KR101977745B1 - Method and apparatus for classifying cardiac arrhythmia - Google Patents

Method and apparatus for classifying cardiac arrhythmia Download PDF

Info

Publication number
KR101977745B1
KR101977745B1 KR1020120108669A KR20120108669A KR101977745B1 KR 101977745 B1 KR101977745 B1 KR 101977745B1 KR 1020120108669 A KR1020120108669 A KR 1020120108669A KR 20120108669 A KR20120108669 A KR 20120108669A KR 101977745 B1 KR101977745 B1 KR 101977745B1
Authority
KR
South Korea
Prior art keywords
ecg
bits
arrhythmia
bit
sax
Prior art date
Application number
KR1020120108669A
Other languages
Korean (ko)
Other versions
KR20130034635A (en
Inventor
베라 딥
봅비 한카르나라야나 밧하타 라하벤드라
나라야난 란가비탈
차크로보드리 발라지
판카자크한 프라빈
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to US13/629,963 priority Critical patent/US9380956B2/en
Publication of KR20130034635A publication Critical patent/KR20130034635A/en
Application granted granted Critical
Publication of KR101977745B1 publication Critical patent/KR101977745B1/en

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006ECG or EEG signals
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

심전도(ECG) 신호를 이용하여, 심장 부정맥을 분류하는 방법 및 디바이스가 제공된다. 상기 방법은 일정 시간 주기 동안 개인의 심장의 전기적 활동을 나타내는 상기 ECG 신호를 수신하는 단계 - 상기 ECG 신호는 ECG 비트를 포함함 - 를 포함한다. 상기 방법은 상기 ECG 비트의 각각을 심볼로 변환하는 단계를 더 포함한다. 상기 방법은 상기 ECG 비트의 각각을 나타내는 상기 심볼에 기초하여 심장의 부정맥의 각각의 유형을 나타내는 부정맥 클래스들로부터 상기 개인에 연관되는 심장 부정맥의 유형을 나타내는 부정맥 클래스를 식별하는 단계를 더 포함한다.Methods and devices for classifying cardiac arrhythmias using electrocardiogram (ECG) signals are provided. The method includes receiving the ECG signal indicative of an electrical activity of an individual's heart for a period of time, the ECG signal comprising an ECG bit. The method further includes converting each of the ECG bits to a symbol. The method further comprises identifying an arrhythmia class indicative of a type of cardiac arrhythmia associated with the individual from arrhythmia classes representing each type of heart arrhythmia based on the symbol representing each of the ECG bits.

Description

심장 부정맥을 분류하기 위한 방법 및 장치{METHOD AND APPARATUS FOR CLASSIFYING CARDIAC ARRHYTHMIA}[0001] METHOD AND APPARATUS FOR CLASSIFYING CARDIAC ARRHYTHMIA [0002]

심장 부정맥을 분류하는 방법 및 장치에 연관된다.Lt; RTI ID = 0.0 > arrhythmia < / RTI >

심전도(Electrocardiogram: ECG) 시스템은 환자의 심장의 전기적 활동을 모니터링한다. 정상 심전도는 P파, QRS 콤플렉스(complex), T-파, 및 U-파를 포함한다. ECG 분석은 환자의 심장 기능의 연구 및 상기 심장의 장애를 식별을 위해 잘 확립된 방법이다.An electrocardiogram (ECG) system monitors the electrical activity of the patient's heart. Normal electrocardiograms include P waves, QRS complexes, T-waves, and U-waves. ECG analysis is a well-established method for studying cardiac function in patients and for identifying disorders of the heart.

의사들은 수십 년 동안 한자의 심장 활동을 모니터링하기 위해 ECG 시스템을 사용해왔다. 현재, 환자의 심장의 상기 전기적 활동을 모니터링하고 환자가 겪고 있는 심장 부정맥의 유형을 식별하기 위해 ECG 신호를 분석하는 몇몇의 다른 시스템들이 있다. 그러나, 이러한 시스템들은 일반적으로 고정되어 있으며 휴대 사용에 적합하지 않다.Doctors have been using the ECG system to monitor the cardiac activity of Chinese characters for decades. Currently, there are several other systems that monitor the electrical activity of the patient's heart and analyze the ECG signal to identify the type of cardiac arrhythmia the patient is experiencing. However, these systems are generally fixed and not suitable for portable use.

KRKR 1998006708519980067085 AA (1998-10-15)(1998-10-15)

일측에 따르면, 심전도(ECG) 신호를 이용하여, 심장 부정맥을 분류하는 방법이 제공되고, 상기 방법은 일정 시간 주기 동안 개인의 심장의 전기적 활동을 나타내는 상기 ECG 신호를 수신하는 단계를 포함하고, 상기 ECG 신호는 ECG 비트들을 포함한다. 상기 방법은 상기 ECG 비트의 각각을 심볼로 변환하는 단계를 더 포함한다. 상기 방법은 상기 ECG 비트의 각각에 대응하는(representing) 상기 심볼에 기초하여 심장 부정맥의 각각의 유형을 나타내는 부정맥 클래스들로부터 상기 개인에 연관되는 심장 부정맥의 유형을 나타내는 부정맥 클래스를 식별하는 단계를 더 포함한다.According to one aspect, there is provided a method of classifying cardiac arrhythmias using an electrocardiogram (ECG) signal, the method comprising receiving the ECG signal indicative of an electrical activity of an individual's heart for a period of time, The ECG signal includes ECG bits. The method further includes converting each of the ECG bits to a symbol. The method further comprises identifying an arrhythmia class indicative of a type of cardiac arrhythmia associated with the individual from arrhythmia classes representing each type of cardiac arrhythmia based on the symbol representing each of the ECG bits .

또 다른 일측에 따르면, 일정 시간 주기 동안 개인의 심장의 전기적 활동을 나타내는 심전도(ECG) 신호를 수신하도록 구성되는 통신 인터페이스를 포함하는 헬스 모니터링 디바이스가 제공되고, 상기 ECG 신호는 ECG 비트들을 포함한다. 상기 헬스 모니터링 디바이스는 상기 ECG의 각각을 심볼로 변환하도록 구성되는 부정맥 분류 모듈을 더 포함한다. 상기 부정맥 분류 모듈은 상기 ECG 비트의 각각을 나타내는 상기 심볼에 기초하여 심장 부정맥의 각각의 유형을 나타내는 부정맥 클래스들로부터 상기 개인에 연관되는 심장 부정맥의 유형을 나타내는(indicating) 부정맥 클래스를 식별하도록 더 구성된다.According to another aspect, there is provided a health monitoring device comprising a communication interface configured to receive an electrocardiogram (ECG) signal indicative of an electrical activity of an individual's heart for a period of time, the ECG signal comprising ECG bits. The health monitoring device further includes an arrhythmia classification module configured to convert each of the ECGs to a symbol. Wherein the arrhythmia classification module further identifies an arrhythmia class indicating the type of cardiac arrhythmia associated with the individual from arrhythmia classes representing each type of cardiac arrhythmia based on the symbol representing each of the ECG bits do.

또 다른 일측에 따르면, 일정 시간 주기 동안 개인의 심장의 전기적 활동을 나타내는 심전도(ECG) 신호를 생성하도록 구성되는 애퀴지션 디바이스를 포함하는 시스템이 제공되고, 상기 ECG 신호는 ECG 비트들을 포함한다. 상기 시스템은 상기 ECG 비트의 각각을 심볼로 변환하도록 구성되는 헬스 모니터링 디바이스를 더 포함한다. 상기 헬스 모니터링 디바이스는 상기 ECG 비트의 각각을 나타내는 상기 심볼에 기초하여 심장 부정맥의 각각의 유형들을 나타내는 부정맥의 클래스들로부터 상기 개인에 연관되는 심장 부정맥의 유형을 나타내는 부정맥 클래스를 식별하도록 더 구성된다.According to another aspect, there is provided a system comprising an acquisition device configured to generate an electrocardiogram (ECG) signal indicative of an electrical activity of an individual's heart for a period of time, the ECG signal comprising ECG bits. The system further includes a health monitoring device configured to convert each of the ECG bits to a symbol. The health monitoring device is further configured to identify an arrhythmia class indicative of the type of cardiac arrhythmia associated with the individual from classes of arrhythmia indicative of each type of cardiac arrhythmia based on the symbol representing each of the ECG bits.

다른 측면들은 상세한 설명, 도면, 및 청구항으로부터 명백하게 될 수 있다.Other aspects may become apparent from the description, drawings, and claims.

도 1a는 본 발명에 따른, 헬스 모니터링 환경의 일실시예를 도시하는 블록도이다.
도 1b는 도 1a의 부정맥 분류 모듈의 일실시예를 도시하는 블록도이다.
도 2는 심전도(Electrocardiogram)(ECG)에 기초하여 부정맥을 분류하는 방법의 실시예를 도시하는 흐름도(process flowchart)이다.
도 3은 ECG 신호에 기초하여 부정맥을 분류하는 방법의 또 다른 실시예를 도시하는 흐름도이다.
도 4는 ECG 신호에 기초하여 부정맥을 분류하는 방법의 여전히 또 다른 실시예를 도시하는 흐름도이다.
도 5는 트레이닝 비트 수를 포함하는 트레이닝 비트 데이터베이스를 구성하는 방법의 일실시예를 도시하는 흐름도이다.
도 6은 ECG 신호의 ECG 비트 각각에서 R-피크를 검출하는 방법의 일실시예를 도시하는 흐름도이다.
도 7은 도 1a의 전용 헬스 모니터링 디바이스(dedicated health monitoring device)의 일실시예를 도시하는 블록도이다.
도 8a는 ECG 신호의 ECG 비트의 세그먼트의 일실시예를 도시하는 그래프이다.
도 8b는 ECG 비트의 심볼릭 합계 근사치(symbolic aggregate approximation)(SAX) 상징화의 일실시예를 도시하는 그래프이다.
도면과 상세한 설명 전반에 걸쳐, 달리 설명하지 않는 한, 동일한 도면 부호는 동일한 요소, 기능, 및 구조를 나타내는 것으로 이해될 것이다. 이러한 요소들의 상대적인 크기와 묘사는 명확성, 일러스트레이션, 및 편의를 위해 과장될 수 있다.
1A is a block diagram illustrating one embodiment of a health monitoring environment in accordance with the present invention.
FIG. 1B is a block diagram illustrating an embodiment of the arrhythmia classification module of FIG. 1A.
2 is a process flowchart illustrating an embodiment of a method of classifying arrhythmias based on an electrocardiogram (ECG).
3 is a flow chart showing another embodiment of a method of classifying an arrhythmia based on an ECG signal.
4 is a flow chart illustrating still another embodiment of a method of classifying arrhythmias based on an ECG signal.
5 is a flow chart illustrating one embodiment of a method of configuring a training bit database that includes a training bit number.
6 is a flow chart illustrating one embodiment of a method for detecting an R-peak at each ECG bit of an ECG signal.
FIG. 7 is a block diagram illustrating one embodiment of a dedicated health monitoring device of FIG. 1A.
8A is a graph illustrating one embodiment of a segment of ECG bits of an ECG signal.
FIG. 8B is a graph illustrating one embodiment of a symbolic aggregate approximation (SAX) symbolization of ECG bits.
Throughout the drawings and the description, unless indicated otherwise, it is to be understood that the same reference numerals denote the same elements, functions, and structures. The relative size and description of these elements may be exaggerated for clarity, illustration, and convenience.

다음의 상세한 설명은 이해를 돕기 위해 몇몇 실시예에 따른 장치, 및/또는 시스템을 제시하지만, 예시적으로 기술되는 상기 시스템, 장치 및/또는 방법의 다양한 변화, 수정, 및 균등물들(equivalents)은 본 발명이 속한 기술 분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있다. 또한, 잘 알려진 기능과 구조의 설명은 명확성과 간결함을 위해 생략될 수 있다.The following detailed description provides apparatus, and / or systems in accordance with some embodiments for purposes of clarity of understanding, but various changes, modifications, and equivalents of the systems, apparatus, and / And can be clearly understood by those skilled in the art to which the present invention belongs. Also, descriptions of well-known functions and structures may be omitted for clarity and brevity.

도 1a는 헬스 모니터링 환경(100)의 일실시예를 도시하는 블록도이다. 도 1a에서, 상기 헬스 모니터링 환경은 전용 헬스 모니터링 디바이스(102)와 애퀴지션 디바이스(acquisition device)(108)를 포함한다.FIG. 1A is a block diagram illustrating one embodiment of a health monitoring environment 100. FIG. In FIG. 1A, the health monitoring environment includes a dedicated health monitoring device 102 and an acquisition device 108.

