KR102483854B1 - Method And Apparatus for Clustering ECG Signal - Google Patents

Method And Apparatus for Clustering ECG Signal Download PDF

Info

Publication number
KR102483854B1
KR102483854B1 KR1020220067834A KR20220067834A KR102483854B1 KR 102483854 B1 KR102483854 B1 KR 102483854B1 KR 1020220067834 A KR1020220067834 A KR 1020220067834A KR 20220067834 A KR20220067834 A KR 20220067834A KR 102483854 B1 KR102483854 B1 KR 102483854B1
Authority
KR
South Korea
Prior art keywords
clustering
waveform
group
beat
electrocardiogram
Prior art date
Application number
KR1020220067834A
Other languages
Korean (ko)
Inventor
최종두
송희석
이영신
Original Assignee
(주)씨어스테크놀로지
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 (주)씨어스테크놀로지 filed Critical (주)씨어스테크놀로지
Priority to KR1020220067834A priority Critical patent/KR102483854B1/en
Application granted granted Critical
Publication of KR102483854B1 publication Critical patent/KR102483854B1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Abstract

An electrocardiogram waveform clustering method and device are disclosed. In the electrocardiogram waveform clustering method and device of the present embodiment, electrocardiogram waveforms are clustered after down-sampling a significant portion of the sampled electrocardiogram waveform, and then clusters having similar shapes are merged based on the standard deviation of each clustering group to quickly and accurately select and cluster similarly shaped waveforms among electrocardiogram waveforms.

Description

심전도 파형 클러스터링 방법 및 장치{Method And Apparatus for Clustering ECG Signal}ECG waveform clustering method and apparatus {Method And Apparatus for Clustering ECG Signal}

본 발명의 일 실시예는 심전도 파형 클러스터링 방법 및 장치에 관한 것이다. An embodiment of the present invention relates to a method and apparatus for clustering electrocardiogram waveforms.

이하에 기술되는 내용은 단순히 본 실시예와 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다.The contents described below merely provide background information related to the present embodiment and do not constitute prior art.

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.An electrocardiogram reading system has been developed to assist medical personnel in analyzing the electrocardiogram. A conventional electrocardiogram reading system detects R, P, and T peaks of a waveform, and detects and classifies arrhythmias based on rules.

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.A conventional electrocardiogram reading system receives and analyzes all electrocardiogram signal data of a patient and outputs the result. Deep learning technology has been studied a lot recently as an electrocardiogram reading algorithm because it has higher accuracy than existing methods.

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. Arrhythmia judgment using electrocardiogram can only be performed by medical staff with certain qualifications, but the reality is that there is a shortage of manpower compared to demand. When reading an ECG, it takes a lot of time because the ECG signal must be read from various perspectives, such as calculating the time difference between the shapes and sections of the P, QRS, and T waveforms, and analyzing the ECG rhythm. Medical staff should observe the patient's condition in real time by monitoring the electrocardiogram of the bedridden patient, but continuous monitoring is difficult due to a lack of manpower. Since electrocardiogram analysis is directly related to the patient's life, it must be accurate and must be operated quickly in the event of an emergency.

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.Conventional electrocardiogram analysis sometimes uses the end points and start points of the P, QRS, and T waveform sections, but the conventional technique finds only peaks and is less useful. Rule-based algorithm design for arrhythmia detection and classification is less accurate due to the diversity of waveforms, and a new rule-based algorithm must be designed when arrhythmia is added.

심전도 자동 분석에 AI 알고리즘을 적용하더라도 사람마다 심전도 파형의 특색도 너무 다양하여 판독사가 판독해야 한다. 다시 말해, 종래의 AI를 이용하여 심전도 파형의 특징들을 추출하여 클러스터링을 하는 경우가 모양이 다른 파형들이 동일한 그룹으로 섞여있는 경우가 빈번하게 존재한다. 따라서, 심전도 파형을 정확하게 클러스터링하기 위해서는 각 파형마다 상관관계(Correlation)을 확인해야 하는데, 많은 시간이 소요되는 문제가 있다.Even if an AI algorithm is applied to the automatic electrocardiogram analysis, the characteristics of the electrocardiogram waveform vary too much for each person, so the reader needs to read it. In other words, when clustering is performed by extracting features of ECG waveforms using conventional AI, there are frequent cases in which waveforms having different shapes are mixed into the same group. Therefore, in order to accurately cluster the ECG waveforms, it is necessary to check the correlation for each waveform, but there is a problem in that it takes a lot of time.

본 실시예는 샘플링한 심전도 파형 중 중요한 부분을 위주로 다운 샘플링한 후 클러스터링한 후 각 클러스터링 그룹의 표준편차를 기반으로 유사한 모양을 갖는 클러스터를 병합하여 심전도 파형을 중 유사한 형태의 파형을 빠르고 정확하게 선별하여 클러스터링하도록 하는 심전도 파형 클러스터링 방법 및 장치를 제공하는 데 목적이 있다.In this embodiment, after downsampling an important part of the sampled ECG waveforms, clustering is performed, and clusters having a similar shape are merged based on the standard deviation of each clustering group to quickly and accurately select waveforms with similar shapes among the ECG waveforms. An object of the present invention is to provide a method and apparatus for clustering electrocardiogram waveforms.

본 실시예의 일 측면에 의하면, 심전도 파형 중 일부 구간을 샘플링(Sampling)한 샘플링 파형을 생성하는 샘플링부; 상기 샘플링 파형을 다운 샘플링(Down Sampling)한 다운 샘플링 파형을 생성하는 다운 샘플링부; 상기 다운 샘플링 파형을 파형의 진폭, 크기, 모양에 따라 복수의 클러스터링 그룹으로 클러스터링하는 클러스터링부; 상기 클러스터링 그룹 간의 대표 모양의 상관관계(Correlation)을 기반으로 상기 클러스터링 그룹을 병합하여 클러스터링 병합 그룹을 생성하는 클러스터 병합부; 상기 클러스터링 병합 그룹 중 RR 인터벌을 기반으로 심실상 박동(S)을 추가 클러스터링하는 추가 클러스터링부를 포함하는 것을 특징으로 하는 심전도 파형 클러스터링 장치를 제공한다.According to an aspect of the present embodiment, a sampling unit for generating a sampling waveform obtained by sampling a section of an electrocardiogram waveform; a down-sampling unit generating a down-sampling waveform obtained by down-sampling the sampling waveform; a clustering unit which clusters the down-sampled waveform into a plurality of clustering groups according to the amplitude, size, and shape of the waveform; a cluster merging unit generating a clustering merging group by merging the clustering groups based on a correlation of a representative shape between the clustering groups; An electrocardiogram waveform clustering device comprising an additional clustering unit for additionally clustering the supraventricular beats (S) based on the RR interval among the clustering merging groups.

이상에서 설명한 바와 같이 본 실시예에 의하면, 샘플링한 심전도 파형 중 중요한 부분을 위주로 다운 샘플링한 후 클러스터링한 후 각 클러스터링 그룹의 표준편차를 기반으로 유사한 모양을 갖는 클러스터를 병합하여 심전도 파형을 중 유사한 형태의 파형을 빠르고 정확하게 선별하여 클러스터링할 수 있는 효과가 있다.As described above, according to the present embodiment, after downsampling mainly important parts of the sampled ECG waveforms, clustering, and then merging clusters having similar shapes based on the standard deviation of each clustering group, the ECG waveforms are obtained in a similar shape. It has the effect of quickly and accurately selecting and clustering the waveforms of

본 실시예에 의하면, 빠른 심전도 파형 판독을 위해 판독 수정프로그램에 적용 가능한 효과가 있다.According to this embodiment, there is an effect that can be applied to the reading correction program for fast ECG waveform reading.

도 1은 본 실시예에 따른 심전도 파형 클러스터링 장치를 개략적으로 나타낸 블럭 구성도이다.
도 2는 본 실시예에 따른 본 실시예에 따른 심전도의 특징지표를 나타낸 도면이다.
도 3은 본 실시예에 따른 심전도 파형 클러스터링 방법을 설명하기 위한 순서도이다.
도 4는 본 실시예에 따른 클러스터 예시를 나타낸 도면이다.
도 5는 본 실시예에 따른 다운 샘플링 예시를 나타낸 도면이다.1 is a block diagram schematically illustrating an electrocardiogram waveform clustering apparatus according to an exemplary embodiment.
2 is a diagram showing characteristic indicators of an electrocardiogram according to the present embodiment according to the present embodiment.
3 is a flowchart illustrating a method for clustering electrocardiogram waveforms according to an exemplary embodiment.
4 is a diagram showing an example of a cluster according to this embodiment.
5 is a diagram illustrating an example of downsampling according to the present embodiment.

이하, 본 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, this embodiment will be described in detail with reference to the accompanying drawings.

도 1은 본 실시예에 따른 심전도 파형 클러스터링 장치를 개략적으로 나타낸 블럭 구성도이다.1 is a block diagram schematically illustrating an electrocardiogram waveform clustering apparatus according to an exemplary embodiment.

심전도 파형 클러스터링 장치(100)는 심전도 홀터(Holter) 검사를 이용하여 각 박동의 모양 또는 RR 인터벌(Interval)을 기반으로 심전도 파형이 정상 박동(Normal Beat)(N), 심실 박동(Ventricular Beat)(V), 심실상 박동(Supraventricular beat)(S)인지를 결정한다. 박동의 비율은 진단에 중요한 요소로 활용된다.The electrocardiogram waveform clustering device 100 uses an electrocardiogram Holter test to determine whether the electrocardiogram waveform is normal beat (N) or ventricular beat ( V), determine whether it is a supraventricular beat (S). The beat rate is used as an important factor in diagnosis.

