KR102467211B1

KR102467211B1 - 머신 러닝을 이용하여 심전도 파형 분류 방법 및 장치

Info

Publication number: KR102467211B1
Application number: KR1020210170499A
Authority: KR
Inventors: 조건욱; 김후현; 송희석; 이영신
Original assignee: (주)씨어스테크놀로지
Priority date: 2021-12-02
Filing date: 2021-12-02
Publication date: 2022-11-16
Also published as: WO2023101089A1

Abstract

머신 러닝을 이용하여 심전도 파형 분류 방법 및 장치를 개시한다.
본 실시예는 심전도 파형에 세그먼테이션 기법을 적용하여, 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형, 노이즈 파형의 각 구간의 특징 지표값을 확인하고, 특징 지표값을 기반으로 심장 박동을 노멀 박동(N), 심실상 박동(S), 심실 박동(V), 노이즈를 빠르게 분류(Classification)하며, 노이즈를 제거하여 빠르고 정확하게 의학적인 판단이 이루어지도록 하는 머신 러닝을 이용하여 심전도 파형 분류 방법 및 장치를 제공한다.

Description

머신 러닝을 이용하여 심전도 파형 분류 방법 및 장치{Method And Apparatus for Classifying ECG wave by Using Machine Learning}

본 발명의 일 실시예는 딥러닝 기반의 세그먼테이션 알고리즘을 이용하여 심전도의 베이스 라인, P, QRS(N), QRS(S), QRS(V), R peak, T, 노이즈 파형 감지 및 박동 분류에 관한 것이다.

이하에 기술되는 내용은 단순히 본 실시예와 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다.

의료진의 심전도 분석을 도와주는 심전도 판독 시스템이 개발되어 있다. 종래의 심전도 판독 시스템은 파형의 R, P, T 피크(Peak)를 검출하고 있으며, 규칙기반으로 부정맥 검출하고 분류한다.

종래의 심전도 판독 시스템은 환자의 전체 심전도 신호 데이터를 받아 분석하여 그 결과를 출력한다. 딥러닝 기술은 기존 방법들에 비해 정확성이 높기 때문에 심전도 판독 알고리즘으로 최근 많이 연구되고 있다.

심전도를 이용한 부정맥 판단은 일정 자격을 갖춘 의료진만이 할 수 있지만 수요에 비해 인력이 부족한 현실이다. 심전도 판독 시 P, QRS, T 파형의 모양과 구간 간에 시간 차 계산, 심전도 리듬에 대한 분석 등 심전도 신호를 다양한 시각에서 판독해야 하기 때문에 시간이 많이 소요된다. 병상 환자의 심전도는 의료진이 실시간으로 관측하여 환자의 상태를 주시해야 하지만, 인력부족으로 인해 지속적인 모니터링이 힘들다. 심전도 분석은 환자의 생명과 직결되기 때문에 정확해야 하고 응급환자 발생 시에는 빠르게 동작되어야 한다.

종래의 심전도 분석은 P, QRS, T 파형 구간의 끝점, 시작점 등을 이용하는 경우도 있지만 종래의 기술은 피크(Peak)만을 찾아 그 활용도가 떨어진다. 부정맥 검출 및 분류 시 규칙기반의 알고리즘 설계는 파형의 다양성 때문에 정확도가 떨어지고, 부정맥의 추가 시 새로운 규칙기반 알고리즘을 설계해야 한다.

종래의 심전도 판독 시스템은 병상 환자 모니터링과 같은 실시간 판독이 필요한 곳에서는 활용이 불가능하다. 심전도 분석을 위한 딥러닝 알고리즘은 구현 모델에 따라 속도 차이가 있으며, 실시간 동작을 위해 매 시간 동작할 수 없다. 심전도 파형 시각화 시 1차원 데이터에 대한 출력으로 실시간 판독 시 가독성이 떨어진다.

심전도 파형에서 비침습적 생체신호 수집방식에 의한 발생한 노이즈(Noise)를 포함한다. 심전도 파형에 포함된 노이즈로 인해 의료진이 심전도를 판독하는 데 있어 판독시간을 증가시키는 요인으로, 많은 경제적 손실이 발생한다. 일반적인 자동 판독을 이용하는 경우, 실시간 모니터링에서 노이즈를 정확히 감지해내지 못하면 사용자에게 정확하지 못한 판독 결과를 제공할 문제가 있다. 따라서, 노이즈를 정확히 감지 및 제거함으로써, 판독에 대한 정확성과 신속성을 높이는 기술을 필요로 한다.