애퀴지션 디바이스(108)는 심장 장애(cardiac disorder)로 고통 받는 개인(individual)(이를 테면, 환자)의 바디(body)에 배치되는 하나 또는 그 이상의 센서에 커플링된 디바이스를 포함한다.The acquisition device 108 includes a device coupled to one or more sensors disposed in the body of an individual (e.g., a patient) suffering from a cardiac disorder.

전용(dedicated) 헬스 모니터링 디바이스(102)는 무선 네트워크(110)를 통해 애퀴지션 디바이스(108)에 무선으로 연결된 전자 디바이스를 포함한다. 일실시예에서, 전용 헬스 모니터링 디바이스(102)는 상기 환자의 심장 활동의 모니터링을 하는 의사에게 제공될 수 있다.A dedicated health monitoring device 102 includes an electronic device that is wirelessly coupled to an acquisition device 108 via a wireless network 110. In one embodiment, a dedicated health monitoring device 102 may be provided to the physician to monitor cardiac activity of the patient.

이를 테면, 전용 헬스 모니터링 디바이스(102)는 의사에 연관되는 스마트폰 또는 태블릿 PC를 포함할 수 있다.For example, the dedicated health monitoring device 102 may include a smartphone or tablet PC associated with the physician.

또 다른 실시예에서, 전용 헬스 모니터링 디바이스(102)는 상기 환자에 연관되는 어텐던트(attendant)에게 제공될 수 있다. 이러한 실시예에서, 전용 헬스 모니터링 디바이스(102)는 병원 관계자에 의해 상기 어텐던트에게 제공되는 핸드헬드 디바이스(handheld device)를 포함할 수 있다.In another embodiment, a dedicated health monitoring device 102 may be provided to an attendant associated with the patient. In this embodiment, the dedicated health monitoring device 102 may include a handheld device that is provided to the attest by the hospital personnel.

도시된 바와 같이, 헬스 모니터링 디바이스(102)는 부정맥 분류 모듈(arrhythmia classification module)(104), 트레이닝 비트 데이터베이스(training beat database)(106), 및 디스플레이 유닛(105)을 포함한다.As shown, the health monitoring device 102 includes an arrhythmia classification module 104, a training beat database 106, and a display unit 105.

애퀴지션 디바이스(108)는 개인의 바디에 배치된 상기 센서로부터 개인의 상기 심장의 전기적 활동 데이터를 주기적으로 수집하고 및 상기 전기적 활동 데이터에 기초하여 ECG 신호를 생성한다.The acquisition device 108 periodically collects the cardiac electrical activity data of the individual from the sensor disposed in the body of the individual and generates an ECG signal based on the electrical activity data.

그리고, 애퀴지션 디바이스(108)는 상기 ECG 신호를 통해 상기 전기적 활동 데이터를 무선 네트워크(wireless network)(110)를 통하여 전용 헬스 모니터링 디바이스(102)에게 전송한다.The acquiring device 108 transmits the electrical activity data to the dedicated health monitoring device 102 via the wireless network 110 via the ECG signal.

헬스 모니터링 디바이스(102)에서 수신된 상기 ECG 신호는 ECG 비트들을 포함하고, 각각의 ECG 비트는 심장 사이클 동안의(over a cardiac cycle) 상기 심장의 전기적 활동을 나타낸다. 부정맥 분류 모듈(104)은 밴드 패스 필터를 이용하여 상기 ECG 신호를 필터링하고, 상기 ECG 신호의 ECG 비트 각각에서 R-피크를 검출한다. 부정맥 분류 모듈(104)은 상기 각각의 R-피크 주변의 각각의 ECG 비트 영역을 세그멘팅하고(segments), 각각의 ECG 비트의 상기 영역을 심볼릭 합계 근사치(SAX) 심볼로 변환한다.The ECG signal received at the health monitoring device 102 includes ECG bits, and each ECG bit represents an electrical activity of the heart over an a cardiac cycle. The arrhythmia classification module 104 filters the ECG signal using a bandpass filter and detects an R-peak at each ECG bit of the ECG signal. The arrhythmia classification module 104 segments each ECG bit region around each R-peak and converts the region of each ECG bit into a symbolic sum approximation (SAX) symbol.

부정맥 분류 모듈(104)은 트레이닝 비트 데이터베이스(106)로부터 부정맥의 각각의 유형을 나타내는 각각의 부정맥 클래스(arrhythmia classes)에 대응하는 트레이닝 비트를 리트라이브한다(retrieves training beats).The arrhythmia classification module 104 retrieves training bits corresponding to respective arrhythmia classes representing each type of arrhythmia from the training bit database 106.

상기 부정맥 클래스는 노멀(normal), 좌측 번들 브런치 블록(left bundle brunch block), 우측 번들 브런치 블록(right bundle brunch block), 심방 조기 박동(atrial premature beat), 및/또는 조기 심실 수축(premature ventricular contraction)를 포함할 수 있다.The arrhythmia class may include a normal, a left bundle brunch block, a right bundle brunch block, an atrial premature beat, and / or a premature ventricular contraction ).

그리고, 부정맥 분류 모듈(104)은 각각의 ECG 비트를 나타내는 상기 SAX 심볼과 각각의 트레이닝 비트를 나타내는 SAX 심볼을 비교함으로써 상기 개인에 연관되는 부정맥의 유형을 나타내는 부정맥 클래스를 식별한다. 부정맥 분류 모듈(104)은 디스플레이 유닛(105)을 통해 상기 부정맥 클래스를 사용자에게 디스플레이한다.The arrhythmia classification module 104 then identifies the arrhythmia class that indicates the type of arrhythmia associated with the individual by comparing the SAX symbol representing each ECG bit with the SAX symbol representing each training bit. The arrhythmia classifying module 104 displays the arrhythmia class to the user through the display unit 105. [

도 1b는 도 1a의 부정맥 분류 모듈(104)의 일실시예를 도시하는 블록도이다. 도 1b에서, 부정맥 분류 모듈(104)은 밴드 패스 필터(152), R-피크 검출 모듈(R-peak detection module)(154), 심볼릭 합계 근사치 모듈(symbolic aggregate approximation module)(156), 부정맥 클래스 식별 모듈(arrhythmia class identification module)(158), 및 디스플레이 모듈(display module)(160)을 포함한다.FIG. 1B is a block diagram illustrating an embodiment of the arrhythmia classifying module 104 of FIG. 1A. 1B, the arrhythmia classification module 104 includes a bandpass filter 152, an R-peak detection module 154, a symbolic aggregate approximation module 156, An arrhythmia class identification module 158, and a display module 160.

밴드 패스 필터(152)는 하이 패스 필터와 로우 패스 필터를 이용하여 상기 개인의 상기 심장의 상기 전기적 활동을 나타내는 상기 ECG 신호를 필터링한다. R-피크 검출 모듈(154)은 상기 ECG 신호의 각각의 ECG 비트에서 상기 R- 피크의 위치(location)를 검출한다.A bandpass filter 152 filters the ECG signal representing the electrical activity of the heart of the individual using a high pass filter and a low pass filter. The R-peak detection module 154 detects the location of the R-peak at each ECG bit of the ECG signal.

심볼릭 합계 근사치 모듈(156)은 상기 각각의 R-피크 주변의 각각의 ECG 비트의 상기 영역을 세그멘팅한다(segments the region of each ECG beat that is around the respective R-peak). 심볼릭 합계 근사치 모듈(156)은 각각의 ECG 비트의 상기 영역을 SAX 심볼로 변환한다.The symbolic sum approximation module 156 segments the region of each ECG bit around each of the R-peaks (segments of each ECG beat that is around the respective R-peak). The symbolic sum approximation module 156 converts the region of each ECG bit into a SAX symbol.

부정맥 클래스 식별 모듈(arrhythmia class identification module)(158)은 상기 부정맥 클래스로부터 상기 개인에 연관되는 심장 부정맥의 상기 유형을 나타내는(indicating) 상기 부정맥 클래스를 식별한다.An arrhythmia class identification module 158 identifies the arrhythmia class indicating the type of cardiac arrhythmia associated with the individual from the arrhythmia class.

일실시예에서, 부정맥 클래스 식별 모듈(arrhythmia class identification module)(158)은 도 3에서 설명되는 바와 같이, 모폴로지 유사도 측정 기술에 기초하여(based on morphology similarity measure technique) 상기 부정맥 클래스를 식별한다. 또 다른 실시예에서, 부정맥 클래스 식별 모듈(arrhythmia class identification module)(158) 은 도 4에서 설명되는 바와 같이, K-민 클러스터링 기술(K-mean clustering technique)에 기초하여 상기 부정맥 클래스를 식별한다. 디스플레이 모듈(160)은 도 1a의 디스플레이 유닛(105)를 통해 상기 부정맥 클래스 상기 사용자에게 디스플레이한다.In one embodiment, the arrhythmia class identification module 158 identifies the arrhythmia class based on a morphology similarity measure technique, as described in FIG. In another embodiment, an arrhythmia class identification module 158 identifies the arrhythmia class based on a K-mean clustering technique, as described in FIG. The display module 160 displays the arrhythmia class to the user through the display unit 105 of FIG. 1A.

도 2는 ECG 신호에 기초하여 부정맥을 식별하는 방법(200)의 일실시예를 도시하는 흐름도이다. 이를 테면, 상기 방법은 도 1a 및 도 1b의 부정맥 분류 모듈(arrhythmia classification module)(104)에 의해 수행될 수 있다.2 is a flow chart illustrating one embodiment of a method 200 for identifying an arrhythmia based on an ECG signal. For example, the method may be performed by an arrhythmia classification module 104 of FIGS. 1A and 1B.

단계(202)에서, 일정 시간 주기 동안(over a period of time) 개인의 심장의 전기적 활동을 나타내는 상기 ECG 신호는 이를 테면, 도 1a의 애퀴지션 디바이스(acquisition device)(108)와 같은 애퀴지션 디바이스(an acquisition device)로부터 획득된다. 상기 ECG 신호는 ECG 비트들을 포함한다.In step 202, the ECG signal indicative of an electrical activity of the heart of the individual over a period of time may be obtained from an ECG signal, such as an acquisition device 108, such as the acquisition device 108 of FIG. ≪ RTI ID = 0.0 & is obtained from an acquisition device. The ECG signal includes ECG bits.

단계(204)에서, 상기 일정 시간 주기 동안 상기 개인의 상기 심장의 상기 전기적 활동을 나타내는 상기 ECG 신호는 필터링된다(is filtered). 이를 테면, 상기 ECG 신호는 0.5 및 40Hz의 컷오프 주파수(cutoff frequencies)를 갖는 밴드 패스 필터를 이용하여 필터링될 수 있다.In step 204, the ECG signal indicative of the electrical activity of the heart of the individual for the certain period of time is filtered. For example, the ECG signal may be filtered using a bandpass filter having cutoff frequencies of 0.5 and 40 Hz.

더 자세히는, 상기 ECG 신호는 0.5Hz의 컷-오프 주파수를 갖는 하이 패스 필터 및 40Hz 의 컷-오프 주파수를 갖는 로우 패스 필터를 이용하여 필터링될 수 있다. 단계(206)에서, 상기 ECG 신호에서 각각의 ECG 비트에 대응하는 R-피크가 검출된다. 상기 R-피크를 검출하는 방법은 도 6의 설명에서 더 자세하게 기술된다.More specifically, the ECG signal can be filtered using a high-pass filter with a cut-off frequency of 0.5 Hz and a low-pass filter with a cut-off frequency of 40 Hz. In step 206, an R-peak corresponding to each ECG bit in the ECG signal is detected. The method of detecting the R-peak is described in more detail in the description of FIG.

단계(208)에서, 상기 각각의 ECG 비트에서 상기 검출된 R-피크 주변의 상기 각각의 ECG 비트의 영역은 세그멘팅된다(a region of said each ECG beat around the detected R-peak in said each ECG beat is segmented). 각각의 ECG 비트의 상기 영역은 상기 R-피크의 주변의 뒤의 방향 및 앞의 방향으로 이동함으로써 세그멘팅된다(is segmented by moving in a backward direction and a forward direction around the R-peak). 도 8a를 참조하면, 각각의 ECG 비트에서 검출된 R-피크는 서클되고(is circled), 상기 각각의 검출된 R-피크 주변의 각각의 ECG 비트의 영역은 라인으로 표시된다(is shown by lines).In step 208, the area of each of the ECG bits around the detected R-peak in each ECG bit is segmented (a region of said ECG beat is detected) is segmented). The region of each ECG bit is segmented by moving in the backward direction and in the forward direction of the periphery of the R-peak (a segmented by a backward direction and a forward direction around the R-peak). Referring to FIG. 8A, the R-peak detected in each ECG bit is circled and the area of each ECG bit around each detected R-peak is indicated by a line (shown is lines ).