심전도 파형 클러스터링 장치(100)는 심전도 파형 별로 클러스터링을 수행하여 좀 더 빠른 속도로 심전도 파형을 구분할 수 있도록 한다.The ECG waveform clustering apparatus 100 performs clustering for each ECG waveform so that ECG waveforms can be distinguished at a higher speed.

심전도 파형 클러스터링 장치(100)는 심전도 파형에서 R 피크점을 기준으로 이제 양쪽을 윈도잉(Windowing)한 후 샘플링한다. 심전도 파형 클러스터링 장치(100)는 가우시안 분포(Gaussian Distribution)를 이용하여 다운 샘플링을 수행하여 알고리즘의 처리 속도를 높인다. 다시 말해, 심전도 파형 클러스터링 장치(100)는 심전도 파형에서 R 피크가 가장 중요하므로 R 피크와 인접한 주변 영역을 촘촘하게 샘플링을 하고, R 피크와 멀어질수록 중요성이 떨어지기 때문에 듬성듬성 샘플링한다.The electrocardiogram waveform clustering apparatus 100 performs windowing on both sides of the electrocardiogram waveform based on the R peak point, and then samples. The ECG waveform clustering apparatus 100 increases the processing speed of the algorithm by performing down-sampling using a Gaussian distribution. In other words, since the R peak is the most important in the ECG waveform, the ECG waveform clustering apparatus 100 densely samples the R peak and adjacent areas, and sparsely samples the R peak as the importance decreases as the distance from the R peak increases.

심전도 파형 클러스터링 장치(100)는 다운 샘플링을 수행한 후 클러스터링을 수행한다. 심전도 파형 클러스터링 장치(100)는 클러스터링 후 다른 대표 모양을 갖는 파형이 클러스터링 그룹 내에 섞여 있을 수도 있기 때문에 각 클러스터링 그룹마다 표준편차(STD)를 계산한다.The ECG waveform clustering apparatus 100 performs clustering after down-sampling. After clustering, the ECG waveform clustering apparatus 100 calculates a standard deviation (STD) for each clustering group because waveforms having different representative shapes may be mixed in the clustering group.

심전도 파형 클러스터링 장치(100)는 표준편차가 임계치 이하인 경우 다음 단계로 넘어가고, 표준편차가 임계를 초과하는 경우 다시 한번 클러스터링을 수행하는 반복 과정을 거친다.The electrocardiogram clustering apparatus 100 goes to the next step when the standard deviation is less than or equal to the threshold value, and goes through an iterative process of performing clustering once again when the standard deviation exceeds the threshold value.

심전도 파형 클러스터링 장치(100)는 클러스터링 그룹의 표준편차가 임계치 이하가 되면 유사한 모양이 서로 구분된 경우가 존재할 수 있으므로, 클러스터링 그룹 내의 대표 모양의 상관관계 분석하여, 높은 상관관계를 갖는 클러스터링 그룹을 병합한다. The electrocardiogram waveform clustering apparatus 100 analyzes the correlation of the representative shapes in the clustering group and merges the clustering groups having high correlation, since there may be cases in which similar shapes are distinguished from each other when the standard deviation of the clustering group is below the threshold value. do.

심전도 파형 클러스터링 장치(100)는 병합이 완료된 클러스터링 그룹별로 심실상 박동(S)에 대해서만 RR 인터벌을 이용하여서 추가 클러스터링을 작업을 한다. The electrocardiogram waveform clustering apparatus 100 performs additional clustering by using the RR interval only for the supraventricular beats (S) for each clustering group in which the merge is completed.

심전도 파형 클러스터링 장치(100)는 유사한 박동끼리 구분하여 묶어 놓은 후 병합하는 형태로 세분화하는 클러스터링을 수행한다. 심전도 파형 클러스터링 장치(100)는 각각의 정상 박동(N), 심실상 박동(S), 심실 박동(V)별로 알고리즘을 적용하여 파형을 구분하는 클러스터링을 수행한다.The electrocardiogram waveform clustering apparatus 100 performs clustering in which similar beats are grouped together and subdivided in a form of merging. The ECG waveform clustering apparatus 100 performs clustering to classify waveforms by applying an algorithm for each normal beat (N), supraventricular beat (S), and ventricular beat (V).

심전도 파형 클러스터링 장치(100)는 각각의 정상 박동(N), 심실상 박동(S), 심실 박동(V)별로 구분한 후 다시 세분하는 정상 박동(N1~Nm), 심실상 박동(S1~Sm), 심실 박동(V1~Vm)으로 클러스터링하는 작업을 수행한다.The electrocardiogram waveform clustering apparatus 100 classifies each normal beat (N), supraventricular beat (S), and ventricular beat (V), and then further subdivides normal beat (N 1 to N m ), supraventricular beat (S). 1 ~S m ) and ventricular beats (V 1 ~V m ).

심전도 파형 클러스터링 장치(100)는 다운 샘플링된 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형을 감지하고, 정상 박동(N), 심실상 박동(S), 심실 박동(V)을 분류한다.The electrocardiogram waveform clustering device 100 detects P, Q, R, S, and T waveforms included in the downsampled electrocardiogram waveform, and detects normal beat (N), supraventricular beat (S), and ventricular beat ( V) is classified.

다시 말해, 심전도 파형 클러스터링 장치(100)는 정상 박동(N), 심실에 이상이 생겨서 나온 심실 박동(V), 심실을 제외한 나머지 부분에서 이상이 생겨서 나온 심실상 박동(S)으로 분류한다.In other words, the ECG waveform clustering apparatus 100 classifies normal beats (N), ventricular beats (V) resulting from an abnormality in the ventricles, and supraventricular beats (S) resulting from abnormalities in the rest of the ventricles.

심전도 파형 클러스터링 장치(100)는 다운 샘플링된 심전도 파형이 정상 박동(N)으로 분류되면, 정상 박동(N)을 파형의 진폭, 크기, 모양에 따라 제1 정상 박동(N1) 그룹 내지 제m 정상 박동(Nm) 그룹 중 하나로 세분화하여 분류한다.When the down-sampled ECG waveform is classified as a normal beat (N), the electrocardiogram waveform clustering apparatus 100 classifies the normal beat (N) into a first normal beat (N 1 ) group to mth group according to the amplitude, size, and shape of the waveform. It is classified by subdividing it into one of the normal beat (N m ) groups.

심전도 파형 클러스터링 장치(100)는 다운 샘플링된 심전도 파형이 심실상 박동(S)으로 분류되면, 심실상 박동(S)을 파형의 진폭, 크기, 모양에 따라 제1 심실상 박동(S1) 그룹 내지 제m 심실상 박동(Sm) 그룹 중 하나로 세분화하여 분류한다.When the ECG waveform clustering apparatus 100 classifies the downsampled ECG waveform into supraventricular beats (S), the supraventricular beats (S) are grouped into first supraventricular beats (S 1 ) according to the amplitude, size, and shape of the waveform. to mth supraventricular beat (S m ) subdivided into one of the groups.

심전도 파형 클러스터링 장치(100)는 다운 샘플링된 심전도 파형이 심실 박동(V)으로 분류되면, 심실 박동(V)을 파형의 진폭, 크기, 모양에 따라 제1 심실 박동(V1) 그룹 내지 제m 심실 박동(Vm) 그룹 중 하나로 세분화하여 분류한다.When the down-sampled ECG waveform is classified into ventricular beats (V), the electrocardiogram waveform clustering apparatus 100 classifies the ventricular beats (V) into first ventricular beats (V 1 ) group to m group according to the amplitude, size, and shape of the waveform. Subdivide and classify into one of the ventricular beat (V m ) groups.

심전도 파형 클러스터링 장치(100)는 다운 샘플링된 심전도 파형을 정상 박동(N1~Nm), 심실상 박동(S1~Sm), 심실 박동(V1~Vm) 중 하나의 클러스터링 그룹 분류하는 클러스터링을 수행한다.The ECG waveform clustering apparatus 100 classifies the downsampled ECG waveforms into one clustering group of normal beats (N 1 to N m ), supraventricular beats (S 1 to S m ), and ventricular beats (V 1 to V m ). clustering is performed.

심전도 파형 클러스터링 장치(100)는 클러스터링을 수행한 후 상관관계를 분석하여 병합하는 과정을 거친다. 심전도 파형 클러스터링 장치(100)는 심실상 박동(S)에 한해서만 RR 인터벌을 이용하여 좀 더 세분화하는 클러스터링을 추가로 수행한다.The ECG waveform clustering apparatus 100 performs clustering and then analyzes and merges correlations. The electrocardiogram waveform clustering apparatus 100 additionally performs more subdivided clustering using the RR interval only for the supraventricular beats (S).

본 실시예에 따른 심전도 파형 클러스터링 장치(100)는 샘플링부(110), 다운 샘플링부(120), 클러스터링부(130), 재 클러스터링부(140), 클러스터 병합부(150), 추가 클러스터링부(160)를 포함한다. 심전도 파형 클러스터링 장치(100)에 포함된 구성요소는 반드시 이에 한정되는 것은 아니다.Electrocardiogram waveform clustering apparatus 100 according to this embodiment includes a sampling unit 110, a downsampling unit 120, a clustering unit 130, a re-clustering unit 140, a cluster merging unit 150, an additional clustering unit ( 160). Components included in the ECG waveform clustering device 100 are not necessarily limited thereto.

샘플링부(110)는 심전도 파형 중 일부 구간을 샘플링(Sampling)한 샘플링 파형을 생성한다. 샘플링부(110)는 심전도 파형에서 R 피크점을 기준으로 앞, 뒤로 P 파형과 T 파형을 포함하도록 하는 구간을 샘플링한다.The sampling unit 110 generates a sampling waveform by sampling a section of the ECG waveform. The sampling unit 110 samples a section including a P wave and a T wave in front and back based on the R peak point in the ECG waveform.

다운 샘플링부(120)는 샘플링 파형을 다운 샘플링(Down Sampling)한 다운 샘플링 파형을 생성한다. 다운 샘플링부(120)는 가우시안 분포를 이용하여 샘플링 파형 중 R 피크점에 인접할수록 촘촘하게 샘플링하고, R 피크점으로부터 멀어질수록 띄엄띄엄하게 샘플링하는 다운 샘플링을 수행한다.The down-sampling unit 120 generates a down-sampling waveform obtained by down-sampling the sampling waveform. The down-sampling unit 120 performs down-sampling by using a Gaussian distribution, in which sampling is denser as it is closer to the R peak point in the sampling waveform and more sparsely sampled as it is farther from the R peak point.

클러스터링부(130)는 다운 샘플링 파형을 파형의 진폭, 크기, 모양에 따라 복수의 클러스터링 그룹으로 클러스터링한다. 클러스터링부(130)는 다운 샘플링 파형의 진폭, 크기, 모양에 따라 정상 박동(N), 심실상 박동(S), 심실 박동(V) 하나로 분류하여 클러스터링한다.The clustering unit 130 clusters the downsampled waveform into a plurality of clustering groups according to the amplitude, size, and shape of the waveform. The clustering unit 130 classifies and clusters the downsampled waveforms into normal beats (N), supraventricular beats (S), and ventricular beats (V) according to the amplitude, size, and shape of the downsampled waveform.

클러스터링부(130)는 다운 샘플링 파형이 정상 박동(N)으로 분류되면, 정상 박동(N)을 파형의 진폭, 크기, 모양에 따라 제1 정상 박동(N1) 그룹 내지 제m 정상 박동(Nm) 그룹 중 하나로 세분화하여 분류한다.When the downsampling waveform is classified as normal beats (N), the clustering unit 130 classifies the normal beats (N) into the first normal beat (N 1 ) group to the mth normal beat (N) according to the amplitude, size, and shape of the waveform. m ) Subdivided into one of the groups and classified.

클러스터링부(130)는 다운 샘플링 파형이 심실상 박동(S)으로 분류되면, 심실상 박동(S)을 파형의 진폭, 크기, 모양에 따라 제1 심실상 박동(S1) 그룹 내지 제m 심실상 박동(Sm) 그룹 중 하나로 세분화하여 분류한다.When the down-sampling waveform is classified into supraventricular beats S, the clustering unit 130 classifies the supraventricular beats S according to the amplitude, size, and shape of the waveform in the first group to the mth heart. It is classified by subdividing it into one of the real beat (S m ) groups.

클러스터링부(130)는 다운 샘플링 파형이 심실 박동(V)으로 분류되면, 심실 박동(V)을 파형의 진폭, 크기, 모양에 따라 제1 심실 박동(V1) 그룹 내지 제m 심실 박동(Vm) 그룹 중 하나로 세분화하여 분류한다.When the downsampling waveform is classified into ventricular beats (V), the clustering unit 130 classifies the ventricular beats (V) according to the amplitude, magnitude, and shape of the waveform, to group the first ventricle beat (V 1 ) to the mth ventricle beat (V). m ) Subdivided into one of the groups and classified.

재 클러스터링부(140)는 클러스터링 그룹별 표준편차(STD: Standard Deviation)를 산출한 후 표준편차(STD)와 기 설정된 임계치(Threshold)를 비교 결과에 따라 클러스터링 그룹 내의 다운 샘플링 파형을 다시 클러스터링한다.The re-clustering unit 140 calculates a standard deviation (STD) for each clustering group, and then re-clusters the downsampled waveforms in the clustering group according to a comparison result between the standard deviation (STD) and a preset threshold.

재 클러스터링부(140)는 클러스터링 그룹(제1 정상 박동(N1) 그룹 내지 제m 정상 박동(Nm) 그룹, 제1 심실상 박동(S1) 그룹 내지 제m 심실상 박동(Sm) 그룹, 제1 심실 박동(V1) 그룹 내지 제m 심실 박동(Vm) 그룹)마다 표준편차(STD)를 산출한 후 표준편차(STD)가 설정된 임계치(Threshold)를 초과(STD > Threshold)하는 지의 여부를 확인한다.The re-clustering unit 140 includes a clustering group (first normal beat (N 1 ) group to m th normal beat (N m ) group, first supraventricular beat (S 1 ) group to m th supraventricular beat (S m ) group) After calculating the standard deviation (STD) for each group, the first ventricular beat (V 1 ) group to the mth ventricular beat (V m ) group), the standard deviation (STD) exceeds the set threshold (STD > Threshold) check whether or not

재 클러스터링부(140)는 클러스터링 그룹(제1 정상 박동(N1) 그룹 내지 제m 정상 박동(Nm) 그룹, 제1 심실상 박동(S1) 그룹 내지 제m 심실상 박동(Sm) 그룹, 제1 심실 박동(V1) 그룹 내지 제m 심실 박동(Vm) 그룹)의 표준편차(STD)가 기 설정된 임계치(Threshold)를 초과(STD > Threshold) 하는 경우, 클러스터링 그룹 내의 서로 다른 모양을 갖는 파형이 섞여 있는 것으로 인지하여 다시 클러스터링을 수행한다.The re-clustering unit 140 includes a clustering group (first normal beat (N 1 ) group to m th normal beat (N m ) group, first supraventricular beat (S 1 ) group to m th supraventricular beat (S m ) group) group, when the standard deviation (STD) of the first ventricular beat (V 1 ) group to the mth ventricular beat (V m ) group) exceeds a preset threshold (STD > Threshold), different groups within the clustering group Clustering is performed again by recognizing that waveforms having shapes are mixed.

클러스터 병합부(150)는 클러스터링 그룹 간의 대표 모양의 상관관계(Correlation)을 기반으로 클러스터링 그룹을 병합하여 클러스터링 병합 그룹을 생성한다.The cluster merging unit 150 generates a clustering merging group by merging the clustering groups based on the correlation of the representative shape between the clustering groups.

클러스터 병합부(150)는 클러스터링 그룹의 표준편차(STD)가 기 설정된 임계치(Threshold)를 이하(STD ≤ Threshold)인 경우, 각각의 클러스터링 그룹 내의 다운 샘플링 파형의 중앙값(Median)을 대표 모양으로 선별한다. 이후, 클러스터 병합부(150)는 클러스터링 그룹 간의 상관관계(Correlation)를 분석한 후 기 설정된 임계치보다 높은 상관관계를 갖는 클러스터링 그룹을 서로 병합한다.The cluster merging unit 150 selects the median of the downsampled waveforms in each clustering group as a representative shape when the standard deviation (STD) of the clustering group is less than or equal to a preset threshold (STD ≤ Threshold). do. Thereafter, the cluster merging unit 150 analyzes the correlation between the clustering groups and then merges the clustering groups having a higher correlation than a predetermined threshold.

클러스터 병합부(150)는 기 설정된 임계치보다 높은 상관관계를 갖는 클러스터링 그룹은 서로 유사한 대표 모양을 갖는 클러스터로 판단하여 클러스터링 그룹을 서로 병합한다.The cluster merging unit 150 determines that clustering groups having a correlation higher than a preset threshold are clusters having similar representative shapes, and merges the clustering groups with each other.

추가 클러스터링부(160)는 클러스터링 병합 그룹 중 RR 인터벌을 기반으로 심실상 박동(S)을 추가 클러스터링한다. 추가 클러스터링부(160)는 클러스터링 병합 그룹에 대해 R 피크값을 기준으로 Pre-RR 인터벌과 Post-RR 인터벌의 길이를 기반으로 심실상 박동(S)에 대한 추가 클러스터링을 수행한다.The additional clustering unit 160 additionally clusters the supraventricular beats S based on the RR interval of the clustering merge group. The additional clustering unit 160 performs additional clustering on the supraventricular beats (S) based on the lengths of the Pre-RR interval and the Post-RR interval based on the R peak value for the clustering merge group.

도 2는 본 실시예에 따른 심전도의 특징지표를 나타낸 도면이다.2 is a diagram showing characteristic indicators of an electrocardiogram according to the present embodiment.

심전도 파형 클러스터링 장치(100)는 획득한 ECG(Electrocardiogram) 정보를 기반으로 심전도 파형에 포함된 P 파형, QRS-complex(N,S,V), T 파형, 노이즈 파형을 파형 단위로 분할한다.The electrocardiogram waveform clustering apparatus 100 divides the P waveform, QRS-complex (N, S, V), T waveform, and noise waveform included in the electrocardiogram waveform into waveform units based on the acquired electrocardiogram (ECG) information.

심전도 파형은 박동의 연속으로 나타나지며, 박동은 크게 정상 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.An electrocardiogram waveform appears as a series of beats, and beats can be largely divided into normal beat (N), supraventricular beat (S), and ventricular beat (V). One beat of the ECG waveform basically includes a P waveform, a QRS waveform, and a T waveform.

심전도 파형에서 비침습적 생체신호 수집방식에 의한 발생한 노이즈(Noise)를 포함한다. 심전도 파형 클러스터링 장치(100)는 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형을 감지하고, 정상 박동(N), 심실상 박동(S), 심실 박동(V)을 분류한다. 심전도 파형 클러스터링 장치(100)는 P 파형, Q 파형, R 파형, S 파형, T 파형의 로컬라이제이션(Localization)으로부터 특징지표값(Feature)을 산출한다.It includes noise generated by the non-invasive bio-signal collection method in the electrocardiogram waveform. The electrocardiogram waveform clustering device 100 detects P, Q, R, S, and T waveforms included in the electrocardiogram, and identifies normal beats (N), supraventricular beats (S), and ventricular beats (V). Classify. The electrocardiogram waveform clustering apparatus 100 calculates a feature value (Feature) from the localization of the P, Q, R, S, and T waveforms.

심전도 파형 클러스터링 장치(100)는 입력된 심전도 파형에 대한 PR 인터벌(Interval), QRS 인터벌, QT 인터벌, ST 세그먼트, RR 인터벌을 구분한다.The ECG waveform clustering apparatus 100 classifies a PR interval, QRS interval, QT interval, ST segment, and RR interval for the input ECG waveform.

심전도 파형 클러스터링 장치(100)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 있다The ECG waveform clustering apparatus 100 classifies beats based on characteristic information of P, Q, R, S, and T waveforms based on PR intervals, QRS intervals, QT intervals, ST segments, and RR intervals (Classification )can do

심전도 파형 클러스터링 장치(100)는 심장 박동을 정상 박동(Normal Beat)(N), 심실상 박동(Supraventricular beat)(S), 심실 박동(Ventricular Beat)(V)으로 분류한다. 심전도 파형 클러스터링 장치(100)는 심전도 파형을 판독할 때, 로컬라이제이션(Localization)과 분류(Classification)정보를 기반으로 이상 상태를 감지할 수 있다.The electrocardiogram waveform clustering apparatus 100 classifies heart beats into normal beat (N), supraventricular beat (S), and ventricular beat (V). When reading ECG waveforms, the ECG waveform clustering apparatus 100 may detect abnormal conditions based on localization and classification information.

심전도 파형 클러스터링 장치(100)는 심전도 파형에 대해 로컬라이제이션을 수행한 후 특징 지표값을 산출하고, 특징 지표값을 이용하여 이상상태(부정맥, 이상박동(S,V), ST, QTc 등)를 감지한다.The electrocardiogram waveform clustering apparatus 100 performs localization on the electrocardiogram waveform, calculates characteristic index values, and detects abnormal conditions (arrhythmia, abnormal beats (S, V), ST, QTc, etc.) using the characteristic index values do.

심전도 파형 클러스터링 장치(100)는 부정맥 감지 머신러닝 모델(예컨대, 특징 지표값A, 특징 지표값B, 특징 지표값D를 이용하여 A 부정맥 감지, 특징 지표값B, 특징 지표값C, 특징 지표값E, 특징 지표값F를 이용하여 B 부정맥 잠지, 특징 지표값A, 특징 지표값F를 이용하여 이상박동 감지)을 이용하여 이상상태(부정맥, 이상박동(S,V), ST, QTc 등)를 감지한다.The ECG waveform clustering apparatus 100 detects arrhythmia A, characteristic index value B, characteristic index value C, and characteristic index value using an arrhythmia detection machine learning model (eg, feature index value A, characteristic index value B, and characteristic index value D). E, B arrhythmia lock using characteristic index value F, abnormal beat detection using characteristic index value A, characteristic index value F) using abnormal conditions (arrhythmia, abnormal beats (S,V), ST, QTc, etc.) detect

심전도 파형 클러스터링 장치(100)는 세그멘테이션을 이용하여 정밀한 로컬라이제이션을 수행하고, 로컬라이제이션 결과를 기반으로 신뢰할 수 있을 만큼 정밀한 특징지표값을 얻을 수 있다. 심전도 파형 클러스터링 장치(100)는 특징지표값을 기반으로 다른 이상박동, 부정맥 등을 감지하는데 이용한다.The electrocardiogram waveform clustering apparatus 100 may perform precise localization using segmentation and obtain reliable and precise feature index values based on the localization result. The electrocardiogram waveform clustering device 100 is used to detect other abnormal beats, arrhythmias, etc. based on the characteristic index value.

심전도 파형 클러스터링 장치(100)는 심전도 파형에 대해 분류(Classification)를 수행하여 심장 박동을 정상 박동(Normal Beat)(N), 심실상 박동(Supraventricular beat)(S), 심실 박동(Ventricular Beat)(V)으로 분류하고, 부정맥을 감지한다.The electrocardiogram waveform clustering apparatus 100 performs classification on the electrocardiogram waveform and classifies the heart beat into normal beat (N), supraventricular beat (S), and ventricular beat ( V), and detect arrhythmias.

심전도 파형 클러스터링 장치(100)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 파형 클러스터링 장치(100)는 특징 지표값을 기반으로 심장 박동을 정상 박동(N), 심실상 박동(S), 심실 박동(V), 노이즈를 빠르게 분류(Classification)하며, 노이즈를 제거하여 빠르고 정확하게 의학적인 판단이 이루어지도록 한다.The electrocardiogram waveform clustering apparatus 100 applies the segmentation technique to the electrocardiogram waveform and checks the characteristic indicator value of each section of the P waveform, Q waveform, R waveform, S waveform, T waveform, and noise waveform included in the electrocardiogram waveform. The electrocardiogram waveform clustering device 100 quickly classifies heart beats into normal beats (N), supraventricular beats (S), ventricular beats (V), and noise based on the characteristic index value, and removes the noise to quickly and quickly To make an accurate medical judgment.

도 3은 본 실시예에 따른 심전도 파형 클러스터링 방법을 설명하기 위한 순서도이다.3 is a flowchart illustrating a method for clustering electrocardiogram waveforms according to an exemplary embodiment.

심전도 파형 클러스터링 장치(100)는 심전도 파형에서 R 피크점을 기준으로 P 파형과 T 파형을 포함하도록 앞, 뒤로 기 설정된 일정 간격을 자른 샘플링을 수집한다(S310).The electrocardiogram waveform clustering apparatus 100 collects samples cut at predetermined intervals forward and backward to include the P waveform and the T waveform based on the R peak point in the electrocardiogram waveform (S310).

단계 S310에서, 심전도 파형 클러스터링 장치(100)는 복수 개의 시계열적으로 수집된 심전도 파형을 대상으로 한다.In step S310, the ECG waveform clustering apparatus 100 targets a plurality of time-sequentially collected ECG waveforms.

심전도 파형 클러스터링 장치(100)는 샘플링수가 많으면 클러스터링 시 시간이 많이 소요되므로, 다운샘플링(Down Sampling)을 수행한다(S320).The electrocardiogram waveform clustering apparatus 100 performs down sampling because it takes a lot of time for clustering when the number of sampling is large (S320).

단계 S320에서, 심전도 파형 클러스터링 장치(100)는 가우시안 분포와 같이 가장 중요한 부분인 R 피크점에 인접할수록 촘촘하고, R 피크점으로부터 멀어질수록 띄엄띄엄하도록 샘플링을 수행한다. 단계 S320에서, 심전도 파형 클러스터링 장치(100)는 알고리즘 속도를 빠르게 처리하기 위해 다운샘플링을 수행한다.In step S320, the electrocardiogram waveform clustering apparatus 100 performs sampling such that, like a Gaussian distribution, the sampling is denser as it is closer to the R peak point, which is the most important part, and more sparse as it is farther from the R peak point. In step S320, the ECG waveform clustering apparatus 100 performs downsampling to speed up the algorithm speed.

심전도 파형 클러스터링 장치(100)는 다운 샘플링된 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형을 감지하고, 정상 박동(N), 심실상 박동(S), 심실 박동(V)을 분류한다.The electrocardiogram waveform clustering device 100 detects P, Q, R, S, and T waveforms included in the downsampled electrocardiogram waveform, and detects normal beat (N), supraventricular beat (S), and ventricular beat ( V) is classified.

다시 말해, 심전도 파형 클러스터링 장치(100)는 정상 박동(N), 심실에 이상이 생겨서 나온 심실 박동(V), 심실을 제외한 나머지 부분에서 이상이 생겨서 나온 심실상 박동(S)으로 분류한다.In other words, the ECG waveform clustering apparatus 100 classifies normal beats (N), ventricular beats (V) resulting from an abnormality in the ventricles, and supraventricular beats (S) resulting from abnormalities in the rest of the ventricles.

심전도 파형 클러스터링 장치(100)는 다운 샘플링된 심전도 파형이 정상 박동(N)으로 분류되면, 정상 박동(N)을 파형의 진폭, 크기, 모양에 따라 제1 정상 박동(N1) 그룹 내지 제m 정상 박동(Nm) 그룹 중 하나로 세분화하여 분류한다.When the down-sampled ECG waveform is classified as a normal beat (N), the electrocardiogram waveform clustering apparatus 100 classifies the normal beat (N) into a first normal beat (N 1 ) group to mth group according to the amplitude, size, and shape of the waveform. It is classified by subdividing it into one of the normal beat (N m ) groups.

심전도 파형 클러스터링 장치(100)는 다운 샘플링된 심전도 파형이 심실상 박동(S)으로 분류되면, 심실상 박동(S)을 파형의 진폭, 크기, 모양에 따라 제1 심실상 박동(S1) 그룹 내지 제m 심실상 박동(Sm) 그룹 중 하나로 세분화하여 분류한다.When the ECG waveform clustering apparatus 100 classifies the downsampled ECG waveform into supraventricular beats (S), the supraventricular beats (S) are grouped into first supraventricular beats (S 1 ) according to the amplitude, size, and shape of the waveform. to mth supraventricular beat (S m ) subdivided into one of the groups.

심전도 파형 클러스터링 장치(100)는 다운 샘플링된 심전도 파형이 심실 박동(V)으로 분류되면, 심실 박동(V)을 파형의 진폭, 크기, 모양에 따라 제1 심실 박동(V1) 그룹 내지 제m 심실 박동(Vm) 그룹 중 하나로 세분화하여 분류한다.When the down-sampled ECG waveform is classified into ventricular beats (V), the electrocardiogram waveform clustering apparatus 100 classifies the ventricular beats (V) into first ventricular beats (V 1 ) group to m group according to the amplitude, size, and shape of the waveform. Subdivide and classify into one of the ventricular beat (V m ) groups.

심전도 파형 클러스터링 장치(100)는 다운 샘플링된 심전도 파형을 정상 박동(N1~Nm), 심실상 박동(S1~Sm), 심실 박동(V1~Vm) 중 하나의 클러스터링 그룹 분류하는 클러스터링을 수행한다(S330).The ECG waveform clustering apparatus 100 classifies the downsampled ECG waveforms into one clustering group of normal beats (N 1 to N m ), supraventricular beats (S 1 to S m ), and ventricular beats (V 1 to V m ). clustering is performed (S330).

심전도 파형 클러스터링 장치(100)는 각각의 클러스터링 그룹(제1 정상 박동(N1) 그룹 내지 제m 정상 박동(Nm) 그룹, 제1 심실상 박동(S1) 그룹 내지 제m 심실상 박동(Sm) 그룹, 제1 심실 박동(V1) 그룹 내지 제m 심실 박동(Vm) 그룹)마다 표준편차(STD: Standard Deviation)를 산출한 후 표준편차(STD)가 설정된 임계치(Threshold)를 초과(STD > Threshold)하는 지의 여부를 확인한다(S340).The electrocardiogram waveform clustering apparatus 100 includes each of the clustering groups (first normal beat (N 1 ) group to m th normal beat (N m ) group, first supraventricular beat (S 1 ) group to m th supraventricular beat ( After calculating the standard deviation (STD) for each S m ) group, the first ventricular beat (V 1 ) group to the mth ventricular beat (V m ) group), the standard deviation (STD) is set at a threshold It is checked whether it exceeds (STD > Threshold) (S340).

단계 S340의 확인 결과, 클러스터링 그룹(제1 정상 박동(N1) 그룹 내지 제m 정상 박동(Nm) 그룹, 제1 심실상 박동(S1) 그룹 내지 제m 심실상 박동(Sm) 그룹, 제1 심실 박동(V1) 그룹 내지 제m 심실 박동(Vm) 그룹)의 표준편차(STD)가 기 설정된 임계치(Threshold)를 초과(STD > Threshold) 하는 경우, 심전도 파형 클러스터링 장치(100)는 클러스터링 그룹 내의 서로 다른 모양을 갖는 파형이 섞여 있는 것으로 인지하여 다시 클러스터링을 수행하는 단계 S330을 수행하도록 한다. As a result of checking in step S340, the clustering groups (the first normal beat (N 1 ) group to the mth normal beat (N m ) group, the first supraventricular beat (S 1 ) group to the mth supraventricular beat (S m ) group) , the first ventricular beat (V 1 ) group to the mth ventricular beat (V m ) group) when the standard deviation (STD) exceeds a preset threshold (STD > Threshold), the ECG waveform clustering device (100 ) recognizes that waveforms having different shapes in the clustering group are mixed, and performs step S330 of performing clustering again.

다시 말해, 심전도 파형 클러스터링 장치(100)는 서로 다른 모양을 갖는 파형이 섞여 있는 경우, 클러스터링 그룹의 표준편차(STD) 값이 높게 산출되므로, 높은 표준편차(STD) 값을 갖는 클러스터 그룹을 다시 클러스터링한다.In other words, since the standard deviation (STD) value of the clustering group is calculated to be high when waveforms having different shapes are mixed, the electrocardiogram waveform clustering apparatus 100 re-clusters the cluster group having the high standard deviation (STD) value. do.

단계 S340의 확인 결과, 심전도 파형 클러스터링 장치(100)는 각 클러스터링 그룹별 표준편차를 계산할 때, 박동(Beat)별 클러스터링 작업이 완료된 이후에 분류된 세부 클러스터별로 표준편차를 계산한다. 심전도 파형 클러스터링 장치(100)는 표준편차(STD) 값이 기 설정된 임계범위에 있으면, 유사한 파형끼리 클러스터링된 것으로 판단한다. 심전도 파형 클러스터링 장치(100)는 표준편차 값이 기 설정된 임계범위를 벗어나면, 유사한 파형끼리 클러스터링 되지 않은 것으로 판단하여 다시 세분화하는 클러스터링을 수행한다.As a result of checking in step S340, when calculating the standard deviation for each clustering group, the ECG waveform clustering apparatus 100 calculates the standard deviation for each subclass classified after the clustering task for each beat is completed. The ECG waveform clustering apparatus 100 determines that similar waveforms are clustered when the standard deviation (STD) value is within a preset threshold range. The electrocardiogram waveform clustering apparatus 100 determines that similar waveforms are not clustered when the standard deviation value is out of a predetermined threshold range, and performs clustering to subdivide again.

단계 S340의 확인 결과, 클러스터링 그룹의 표준편차(STD)가 기 설정된 임계치(Threshold)를 이하(STD ≤ Threshold)인 경우, 심전도 파형 클러스터링 장치(100)는 각각의 클러스터링 그룹에서 샘플의 중앙값(Median)을 대표 모양으로 선별하여 모든 그룹 간의 상관관계(Correlation)을 기반으로 심전도 파형의 R 피크값이 일정값 이상이면 클러스터링 그룹을 병합한다(S350).As a result of checking in step S340, if the standard deviation (STD) of the clustering group is less than or equal to the preset threshold (STD ≤ Threshold), the ECG waveform clustering apparatus 100 determines the median value (Median) of the samples in each clustering group. is selected as a representative shape, and clustering groups are merged if the R peak value of the ECG waveform is greater than a certain value based on the correlation between all groups (S350).

단계 S350에서, 심전도 파형 클러스터링 장치(100)는 유사한 대표 모양을 갖는 파형이 서로 다른 클러스터링 그룹으로 분리된 경우, 해당 클러스터링 그룹을 병합한다. 단계 S350에서, 심전도 파형 클러스터링 장치(100)는 클러스터 그룹 내에서 중간값을 이용하여 대표 모양의 상관관계를 분석해서 유사한 파형끼리 병합한다.In step S350, when waveforms having similar representative shapes are separated into different clustering groups, the ECG waveform clustering apparatus 100 merges the corresponding clustering groups. In step S350, the ECG waveform clustering apparatus 100 analyzes the correlation of representative shapes using the median value within the cluster group, and merges similar waveforms.

심전도 파형 클러스터링 장치(100)는 병합된 클러스터링 그룹 중 RR 인터벌을 기반으로 심전도 파형이 심실상 박동(Supraventricular beats)인지의 여부를 추가로 확인한다(S360).The electrocardiogram waveform clustering apparatus 100 further checks whether the electrocardiogram waveform is supraventricular beats based on the RR interval among the merged clustering groups (S360).

단계 S360에서, 심전도 파형 클러스터링 장치(100)는 병합이 완료된 클러스터 그룹 중에 심실상 박동(S)이 존재하는 경우, 추가 클러스터링을 수행한다. 심전도 파형 클러스터링 장치(100)는 클러스터 그룹 중 유사한 파형을 다시 병합한 후 세분화 작업을 박동(Beat)별로 완성한다.In step S360, the ECG waveform clustering apparatus 100 performs additional clustering when there is a supraventricular beat (S) in the merged cluster group. The electrocardiogram waveform clustering apparatus 100 merges similar waveforms among the cluster groups again, and then completes the subdivision task for each beat.

단계 S360의 확인 결과, 심전도 파형이 심실상 박동(Supraventricular beats)인 경우, 심전도 파형 클러스터링 장치(100)는 심실상 박동에서 모양뿐만 아니라 RR 인터벌도 중요하므로 모든 과정이 끝난 후 각 그룹에서 pre-RR 인터벌과 post-RR 인터벌을 이용하여 추가 클러스터링을 수행한다(S370).As a result of checking in step S360, if the electrocardiogram waveform is supraventricular beats, the electrocardiogram waveform clustering device 100 determines not only the shape but also the RR interval in the supraventricular beats. Additional clustering is performed using the interval and the post-RR interval (S370).