본 실시예는 심전도 파형에 세그먼테이션 기법을 적용하여, 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형, 노이즈 파형의 각 구간의 특징 지표값을 확인하고, 특징 지표값을 기반으로 심장 박동을 노멀 박동(N), 심실상 박동(S), 심실 박동(V), 노이즈를 빠르게 분류(Classification)하며, 노이즈를 제거하여 빠르고 정확하게 의학적인 판단이 이루어지도록 하는 머신 러닝을 이용하여 심전도 파형 분류 방법 및 장치를 제공하는 데 목적이 있다.

본 실시예의 일 측면에 의하면, 복수의 사람에 대한 심전도 파형을 획득하는 심전도 파형 획득부; 상기 심전도 파형에 세그먼테이션(Segmentation)을 적용하여, 상기 심전도 파형 각 구간의 특징 지표값을 확인하고, 상기 특징 지표값을 기반으로 상기 각 구간별 분류(Classification)값을 레이블링(Labeling)하는 분류부; 상기 각 구간별 분류값을 기반으로 노이즈로 레이블링된 노이즈 파형만을 선별하는 노이즈 선별부; 및 노이즈로 레이블링된 상기 노이즈 파형만을 제거하는 노이즈 제거부를 포함하는 것을 특징으로 하는 심전도 노이즈 판별장치를 제공한다.

이상에서 설명한 바와 같이 본 실시예에 의하면, 심전도 파형에 세그먼테이션 기법을 적용하여, 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형, 노이즈 파형의 각 구간의 특징 지표값을 확인하고, 특징 지표값을 기반으로 심장 박동을 노멀 박동(N), 심실상 박동(S), 심실 박동(V), 노이즈를 빠르게 분류(Classification)하며, 노이즈를 제거하여 빠르고 정확하게 의학적인 판단이 이루어지도록 하는 효과가 있다.

본 실시예에 의하면, 노이즈로 분류된 파형을 딥러닝으로 학습하여, 다양한 심전도 파형으로부터 노이즈 파형을 빠르게 감지해낼 수 있으며, 노이즈 파형을 빠르게 제거하여 의학적인 판단을 필요로 하는 순간에 환자의 이상상태를 더욱 빨리 감지할 수 있는 실시간 시스템을 구축할 수 있는 효과가 있다.

본 실시예에 의하면, 오감지가 발생했을 경우, 해당 구간만 잘라서 학습 데이터로 입력하여 노이즈 파형의 검출 성능을 업데이트할 수 있는 효과가 있다.

도 1은 본 실시예에 따른 바이오 신호 처리 분야에서 생체 신호 데이터 처리에 시멘틱 세그먼테이션 적용을 나타난 도면이다.
도 2는 본 실시예에 따른 시멘틱 세그먼테이션의 포인트 바이 포인트 출력을 나타낸 도면이다.
도 3은 본 실시예에 따른 심전도 시멘틱 세그먼테이션을 나타낸 도면이다.
도 4는 본 실시예에 따른 P,Q,R,S,T파(P파, QRS복합체, T파)와 심전도의 특징지표를 나타낸 도면이다.
도 5는 본 실시예에 따른 심전도 노이즈 판별장치를 개략적으로 나타낸 도면이다.
도 6은 본 실시예에 따른 2D 이미지 세그먼테이션과 1D 생체신호 세그먼테이션을 나타낸 도면이다.
도 7은 본 실시예에 따른 클래스별 어노테이션 설정을 나타낸 도면이다.
도 8은 본 실시예에 따른 포인트 바이 포인트 어노테이션을 나타낸 도면이다.
도 9는 본 실시예에 따른 인코더-디코더 세그먼테이션 알고리즘 구조를 나타낸 도면이다.
도 10은 본 실시예에 따른 포인트별 최종 출력값 출력과정을 나타낸 도면이다.
도 11은 본 실시예에 따른 T 파형 시작점과 종료지점을 나타낸 도면이다.

이하, 본 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 본 실시예에 따른 바이오 신호 처리 분야에서 생체 신호 데이터 처리에 시멘틱 세그먼테이션 적용을 나타난 도면이다.

본 실시예에 따른 심전도 노이즈 판별장치(500)는 바이오 신호 처리(Bio Signal Processing) 분야에서 1차원(1D) 생체신호 데이터 처리에 적용될 수 있다. 심전도 노이즈 판별장치(500)는 시멘틱 세그먼테이션(Semantic Segmentation)을 응용하여, 심전도 파형에 포함된 P 파형, QRS-complex(N,S,V), T 파형, 노이즈 파형을 파형 단위로 분할한다.

도 2는 본 실시예에 따른 시멘틱 세그먼테이션의 포인트 바이 포인트 출력을 나타낸 도면이다.

본 실시예에 따른 심전도 노이즈 판별장치(500)는 1차원 시멘트 세그먼테이션 알고리즘을 적용하여 입력된 심전도 파형(로우 데이터)에 대해 포인트 바이 포인트(Point by point)로 파형을 분류한 값을 적용하여 출력한다.

도 3은 본 실시예에 따른 심전도 시멘틱 세그먼테이션을 나타낸 도면이다.

본 실시예에 따른 심전도 노이즈 판별장치(500)는 1차원 시멘트 세그먼테이션 알고리즘을 적용하여 입력된 심전도 파형(로우 데이터)에 대해 포인트 바이 포인트(Point by point)로 파형을 분류한 값을 적용하여 노이즈이면 1로 표기하고, 노이즈가 아닌 정상 파형이면 0으로 표기한다.

도 4는 본 실시예에 따른 P,Q,R,S,T파(P파, QRS복합체, T파)와 심전도의 특징지표를 나타낸 도면이다.

심전도 파형은 박동의 연속으로 나타나지며, 박동은 크게 노멀 박동(Normal Beat)(N), 심실상 박동(Supraventricular beat)(S), 심실 박동(Ventricular Beat)(V)으로 나눌 수 있다. 심전도 파형의 한 박동은 기본적으로 P 파형, QRS 파형, T 파형을 포함한다.

심전도 파형에서 비침습적 생체신호 수집방식에 의한 발생한 노이즈(Noise)를 포함한다. 심전도 노이즈 판별장치(500)는 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형을 감지하고, 노멀 박동(N), 심실상 박동(S), 심실 박동(V)을 분류한다. 심전도 노이즈 판별장치(500)는 P 파형, Q 파형, R 파형, S 파형, T 파형의 로컬라이제이션(Localization)로부터 특징지표값(Feature)를 산출한다.

심전도 노이즈 판별장치(500)는 입력된 심전도 파형에 대한 PR 인터벌(Interval), QRS 인터벌, QT 인터벌, ST 세그먼트, RR 인터벌을 구분한다.

심전도 노이즈 판별장치(500)는 PR 인터벌, QRS 인터벌, QT 인터벌, ST 세그먼트, RR 인터벌을 기반으로 P 파형, Q 파형, R 파형, S 파형, T 파형의 특징정보를 기반으로 박동을 분류(Classification)할 수 있다

심전도 노이즈 판별장치(500)는 심장 박동을 노멀 박동(Normal Beat)(N), 심실상 박동(Supraventricular beat)(S), 심실 박동(Ventricular Beat)(V)으로 분류한다. 심전도 노이즈 판별장치(500)는 심전도 파형을 판독할 때, 로컬라이제이션(Localization)과 분류(Classification)정보를 기반으로 이상 상태를 감지할 수 있다.

심전도 노이즈 판별장치(500)는 심전도 파형에 대해 로컬라이제이션을 수행한 후 특징 지표값을 산출하고, 특징 지표값을 이용하여

종류의 부정맥 감지 머신러닝 모델 설계(예컨대, 특징 지표값A, 특징 지표값B, 특징 지표값D를 이용하여 A 부정맥 감지, 특징 지표값B, 특징 지표값C, 특징 지표값E, 특징 지표값F를 이요아여 B 부정맥 잠지, 특징 지표값A, 특징 지표값F를 이용하여 이상박동 감지)한다.

심전도 노이즈 판별장치(500)는 세그멘테이션을 이용하여 정밀한 로컬라이제이션을 수힝하고, 로커라이제이션 결과를 기반으로 신뢰할 수 있을 만큼 정밀한 특징지표값을 얻을 수 있다. 심전도 노이즈 판별장치(500)는 특징지표값을 기반으로 다른 이상박동, 부정맥등을 감지하는데 이용한다.

심전도 노이즈 판별장치(500)는 심전도 파형에 대해 분류(Classification)를 수행하여 심장 박동을 노멀 박동(Normal Beat)(N), 심실상 박동(Supraventricular beat)(S), 심실 박동(Ventricular Beat)(V)로 분류하고, 부정맥을 감지한다.

심전도 노이즈 판별장치(500)는 심전도 파형에 세그먼테이션 기법을 적용하여, 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형, 노이즈 파형의 각 구간의 특징 지표값을 확인한다. 심전도 노이즈 판별장치(500)는 특징 지표값을 기반으로 심장 박동을 노멀 박동(N), 심실상 박동(S), 심실 박동(V), 노이즈를 빠르게 분류(Classification)하며, 노이즈를 제거하여 빠르고 정확하게 의학적인 판단이 이루어지도록 한다.

도 5는 본 실시예에 따른 심전도 노이즈 판별장치를 개략적으로 나타낸 도면이다.

본 실시예에 따른 심전도 노이즈 판별장치(500)는 심전도 파형 획득부(510), 분류부(520), 노이즈 선별부(530), 노이즈 제거부(540), 학습부(550), 이상 상태 검출부(560)를 포함한다. 심전도 노이즈 판별장치(500)에 포함된 구성요소는 반드시 이에 한정되는 것은 아니다.

심전도 노이즈 판별장치(500)에 포함된 각 구성요소는 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작할 수 있다. 이러한 구성요소는 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.

도 5에 도시된 심전도 노이즈 판별장치(500)의 각 구성요소는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 소프트웨어적인 모듈, 하드웨어적인 모듈 또는 소프트웨어와 하드웨어의 결합으로 구현될 수 있다.

심전도 파형 획득부(510)는 복수의 사람에 대한 심전도 파형을 획득한다. 심전도 파형 획득부(510)는 복수의 사람에 대한 심전도 파형을 1초당 256개씩 샘플로 획득한다. 심전도 파형 획득부(510)는 복수의 사람에 대한 심전도 파형을 1차원 데이터로 컨버팅한다.

분류부(520)는 심전도 파형에 세그먼테이션(Segmentation)을 적용하여, 심전도 파형 각 구간의 특징 지표값을 확인한다. 분류부(520)는 특징 지표값을 기반으로 각 구간별 분류(Classification)값을 레이블링(Labeling)한다.

분류부(520)는 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형, 노이즈 파형의 각 구간의 특징 지표값을 확인한다.

분류부(520)는 심전도 파형 각 구간별 특징 지표값을 기반으로 노이즈 확률값을 산출한다. 분류부(520)는 노이즈 확률값을 최대 1의 값을 갖도록 계산하여, 임계치 이상으로 높은 노이즈 확률값을 갖는 경우 노이즈로 판별하여 1의 값을 부여하고, 임계치 미만으로 낮은 확률값을 갖는 경우 정상으로 판별하여 0의 값을 부여한다. 분류부(520)는 1의 값을 갖는 구간을 노이즈로 레이블링한다.

분류부(520)는 특징 지표값을 기반으로 심전도 파형의 특정 구간이 베이스 라인으로 분류되면 0으로 레이블링한다. 분류부(520)는 특징 지표값을 기반으로 심전도 파형의 특정 구간이 P 파형으로 분류되면 1로 레이블링한다. 분류부(520)는 특징 지표값을 기반으로 심전도 파형의 특정 구간이 QRS 컴플렉스의 노멀 박동(N)으로 분류되면 2로 레이블링한다. 분류부(520)는 특징 지표값을 기반으로 심전도 파형의 특정 구간이 QRS 컴플렉스의 심실상 박동(S)으로 분류되면 3으로 레이블링한다. 분류부(520)는 특징 지표값을 기반으로 심전도 파형의 특정 구간이 QRS 컴플렉스의 심실 박동(V)으로 분류되면 4로 레이블링한다. 분류부(520)는 특징 지표값을 기반으로 심전도 파형의 특정 구간이 R 파형의 피크로 분류되면 5로 레이블링한다. 분류부(520)는 특징 지표값을 기반으로 심전도 파형의 특정 구간이 T 파형으로 분류되면 6으로 레이블링한다. 분류부(520)는 특징 지표값을 기반으로 심전도 파형의 특정 구간이 노이즈 파형으로 분류되면 7로 레이블링한다.

분류부(520)는 심전도 파형 중 P 파형, QRS 파형(노멀 박동(N), 심실상 박동(S), 심실 박동(V)), T 파형에 대한 값을 멀티 박동으로 기록한다.

노이즈 선별부(530)는 각 구간별 분류값을 기반으로 노이즈로 레이블링된 노이즈 파형만을 선별한다. 노이즈 제거부(540)는 노이즈로 레이블링된 노이즈 파형만을 제거한다.

학습부(550)는 노이즈 파형만을 입력으로 학습을 수행한 심전도 학습 결과를 생성한다. 이상 상태 검출부(560)는 노이즈로 레이블링된 값이 제거된 상태에서 각 구간별 분류값을 시계열적으로 확인하여 이상 상태(P 파형 다음에 QRS 파형이 아니라 다시 P 파형이 나오는 경우, 부정맥, 이상박동(S,V), ST, QTc 등)를 검출한다.

도 6은 본 실시예에 따른 2D 이미지 세그먼테이션과 1D 생체신호 세그먼테이션을 나타낸 도면이다.

심전도 노이즈 판별장치(500)는 심전도 파형에 세그먼테이션 알고리즘을 심전도(1차원 데이터)에 적용하여, 심전도 파형을 유의미한 단위로 세그먼테이션 한다.

심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘을 이용하여 심전도 파형을 감지하고 분류한다. 심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘을 이용하여 심전도 파형에서 영역을 정확하게 구분하는 데 이용된다.

도 6의(b)에 도시된 바와 같이, 움직임이나 접촉 상태에 따라 심전도 파형에 노이즈가 많이 섞여있는 경우, 심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘을 1차원으로 적용하여 노이즈를 제거할 수 있다.

심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘을 이용하여 구분한 다양한 노이즈 형태를 학습하고, 학습한 결과를 반영하여 심전도 파형에 발생한 다양한 노이즈를 제거할 수 있다.

심전도 노이즈 판별장치(500)는 노이즈를 판별하기 위한 샘플로 1초당 256개씩 샘플을 획득한다. 심전도 노이즈 판별장치(500)는 샘플이 노이즈인지 아닌지의 여부를 1 또는 0 방식으로 구분한다. 심전도 노이즈 판별장치(500)는 샘플이 노이즈인지를 판별하기 위해 노이즈 확률값으로 최대 1로 확률값으로 계산하여 높은 확률값을 노이즈로 판별하고, 낮은 확률값을 정상으로 판별한다.

심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘을 이용하여 ECG 뿐만 아니라 다양한 생체 신호에서도 노이즈를 검출할 수 있다.

도 6의 (a)는 로우 신호 데이터를 나타낸다. 도 6의 (b)는 모델에 의해 일정구간이 해당 클래스로 분류된 모습(구간을 해당 클래스로 어노테이션한 모습)을 나타낸다.

도 7은 본 실시예에 따른 클래스별 어노테이션 설정을 나타낸 도면이다.

심전도 노이즈 판별장치(500)는 심전도 파형에 세그먼테이션 기법을 적용하여, 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형, 노이즈 파형의 각 구간의 특징 지표값을 확인하여 분류한다.

심전도 노이즈 판별장치(500)는 심전도 파형에 세그먼테이션 기법을 적용하여 베이스 라인으로 분류하는 경우 0으로 레이블링한다.

심전도 노이즈 판별장치(500)는 심전도 파형에 세그먼테이션 기법을 적용하여 P 파형으로 분류하는 경우 1로 레이블링한다. 심전도 노이즈 판별장치(500)는 심전도 파형에 세그먼테이션 기법을 적용하여 QRS 컴플렉스의 노멀 박동(N)으로 분류하는 경우 2로 레이블링한다. 심전도 노이즈 판별장치(500)는 심전도 파형에 세그먼테이션 기법을 적용하여 QRS 컴플렉스의 심실상 박동(S)으로 분류하는 경우 3으로 레이블링한다. 심전도 노이즈 판별장치(500)는 심전도 파형에 세그먼테이션 기법을 적용하여 QRS 컴플렉스의 심실 박동(V)으로 분류하는 경우 4로 레이블링한다. 심전도 노이즈 판별장치(500)는 심전도 파형에 세그먼테이션 기법을 적용하여 R 파형의 피크로 분류하는 경우, 5로 레이블링한다. 심전도 노이즈 판별장치(500)는 심전도 파형에 세그먼테이션 기법을 적용하여 T 파형으로 분류하는 경우 6으로 레이블링한다. 심전도 노이즈 판별장치(500)는 심전도 파형에 세그먼테이션 기법을 적용하여 노이즈 파형으로 분류하는 경우 7로 레이블링한다.

심전도 노이즈 판별장치(500)는 심전도 파형 중 중요 파형들을 세그먼테이션 알고리즘을 이용하여 분류하고 멀티 레이블로 기록한다. 심전도 노이즈 판별장치(500)는 심전도 파형 중 P 파형, QRS 파형(N, S, V), T 파형에 대한 값을 멀티 비트로 기록한다. 예컨대, 심전도 노이즈 판별장치(500)는 총 7개의 레이블을 가진다.

심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘을 이용을 해서 P 파형, QRS 파형(N, S, V), T 파형, 노이즈 파형까지 포함을 해서 구분을 수행한다. 심전도 노이즈 판별장치(500)는 심전도 파형에서 P 파형, QRS 파형(N, S, V), T 파형, 노이즈 파형을 구분하기 위해서 세그먼테이션 알고리즘을 이용하고 학습하는데, 학습을 위한 입력 데이터를 각각의 타임 인덱스 별로 레이블링한다.

심전도 노이즈 판별장치(500)는 학습을 수행할 때, 파형의 형태를 입력하여 딥러닝한 결과를 이용하여 학습 모델을 생성한다. 심전도 노이즈 판별장치(500)는 레이블링된 숫자를 확인하여 숫자의 순서를 가지고도 심전도에 문제(P 파형 다음에 QRS 파형이 아니라 다시 P 파형이 나오는 경우)가 있는지 없는지를 사후적으로 확인할 수 있다. 심전도 노이즈 판별장치(500)는 심전도 문제를 확인하기 위해 피크를 찾을 필요없이 지표(레이블링된 숫자)들을 확인하여 심전도 문제를 확인할 수 있다.

도 8은 본 실시예에 따른 포인트 바이 포인트 어노테이션을 나타낸 도면이다.

심전도 노이즈 판별장치(500)는 노이즈 파형으로 분류된 파형만을 딥러닝 모델로 학습하기 위한 입력 데이터로 준비한다. 심전도 노이즈 판별장치(500)는 로우 데이터(Raw data) 및 로우 데이터에 대응하는 정답 데이터를 딥러닝 모델로 입력하여 학습 결과를 생성한다. 심전도 노이즈 판별장치(500)는 정답 데이터로서 클래스별 포인트 바이 포인트 방식으로 어노테이션한다.

심전도 노이즈 판별장치(500)는 1차원의 심전도값(value)을 이용하여 그래프 이미지에 반영하여 출력할 수 있다. 심전도 노이즈 판별장치(500)는 클래스별 포인트 바이 포인트 방식으로 어노테이션된 데이터를 지속적으로 누적하여 업데이트한다.

심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘을 이용하여 심전도 파형에 적용을 하는 과정에서, 심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘에 입력 데이터로 2차원 데이터를 1차원으로 컨버팅된 심전도 파형 데이터를 입력한다.

심전도 노이즈 판별장치(500)는 노이즈 데이터를 학습시킨 노이즈 학습 결과를 이용하므로, 노멀 데이터로 분류될 수 있는 데이터를 노이즈로 정확하게 분류할 수 있다.

심전도 노이즈 판별장치(500)는 노이즈 데이터에 레이블을 별도로 지정하여 학습에 이용될 수 있는 입력 데이터로 컨버팅한다. 심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘을 이용하여 심전도 파형 중간에 노이즈가 발생하면 노이즈로 분류를 수행한다.

심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘을 이용하여 심전도 파형 데이터에서 노이즈를 제거하면, 분석할 데이터가 줄어들게 되므로, 심전도 파형을 분석하는 데 소요되는 연산 시간을 줄일 수 있다.

세그먼테이션 알고리즘을 이용하여 별도의 노이즈 검출을 수행하지 않는 경우, 심전도 파형에서 노이즈를 박동(搏動)으로 인식해서 오판독 결과가 빈번하게 발생한다.

별도의 노이즈 검출을 미수행하는 경우 별도의 2차 판독을 수행하여 수기로 오판독 결과를 고치는데 많은 시간이 소요된다. 하지만, 본 실시예에 따른 심전도 노이즈 판별장치(500)는 초기 세그먼테이션 알고리즘을 이용하여 노이즈를 검출하면 이후 단계에서 노이즈로 레이블링된 데이터를 사용하지 않도록 처리한다.

다시 말해, 심전도 노이즈 판별장치(500)는 어노테이션 툴을 이용하여 입력된 초기 데이터에서 노이즈인지의 여부를 1차적으로 판단해 준다. 심전도 노이즈 판별장치(500)는 노이즈로 판별된 데이터를 딥러닝 모델을 학습시키고, 학습된 결과를 이용하여 이후 입력되는 심전도 파형의 노이즈를 검출한다.

도 9는 본 실시예에 따른 인코더-디코더 세그먼테이션 알고리즘 구조를 나타낸 도면이다.

심전도 노이즈 판별장치(500)는 인코더와 디코더 방식의 세그먼테이션 알고리즘으로 학습하여 세그먼테이션 모델을 생성한다. 심전도 노이즈 판별장치(500)는 딥러닝의 시멘틱 세그먼테이션을 수행하여 시계열적 데이터로부터 노이즈를 검출한다. 심전도 노이즈 판별장치(500)는 AI 세그먼테이션 알고리즘을 이용을 해서 노이즈 파형을 검출해서 제외시킨다.

기존에 노이즈를 검출하기 위해서 일정한 시그널 프로세싱(예컨대, FFT(Fast Fourier Transform))을 수행해야 하는데, 노이즈가 발생하는 형태가 너무 다양하기 때문에 분류할 수 있는 임계치의 한계상 실제로 노이즈를 제거하는 데 어려움이 존재한다.

본 실시예에 따른 심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘을 이용하여 다양한 노이즈 패턴을 학습시켜서, 정형화된 부분으로 심전도 파형에서 노이즈를 검출할 수 있다.

심전도 노이즈 판별장치(500)는 오토 인코더 세그먼테이션을 이용한다. 심전도 노이즈 판별장치(500)는 2차원 이미지가 입력 데이터로서 입력되면, 딥러닝을 수행하여 특징 벡터들을 인코딩한다.

심전도 노이즈 판별장치(500)는 디코더를 이용하여 출력에 맞는 레이블로 다 나눠질 수 있도록 디코딩을 수행한다. 심전도 노이즈 판별장치(500)는 인코더를 이용하여 압축을 수행하고, 디코더를 이용하여 출력에 맞는 레이블로 나눠지도록 디코딩을 수행한다.

심전도 노이즈 판별장치(500)는 로우 데이터를 기 학습된 학습 모델을 이용하여 학습하면, 노이즈를 판별하여 해당 구간에 대해 노이즈로 레이블링을 수행한다.

심전도 노이즈 판별장치(500)는 256분의 1초로 세그먼테이션 결과로 노이즈이면 1로 결과값을 표기하고, 노이즈가 아니면 0으로 결과값을 표기한다. 심전도 노이즈 판별장치(500)는 노이즈 인지의 여부를 표기한 결과값 중 1로 표기된 구간은 노이즈 구간으로 판독하여 이후 심전도 파형을 분석할 때 노이즈 구간을 제외하고 판독을 수행할 수 있다.

심전도 노이즈 판별장치(500)는 심전도 파형에서 각각 박동을 분류하고, 두 개 이상의 박동에 대한 리듬, 율동을 판독하는 처리 과정에서 노이즈 구간(1로 표기된 구간)을 제외하고 판독을 수행한다.

심전도 노이즈 판별장치(500)는 심전도 파형 중 유효한 파형에 대해서 분석 수행할 때, 노이즈 구간(1로 표기된 구간)을 제외하고 판독을 수행한다. 심전도 노이즈 판별장치(500)는 심전도 파형을 분석할 때, 시계열적인 인덱스에 맞게 레이블링된 1차원적인 값을 확인하여 노이즈 구간(1로 표기된 구간)을 제외하고 판독을 수행한다.

도 10은 본 실시예에 따른 포인트별 최종 출력값 출력과정을 나타낸 도면이다.

심전도 노이즈 판별장치(500)는 세그먼테이션 모델을 이용하여 심전도 파형의 구간별로 각 클래스에 대한 분류 확률값을 출력값을 갖는다. 심전도 노이즈 판별장치(500)는 심전도 파형의 구간별로 각 클래스에서 가장 높게 분류될 확률을 갖는 값으로 클래스를 최종 결정한다.

심전도 노이즈 판별장치(500)는 세그멘테이션 결과로서 노이즈 클래스도 베이스라인, N, S, V, R peak, 노이즈와 같이 한번에 출력한다.

심전도 노이즈 판별장치(500)는 세그먼테이션 모델을 이용하여 한 개의 포인트에 대해서 기 설정된 클래스의 확률값을 모두 출력하고(확률 모두 합쳐서 1), 최종적으로는 가장 확률이 높은 V(4)로 해당 포인트로 분류한다. 여기서, 포인트가 256개 모여 1초가 되고 2560개가 모여 10초의 영역이 된다. 심전도 노이즈 판별장치(500)는 노이즈를 임계치가 아닌 딥러닝 결과를 기반으로 결정한다.

도 11은 본 실시예에 따른 T 파형 시작점과 종료지점을 나타낸 도면이다.

심전도 노이즈 판별장치(500)는 포인트 바이 포인트로 최종 출력값이 나오기 때문에 각 구간에 대한 시작, 종료지점을 알 수 있다. 심전도 노이즈 판별장치(500)는 각 구간에 대한 클래스를 한 번에 식별할 수 있다. 심전도 노이즈 판별장치(500)는 경량화된 구조를 갖는 세그먼테이션 알고리즘을 이용하여 실시간으로 심전도 파형을 분석할 수 있다.

심전도 노이즈 판별장치(500)는 세그먼테이션 알고리즘을 이용하여 심전도 파형에서 노이즈를 판독한 결과 데이터를 레이블링된 일차원적인 인덱스에 맞게 기록한다. 심전도 노이즈 판별장치(500)는 노이즈 판독 결과에 따라 레이블을 0이나 1로 기록하거나 심전도 볼테이지 데이터가 기록될 수 있다.

심전도 노이즈 판별장치(500)는 심전도 볼테이지 데이터(로우 데이터)를 세그먼테이션 알고리즘에 입력하면, 그에 맞는 레이블 값이 출력된다. 심전도 노이즈 판별장치(500)는 심전도 볼테이지 데이터(로우 데이터)가 입력되면 세그먼테이션 알고리즘을 이용하여 특징 백터를 생성하고, 특징 벡터를 기반으로 노이즈인지의 여부를 판별한 결과값을 레이블링한다.

이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

500: 심전도 노이즈 판별장치
510: 심전도 파형 획득부
520: 분류부
530: 노이즈 선별부
540: 노이즈 제거부
550: 학습부
560: 이상 상태 검출부

Claims

복수의 사람에 대한 심전도 파형을 획득하는 심전도 파형 획득부;
상기 심전도 파형에 세그먼테이션(Segmentation)을 적용하여, 상기 심전도 파형 각 구간의 특징 지표값을 확인하고, 상기 특징 지표값을 기반으로 상기 각 구간별 분류(Classification)값을 레이블링(Labeling)하는 분류부 - 상기 분류부는 상기 심전도 파형의 2차원 이미지가 입력되면 딥러닝을 수행하여 특징 벡터들을 인코딩하고 디코더를 이용하여 상기 각 구간별 분류값에 해당하는 출력값이 레이블로 나눠질 수 있도록 디코딩을 수행함;
상기 각 구간별 분류값을 기반으로 노이즈로 레이블링된 노이즈 파형만을 선별하는 노이즈 선별부;
노이즈로 레이블링된 상기 노이즈 파형만을 제거하는 노이즈 제거부 - 상기 심전도 파형에 상기 노이즈 파형이 섞여 있는 것으로 판단된 경우, 상기 심전도 파형에 1차원으로 세그멘테이션이 적용되어 상기 노이즈 파형을 제거함 ;
상기 노이즈 선별부에서 선별된 상기 노이즈 파형만을 입력으로 딥러닝 모델을 학습시키고, 학습을 수행한 심전도 학습 결과를 생성하는 학습부; 및
상기 학습부를 통해 생성된 상기 심전도 학습 결과를 이용하여 이후 입력되는 심전도 파형의 시계열적 데이터로부터 노이즈가 검출되고 상기 노이즈 제거부를 통해 상기 노이즈로 레이블링된 값이 제거된 상태에서 상기 각 구간별 분류값을 시계열적으로 확인하여 이상 상태를 검출하고, P 파형 다음에 QRS 파형이 아니라 다시 P 파형이 나오는 경우가 있는지를 확인하여 부정맥 및 이상 박동을 검출하는 이상 상태 검출부를 포함하는 것을 특징으로 하는 심전도 노이즈 판별장치.
제1항에 있어서,
상기 분류부는,
상기 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형, 상기 노이즈 파형의 각 구간의 특징 지표값을 확인하는 것을 특징으로 하는 심전도 노이즈 판별장치.
제1항에 있어서,
상기 분류부는,
상기 심전도 파형 각 구간별 상기 특징 지표값을 기반으로 노이즈 확률값을 산출하고, 상기 노이즈 확률값을 최대 1의 값을 갖도록 계산하여, 임계치 이상으로 높은 노이즈 확률값을 갖는 경우 노이즈로 판별하여 1의 값을 부여하고, 임계치 미만으로 낮은 확률값을 갖는 경우 정상으로 판별하여 0의 값을 부여하는 것을 특징으로 하는 심전도 노이즈 판별장치.
제3항에 있어서,
상기 분류부는,
상기 1의 값을 갖는 구간을 상기 노이즈로 레이블링하는 것을 특징으로 하는 심전도 노이즈 판별장치.
삭제
제1항에 있어서,
상기 분류부는,
상기 특징 지표값을 기반으로 상기 심전도 파형의 특정 구간이 베이스 라인으로 분류되면 0으로 레이블링하고, 상기 특징 지표값을 기반으로 상기 심전도 파형의 특정 구간이 P 파형으로 분류되면 1로 레이블링하고, 상기 특징 지표값을 기반으로 상기 심전도 파형의 특정 구간이 R 파형의 피크로 분류되면 5로 레이블링하고, 상기 특징 지표값을 기반으로 상기 심전도 파형의 특정 구간이 T 파형으로 분류되면 6으로 레이블링하고, 상기 특징 지표값을 기반으로 상기 심전도 파형의 특정 구간이 노이즈 파형으로 분류되면 7로 레이블링하는 것을 특징으로 하는 심전도 노이즈 판별장치.
제1항에 있어서,
상기 분류부는,
상기 특징 지표값을 기반으로 상기 심전도 파형의 특정 구간이 QRS 컴플렉스의 노멀 박동(N)으로 분류되면 2로 레이블링하고, 상기 특징 지표값을 기반으로 상기 심전도 파형의 특정 구간이 QRS 컴플렉스의 심실상 박동(S)으로 분류되면 3으로 레이블링하고, 상기 특징 지표값을 기반으로 상기 심전도 파형의 특정 구간이 QRS 컴플렉스의 심실 박동(V)으로 분류되면 4로 레이블링하는 것을 특징으로 하는 심전도 노이즈 판별장치.
제1항에 있어서,
상기 심전도 파형 획득부는,
복수의 사람에 대한 상기 심전도 파형을 1초당 256개씩 샘플로 획득하는 것을 특징으로 하는 심전도 노이즈 판별장치.
삭제
제1항에 있어서,
상기 분류부는,
상기 심전도 파형 중 P 파형, QRS 파형(노멀 박동(N), 심실상 박동(S), 심실 박동(V)), T 파형에 대한 값을 멀티 박동으로 기록하는 것을 특징으로 하는 심전도 노이즈 판별장치.
삭제