단계(210)에서, 상기 각각의 ECG 비트의 상기 세그멘팅된 영역은 SAX 심볼(symbols)로 변환된다. SAX는 Lp 놈 상의 낮은 바운드를 따른 디멘전을 감소하는 근사화 기법(approximation technique that allows dimensionality reduction along with a lower bound on the Lp norm)이다. 길이 n의 시계열(time series) T는 벡터

Figure 112012079393930-pat00001
에 의해 w-차원의 공간(여기서 w << n)으로 나타낼 수 있다. 상기
Figure 112012079393930-pat00002
의 ith 요소는 수학식 1에 기초하여 결정될 수 있다.In step 210, the segmented region of each ECG bit is converted to SAX symbols. SAX is an approximation technique that reduces dimen- sions along the low bound on the Lp norm. The time series T of length n is a vector
Figure 112012079393930-pat00001
Dimensional space (where w << n). remind
Figure 112012079393930-pat00002
Of the i th element it may be determined based on equation (1).

Figure 112012079393930-pat00003
Figure 112012079393930-pat00003

상기 길이 n의 상기 시계열 T를 임의의 길이 w의 스트링(string)으로 변환하기 위해, 상기 ECG 비트는 w 동일-사이즈된 윈도우로 나누어진다(is divided into w equal-sized windows). 각각의 윈도우에 대해, 평균값(mean value)이 결정된다. 상기 각각의 윈도우의 평균값의 백터는 감소된 차원에서의 표현이다.To convert the time series T of length n into a string of arbitrary length w, the ECG bits are divided into w equal-sized windows. For each window, the mean value is determined. The vector of the average value of each window is a representation on a reduced scale.

이 표현은 부분 집계 근사법(Piecewise Aggregate Approximation)(PAA)으로 알려져 있다. 상기 PAA로 상기 시계열 T의 변환(conversion) 후에, 추가적인 근사는 이산화에 대해 적용된다(further approximation is applied for discretization). 상기 이산화는 동등한 확률로 심볼을 생성하는데 도움이 된다.This representation is known as Piecewise Aggregate Approximation (PAA). After conversion of the time series T to the PAA, a further approximation is applied for discretization. This discretization helps to generate symbols with equal probability.

정규화된 서브시퀀스들(Normalized subsequences)은 높은 가우스 분포(highly Gaussian distribution)를 포함할 수 있다. 그러므로, 가우스 곡선에서 동일한 영역(equal areas)을 생성할 수 있는 상기 "브레이크포인트(breakpoints)"는 쉽게 결정될 수 있다. 브레이크포인트(B = β1, …, βa-1)는 N(0, 1)에서의 영역과 같은 정렬된 번호의 리스트이다(여기서, β0및 βa는 각각 -∞ 및 ∞ 임). 이러한 브레이크포인트 B는 통계표에서 결정될 수 있다. 3에서 5까지의 값에 대해, 표 1은 β1 내지 β4의 브레이크포인트를 나타낸다.Normalized subsequences may include a highly Gaussian distribution. Therefore, the " breakpoints " that can produce the same areas in the Gaussian curve can be easily determined. The breakpoints (B =? 1 , ...,? A-1 ) are lists of ordered numbers, such as areas in N (0, 1), where? 0 and? A are -∞ and? This breakpoint B can be determined from the statistical table. For values from 3 to 5, Table 1 shows the breakpoints of? 1 to? 4 .

Figure 112012079393930-pat00004
Figure 112012079393930-pat00004

상기 브레이크포인트를 결정한 후에, 상기 시계열의 상기 이산화가 수행된다. 작은 브레이크포인트(the smallest breakpoint) 보다 작은 상기 PAA 계수(coefficients)는 심볼 "a"에 매핑되고, 상기 작은 브레이크포인트 보다 크거나 또는 동일한 상기 PAA 계수는 심볼 "b" 등등에 매핑된다.After determining the breakpoint, the discretization of the time series is performed. The PAA coefficients less than the smallest breakpoint are mapped to symbol " a ", and the PAA coefficients greater than or equal to the small breakpoint are mapped to symbol " b " and so on.

도 8a를 참조하면, 여덟 개의 심볼 "b", “c", “d”, “e”, “f”, “g”, “h” 및 “j"는 오리지널 시계열을 나타내는데 사용될 수 있다(may be used to represent an original time series). 시퀀스를 상징하는 상기 SAX 심볼의 연속(concatenation)은 단어로 칭해진다(The concatenation of the SAX symbols symbolizing a sequence is termed as a word).8A, eight symbols "b", "c", "d", "e", "f", "g", "h", and "j" may be used to represent the original time series (used to represent an original time series). The concatenation of the SAX symbols representing the sequence is referred to as a word.

단계(212)에서, 복수의 부정맥 클래스로부터 상기 개인에 연관되는 심장 부정맥의 유형을 나타내는 부정맥 클래스(an arrhythmia class)는 이를 테면, 도 1a의 트레이닝 비트 데이터베이스(106)에 저장되는 트레이닝 비트를 나타내는 SAX 심볼 및 각각의 ECG 비트를 나타내는 상기 SAX 심볼을 비교함으로써 식별된다. 상기 트레이닝 비트들은 부정맥의 각각의 유형들을 나타내는 각각의 부정맥 클래스들에 대응한다.In step 212, an arrhythmia class that indicates the type of cardiac arrhythmia associated with the individual from a plurality of arrhythmia classes may be selected, for example, SAX (x, y) representing the training bits stored in the training bit database 106 of FIG. Symbol and the SAX symbol representing each ECG bit. The training bits correspond to respective arrhythmia classes representing each type of arrhythmia.

단계(214)에서, 상기 개인에 연관되는 심장 부정맥의 상기 유형을 나타내는 상기 부정맥 클래스는 이를 테면, 도 1a의 전용 헬스 모니터링 디바이스(102)의 디스플레이 유닛(105)과 같은 전용 헬스 모니터링 디바이스의 디스플레이 유닛 상에서 디스플레이 된다.In step 214, the arrhythmia class, which indicates the type of cardiac arrhythmia associated with the individual, may be displayed on the display unit 105 of a dedicated health monitoring device, such as the display unit 105 of the dedicated health monitoring device 102 of FIG. Lt; / RTI &gt;

도 3은 ECG 신호에 기초하여 부정맥을 분류하는 방법(300)의 또 다른 실시예를 도시하는 흐름도이다. 이를 테면, 상기 방법은 도 1a 및 도 1b의 부정맥 분류 모듈(arrhythmia classification module)(104)에 의해 수행될 수 있다.3 is a flow chart illustrating another embodiment of a method 300 for classifying arrhythmias based on an ECG signal. For example, the method may be performed by an arrhythmia classification module 104 of FIGS. 1A and 1B.

단계(302)에서, 일정 시간 주기 동안 개인의 심장의 전기적 활동을 나타내는 상기 ECG 신호는 이를 테면, 도 1a의 애퀴지션 디바이스(108)와 같은 애퀴지션 디바이스로부터 획득된다. 상기 ECG 신호는 복수의 ECG 비트를 포함한다. 단계(304)에서, 상기 일정 시간 주기 동안 상기 개인의 상기 심장의 상기 전기적 활동을 나타내는 상기 ECG 신호는 필터링된다. 단계(306)에서, 상기 ECG 신호에서 각각의 ECG 비트에 대응하는 상기 R-피크가 검출된다.In step 302, the ECG signal indicative of the cardiac electrical activity of the individual for a period of time is obtained, for example, from an acquisition device, such as the acquisition device 108 of FIG. 1A. The ECG signal includes a plurality of ECG bits. In step 304, the ECG signal representing the electrical activity of the heart of the individual for the certain period of time is filtered. In step 306, the R-peak corresponding to each ECG bit in the ECG signal is detected.

단계(308)에서, 상기 각각의 ECG 비트에서 상기 검출된 R-피크 주변의 상기 각각의 ECG 비트의 영역은 세그멘팅된다(is segmented). 단계(310)에서, 상기 각각의 ECG 비트의 상기 세그멘팅된 영역은 SAX 심볼로 변환된다.In step 308, the area of each of the ECG bits around the detected R-peak in each ECG bit is segmented. In step 310, the segmented region of each ECG bit is converted to a SAX symbol.

단계(312)에서, 모폴로지 유사도 측정치(morphology similarity measure)는 부정맥의 각각의 유형들을 나타내는 상기 복수의 부정맥의 클래스에 대응하는 상기 트레이닝 비트 및 상기 복수의 ECG 비트 각각의 사이에서 계산된다.In step 312, a morphology similarity measure is calculated between each of said training bits and said plurality of ECG bits corresponding to said plurality of arrhythmia classes representing each type of arrhythmia.

더 자세히는, MINDIST 함수(function)는 각각의 상기 ECG 비트와 상기 트레이닝 비트 사이에서 상기 모폴로지 유사도 측정치를 계산하는데 사용된다. 상기 MINDIST 함수는 수학식 2에 기초하여 두 개의 단어의(이를 테면, ECG비트 및 트레이닝 비트) 오리지널 시계열 사이의 최소 거리를 리턴한다(returns minimum distance between an original time series of two words).More specifically, the MINDIST function is used to calculate the morphology similarity measure between each of the ECG bits and the training bit. The MINDIST function returns a minimum distance between an original time series of two words (e. G., ECG bits and training bits) based on equation (2).

Figure 112012079393930-pat00005
Figure 112012079393930-pat00005

수학식 2에서,

Figure 112012079393930-pat00006
Figure 112012079393930-pat00007
는 모폴로지 유사도 측정치가 결정되는 것의 상기 두 개의 단어를 나타내고,
Figure 112012079393930-pat00008
Figure 112012079393930-pat00009
는 두 개의 단어
Figure 112012079393930-pat00010
Figure 112012079393930-pat00011
의 SAX 심볼을 각각 나타낸다. 서브-함수(sub-function) dist()는 표 2에서 나타낸 룩업 테이블(lookup table)을 이용하여 구현될 수 있다.In Equation (2)
Figure 112012079393930-pat00006
And
Figure 112012079393930-pat00007
Represents the two words of which the morphology similarity measure is determined,
Figure 112012079393930-pat00008
And
Figure 112012079393930-pat00009
Two words
Figure 112012079393930-pat00010
And
Figure 112012079393930-pat00011
Respectively. The sub-function dist () can be implemented using a lookup table as shown in Table 2. &lt; tb &gt;&lt; TABLE &gt;

Figure 112012079393930-pat00012
Figure 112012079393930-pat00012

단계(314)에서, ECG 비트는 상기 ECG 비트와 함께 가장 높은 모폴로지 유사도 측정치(가장 낮은 MINDIST 값)를 포함하는 트레이닝 비트에 기초하여 상기 ECG 신호의 상기 복수의 ECG 비트로부터 식별된다.In step 314, the ECG bit is identified from the plurality of ECG bits of the ECG signal based on a training bit that includes the highest morphology similarity measure (lowest MINDIST value) with the ECG bit.

단계(316)에서, 상기 식별된 ECG 비트에 연관되는 가장 높은 모폴로지 유사도 측정치가 미리 결정된 임계값(a predetermined threshold value) 보다 큰지의 여부가 결정된다.In step 316, it is determined whether the highest morphology similarity measure associated with the identified ECG bit is greater than a predetermined threshold value.

가장 높은 모폴로지 유사도 측정치가 상기 임계값 보다 작다고 결정되는 경우, 단계(318)에서, 상기 ECG 신호에서 상기 식별된 ECG 비트는 가장 높은 모폴로지 유사도 측정치에 연관된 상기 트레이닝 비트에 대응하는 부정맥 클래스를 관련지음으로써 분류된다. 게다가, 상기 트레이닝 비트에 대응하는 부정맥 클래스는 상기 개인에 연관되는 심장 부정맥의 유형을 나타내는 부정맥 클래스로 식별된다.If the highest morphology similarity measure is determined to be less than the threshold, then in step 318, the identified ECG bit in the ECG signal is associated with an arrhythmia class corresponding to the training bit associated with the highest morphology similarity measure . In addition, the arrhythmia class corresponding to the training bit is identified as an arrhythmia class that indicates the type of cardiac arrhythmia associated with the individual.

단계(320)에서, 상기 개인에 연관되는 부정맥의 유형을 나타내는 상기 부정맥 클래스는 이를 테면, 도 1a의 전용 헬스 모니터링 디바이스(102)의 디스플레이 유닛(105)과 같은 전용 헬스 모니터링 디바이스의 디스플레이 유닛 상에서 디스플레이된다.In step 320, the arrhythmia class, which indicates the type of arrhythmia associated with the individual, may be displayed on a display unit of a dedicated health monitoring device, such as the display unit 105 of the dedicated health monitoring device 102 of FIG. do.

가장 높은 모폴로지 유사도 측정치가 상기 임계값 보다 클 경우에, 단계(322)에서, 부정맥의 유형을 나타내는 부정맥 클래스는 상기 식별된 ECG 비트에 할당된다(an arrhythmia class indicating a type of arrhythmia is assigned to the identified ECG beat). 추가적으로, 부정맥의 상기 유형을 나타내는 상기 부정맥 클래스로 할당되는 상기 식별된 ECG 비트는 이를 테면, 트레이닝 비트 데이터베이스(106)에 저장된다.If the highest morphology similarity measure is greater than the threshold, then in step 322, the arrhythmia class that indicates the type of arrhythmia is assigned to the identified ECG bit (an arrhythmia class indicating a type of arrhythmia is assigned to the identified ECG beat). Additionally, the identified ECG bits that are assigned to the arrhythmia class, representing the type of arrhythmia, are stored in the training bit database 106, for example.

도 4는 ECG 신호에 기초하여 부정맥을 분류하는 방법(400)의 여전히 또 다른 실시예를 도시하는 흐름도이다. 이를 테면, 상기 방법은 도 1a 및 도 1b의 부정맥 분류 모듈(104)에 의해 수행될 수 있다.4 is a flow chart illustrating still another embodiment of a method 400 for classifying arrhythmias based on an ECG signal. For example, the method may be performed by the arrhythmia classification module 104 of FIGS. 1A and 1B.

단계(402)에서, 일정 시간 주기 동안 개인의 심장의 전기적 활동을 나타내는 상기 ECG 신호는 이를 테면, 도 1a의 애퀴지션 디바이스(108)와 같은 애퀴지션 디바이스로부터 획득된다. 상기 ECG 신호는 ECG 비트들을 포함한다. 단계(404)에서, 상기 일정 시간 주기 동안 상기 개인의 상기 심장의 상기 전기적 활동을 나타내는 상기 ECG 신호는 필터링된다. 단계(406)에서, 상기 ECG 신호에서 각각의 ECG 비트에 대응하는 R-피크가 검출된다.In step 402, the ECG signal indicative of the cardiac electrical activity of the individual for a period of time is obtained, for example, from an acquisition device, such as acquisition device 108 of FIG. 1A. The ECG signal includes ECG bits. In step 404, the ECG signal indicative of the electrical activity of the heart of the individual for the predetermined period of time is filtered. In step 406, an R-peak corresponding to each ECG bit in the ECG signal is detected.

단계(408)에서, 상기 각각의 ECG 비트에서 상기 검출된 R-피크 주변의 상기 각각의 ECG 비트 영역이 세그멘팅된다. 단계(410)에서, 상기 각각의 ECG 비트의 상기 세그멘팅된 상기 영역은 SAX 심볼로 변환된다. 단계(412)에서, 상기 ECG 신호에서 상기 각각의 ECG 비트를 나타내는 상기 SAX 심볼의 정규화된 발생 주파수(a normalized frequency of occurrence of the SAX symbols)가 계산된다.At step 408, the respective ECG bit region around the detected R-peak in each ECG bit is segmented. In step 410, the segmented region of each ECG bit is converted to a SAX symbol. In step 412, a normalized frequency of occurrence of the SAX symbols of the SAX symbol representing the respective ECG bits in the ECG signal is calculated.

단계(414)에서, 상기 ECG 신호에서 상기 각각의 ECG 비트는 상기 SAX 심볼의 상기 발생 주파수에 기초하여(based on the frequency of occurrence) ECG 비트의 클러스터 중 하나에 속함으로써 분류된다. 게다가, ECG 비트의 클러스터 중의 하나에 대응하는 부정맥 클래스는 상기 개인에 연관되는 심장 부정맥의 유형을 나타내는 부정맥 클래스로 식별된다.In step 414, each ECG bit in the ECG signal is classified by belonging to one of the clusters of ECG bits based on the frequency of occurrence of the SAX symbol. In addition, the arrhythmia class corresponding to one of the clusters of ECG bits is identified as an arrhythmia class that indicates the type of cardiac arrhythmia associated with the individual.

이를 테면, 각각의 ECG 비트는 노멀 ECG 비트(Normal ECG beats), 조기 심실 수축(premature ventricular contraction)(PVC) ECG 비트, 및 심방 조기 콤플렉스(atrial premature complex)(APC) ECG 비트와 같은 3 개의 다른 클러스터 또는 그룹 중 하나로 분류될 수 있다(may be classified into any one of three different clusters or groups).For example, each ECG bit may be divided into three different ECG bits, such as normal ECG beats, premature ventricular contraction (PVC) ECG bits, and atrial premature complex (APC) ECG bits. It can be classified as either cluster or group (may be classified into any one of three different clusters or groups).

단계(416)에서, ECG 비트의 상기 클러스터 중 하나에 대응하는 상기 부정맥 클래스는 이를 테면, 도 1a의 전용 헬스 모니터링 디바이스(102)의 디스플레이 유닛(105)와 같은 전용 헬스 모니터링 디바이스의 디스플레이 유닛 상에서 디스플레이된다.In step 416, the arrhythmia class corresponding to one of the clusters of ECG bits may be displayed on a display unit of a dedicated health monitoring device, such as the display unit 105 of the dedicated health monitoring device 102 of FIG. &Lt; RTI ID = do.

도 5는 트레이닝 비트 수(a number of training beats)를 포함하는 트레이닝 비트 데이터베이스를 구성하는 방법(500)의 일실시예를 도시하는 흐름도이다. 이를 테면, 상기 방법은 도 1a 및 도 1b의 부정맥 분류 모듈(104)에 의해 수행될 수 있다.5 is a flow chart illustrating one embodiment of a method 500 of constructing a training bit database that includes a number of training beats. For example, the method may be performed by the arrhythmia classification module 104 of FIGS. 1A and 1B.

단계(502)에서, 일정 시간 주기 동안 개인의 심장의 전기적 활동을 나타내는 주석이 달린 ECG 신호(annotated ECG signal)는 이를 테면, 도 1a의 애퀴지션 디바이스(108)로부터 획득된다(is obtained). 단계(504)에서, 상기 일정 시간 주기 동안 상기 개인의 상기 심장의 상기 전기적 활동을 나타내는 상기 ECG 신호는 필터링된다. 단계(506)에서, 상기 ECG 신호에서 각각의 ECG 비트에 대응하는 R-피크가 검출된다.At step 502, an annotated ECG signal indicative of the cardiac electrical activity of the individual for a period of time is obtained, such as from the augmentation device 108 of FIG. 1A. In step 504, the ECG signal representing the electrical activity of the heart of the individual for the certain period of time is filtered. In step 506, an R-peak corresponding to each ECG bit in the ECG signal is detected.

단계(508)에서, 상기 각각의 ECG 비트에서 상기 검출된 R-피크 주변의 상기 각각의 ECG 비트의 영역이 세그멘팅된다. 단계(510)에서, 트레이닝 비트는 각각의 부정맥 클래스로의 분류되기 위해 선택된다(training beats are selected for classification into respective arrhythmia classes).In step 508, the area of each of the ECG bits around the detected R-peak in each ECG bit is segmented. In step 510, the training bits are selected for each arrhythmia class.

이를 테면, 상기 트레이닝 비트는 노멀(N) 비트, 조기 심실 수축(Premature Ventricular Contraction)(V) 비트, 심방 조기 비트(Atrial Premature Beat)(A) 비트, 적합부성 조기 수축(Junctional Premature Contraction)(J) 비트, 적합부성 이스케이프(Junctional Escape)(j) 비트 및/또는 심실 이스케이프 (Ventricular Escape)(E) 비트를 포함한다.For example, the training bit may comprise a N bit, a Premature Ventricular Contraction (V) bit, an Atrial Premature Beat (A) bit, a Junctional Premature Contraction (J) ) Bits, a Junctional Escape (j) bit, and / or a Ventricular Escape (E) bit.

단계(512)에서, 상기 각각의 ECG 비트의 상기 세그멘팅된 영역은 SAX 심볼로 변환된다. 단계(514)에서, 상기 각각의 ECG 비트의 상기 세그멘팅된 영역에 대응하는 상기 SAX 심볼은 트레이닝 비트 데이터베이스에서 트레이닝 비트로 저장된다(are stored as training beats in a training beat database).In step 512, the segmented region of each ECG bit is converted to a SAX symbol. In step 514, the SAX symbols corresponding to the segmented region of each ECG bit are stored as training bits in a training bit database.

도 6은 상기 ECG 신호의 각각의 ECG 비트에서 상기 R-피크를 검출하는 방법(600)의 일실시예를 도시하는 흐름도이다. 이를 테면, 상기 방법은 도 1b의 R-피크 검출 모듈(154)에 의해 수행될 수 있다.6 is a flow chart illustrating one embodiment of a method 600 for detecting the R-peak at each ECG bit of the ECG signal. For example, the method may be performed by the R-peak detection module 154 of FIG. 1B.

단계(602)에서, 개인의 심장의 전기적 활동을 나타내는 필터링된 ECG 신호는 일부로 윈도잉된다(is windowed into portions). 상기 필터링된 ECG 신호는 x0[n] 로 나타낼 수 있고, 및 상기 ECG 신호는 Hz의 샘플링 주파수(sampling frequency) Fs Hz로 샘플링될 수 있다.In step 602, the filtered ECG signal representing the electrical activity of the individual's heart is windowed into portions. The filtered ECG signal may be represented by x0 [n], and the ECG signal may be sampled at a sampling frequency Fs Hz.

각각의 ECG 비트에서 상기 R-피크를 검출하는데 사용되는 적응적 임계치를 결정하기 위해(In order to determine an adaptive threshold), 윈도우 사이즈는 가장 느린 허용 가능한 심장 래이트가 2 초에 하나의 비트에 대응하는 분당 30 비트가정에 기초하여 이를 테면, 2초인 T로 결정될 수 있다(a window size may be determined to be T, e.g., 2 seconds, based on an assumption that the slowest acceptable heart rate is 30 Beats Per Minute (BPM) that corresponds to one beat in 2 seconds).In order to determine the adaptive threshold used to detect the R-peak at each ECG bit, the window size is set so that the slowest acceptable heart rate corresponds to one bit in 2 seconds Based on a 30-bit assumption of 30 minutes per minute, it can be determined, for example, that T is 2 seconds (a window size may be determined to be T, eg, 2 seconds, based on an assumption that the slowest acceptable heart rate is 30 Beats Per Minute BPM) that corresponds to one beat in 2 seconds).

나아가, 상기 R-피크의 포션만이 상기 필터링된 ECG 신호의 상기 윈도우된 포션 내에서 검출되는 곳의 상황에 대한 설명을 위해(to account for situations where only a portion of the R-peak is detected within a windowed portion in the filtered ECG signal), 인접한 윈도우된 포션들은 이를 테면, 0.61초인, T0에 의한 상기 윈도우된 포션으로 오버랩된다(are overlapped with).To further illustrate the situation where only the portion of the R-peak is detected in the windowed portion of the filtered ECG signal (to account for situations where only the portion of the R-peak is detected within a windowed portions in the filtered ECG signal, adjacent windowed portions are overlapped with the windowed portion by T0, e.g., 0.61 seconds.

단계(604)에서, 상기 필터링된 ECG 신호의 각각의 윈도우된 포션에 대한 상기 적응적 임계치(Th)는 각각의 윈도우된 포션에 대해 절대 차이 신호(absolute difference signal)에 기초하여 계산된다. 상기 절대 차이 신호는 ECG 신호 사이에서 결정되는 차이의 절대 값을 포함한다.In step 604, the adaptive threshold Th for each windowed potion of the filtered ECG signal is calculated based on an absolute difference signal for each windowed potion. The absolute difference signal comprises the absolute value of the difference determined between the ECG signals.

이를 테면, 상기 필터링된 ECG 신호(x0[n])는 수학식 3에 기초하여 상기 절대 차이 신호x1[n]을 결정하도록 평균 필터(averaging filter)와 하이 패스 필터(high pass filter)의 조합의 역할을 할 수 있는 절대 미분기 구성 요소(absolute differentiator component)(미도시)를 통해 패스된다:For example, the filtered ECG signal x0 [n] may be a combination of an averaging filter and a high pass filter to determine the absolute difference signal x1 [n] based on Equation (3) Is passed through an absolute differentiator component (not shown) that can act:

Figure 112012079393930-pat00013
Figure 112012079393930-pat00013

또한, 상기 적응적 임계치(Th)는 수학식 4에 기초하여 결정될 수 있다:Further, the adaptive threshold Th may be determined based on Equation 4:

Figure 112012079393930-pat00014
Figure 112012079393930-pat00014

여기서, τ는 미리 결정된 임계값을 나타낸다.Here,? Represents a predetermined threshold value.

상기 필터링된 ECG 신호의 z-변환(z-transform)은 수학식 5에 기초하여 결정될 수 있다:The z-transform of the filtered ECG signal may be determined based on equation (5): &lt; EMI ID =

Figure 112012079393930-pat00015
Figure 112012079393930-pat00015

수학식 5에서, x0(z)는 오리지널 ECG 신호의 z-변환을 나타낸다. 상기 필터링된 ECG 신호의 Z-변환은 수학식 6에 기초하여 두 개의 필터를 사용하여 결정될 수 있다:In Equation (5), x 0 (z) represents the z-transform of the original ECG signal. The Z-transform of the filtered ECG signal may be determined using two filters based on Equation (6): &lt; RTI ID = 0.0 &gt;

Figure 112012079393930-pat00016
Figure 112012079393930-pat00016

수학식 6은 xavg[n] = x0[n] + x0 [n+1]로 스케일된 평균 필터 및 xhp[n] = xavg[n]-xavg[n+1]로 스케일된 하이 패스 필터에 연관된다(Equation 6 leads to a scaled averaging filter as xavg[n] = x0[n] + x0 [n+1], and a high pass filter as xhp[n] = xavg[n] - xavg[n+1]).In equation (6) is x avg [n] = x 0 [n] + x 0 [n + 1] and the average filter to scale hp x [n] = x avg [n ] -x avg [n + 1] Scale a is associated with a high-pass filter (Equation 6 leads to a scaled averaging filter as x avg [n] = x 0 [n] + x 0 [n + 1], and a high pass filter as x hp [n] = x avg [n] - x avg [n + 1]).

상기 절대 미분기(absolute differentiator)는 상기 ECG 신호의 싱글 윈도우된 포션(a single windowed portion)에 의해 분리된 상기 ECG 신호의 두 개의 윈도우된 포션(portions) 사이의 기울기를 결정한다. 이것은 중간 변화(intermediate variance)의 효과를 억제하는데 도움이 된다. 상기 적응적 임계치는 상기 기울기의 크기가 상기 R-피크를 찾는데 필요한(is required to locate the R-peak) 사실로 인해 각각의 윈도우된 포션에 대한 절대 차이 신호의 수단에 기초하여(based on a mean of the absolute difference signal) 계산된다.The absolute differentiator determines the slope between two portions of the windowed portion of the ECG signal separated by a single windowed portion of the ECG signal. This helps to suppress the effects of intermediate variance. The adaptive threshold is based on a mean of the absolute difference signal for each windowed portion due to the fact that the magnitude of the gradient is necessary to locate the R-peak. of the absolute difference signal.

단계(606)에서, 상기 필터링된 ECG 신호의 각각의 윈도우된 포션 내의 피듀셜 피크에 대한 서치(search for fiducial peaks)는 각각의 윈도우된 포션에 대해 상기 적응적 임계값(Th)에 기초하여 수행된다.In step 606, a search for fiducial peaks in each windowed portion of the filtered ECG signal is performed based on the adaptive threshold Th for each windowed portion do.

더 자세하게는, 상기 적응적 임계값(Th)은 R-피크의 상기 기울기가 P파 및 T파의 기울기 보다 실질적으로 높기 때문에 각각의 ECG 비트에서 P 또는 T와 같은 피듀셜 피크 찾고 제거하는데 사용된다(is used to find and eliminate the fiducial peaks). 따라서, 상기 적응적 임계값 보다 높은 상기 필터링된 ECG 신호의 윈도우된 포션의 기울기는 상기 윈도우된 포션 내에서 상기 R-피크의 존재를 나타내고(indicates a presence of the R-peak), 기울기에서 상기 R-피크 보다 작은 상기 윈도우된 포션 내에서 상기 피듀셜 피크의 존재를 나타낼 수 있다.More specifically, the adaptive threshold Th is used to eliminate and search for a fiducial peak such as P or T in each ECG bit because the slope of the R-peak is substantially higher than the slope of the P and T waves (is used to find and eliminate the fiducial peaks). Thus, the slope of the windowed portion of the filtered ECG signal above the adaptive threshold value indicates the presence of the R-peak in the windowed portion, and the R - &lt; / RTI &gt; peaks within the windowed potion that is smaller than the peak.

단계(608)에서, 상기 필터링된 ECG 신호의 각각의 윈도우된 포션에서 폴스 피크(false peaks)는 제거된다. 윈도우된 포션들이 오버랩핑되기 때문에(Due to the overlapping windowed portions), 상기 동일한 피크는 두 번 감지될 수 있거나, 또는 상기 피크는 하나의 윈도우의 경계를 가로지를 수 있고(may straddle a boundary of a windowed portion and as a result) 결과적으로 상기 피크의 위치는 상기 윈도우 내에서 최대에 대응하고 상기 R-피크의 실제 최대에 대응하지 않는다.In step 608, false peaks are removed in each windowed portion of the filtered ECG signal. Because the windowed portions overlap, the same peak can be sensed twice, or the peak can cross the boundary of one window (may straddle a boundary of a windowed portion and as a result) As a result, the position of the peak corresponds to the maximum in the window and does not correspond to the actual maximum of the R-peak.

폴스 검출(false detection)을 피하기 위해, 상기 두 개의 연이은 피크의 위치(locations)가 결정된다. 상기 두 개의 연이은 피크 사이의 거리가 미리 정의된 값(이를 테면, SKIP_WINDOW) 보다 작을 경우, 상기 최소 진폭의 위치는 삭제되고(discarded) 상기 최대 진폭의 위치는 상기 R-피크로 선언된다(declared).To avoid false detection, the locations of the two subsequent peaks are determined. If the distance between the two consecutive peaks is less than a predefined value (e.g., SKIP_WINDOW), the position of the minimum amplitude is discarded and the position of the maximum amplitude is declared as the R-peak. .

단계(610)에서, 상기 필터링된 ECG 신호에서 각각의 ECG 비트에 대응하는 상기 R-피크의 위치는 상기 필터링된 ECG 신호의 각각의 윈도우된 포션에서 검출된다.In step 610, the position of the R-peak corresponding to each ECG bit in the filtered ECG signal is detected in each windowed portion of the filtered ECG signal.

상기 필터링된 ECG 신호의 각각의 윈도우된 포션에서 상기 R-피크를 검출하기 위해, 샘플은 상기 절대 차이 신호 x1[n]의 값이 상기 적응적 임계치(Th)와 교차하는 곳에서 기준으로 표시된다(are fiducially marked wherever a value of the absolute difference signal x1[n] crosses the adaptive threshold Th).To detect the R-peak at each windowed portion of the filtered ECG signal, the sample is displayed as a reference where the value of the absolute difference signal x1 [n] intersects the adaptive threshold Th (where fiducially marked where the absolute difference signal x 1 [n] crosses the adaptive threshold Th).

그리고, 상기 피크의 최대값은 상기 필터링된 ECG 신호의 상기 각각의 윈도우된 포션에서 상기 기준으로 표시된 샘플의 상기 위치로부터 시작하는 상기 필터링된 ECG 신호 x0[n]의 최대 서치 윈도우(maximum search window)(MAX_SR_WIN = 0.2 sec) 내에서 서치된다(is searched). 효과적으로, 상기 최대값은 상기 필터링된 ECG 신호의 상기 각각의 윈도우된 포션에서 상기 QRS 콤플렉스의 피듀셜 R-피크(fiducial R-peak of a QRS complex)를 나타낸다.And wherein the maximum value of the peak is a maximum search window of the filtered ECG signal x 0 [n] starting from the position of the sample marked with the reference in each said windowed portion of the filtered ECG signal ) (MAX_SR_WIN = 0.2 sec). Effectively, the maximum value represents a fiducial R-peak of a QRS complex of the QRS complex in each of the windowed portions of the filtered ECG signal.

일단 R-피크가 검출되면, 허용 시간 프레임(이를 테면, SKIP_WIN = 0.25 sec) 내에서 또 다른 QRS 콤플렉스가 없을 수 있고(may not be another QRS complex) 따라서 상기 허용 시간 프레임 내에 있는 다른 기준으로 표시된 샘플은 삭제된다(are discarded). 이 상기 허용 시간 프레임 내에서 다른 기준으로 표시된 샘플을 삭제함으로써(By discarding), 상기 R-피크를 서치하는 계산(the computation in searching the R-peak)은 실질적으로 감소된다.Once an R-peak is detected, there may not be another QRS complex within the allowed time frame (e.g., SKIP_WIN = 0.25 sec) and thus a sample marked with another criterion within the allowed time frame Are discarded. By discarding the samples marked with different criteria within the allowed time frame, the computation in searching for the R-peak is substantially reduced.

도 7은 도 1a의 전용 헬스 모니터링 디바이스(102)의 일실시예를 도시하는 블록도이다. 도 7에서, 전용 헬스 모니터링 디바이스(102)는 프로세서(702), 메모리(704), 읽기용 메모리(read only memory)(ROM)(706), 버스(708), 통신 인터페이스(710), 디스플레이(105), 및 입력 디바이스(712)를 포함한다.FIG. 7 is a block diagram illustrating one embodiment of a dedicated health monitoring device 102 of FIG. 1A. 7, the dedicated health monitoring device 102 includes a processor 702, a memory 704, a read only memory (ROM) 706, a bus 708, a communication interface 710, a display 105, and an input device 712.

여기에서 사용되는 프로세서(702)는 마이크로프로세서, 마이크로컨트롤러, 복잡 명령 집합 컴퓨팅 마이크로프로세서(complex instruction set computing microprocessor), 축소 명령 집합 컴퓨팅 마이크로프로세서(reduced instruction set computing microprocessor), 훨씬 긴 명령어 마이크로프로세서(very long instruction word microprocessor), 명시적 병렬 명령 컴퓨팅 마이크로프로세서(explicitly parallel instruction computing microprocessor), 그래픽 프로세서(graphics processor), 디지털 신호 프로세서, 및/또는 본 발명이 속한 기술 분야에서 통상의 지식으로 알려져 있는 프로세싱 회로의 모든 다른 유형과 같은 계산 회로의 모든 유형을 포함할 수 있지만, 이에 국한되지 않는다.The processor 702 used herein may be a microprocessor, a microcontroller, a complex instruction set computing microprocessor, a reduced instruction set computing microprocessor, a much longer instruction microprocessor, a long instruction word microprocessor, an explicitly parallel instruction computing microprocessor, a graphics processor, a digital signal processor, and / or a processing circuit known in the art But is not limited to, all types of computing circuits, such as all other types of computing devices.

프로세서(702)는 또한 그래픽 또는 프로그램 가능한 로직 디바이스 또는 어레이(generic or programmable logic devices or arrays), 어플리케이션 특정 통합 회로(application specific integrated circuits), 싱글-칩 컴퓨터(single-chip computers), 스마트 카드, 및/ 본 발명이 속한 기술 분야에서 통상의 지식으로 알려져 있는 기타 컨트롤러를 포함할 수 있으며, 이에 국한되지 않는다.The processor 702 may also be implemented as a microprocessor or other programmable logic device or array, such as graphics or programmable logic devices or arrays, application specific integrated circuits, single-chip computers, / Other controllers known in the art to which the present invention pertains.

메모리(704) 및 ROM(706)은 각각 휘발성 메모리와 비-휘발성 메모리를 포함할 수 있다. 메모리(704)는 도 1a 내지 도 6에 도시된 하나 또는 그 이상의 실시예들에 기초하여, 개인의 심장의 전기적 활동을 나타내는 ECG 신호를 이용하여, 심장 부정맥을 분류하는 부정맥 분류 모듈(arrhythmia classification module)(104)를 포함한다.Memory 704 and ROM 706 may each include volatile memory and non-volatile memory. The memory 704 may comprise an arrhythmia classification module (not shown) that classifies cardiac arrhythmias using an ECG signal indicative of an electrical activity of the heart of the individual, based on one or more embodiments shown in Figures 1A- ) &Lt; / RTI &gt;

상기 메모리는 또한 각각의 부정맥 클래스에 연관되는 트레이닝 비트(training beats)를 저장하는 트레이닝 비트 데이터베이스(106)을 포함한다. 메모리(704)는 컴팩트 디스크, 디지털 비디오 디스크, 디스켓(diskettes), 자기 테이프 카트리지(magnetic tape cartridges), 메모리 카드, 및/또는 본 발명이 속한 기술 분야에서 통상의 지식으로 알려진 기타 메모리 디바이스를 다루도록 구성되는 이동식 미디어 드라이브(removable media drive for handling compact disks), 하드 드라이브, 읽기용 메모리(read only memory), 랜덤 액세스 메모리(random access memory), 비휘발성 반도체 기억장치(erasable programmable read only memory), 전기적 소거 및 프로그램 가능 읽기 전용 기억 장치(electrically erasable programmable read only memory), 및 그와 같은, 기계-판독가능 명령(machine-readable instructions) 및 데이터를 저장하는 모든 적절한 메모리 디바이스(들)를 포함할 수 있지만, 이에 국한되지 않는다.The memory also includes a training bit database 106 that stores training beats associated with each arrhythmia class. The memory 704 may be any suitable memory device such as a compact disk, digital video disk, diskettes, magnetic tape cartridges, memory cards, and / or other memory devices known to those of ordinary skill in the art to which the invention pertains. A removable media drive for handling compact disks, a hard drive, a read only memory, a random access memory, an erasable programmable read only memory, an electrically Erasable and programmable read only memory, and all such suitable memory device (s) for storing machine-readable instructions and data, , &Lt; / RTI &gt;

본 주제의 실시예들은 로우-레벨 하드웨어 컨텍스트 또는 추상 데이터를 정의하기 위해 또는 작업을 수행하는(that perform tasks, or define abstract data types or low-level hardware contexts) 기능, 절차, 데이터 구조 및/또는 어플리케이션 프로그램을 포함하는 모듈과 함께 구현될 수 있다.Embodiments of the present subject matter may also include functions, procedures, data structures, and / or applications that define low-level hardware contexts or abstract data or that perform tasks (or define abstract data types or low-level hardware contexts) May be implemented with a module containing a program.

부정맥 분류 모듈(104)은 위에서-언급된 모든 저장 매체에 기계-판독가능 명령의 형태로 저장될 수 있고 프로세서(702)에 의해 실행될 수 있다. 이를 테면, 컴퓨터 프로그램은 본 주제의 여기에 기술된 실시예들 및 가르침에 기초하여, 도 1a의 애퀴지션 디바이스(108)로부터 획득된 ECG 신호를 이용하여 심장 부정맥을 분류 할 수 있는 기계-판독가능 명령을 포함할 수 있다.The arrhythmia classification module 104 may be stored in the form of machine-readable instructions in any of the above-mentioned storage media and may be executed by the processor 702. For example, the computer program may be based on the embodiments and teachings described herein in a machine-readable manner capable of classifying cardiac arrhythmias using ECG signals obtained from the acquisition device 108 of FIG. 1A Command.

또 다른 실시예에서, 상기 프로그램은 컴팩트 디스크-읽기용 메모리에 포함될 수 있고(may be included on a compact disk-read only memory)(CD-ROM) 상기 비-휘발성 메모리에서 상기 CD-ROM으로부터 하드 드라이브에 로드될 수 있다.In yet another embodiment, the program may be included in a compact disc-read only memory (CD-ROM) and may be stored in the non-volatile memory from the CD- Lt; / RTI &gt;

통신 인터페이스(710)는 도 1a의 애퀴지션 디바이스(108)로부터 상기 개인의 심장의 상기 전기적 활동을 나타내는 상기 ECG 신호를 수신한다. 디스플레이 유닛(105)는 상기 ECG 신호에 기초하여 분류된 상기 개인에 연관되는 부정맥의 유형을 나타내는 부정맥 클래스를 디스플레이한다.The communication interface 710 receives the ECG signal representing the electrical activity of the heart of the individual from the acquisition device 108 of FIG. 1A. Display unit 105 displays an arrhythmia class that indicates the type of arrhythmia associated with the individual classified based on the ECG signal.

버스(708)는 전용 헬스 모니터링 디바이스(102)의 다양한 구성 요소 사이에서 인터커넥트의 역할을 한다(acts as interconnect). 입력 디바이스(712)와 같은 구성 요소는 본 발명이 속한 기술 분야에서 통상의 지식 중에 하나로 잘 알려져 있으며, 따라서, 그에 관한 설명은 생략된다.The bus 708 acts as an interconnect between the various components of the dedicated health monitoring device 102. Components such as input device 712 are well known in the art to one of ordinary skill in the art, and a description thereof is thus omitted.

여기서 기술된 유닛 및 모듈은 하드웨어 구성 요소 및 소프트웨어 구성 요소를 사용하여 구현될 수 있다. 이를 테면, 상기 하드웨어 구성 요소는 마이크로폰, 앰플리파이어, 밴드-패스 증폭기, 오디오 투 디지털 컨버터, 및 프로세싱 디바이스를 포함할 수 있다.The units and modules described herein may be implemented using hardware components and software components. For example, the hardware component may include a microphone, an amplifier, a band-pass amplifier, an audio-to-digital converter, and a processing device.

상기 프로세싱 디바이스는 이를 테면, 프로세서, 컨트롤러 및 산술 논리 유닛(arithmetic logic unit), 디지털 신호 프로세서, 마이크로컴퓨터, 필드 프로그램 가능한 어레이(field programmable array), 프로그램 가능한 로직 유닛(a programmable logic unit), 마이크로프로세서 또는 정의된 방식으로 명령을 실행하고 대응할 수 있는 모든 기타 디바이스와 같은, 하나 또는 그 이상의 범용 또는 특수 목적 컴퓨터를 사용하여 구현될 수 있다.The processing device may be, for example, a processor, a controller and an arithmetic logic unit, a digital signal processor, a microcomputer, a field programmable array, a programmable logic unit, Or any other device capable of executing and responding to instructions in a defined manner.

상기 프로세싱 디바이스는 운영 체제(OS)와 상기 OS 상에서 실행하는 하나 또는 그 이상의 소프트웨어 어플리케이션을 실행할 수 있다. 상기 프로세싱 디바이스는 또한 상기 소프트웨어의 실행에 응답하여 데이터를 액세스하고, 저장하고, 조작하고 및 프로세스 할 수 있다(may access, store, manipulate, process, and create data). 보다 단순하게는, 프로세싱 디바이스의 설명은 싱귤러로 사용된다(is used as singular).The processing device may execute an operating system (OS) and one or more software applications executing on the OS. The processing device may also access, store, manipulate, and process data (may access, store, manipulate, process, and create data) in response to execution of the software. More simply, the description of the processing device is used as singular.

그러나, 본 발명이 속한 통상의 기술자는 프로세싱 디바이스가 여러 개의 프로세싱 요소 및 프로세싱 요소의 여러 개의 유형을 포함할 수 있다는 것을 이해할 수 있다. 이를 테면, 프로세싱 디바이스는 여러 개의 프로세서 또는 하나의 프로세서, 하나의 컨트롤러를 포함할 수 있다(may include multiple processors or a processor and a controller). 또한, 병렬 프로세서와 같은 다른 프로세싱 구성도 가능하다.However, one of ordinary skill in the art to which the present invention belongs can understand that a processing device may include multiple processing elements and multiple types of processing elements. For example, the processing device may include multiple processors or one processor, or one controller (may include multiple processors or a processor and a controller). Other processing configurations, such as a parallel processor, are also possible.

상기 소프트웨어는 바람직하게 동작하는 상기 프로세싱 디바이스를 독립적으로 또는 집합적으로 지시하거나 구성하기 위한 컴퓨터 프로그램, 코드의 피스, 명령, 또는 그것의 일부 조합을 포함할 수 있다. 소프트웨어 및 데이터는 기계, 구성 요소, 물리적 또는 가상 장비, 컴퓨터 저장 매체 또는 장치의 모든 유형에서 또는 비일실시적으로 또는 일시적으로 구현될 수 있다.The software may comprise a computer program, piece of code, instruction, or some combination thereof for independently or collectively designating or configuring the processing device, which is preferably operating. The software and data may be implemented in any type of machine, component, physical or virtual machine, computer storage media or device, or non-recurringly or temporally.

상기 소프트웨어는 또한 컴퓨터 시스템과 커플링되는 네트워크를 통해 배포될 수 있으며(may be distributed over network), 상기 소프트웨어는 분산 방식으로(in a distributed fashion) 저장되고 실행된다. 상기 소프트웨어 및 데이터는 하나 또는 그 이상의 컴퓨터 판독 가능 기록 매체(computer readable recording mediums)에 의해 저장될 수 있다.The software may also be distributed over a network coupled with a computer system and the software is stored and executed in a distributed fashion. The software and data may be stored by one or more computer readable recording media.

상기 컴퓨터 판독 가능 기록 매체는 컴퓨터 시스템 또는 프로세싱 디바이스에 의해 리딩될 수 있는(can be thereafter read) 데이터를 저장할 수 있는 모든 데이터 저장 디바이스를 포함할 수 있다. 비-일시적인 컴퓨터 판독 가능 기록 매체의 실시예는 읽기 전용 메모리(ROM), 랜덤-액세스 메모리(RAM), CD-ROMs, 자기 테이프, 플로피 디스크, 및 광학 데이터 저장 디바이스를 포함한다.The computer-readable medium may include any data storage device capable of storing data that can be read by a computer system or a processing device. Embodiments of non-transitory computer readable recording media include read only memory (ROM), random-access memory (RAM), CD-ROMs, magnetic tape, floppy disks, and optical data storage devices.

또한, 이상에서 제시된 실시예들을 수행하는 기능적인 프로그램, 코드들 및 코드 세그먼트는 여기서 제공된 것과 같은 흐름도 및 도면 및 대응하는 설명의 블록도를 사용하는 것에 기초하여 실시예와 관련하여 본 발명이 속한 기술 분야에서 통상의 지식을 갖는 프로그래머에 의해 쉽게 해석될 수 있다.It should also be noted that the functional programs, codes, and code segments that perform the embodiments presented above may be implemented using techniques such as those described in the related art And can be easily interpreted by a programmer having ordinary knowledge in the field.

한정되지 않고 예시적인 의도로(As a non-exhaustive illustration only), 이상에서 기술된 장치는 휴대 전화, PDA(personal digital assistant), 디지털 카메라, 휴대용 게임 콘솔, 및 MP3 플레이어, 휴대용/개인 멀티미디어 플레이어(PMP), 핸드헬드 e-북, 휴대용 랩탑 PC, 글로벌 포지셔닝 시스템(GPS) 내비게이션, 태블릿, 센서와 같은 모바일 디바이스 및 데스크탑 PC, 고해상도 텔레비전(HDTV), 광학 디스크 플레이어, 셋탑 박스, 홈 어플라이언스, 및 여기에 공개된 것과 일치하는 무선 통신 및 네트워크 통신이 가능한 것과 같은 디바이스를 참조할 수 있다,The devices described above may be used in mobile phones, personal digital assistants (PDAs), digital cameras, portable game consoles, and MP3 players, portable / personal multimedia players (&quot; (HDTV), optical disk players, set-top boxes, home appliances, and mobile devices such as handheld e-books, PMPs, handheld e-books, portable laptops, global positioning systems May refer to devices such as those capable of wireless communication and network communication consistent with those disclosed in &lt; RTI ID = 0.0 &gt;

컴퓨팅 시스템 또는 컴퓨터는 버스, 사용자 인터페이스, 및 메모리 컨트롤러와 전기적으로 연결되는 마이크로프로세서를 포함할 수 있다. 이것은 플래시 메모리 디바이스를 더 포함한다. 상기 플래시 메모리 디바이스는 N-비트 데이터를 상기 메모리 컨트롤러를 통해 저장할 수 있다. 상기 N-비트 데이터는 상기 마이크로프로세서에 의해 처리되거나, 처리될 것이며, N은 1 이거나 또는 1 보다 큰 정수일 수 있다(N may be 1 or an integer greater than 1). 여기서 상기 컴퓨팅 시스템 또는 컴퓨터는 모바일 장치이고, 베터리는 상기 컴퓨팅 시스템 또는 컴퓨터의 동작 전압을 제공하기 위해 추가적으로 제공될 수 있다.The computing system or computer may include a bus, a user interface, and a microprocessor in electrical communication with the memory controller. This further includes a flash memory device. The flash memory device may store N-bit data through the memory controller. The N-bit data will be processed or processed by the microprocessor, and N may be 1 or an integer greater than one (N may be 1 or an integer greater than 1). Wherein the computing system or computer is a mobile device and the battery may be additionally provided to provide an operating voltage of the computing system or computer.

상기 컴퓨팅 시스템 또는 컴퓨터는 어플리케이션 칩셋(application chipset), 카메라 이미지 프로세서(CIS), 모바일 다이나믹 랜덤 액세스 메모리(DRAM), 및 그와 같은 것을 더 포함할 수 있다는 것을 본 발명이 속하는 통상의 기술자들은 인지할 것이다. 상기 메모리 컨트롤러 및 상기 플래시 메모리 디바이스는 데이터를 저장하는데 비-휘발성 메모리를 사용하는 솔리드 스테이트 드라이브/디스크(solid state drive/disk)(SSD)를 구성할 수 있다.It will be appreciated by those of ordinary skill in the art that the computing system or computer may further include an application chipset, a camera image processor (CIS), a mobile dynamic random access memory (DRAM), and the like. will be. The memory controller and the flash memory device may constitute a solid state drive / disk (SSD) using non-volatile memory to store data.

이상에서 다수의 실시예들이 예시적으로 기술되었다. 그럼에도 불구하고, 이것은 다양한 수정이 될 수 있다는 것으로 이해되어야 한다. 이를 테면, 설명된 기술들이 다른 순서로 수행되는 경우 및/또는 기술된 시스템, 아키택쳐, 디바이스 또는 회로가 다른 방식으로 결합되어 있는 경우 및/또는 다른 구성 요소 또는 그것의 균등물로 대체되거나 보완된 경우에도 적절한 결과는 달성될 수 있다.In the foregoing, a number of embodiments have been described by way of example. Nevertheless, it should be understood that this can be various modifications. For example, when the described techniques are performed in a different order and / or when the described systems, architectures, devices, or circuits are combined in different ways and / or are replaced or supplemented with other components or their equivalents Even if appropriate results can be achieved.

Claims (20)

심전도(ECG) 신호를 이용하여, 심장 부정맥을 분류하는 방법에 있어서, 상기 방법은,
일정 시간 주기 동안 개인의 심장의 전기적 활동을 나타내는 상기 ECG 신호를 센서로부터 수신하는 단계 - 상기 ECG 신호는 ECG 비트를 포함함 -;
상기 ECG 비트의 각각을 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼로 변환하는 단계; 및
상기 ECG 비트의 각각에 대응하는 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼에 기초하여 심장 부정맥의 각각의 유형을 나타내는 부정맥 클래스들로부터 상기 개인에 연관되는 심장 부정맥의 유형을 나타내는 부정맥 클래스를 식별하는 단계
를 포함하는 방법.
A method for classifying cardiac arrhythmias using an electrocardiogram (ECG) signal, the method comprising:
Receiving the ECG signal from a sensor indicative of an electrical activity of the heart of the individual for a period of time, the ECG signal comprising an ECG bit;
Converting each of the ECG bits into a symbolic aggregate approximation (SAX) symbol; And
Identifying an arrhythmia class indicative of the type of cardiac arrhythmia associated with the individual from arrhythmia classes representing each type of cardiac arrhythmia based on the symbolic aggregate approximation (SAX) symbol corresponding to each of the ECG bits; Step
&Lt; / RTI &gt;
제1항에 있어서,
상기 변환하는 단계는,
상기 ECG 비트의 각각의 R-피크를 검출하는 단계;
상기 각각의 R-피크 주변의 상기 ECG 비트의 각각의 영역을 세그멘팅하는 단계; 및
상기 ECG 비트의 각각의 상기 영역을 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼로 변환하는 단계
를 포함하는 방법.
The method according to claim 1,
Wherein the converting comprises:
Detecting respective R-peaks of the ECG bits;
Segmenting each region of the ECG bit around each R-peak; And
Converting each of the regions of the ECG bits into symbolic aggregate approximation (SAX) symbols;
&Lt; / RTI &gt;
제1항에 있어서,
상기 식별하는 단계는,
상기 부정맥 클래스들의 각각에 대응하는 트레이닝 비트와 상기 ECG 비트의 각각의 사이에서 모폴로지 유사도 측정치를 결정하는 단계 - 상기 유사도 측정치는 상기 ECG 비트의 각각을 나타내는 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼과 상기 트레이닝 비트의 각각을 나타내는 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼을 비교함으로써 결정됨 -;
트레이닝 비트에 기초하여 상기 ECG 비트로부터, 상기 ECG 비트와 가장 높은 모폴로지 유사도 측정치를 포함하는 ECG 비트를 식별하는 단계;
상기 식별된 ECG 비트에 연관되는 상기 가장 높은 모폴로지 유사도 측정치가 미리 결정된 임계값 보다 큰지의 여부를 결정하는 단계;
상기 가장 높은 모폴로지 유사도 측정치가 상기 미리 결정된 임계값 보다 큰 경우, 심장 부정맥의 유형을 나타내는 부정맥 클래스를 상기 식별된 ECG 비트에 할당하는 단계; 및
상기 가장 높은 모폴로지 유사도 측정치가 상기 미리 결정된 임계값 보다 작거나 동일한 경우에는 상기 가장 높은 모폴로지 유사도 측정치에 연관된 상기 트레이닝 비트에 대응하는 부정맥 클래스를 관련지음으로써 상기 식별된 ECG 비트를 분류하는 단계
를 포함하는 방법.
The method according to claim 1,
Wherein the identifying comprises:
Determining a morphology similarity measure between each of the training bits and the ECG bits corresponding to each of the arrhythmia classes, the similarity measure comprising a symbolic aggregate approximation (SAX) symbol representing each of the ECG bits And a symbolic aggregate approximation (SAX) symbol representing each of the training bits;
Identifying an ECG bit from the ECG bit based on the training bit, the ECG bit including the highest morphology similarity measure;
Determining whether the highest morphology similarity measure associated with the identified ECG bit is greater than a predetermined threshold;
Assigning to the identified ECG bit an arrhythmia class indicative of a type of cardiac arrhythmia if the highest morphology similarity measure is greater than the predetermined threshold value; And
Classifying the identified ECG bits by associating an arrhythmia class corresponding to the training bit associated with the highest morphology similarity measure if the highest morphology similarity measure is less than or equal to the predetermined threshold value
&Lt; / RTI &gt;
제1항에 있어서,
상기 식별하는 단계는,
상기 ECG 비트의 각각을 나타내는 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼의 발생 주파수를 결정하는 단계; 및
상기 ECG 비트의 각각을 나타내는 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼의 상기 발생 주파수에 기초하여 ECG 비트의 클러스터 중 하나에 속하도록 함으로써 상기 ECG 비트의 각각을 분류하는 단계 - 상기 ECG 비트의 클러스터는 상기 부정맥 클래스 각각에 대응함 -;
를 포함하는 방법.
The method according to claim 1,
Wherein the identifying comprises:
Determining a frequency of occurrence of the symbolic aggregate approximation (SAX) symbol representing each of the ECG bits; And
Classifying each of the ECG bits by belonging to one of the clusters of ECG bits based on the generation frequency of the symbolic aggregate approximation (SAX) symbol representing each of the ECG bits, The cluster corresponding to each of the arrhythmia classes;
&Lt; / RTI &gt;
헬스 모니터링 디바이스에 있어서,
일정 시간 주기 동안 개인의 심장의 전기적 활동을 나타내는 심전도(ECG) 신호를 센서로부터 수신하도록 구성되는 통신 인터페이스 - 상기 ECG 신호는 ECG 비트를 포함함 -; 및
상기 ECG 비트의 각각을 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼로 변환하고, 및 상기 ECG 비트의 각각을 나타내는 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼에 기초하여 심장 부정맥의 각각의 유형을 나타내는 부정맥 클래스로부터 상기 개인에 연관되는 심장 부정맥의 유형을 나타내는 부정맥 클래스를 식별하도록 구성되는 부정맥 분류 모듈
을 포함하는 헬스 모니터링 디바이스.
A health monitoring device comprising:
A communication interface configured to receive an electrocardiogram (ECG) signal from a sensor indicative of an electrical activity of an individual's heart for a period of time, the ECG signal comprising an ECG bit; And
Converting each of the ECG bits to a symbolic aggregate approximation (SAX) symbol, and calculating a respective type of cardiac arrhythmia based on the symbolic aggregate approximation (SAX) symbol representing each of the ECG bits An arrhythmia class module configured to identify an arrhythmia class indicative of a type of cardiac arrhythmia associated with the individual from an arrhythmia class indicative of
And a health monitoring device.
제5항에 있어서,
상기 부정맥 분류 모듈은,
상기 부정맥 클래스를 디스플레이하도록 구성되는 디스플레이 모듈을 포함하는 헬스 모니터링 디바이스.
6. The method of claim 5,
The arrhythmia classification module comprises:
And a display module configured to display the arrhythmia class.
제5항에 있어서,
상기 부정맥 분류 모듈은,
상기 ECG 신호를 필터링하도록 구성되는 밴드패스 필터를 포함하는 헬스 모니터링 디바이스.
6. The method of claim 5,
The arrhythmia classification module comprises:
And a bandpass filter configured to filter the ECG signal.
제5항에 있어서,
상기 부정맥 분류 모듈은,
상기 ECG 비트의 각각의 R-피크를 검출하도록 구성되는 R-피크 검출 모듈을 포함하는 헬스 모니터링 디바이스.
6. The method of claim 5,
The arrhythmia classification module comprises:
And an R-peak detection module configured to detect each R-peak of the ECG bits.
제8항에 있어서,
상기 부정맥 분류 모듈은,
상기 각각의 R-피크 주변의 상기 ECG 비트의 각각의 영역을 세그멘팅하고, 및 상기 ECG 비트의 각각의 상기 영역을 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼로 변환하도록 구성되는 심볼릭 합계 근사치 모듈을 포함하는 헬스 모니터링 디바이스.
9. The method of claim 8,
The arrhythmia classification module comprises:
A symbolic sum approximation configured to segment each region of the ECG bits around each R-peak and to convert the region of each of the ECG bits into the symbolic aggregate approximation (SAX) A health monitoring device comprising a module.
제5항에 있어서,
상기 부정맥 분류 모듈은 부정맥 클래스 식별 모듈을 포함하고,
상기 부정맥 클래스 식별 모듈은,
상기 부정맥 클래스들의 각각에 대응하는 트레이닝 비트와 상기 ECG 비트의 각각의 사이에서 모폴로지 유사도 측정치를 결정하고 - 상기 유사도 측정치는 상기 ECG 비트의 각각을 나타내는 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼과 상기 트레이닝 비트의 각각을 나타내는 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼을 비교함으로써 결정됨 -,
트레이닝 비트에 기초하여 상기 ECG 비트로부터, 상기 ECG 비트와 가장 높은 모폴로지 유사도 측정치를 포함하는 ECG 비트를 식별하고,
상기 식별된 ECG 비트에 연관되는 상기 가장 높은 모폴로지 유사도 측정치가 미리 결정된 임계값 보다 큰지의 여부를 결정하고,
상기 가장 높은 모폴로지 유사도 측정치가 상기 미리 결정된 임계값 보다 큰 경우, 심장 부정맥의 유형을 나타내는 부정맥 클래스를 상기 식별된 ECG 신호에 할당하고, 및
상기 가장 높은 모폴로지 유사도 측정치가 상기 미리 결정된 임계값 보다 작거나 동일한 경우, 상기 가장 높은 모폴로지 유사도 측정치에 연관된 상기 트레이닝 비트에 대응하는 부정맥 클래스를 관련지음으로써 상기 식별된 ECG 비트를 식별하도록 구성되는 헬스 모니터링 디바이스.
6. The method of claim 5,
Wherein the arrhythmia classifying module includes an arrhythmia class identifying module,
Wherein the arrhythmia class identification module comprises:
Determining a morphology similarity measure between each of the training bits and the ECG bits corresponding to each of the arrhythmia classes, the similarity measure comprising a symbolic aggregate approximation (SAX) symbol representing each of the ECG bits, And comparing symbolic aggregate approximation (SAX) symbols representing each of the training bits,
Identifying an ECG bit comprising the ECG bit and a highest morphology similarity measure from the ECG bit based on a training bit,
Determining whether the highest morphology similarity measure associated with the identified ECG bit is greater than a predetermined threshold,
Assigning an arrhythmia class indicative of the type of cardiac arrhythmia to the identified ECG signal if the highest morphology similarity measure is greater than the predetermined threshold value;
Configured to identify the identified ECG bit by associating an arrhythmia class corresponding to the training bit associated with the highest morphology similarity measure if the highest morphology similarity measure is less than or equal to the predetermined threshold value, device.
제10항에 있어서,
상기 부정맥 클래스 식별 모듈은,
상기 부정맥 클래스에 할당되는 상기 식별된 ECG 비트를 저장하도록 더 구성되는 헬스 모니터링 디바이스.
11. The method of claim 10,
Wherein the arrhythmia class identification module comprises:
And to store the identified ECG bits assigned to the arrhythmia class.
제5항에 있어서,
상기 부정맥 분류 모듈은 부정맥 클래스 식별 모듈을 포함하고,
상기 부정맥 클래스 식별 모듈은,
상기 ECG 비트의 각각을 나타내는 상기 심볼의 발생 주파수를 결정하고, 및
상기 ECG 비트의 각각을 나타내는 상기 심볼의 상기 발생 주파수에 기초하여 ECG 비트의 클러스터 중 하나에 속하도록 함으로써 상기 ECG 비트의 각각을 분류하도록 구성되는 헬스 모니터링 디바이스.
6. The method of claim 5,
Wherein the arrhythmia classifying module includes an arrhythmia class identifying module,
Wherein the arrhythmia class identification module comprises:
Determine the frequency of occurrence of the symbol representing each of the ECG bits, and
And classify each of the ECG bits by belonging to one of the clusters of ECG bits based on the frequency of occurrence of the symbol representing each of the ECG bits.
제12항에 있어서,
ECG 비트의 상기 클러스터는 상기 각각의 부정맥 클래스에 대응하는 헬스 모니터링 디바이스.
13. The method of claim 12,
Wherein the cluster of ECG bits corresponds to each of the arrhythmia classes.
제5항에 있어서,
상기 부정맥 클래스는 노멀, 또는 좌측 번들 브런치 블록, 또는 우측 번들 브런치 블록, 또는 심방 조기 박동, 또는 조기 심실 수축, 또는 이것의 모든 조합을 포함하는 헬스 모니터링 디바이스.
6. The method of claim 5,
The arrhythmia class includes a normal, left bundle brunch block, or right bundle brunch block, or atrial premature beat, or premature ventricular contraction, or any combination thereof.
시스템에 있어서, 상기 시스템은,
일정 시간 주기 동안 개인의 심장의 전기적 활동을 나타내는 심전도(ECG) 신호를 생성하도록 구성되는 애퀴지션 디바이스 - 상기 ECG 신호는 ECG 비트를 포함함 -; 및
헬스 모니터링 디바이스
를 포함하고,
상기 헬스 모니터링 디바이스는,
상기 ECG 비트의 각각을 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼로 변환하고, 및
상기 ECG 비트의 각각을 나타내는 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼에 기초하여 심장 부정맥의 각각의 유형을 나타내는 부정맥 클래스로부터 상기 개인에 연관되는 심장 부정맥의 유형을 나타내는 부정맥 클래스를 식별하도록 구성되는 시스템.
A system, comprising:
An acquisition device configured to generate an electrocardiogram (ECG) signal indicative of an electrical activity of an individual's heart for a period of time, the ECG signal comprising an ECG bit; And
Health monitoring device
Lt; / RTI &gt;
The health monitoring device includes:
Converting each of the ECG bits into a symbolic aggregate approximation (SAX) symbol, and
To identify an arrhythmia class indicative of the type of cardiac arrhythmia associated with the individual from an arrhythmia class representing each type of cardiac arrhythmia based on the symbolic aggregate approximation (SAX) symbol representing each of the ECG bits System.
제15항에 있어서,
상기 헬스 모니터링 디바이스는 상기 부정맥 클래스를 디스플레이 패널에 디스플레이 하도록 더 구성되는 시스템.
16. The method of claim 15,
Wherein the health monitoring device is further configured to display the arrhythmia class on a display panel.
제15항에 있어서,
상기 헬스 모니터링 디바이스는 필터를 사용하여 상기 ECG 신호를 필터링하도록 더 구성되는 시스템.
16. The method of claim 15,
Wherein the health monitoring device is further configured to filter the ECG signal using a filter.
제15항에 있어서,
상기 헬스 모니터링 디바이스는,
상기 ECG 비트의 각각의 R-피크를 검출하고;
상기 각각의 R-피크 주변의 상기 ECG 비트의 각각의 영역을 세그멘팅하고; 및
상기 ECG 비트의 각각의 상기 영역을 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼로 변환하도록 더 구성되는 시스템.
16. The method of claim 15,
The health monitoring device includes:
Detecting respective R-peaks of the ECG bits;
Segment each region of the ECG bit around each R-peak; And
And convert each of the regions of the ECG bits to a symbolic aggregate approximation (SAX) symbol.
제15항에 있어서,
상기 헬스 모니터링 디바이스는,
상기 각각의 부정맥 클래스에 대응하는 트레이닝 비트와 상기 ECG 비트의 각각의 사이에서 모폴로지 유사도 측정치를 결정하고 - 상기 유사도 측정치는 상기 ECG 비트의 각각을 나타내는 상기 심볼과 상기 트레이닝 비트의 각각을 나타내는 심볼을 비교함으로써 결정됨 -,
트레이닝 비트에 기초하여 상기 ECG 비트로부터, 상기 ECG 비트와 가장 높은 모폴로지 유사도 측정치를 포함하는 ECG 비트를 트레이닝 비트로 식별하고;
상기 식별된 ECG 비트에 연관되는 상기 가장 높은 모폴로지 유사도 측정치가 미리 결정된 임계값 보다 큰지의 여부를 결정하고;
상기 가장 높은 유사 측정이 상기 미리 결정된 임계값 보다 큰 경우, 심장 부정맥의 유형을 나타내는 부정맥 클래스를 상기 식별된 ECG 비트에 할당하고; 및
상기 가장 높은 유사 측정이 상기 미리 결정된 임계값 보다 작거나 동일한 경우, 상기 가장 높은 모폴로지 유사도 측정치에 연관된 상기 트레이닝 비트에 대응하는 부정맥 클래스를 관련지음으로써 상기 식별된 ECG 비트를 분류하도록 더 구성되는 시스템.
16. The method of claim 15,
The health monitoring device includes:
Determining a morphology similarity measure between each of the training bits and the ECG bits corresponding to each of the arrhythmia classes; comparing the symbol representing each of the ECG bits with the symbol representing each of the training bits; - determined by
Identifying ECG bits from the ECG bits based on the training bits as training bits, the ECG bits including the ECG bit and the highest morphology similarity measure;
Determine whether the highest morphology similarity measure associated with the identified ECG bit is greater than a predetermined threshold;
If the highest similarity measure is greater than the predetermined threshold, assign an arrhythmia class indicative of the type of cardiac arrhythmia to the identified ECG bit; And
And classify the identified ECG bits by associating an arrhythmia class corresponding to the training bit associated with the highest morphology similarity measure if the highest similarity measurement is less than or equal to the predetermined threshold value.
제15항에 있어서,
상기 헬스 모니터링 디바이스는,
상기 ECG 비트의 각각을 나타내는 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼의 발생 주파수를 결정하고, 및
상기 ECG 비트의 각각을 나타내는 상기 심볼릭 합계 근사치(symbolic aggregate approximation, SAX) 심볼의 상기 발생 주파수에 기초하여 ECG 비트의 클러스터 중 하나에 속하도록 함으로써 상기 ECG 비트의 각각을 분류하도록 - ECG 비트의 상기 클러스터는 상기 각각의 부정맥 클래스에 대응함 - 더 구성되는 시스템.
16. The method of claim 15,
The health monitoring device includes:
Determine a frequency of occurrence of the symbolic aggregate approximation (SAX) symbol representing each of the ECG bits, and
Classifying each of the ECG bits by belonging to one of the clusters of ECG bits based on the generation frequency of the symbolic aggregate approximation (SAX) symbol representing each of the ECG bits, Corresponding to each of the arrhythmia classes.
KR1020120108669A 2011-09-28 2012-09-28 Method and apparatus for classifying cardiac arrhythmia KR101977745B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US13/629,963 US9380956B2 (en) 2011-09-28 2012-09-28 Method and apparatus for classifying cardiac arrhythmia

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
IN3378CH2011 2011-09-28
IN3378/CHE/2011 2011-09-28

Publications (2)

Publication Number Publication Date
KR20130034635A KR20130034635A (en) 2013-04-05
KR101977745B1 true KR101977745B1 (en) 2019-05-13

Family

ID=48436681

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120108669A KR101977745B1 (en) 2011-09-28 2012-09-28 Method and apparatus for classifying cardiac arrhythmia

Country Status (1)

Country Link
KR (1) KR101977745B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230071493A (en) 2021-11-16 2023-05-23 대구대학교 산학협력단 Arrhythmia Classification Method Using Neural Network and Method Thereof
KR20230158311A (en) 2022-05-11 2023-11-20 대구대학교 산학협력단 Method for Detecting QRS Complex and Arrhythmia of Electrocardiogram Based on Recursive Feature Elimination

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190082532A (en) * 2018-01-02 2019-07-10 한양대학교 산학협력단 Arrhythmia diagnosis method and device using uwb radar
KR102264569B1 (en) * 2019-08-01 2021-06-15 성균관대학교산학협력단 Apparatuses and methods for classifying heart condition based on class probability output network
CN111407261B (en) * 2020-03-31 2024-05-21 京东方科技集团股份有限公司 Method and device for measuring period information of biological signals and electronic equipment
KR102605130B1 (en) * 2021-04-16 2023-11-22 금오공과대학교 산학협력단 Method for classifying cardiac arrhythmia from standard 12-lead Electrocardiogram signal using artificial neural network and classification device using the same

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006049767A1 (en) * 2004-10-28 2006-05-11 Cardiac Pacemakers, Inc. Arrhythmia detection and classification using wireless ecg

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5819007A (en) * 1996-03-15 1998-10-06 Siemens Medical Systems, Inc. Feature-based expert system classifier
KR100400212B1 (en) 1997-01-31 2003-11-14 삼성전자주식회사 Electrocardiogram apparatus having arrhythmia detecting function

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006049767A1 (en) * 2004-10-28 2006-05-11 Cardiac Pacemakers, Inc. Arrhythmia detection and classification using wireless ecg

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230071493A (en) 2021-11-16 2023-05-23 대구대학교 산학협력단 Arrhythmia Classification Method Using Neural Network and Method Thereof
KR20230158311A (en) 2022-05-11 2023-11-20 대구대학교 산학협력단 Method for Detecting QRS Complex and Arrhythmia of Electrocardiogram Based on Recursive Feature Elimination

Also Published As

Publication number Publication date
KR20130034635A (en) 2013-04-05

Similar Documents

Publication Publication Date Title
US11147500B2 (en) Electrocardiogram processing system for delineation and classification
US9380956B2 (en) Method and apparatus for classifying cardiac arrhythmia
Zhao et al. A robust QRS detection and accurate R-peak identification algorithm for wearable ECG sensors
CN108294745B (en) Method and system for detecting P wave and T wave start and stop points in multi-lead electrocardiogram signal
KR101977745B1 (en) Method and apparatus for classifying cardiac arrhythmia
CN109009084B (en) QRS wave group calibration method, device, equipment and medium for multi-lead electrocardiosignal
Castro et al. Heart sound segmentation of pediatric auscultations using wavelet analysis
CA3069891A1 (en) Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions
Leite et al. Heartbeat classification with low computational cost using Hjorth parameters
US11589828B2 (en) System and methods for electrocardiogram beat similarity analysis using deep neural networks
CN109077714B (en) Signal identification method, device, equipment and storage medium
US10818393B2 (en) System and method for clinical decision support
US10172563B2 (en) Method and system for analyzing noise in an electrophysiology study
US9474460B2 (en) Non-invasive evaluation of cardiac repolarisation instability for risk stratification of sudden cardiac death
AU2018287078A1 (en) System and methods for classifying arrhythmia-related heartbeats
CN116439725A (en) Abnormal discharge detection method, model training method, device, medium and equipment
US20220104750A1 (en) Electrocardiogram processing system for delineation and classification
Tsoutsouras et al. Software design and optimization of ECG signal analysis and diagnosis for embedded IoT devices
Smaoui et al. Single scale CWT algorithm for ECG beat detection for a portable monitoring system
CN110200620A (en) Multi-modal cardiac data detection method, device, storage medium and terminal device
Weng et al. Myocardial infarction classification by morphological feature extraction from big 12-lead ECG data
Chang et al. Design of a low-complexity real-time arrhythmia detection system
EP4216232A1 (en) Methods and system for cardiac arrhythmia prediction using transformer-based neural networks
Yao et al. Arrhythmia classification from single lead ecg by multi-scale convolutional neural networks
CN114668401A (en) AI electrocardiogram training data labeling method, device, electronic equipment and medium

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant