2023-09-01 광운대학교 산학협력단 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법

Also Published As

Publication number Publication date
WO2016093608A2 (ko) 2016-06-16
US20180110432A1 (en) 2018-04-26

Similar Documents

Publication Publication Date Title
KR101534131B1 (ko) 심전도를 이용한 짧은 ｒｒ 시계열로 ｃｈｆ 및 ａｆ의 자동 감지 방법
US20210275046A1 (en) Peak Detection System and Method for Calculation of Signal-Derived Metrics
Yakut et al. An improved QRS complex detection method having low computational load
US8417326B2 (en) RR interval monitoring method and blood pressure cuff utilizing same
US8868163B2 (en) Method and apparatus for predicting patient outcomes from a physiological segmentable patient signal
US8718753B2 (en) Motion and noise artifact detection for ECG data
Zhao et al. A robust QRS detection and accurate R-peak identification algorithm for wearable ECG sensors
US20120209126A1 (en) Method and system for detecting cardiac arrhythmia
Tafreshi et al. Automated analysis of ECG waveforms with atypical QRS complex morphologies
Oster et al. Open source Java-based ECG analysis software and Android app for atrial fibrillation screening
Acar et al. Automatic ectopic beat elimination in short-term heart rate variability measurement
Tuboly et al. Atrial fibrillation detection with and without atrial activity analysis using lead-I mobile ECG technology
Zhang et al. Detection of atrial fibrillation from variable-duration ECG signal based on time-adaptive densely network and feature enhancement strategy
Lewandowski et al. A simple real-time QRS detection algorithm utilizing curve-length concept with combined adaptive threshold for electrocardiogram signal classification
Khaustov et al. An open-source standard T-wave alternans detector for benchmarking
Gusev et al. Performance evaluation of atrial fibrillation detection
Chang et al. Design of a low-complexity real-time arrhythmia detection system
EP2587991B1 (en) A portable pulseoximeter for a direct and immediate automated evaluation of the cardiac rhythm (regularity)
Dhar et al. Effortless detection of premature ventricular contraction using computerized analysis of photoplethysmography signal
Mamun et al. Myocardial infarction detection using multi biomedical sensors
Yoon et al. Automatic detection of congestive heart failure and atrial fibrillation with short RR interval time series
Mincholé et al. Discrimination between ischemic and artifactual ST segment events in Holter recordings
Eilers et al. Choosing the Appropriate QRS Detector.
Gil et al. Detection of heart rate turbulence in photoplethysmographic signals
Farhan et al. Myocardial Ischemia Detection from Slope of ECG ST Segment

Legal Events

Date Code Title Description
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190702

Year of fee payment: 5