단계 S370에서, 심전도 파형 클러스터링 장치(100)는 RR 인터벌을 이용하여 심실상 박동(S)을 다시 클러스터링을 수행한다. 다시 말해, 심전도 파형 클러스터링 장치(100)는 심실상 박동(S)의 대표 모양이 동일하라도 Pre-RR 인터벌, Post-RR 인터벌에 따라 분류를 한다.In step S370, the ECG waveform clustering apparatus 100 performs clustering again on the supraventricular beats S using the RR interval. In other words, the ECG waveform clustering apparatus 100 classifies according to the Pre-RR interval and the Post-RR interval even if the representative shapes of the ventricular beats (S) are the same.

단계 S370 이후, 심전도 파형 클러스터링 장치(100)는 대표 모양별로 클러스터링하여 추후 대학 병원 등에서 클러스터링된 파형의 판별 결과에 따라 파형값을 한 번에 바꿀 수 있도록 한다.After step S370, the ECG waveform clustering apparatus 100 clusters each representative shape so that a university hospital or the like can change the waveform values at once according to the result of discriminating the clustered waveforms.

예컨대, 종래의 방식으로 판독자가 대표적인 파형을 일일이 판별하는 경우, 하루에 10만개 이상의 파형을 판별해야 하므로, 심전도 파형 클러스터링 장치(100)가 클러스터링을 수행하면, 몇십개에서 몇백개 단위로 클러스터링을 수행한다. 심전도 파형 클러스터링 장치(100)는 클러스터링한 그룹을 파형 판별 결과에 따라 파형 종류를 결정할 수 있다.For example, when a reader discriminates representative waveforms one by one in the conventional method, since more than 100,000 waveforms must be discriminated per day, when the ECG waveform clustering apparatus 100 performs clustering, clustering is performed in units of several tens to several hundred. do. The electrocardiogram waveform clustering apparatus 100 may determine the waveform type of the clustered group according to the waveform discrimination result.

심전도 파형 클러스터링 장치(100)는 판별 결과에 따라 정상 박동(N)으로 판별한 파형이 심실상 박동(S)으로 판별된 경우, 정상 박동(N)으로 판별한 파형의 클러스터를 심실상 박동(S)으로 결정하면, 편집하는 과정을 빠르게 단축할 수 있다. 심전도 파형 클러스터링 장치(100)는 자동 판독 이후에 수동 판독에 의한 결과값을 빠르게 반영할 수 있도록 한다.Electrocardiogram waveform clustering apparatus 100, when the waveform determined as normal beat (N) is determined as supraventricular beat (S) according to the determination result, the cluster of waveforms determined as normal beat (N) is called supraventricular beat (S). ), the editing process can be shortened quickly. The electrocardiogram waveform clustering apparatus 100 enables a result value obtained by manual reading to be quickly reflected after automatic reading.

심전도 파형 클러스터링 장치(100)는 클러스터링 그룹 내에서 대표 모양의 상관관계를 비교해서 병합할 때, 정상 박동(N), 심실상 박동(S), 심실 박동(V) 상호 간에도 상관관계가 파형이 있더라도 1차적으로 구분된 클러스터링 그룹을 유지하는 것이 바람직하나 반드시 이에 한정되는 것은 아니다.When the electrocardiogram waveform clustering apparatus 100 compares and merges correlations of representative shapes within a clustering group, even if there are waveforms of correlation among normal beats (N), supraventricular beats (S), and ventricular beats (V), It is preferable to maintain a clustering group that is primarily separated, but is not necessarily limited thereto.

심전도 파형 클러스터링 장치(100)는 크게 정상 박동(N), 심실상 박동(S), 심실 박동(V)으로 분류한 후 분류한 클러스터링 그룹 내에서 세부 클러스터링을 수행한 후 유사한 파형을 병합한다.The electrocardiogram waveform clustering apparatus 100 largely classifies into normal beat (N), supraventricular beat (S), and ventricular beat (V), performs detailed clustering within the classified clustering groups, and then merges similar waveforms.

도 3에서는 단계 S310 내지 단계 S370을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 3에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 3은 시계열적인 순서로 한정되는 것은 아니다.Although it is described in FIG. 3 that steps S310 to S370 are sequentially executed, it is not necessarily limited thereto. In other words, since it will be applicable to changing and executing the steps described in FIG. 3 or executing one or more steps in parallel, FIG. 3 is not limited to a time-series sequence.

전술한 바와 같이 도 3에 기재된 본 실시예에 따른 심전도 파형 클러스터링 방법은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 심전도 파형 클러스터링 방법을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. As described above, the ECG waveform clustering method according to the present embodiment described in FIG. 3 can be implemented as a program and recorded on a computer-readable recording medium. A computer-readable recording medium on which a program for implementing the ECG waveform clustering method according to the present embodiment is recorded includes all kinds of recording devices storing data that can be read by a computer system.

도 4는 본 실시예에 따른 클러스터 예시를 나타낸 도면이다.4 is a diagram showing an example of a cluster according to this embodiment.

도 4에 도시된 바와 같이, 심전도 파형 클러스터링 장치(100)는 유사한 파형 모양끼리 클러스터링을 한 후 파형을 분류한다. 심전도 파형 클러스터링 장치(100)는 심전도 파형이 어떤 클러스터링 그룹에 해당되는지의 여부를 파형 분석해서 분류한다. 심전도 파형 클러스터링 장치(100)는 클러스터링 그룹을 정상 박동(N1~Nm), 심실상 박동(S1~Sm), 심실 박동(V1~Vm)별로 구분하여 수행한다.As shown in FIG. 4 , the ECG waveform clustering apparatus 100 clusters similar waveform shapes and then classifies the waveforms. The ECG waveform clustering apparatus 100 analyzes and classifies the ECG waveform to which clustering group it belongs to. The ECG waveform clustering apparatus 100 classifies clustering groups into normal beats (N 1 to N m ), supraventricular beats (S 1 to S m ), and ventricular beats (V 1 to V m ).

예컨대, 심전도 파형 클러스터링 장치(100)는 50만 개의 심전도 파형에 대해 클러스터링을 수행하면, 50만 개의 심전도 파형 각각에 대해 정상 박동(N) 알고리즘, 심실상 박동(S) 알고리즘, 심실 박동(V) 알고리즘을 적용하여 복수의 모양별로 클러스터링을 수행하여 정상 박동(N), 심실상 박동(S), 심실 박동(V)으로 구분한다.For example, when the ECG waveform clustering apparatus 100 performs clustering on 500,000 ECG waveforms, a normal beat (N) algorithm, a supraventricular beat (S) algorithm, and a ventricular beat (V) are generated for each of the 500,000 ECG waveforms. By applying an algorithm, clustering is performed by a plurality of shapes and classified into normal beats (N), supraventricular beats (S), and ventricular beats (V).

심전도 파형 클러스터링 장치(100)는 심전도 파형을 정상 박동(N), 심실상 박동(S), 심실 박동(V) 중 하나로 구분하더라도, 모두 동일한 파형의 진폭이나 크기를 갖는 것이 아니므로, 정상 박동(N1~Nm), 심실상 박동(S1~Sm), 심실 박동(V1~Vm)으로 구분한다.Even if the electrocardiogram waveform clustering apparatus 100 divides the electrocardiogram waveform into one of normal beat (N), supraventricular beat (S), and ventricular beat (V), they do not all have the same amplitude or magnitude, so normal beat ( N 1 ~N m ), supraventricular beat (S 1 ~S m ), and ventricular beat (V 1 ~V m ).

심전도 파형 클러스터링 장치(100)는 클러스터링을 수행한 클러스터링 그룹 내의 특정 구간에서 표준편차를 산출한다. 심전도 파형 클러스터링 장치(100)는 표준편차를 임계치와 비교하여 각 클러스터링 그룹이 유사한 파형끼리 클러스터링된 경우, 추가 클러스터링을 수행하지 않는다. 심전도 파형 클러스터링 장치(100)는 표준편차를 확인하여 각 클러스터링 그룹 내에 상이한 파형이 클러스터링된 경우, 다시 클러스터링(세분화)을 수행한다.The ECG waveform clustering apparatus 100 calculates a standard deviation in a specific section within a clustering group in which clustering is performed. The electrocardiogram waveform clustering apparatus 100 compares the standard deviation with a threshold value and does not perform additional clustering when similar waveforms are clustered in each clustering group. The electrocardiogram waveform clustering apparatus 100 checks the standard deviation and performs clustering (segmentation) again when different waveforms are clustered in each clustering group.

다시 말해, 심전도 파형 클러스터링 장치(100)는 클러스터링 그룹 내의 파형별로 중앙값을 기반으로 대표 모양을 선별한다. 심전도 파형 클러스터링 장치(100)는 대표 모양끼리 상관관계를 분석한다. 심전도 파형 클러스터링 장치(100)는 각 클러스터 그룹 내의 파형별의 상관관계에 따라 병합을 수행한다.In other words, the ECG waveform clustering apparatus 100 selects a representative shape for each waveform in a clustering group based on a median value. The electrocardiogram waveform clustering apparatus 100 analyzes a correlation between representative shapes. The ECG waveform clustering apparatus 100 performs merging according to the correlation of each waveform in each cluster group.

심전도 파형 클러스터링 장치(100)는 정상 박동(N), 심실상 박동(S), 심실 박동(V)이 존재할 때, 클러스터링이 정상 박동(N), 심실상 박동(S), 심실 박동(V)에 대해서 한 번만 클러스터링을 수행하면, 심전도 파형의 각 박동(Beat)별로 클러스터링을 수행하는 것이 아니고 모든 파형(예컨대, 50만 개)에 대해 자동으로 클러스터링을 수행한다.The electrocardiogram waveform clustering apparatus 100 performs clustering on normal beats (N), supraventricular beats (S), and ventricular beats (V) when normal beats (N), supraventricular beats (S), and ventricular beats (V) are present. If clustering is performed only once for , clustering is automatically performed for all waveforms (eg, 500,000) instead of clustering for each beat of the ECG waveform.

이후, 심전도 파형 클러스터링 장치(100)는 클러스터링 그룹당 표준편차를 산출 때, 한 번씩만 클러스터링 그룹에 대해 표준편차를 산출한다.Then, when calculating the standard deviation per clustering group, the ECG waveform clustering apparatus 100 calculates the standard deviation for the clustering group only once.

심전도 파형 클러스터링 장치(100)는 R 피크 점 기준으로 샘플링한 심전도 파형의 각 박동(Beat)별로 수행한다. The electrocardiogram waveform clustering apparatus 100 performs it for each beat of the electrocardiogram waveform sampled based on the R peak point.

심전도 파형 클러스터링 장치(100)는 정상 박동(N), 심실상 박동(S), 심실 박동(V)으로 분류한 클러스터링 작업을 수행한다. 심전도 파형 클러스터링 장치(100)는 정상 박동(N), 심실상 박동(S), 심실 박동(V) 중 하나로 분류된 후 파형의 진폭이나 크기에 따라, 정상 박동(N1~Nm), 심실상 박동(S1~Sm), 심실 박동(V1~Vm)으로 구분한다.The ECG waveform clustering apparatus 100 performs a clustering task classified into normal beats (N), supraventricular beats (S), and ventricular beats (V). The electrocardiogram waveform clustering apparatus 100 is classified into one of normal beating (N), supraventricular beating (S), and ventricular beating (V), and then, according to the amplitude or size of the waveform, normal beating (N 1 to N m ), cardiac It is divided into real beat (S 1 ~S m ) and ventricular beat (V 1 ~V m ).

도 5는 본 실시예에 따른 다운 샘플링 예시를 나타낸 도면이다.5 is a diagram illustrating an example of downsampling according to the present embodiment.

심전도 파형 클러스터링 장치(100)는 클러스터링 그룹 내에 서로 상이한 파형이 섞여 있을 수 있으므로, 다시 모양별로 세분화하는 클러스터링을 수행한다. 심전도 파형 클러스터링 장치(100)는 모양별로 세분화하는 과정에서, 하나의 R 피크점을 기준으로 샘플링을 수행한다.Since different waveforms may be mixed in the clustering group, the ECG waveform clustering apparatus 100 performs clustering to subdivide by shape again. The electrocardiogram waveform clustering apparatus 100 performs sampling based on one R peak point in the process of segmenting by shape.

도 5에 도시된 바와 같이, 심전도 파형 클러스터링 장치(100)는 가우시안 분포(Gaussian Distribution)를 이용하여 중심의 많이 샘플링을 하고 외곽에서 옅게 샘플링을 수행한다. 심전도 파형 클러스터링 장치(100)는 정상 박동(N) 그룹 중에서 정상 박동(N)이 제1 정상 박동(N1), 제2 정상 박동(N2), 제3 정상 박동(N3) 또는 새로운 정상 박동(N) 인지를 분류한다.As shown in FIG. 5 , the ECG waveform clustering apparatus 100 performs large sampling in the center and light sampling in the periphery using a Gaussian distribution. The electrocardiogram waveform clustering apparatus 100 determines whether a normal beat (N) is a first normal beat (N 1 ), a second normal beat (N 2 ), a third normal beat (N 3 ), or a new normal beat (N) among a group of normal beats (N). Classify pulse (N) perception.

심전도 파형 클러스터링 장치(100)는 정상 박동(N), 심실상 박동(S), 심실 박동(V) 별로 구분하여 별도의 처리 프로세서를 수행하기 때문에, 정상 박동(N), 심실상 박동(S), 심실 박동(V)이 합쳐지거나 나눠지지는 않는다. 심전도 파형 클러스터링 장치(100)는 정상 박동(N), 심실상 박동(S), 심실 박동(V) 내에서만 클러스터링 작업이 수행된다. Since the electrocardiogram waveform clustering apparatus 100 performs a separate processing process by classifying each normal beat (N), supraventricular beat (S), and ventricular beat (V), normal beat (N) and supraventricular beat (S) , the ventricular beats (V) are neither summed nor divided. The ECG waveform clustering apparatus 100 performs clustering only within normal beats (N), supraventricular beats (S), and ventricular beats (V).

심전도 파형 클러스터링 장치(100)는 가우시안 분포를 이용하여 다운 샘플링을 수행하여 알고리즘의 처리 속도를 높인다. 다시 말해, 심전도 파형 클러스터링 장치(100)는 심전도 파형에서 R 피크가 가장 중요하므로 R 피크와 인접한 주변 영역을 촘촘하게 샘플링을 하고, R 피크와 멀어질수록 중요성이 떨어지기 때문에 듬성듬성 샘플링한다. 심전도 파형 클러스터링 장치(100)는 다운 샘플링을 수행한 후 클러스터링을 수행한다.The ECG waveform clustering apparatus 100 increases the processing speed of the algorithm by performing down-sampling using a Gaussian distribution. In other words, since the R peak is the most important in the ECG waveform, the ECG waveform clustering apparatus 100 densely samples the R peak and adjacent areas, and sparsely samples the R peak as the importance decreases as the distance from the R peak increases. The ECG waveform clustering apparatus 100 performs clustering after down-sampling.

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.The above description is merely an example of the technical idea of the present embodiment, and various modifications and variations can be made to those skilled in the art without departing from the essential characteristics of the present embodiment. Therefore, the present embodiments are not intended to limit the technical idea of the present embodiment, but to explain, and the scope of the technical idea of the present embodiment is not limited by these embodiments. The scope of protection of this embodiment should be construed according to the claims below, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of rights of this embodiment.

100: 심전도 파형 클러스터링 장치
110: 샘플링부
120: 다운 샘플링부
130: 클러스터링부
140: 재 클러스터링부
150: 클러스터 병합부
160: 추가 클러스터링부100: ECG waveform clustering device
110: sampling unit
120: down sampling unit
130: clustering unit
140: re-clustering unit
150: cluster merging unit
160: additional clustering unit

Claims (10)

심전도 파형 중 일부 구간을 샘플링(Sampling)한 샘플링 파형을 생성하는 샘플링부;
상기 샘플링 파형을 다운 샘플링(Down Sampling)한 다운 샘플링 파형을 생성하는 다운 샘플링부;
상기 다운 샘플링 파형을 파형의 진폭, 크기, 모양에 따라 복수의 클러스터링 그룹으로 클러스터링하는 클러스터링부;
상기 클러스터링 그룹 간의 대표 모양의 상관관계(Correlation)을 기반으로 상기 클러스터링 그룹을 병합하여 클러스터링 병합 그룹을 생성하는 클러스터 병합부;
상기 클러스터링 병합 그룹 중 RR 인터벌을 기반으로 심실상 박동(S)을 추가 클러스터링하는 추가 클러스터링부
를 포함하는 것을 특징으로 하는 심전도 파형 클러스터링 장치.a sampling unit generating a sampling waveform obtained by sampling a section of an electrocardiogram waveform;
a down-sampling unit generating a down-sampling waveform obtained by down-sampling the sampling waveform;
a clustering unit which clusters the down-sampled waveform into a plurality of clustering groups according to the amplitude, size, and shape of the waveform;
a cluster merging unit generating a clustering merging group by merging the clustering groups based on a correlation of a representative shape between the clustering groups;
An additional clustering unit for additionally clustering the supraventricular beats (S) based on the RR interval among the clustering merging groups
Electrocardiogram waveform clustering device comprising a. 제1항에 있어서,
상기 샘플링부는,
상기 심전도 파형에서 R 피크점을 기준으로 앞, 뒤로 P 파형과 T 파형을 포함하도록 하는 구간을 샘플링하는 것을 특징으로 하는 심전도 파형 클러스터링 장치.According to claim 1,
The sampling unit,
Electrocardiogram waveform clustering apparatus, characterized in that for sampling a section including a P waveform and a T waveform in front and back based on the R peak point in the electrocardiogram waveform. 제1항에 있어서,
상기 다운 샘플링부는,
가우시안 분포(Gaussian Distribution)를 이용하여 상기 샘플링 파형 중 R 피크점에 인접할수록 촘촘하게 샘플링하고, 상기 R 피크점으로부터 멀어질수록 띄엄띄엄하게 샘플링하는 다운 샘플링을 수행하는 것을 특징으로 하는 심전도 파형 클러스터링 장치.According to claim 1,
The downsampling unit,
An electrocardiogram waveform clustering device characterized by performing down-sampling in which sampling is denser as it is closer to the R peak point and sparsely sampled as it is farther from the R peak point in the sampling waveform using a Gaussian distribution. 제1항에 있어서,
상기 클러스터링부는,
상기 다운 샘플링 파형의 진폭, 크기, 모양에 따라 정상 박동(N), 심실상 박동(S), 심실 박동(V) 중 어느 하나로 분류하여 클러스터링하는 것을 특징으로 하는 심전도 파형 클러스터링 장치.According to claim 1,
The clustering unit,
Electrocardiogram waveform clustering apparatus, characterized in that for clustering by classifying the downsampling waveform into one of normal beat (N), supraventricular beat (S), and ventricular beat (V) according to the amplitude, size, and shape of the downsampling waveform. 제4항에 있어서,
상기 클러스터링부는,
상기 다운 샘플링 파형이 상기 정상 박동(N)으로 분류되면, 상기 정상 박동(N)을 파형의 진폭, 크기, 모양에 따라 제1 정상 박동(N1) 그룹 내지 제m 정상 박동(Nm) 그룹 중 하나로 세분화하여 분류하며,
상기 다운 샘플링 파형이 상기 심실상 박동(S)으로 분류되면, 상기 심실상 박동(S)을 파형의 진폭, 크기, 모양에 따라 제1 심실상 박동(S1) 그룹 내지 제m 심실상 박동(Sm) 그룹 중 하나로 세분화하여 분류하며,
상기 다운 샘플링 파형이 상기 심실 박동(V)으로 분류되면, 상기 심실 박동(V)을 파형의 진폭, 크기, 모양에 따라 제1 심실 박동(V1) 그룹 내지 제m 심실 박동(Vm) 그룹 중 하나로 세분화하여 분류하는 것을 특징으로 하는 심전도 파형 클러스터링 장치.According to claim 4,
The clustering unit,
When the downsampling waveform is classified as the normal beat (N), the normal beat (N) is classified into a first normal beat (N 1 ) group to an mth normal beat (N m ) group according to the amplitude, size, and shape of the waveform. subdivided into one of the
When the down-sampling waveform is classified as the supraventricular beat (S), the supraventricular beat (S) is classified into the first supraventricular beat (S 1 ) group to the mth supraventricular beat (S) according to the amplitude, size, and shape of the waveform ( S m ) subdivided into one of the groups,
When the down-sampled waveform is classified into the ventricular beats (V), the ventricular beats (V) are classified into a first ventricular beat (V 1 ) group to an m-th ventricular beat (V m ) group according to the amplitude, size, and shape of the waveform. An electrocardiogram waveform clustering device characterized in that it is subdivided and classified into one of them. 제1항에 있어서,
상기 클러스터링 그룹별 표준편차(STD: Standard Deviation)를 산출한 후 상기 표준편차(STD)와 기 설정된 임계치(Threshold)이 비교 결과에 따라 상기 클러스터링 그룹 내의 상기 다운 샘플링 파형을 다시 클러스터링하는 재 클러스터링부;
를 추가로 포함하는 것을 특징으로 하는 심전도 파형 클러스터링 장치.According to claim 1,
a re-clustering unit for re-clustering the down-sampled waveforms in the clustering group according to a comparison result between the standard deviation (STD) and a preset threshold after calculating a standard deviation (STD) for each clustering group;
Electrocardiogram waveform clustering device further comprising a. 제6항에 있어서,
상기 재 클러스터링부는
상기 클러스터링 그룹마다 표준편차(STD)를 산출한 후 상기 표준편차(STD)가 설정된 임계치(Threshold)를 초과(STD > Threshold)하는 지의 여부를 확인하고, 상기 클러스터링 그룹의 상기 표준편차(STD)가 기 설정된 임계치(Threshold)를 초과(STD > Threshold) 하는 경우, 상기 클러스터링 그룹 내의 서로 다른 모양을 갖는 파형이 섞여 있는 것으로 인지하여 다시 클러스터링을 수행하는 것을 특징으로 하는 심전도 파형 클러스터링 장치.According to claim 6,
The re-clustering unit
After calculating the standard deviation (STD) for each clustering group, it is checked whether the standard deviation (STD) exceeds a set threshold (STD > Threshold), and the standard deviation (STD) of the clustering group is An electrocardiogram waveform clustering device that performs clustering again by recognizing that waveforms having different shapes in the clustering group are mixed when a preset threshold is exceeded (STD > Threshold). 제6항에 있어서,
상기 클러스터 병합부
상기 클러스터링 그룹의 표준편차(STD)가 기 설정된 임계치(Threshold)를 이하(STD ≤ Threshold)인 경우, 각각의 상기 클러스터링 그룹 내의 다운 샘플링 파형의 중앙값(Median)을 대표 모양으로 선별한 후 상기 클러스터링 그룹 간의 상관관계(Correlation)를 분석한 후 기 설정된 임계치보다 높은 상관관계를 갖는 클러스터링 그룹을 서로 병합하는 것을 특징으로 하는 심전도 파형 클러스터링 장치.According to claim 6,
the cluster merging unit
When the standard deviation (STD) of the clustering group is less than or equal to the preset threshold (STD ≤ Threshold), the median of the downsampled waveforms in each clustering group is selected as a representative shape, and then the clustering group An electrocardiogram waveform clustering device characterized by merging clustering groups having a correlation higher than a preset threshold with each other after analyzing correlations between the electrocardiogram waveforms. 제8항에 있어서,
상기 클러스터 병합부는,
기 설정된 임계치보다 높은 상관관계를 갖는 클러스터링 그룹은 서로 유사한 대표 모양을 갖는 클러스터로 판단하여 클러스터링 그룹을 서로 병합하는 것을 특징으로 하는 심전도 파형 클러스터링 장치.According to claim 8,
The cluster merging unit,
An electrocardiogram waveform clustering apparatus, characterized in that clustering groups having a higher correlation than a predetermined threshold are determined as clusters having similar representative shapes, and the clustering groups are merged with each other. 제1항에 있어서,
상기 추가 클러스터링부는,
상기 클러스터링 병합 그룹에 대해 R 피크값을 기준으로 Pre-RR 인터벌과 Post-RR 인터벌의 길이를 기반으로 심실상 박동(S)에 대한 추가 클러스터링을 수행하는 것을 특징으로 하는 심전도 파형 클러스터링 장치.

According to claim 1,
The additional clustering unit,
Electrocardiogram waveform clustering apparatus, characterized in that performing additional clustering on the supraventricular beats (S) based on the lengths of Pre-RR intervals and Post-RR intervals based on the R peak value for the clustering merge group.
KR1020220067834A 2022-06-02 2022-06-02 Method And Apparatus for Clustering ECG Signal KR102483854B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220067834A KR102483854B1 (en) 2022-06-02 2022-06-02 Method And Apparatus for Clustering ECG Signal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220067834A KR102483854B1 (en) 2022-06-02 2022-06-02 Method And Apparatus for Clustering ECG Signal

Publications (1)

Publication Number Publication Date
KR102483854B1 true KR102483854B1 (en) 2023-01-03

Family

ID=84924421

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220067834A KR102483854B1 (en) 2022-06-02 2022-06-02 Method And Apparatus for Clustering ECG Signal

Country Status (1)

Country Link
KR (1) KR102483854B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190128841A (en) * 2018-05-09 2019-11-19 삼성에스디에스 주식회사 Method for clustering electrocardiogram signal and electrocardiogram processing apparatus for executing the same

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190128841A (en) * 2018-05-09 2019-11-19 삼성에스디에스 주식회사 Method for clustering electrocardiogram signal and electrocardiogram processing apparatus for executing the same

Similar Documents

Publication Publication Date Title
Chen et al. An automatic R and T peak detection method based on the combination of hierarchical clustering and discrete wavelet transform
CN111449645B (en) Intelligent classification and identification method for electrocardiogram and heartbeat
US5090418A (en) Method and apparatus for screening electrocardiographic (ECG) data
CN113613559A (en) Electrocardiogram processing system for delineation and classification
Takalo-Mattila et al. Inter-patient ECG classification using deep convolutional neural networks
US20100217144A1 (en) Diagnostic and predictive system and methodology using multiple parameter electrocardiography superscores
Liu et al. Automatic diagnosis of premature ventricular contraction based on Lyapunov exponents and LVQ neural network
CN113995419B (en) Atrial fibrillation risk prediction system based on heartbeat rhythm signal and application thereof
Wang et al. Multi-class arrhythmia detection based on neural network with multi-stage features fusion
Udawat et al. An automated detection of atrial fibrillation from single‑lead ECG using HRV features and machine learning
US20090043218A1 (en) Tachyarrhythmia detection, differentiation and assessment
CN109645979A (en) Ambulatory ecg signal artifact identification method and device
Jones et al. Improving ECG classification interpretability using saliency maps
KR102387703B1 (en) Method And Apparatus for Correcting Electrocardiogram
JP5449207B2 (en) System for morphological feature analysis of physiological data
CN113855037B (en) Atrial fibrillation identification method and device based on Transformer
Vuksanovic et al. ECG based system for arrhythmia detection and patient identification
Mazandarani et al. Wide complex tachycardia discrimination using dynamic time warping of ECG beats
KR102483854B1 (en) Method And Apparatus for Clustering ECG Signal
Tung et al. Multi-lead ECG classification via an information-based attention convolutional neural network
CN116473569A (en) Electrocardiogram data processing method, system and storage medium
Sharma et al. ECG Beat Recognition using Principal Components Analysis and Artificial Neural Network
Zhang et al. Premature beats rejection strategy on paroxysmal atrial fibrillation detection
Hori et al. Arrhythmia detection based on patient-specific normal ECGs using deep learning
KR102467211B1 (en) Method And Apparatus for Classifying ECG wave by Using Machine Learning

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant