KR102574331B1 - 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법 - Google Patents

멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법 Download PDF

Info

Publication number
KR102574331B1
KR102574331B1 KR1020210092439A KR20210092439A KR102574331B1 KR 102574331 B1 KR102574331 B1 KR 102574331B1 KR 1020210092439 A KR1020210092439 A KR 1020210092439A KR 20210092439 A KR20210092439 A KR 20210092439A KR 102574331 B1 KR102574331 B1 KR 102574331B1
Authority
KR
South Korea
Prior art keywords
entropy
multiscale
variance
rate variability
heart rate
Prior art date
Application number
KR1020210092439A
Other languages
English (en)
Other versions
KR20230011773A (ko
Inventor
최영석
김영준
Original Assignee
광운대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 광운대학교 산학협력단 filed Critical 광운대학교 산학협력단
Priority to KR1020210092439A priority Critical patent/KR102574331B1/ko
Publication of KR20230011773A publication Critical patent/KR20230011773A/ko
Application granted granted Critical
Publication of KR102574331B1 publication Critical patent/KR102574331B1/ko

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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

Landscapes

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

Abstract

멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법이 개시된다. 심전도(ECG)는 심장 수축/이완에 따른 심장 박동에 의한 전기적 신호를 기록하며, ECG로부터 추출되는 심박변이율(HRV) 분석을 통해 심장질환을 진단한다. 심박변이율(HRV)의 엔트로피 정량화 기법을 활용하여 심부전(CHF), 심방세동(AF), 정상인(HEALTHY) 그룹을 분류하기 위해 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)를 제안하고, 기존의 멀티스케일 분산 엔트로피(MDE)와 비교하였다. 심박변이율(HRV)은 외부 자극에 대한 자율신경계의 적응성을 반영하는 지표로 사용되며, 심장 질환을 예측할 수 있는 지표로 제시되고 있다. 심박변이율은 비선형적 특성을 가진 시계열 신호로써, 이를 분석하기 위한 방법으로 엔트로피가 유용하게 사용된다. 분산 엔트로피(DE)는 시계열 신호의 복잡도를 양적화 하는데 좋은 성능이 입증되었고, 연산 복잡도가 낮은 장점이 있지만, 분산 패턴의 확률 분포에서 각 패턴의 발생 확률 간의 순서가 고려되지 않는 단점이 존재한다. 본 발명은 이러한 단점을 개선하기 위해 누적 잔여 엔트로피(CRE)와 분산 엔트로피(DE)를 조합한 누적 잔여 분산 엔트로피(CRDE)를 제안하였으며, 멀티스케일 분석 기법을 결합한 MCRDE(Multiscale CRDE)를 정상인, 심실세동, 심부전에 대한 심박변이율 복잡도 분석에 적용하여 MDE(Multiscale DE)의 성능과 비교하여 향상되었다.

Description

멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법{Improved Quantification of Heart Rate Variability with Multiscale Cumulative Residual Dispersion Entropy}
본 발명은 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법에 관한 것으로, 심부전증 환자의 ECG, 건강한 청년 및 노인의 심전도(ECG), 부정맥(심방세동)환자의 심전도(ECG) 데이터를 사용하여 각 데이터의 250 Hz 샘플링 주파수로 샘플링하고, 각각의 ECG 데이터의 RR 간격을 추출한 후, 심박변이율(Heart Rate Variability, HRV)의 엔트로피 정량화 기법을 활용하여 심부전(CHF), 심방세동(AF), 정상인(HEALTHY) 그룹을 분류하기 위해 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)를 제안하고 멀티스케일 분산 엔트로피(MDE)와 비교하였으며, 추가로, HRV 신호의 시간적 공간적 스케일에 포함된 정보량을 표현하기 위해 MCRDE(Multiscale Cumulative Residual Dispersion Entropy) 기법을 이용하여 심박변이율(HRV) 분석 결과를 제공하는, 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법을 제공한다.
사람은 심장 박동에 의해 심장 수축/이완을 통해 미세한 전기적인 신호를 증폭하여 검출하는 심전도(electrocardiogram, ECG), 상기 심전도(ECG)로부터 검출되는 HRV(Heart rate variability, 심박변이율)의 심박수를 분석하여 심장 이상(심부전, 심실 세동) 등의 심장 질환을 탐지하여 진단한다. 심박 변이율(HRV)은 심장 박동 사이의 시간 간격이 변하는 생리적 현상이며, "주기 길이 변동성", "RR 변동성"(R은 ECG 파동의 QRS 복합체의 피크에 해당하는 지점, RR은 연속적인 Rs 사이의 간격임) 및 "심장 주기 변동성"에 따라 심박동 간격의 변화로 측정된다. 심장 박동을 감지하는 방법은 심전도(ECG), 혈압, 및 광혈류계(PPG)에서 파생된 맥파 신호가 포함된다.
심장 질환은 심장마비, (급성) 심근 경색, 심부전증, 부정맥, 협심증 등이 있으며, 심전도(ECG) 검사, 인체에 무해한 초음파를 사용한 심장 초음파 검사, 운동 부하 검사(운동하는 동안 심전도와 혈압을 측정), 동맥 경직도 검사(혈관에 흐르는 혈류의 속도, 파형과 압력을 측정하여 혈관의 경직도를 측정)를 한다. 심장 질환은 국내 사망원인 2위로써, 인구 고령화에 따라 부정맥 등의 심장 질환을 앓고 있는 환자가 해마다 증가하고 있으며, 조기 진단과 신속한 치료가 무엇보다 중요하다. 특히, 심혈관 질환에 의한 사망률은 여름철에 비해 겨울철에 20~30% 정도 증가하는 것으로 조사됐다. 심근 경색은 고지혈증(콜레스테롤 220mg/dL 이상), 고혈압(140/90 mmHg 이상), 흡연, 당뇨병, 콜레스테롤 부족, 비만, 흡연, 및 운동 부족이 원인으로 판단된다.
도 1은 정상인의 심전도(ECG)를 나타낸 그림이다.
심전도(ECG) 검사는 체표면에서 심박동과 관련되어 나타나는 심근의 전위 변화를 심전계에 의해 그림으로 기록한다. 심전도는 심박동과 관련된 전위를 신체 표면에서 도형으로 기록한 것으로, 표준 12유도 심전도 외에 운동부하 심전도, 활동 중 심전도(홀터 기록과 사건기록 심전도) 등이 있다. 심전도는 부정맥과 관상동맥질환(심장 동맥 질환)의 진단에 가장 많이 사용되고 있다. 심방 확장 및 심실 비대의 진단에는 심장 초음파, CT, MRI 등으로 더욱 정확히 진단할 수 있으나, 심장 환자들의 경과를 관찰하는데 심전도가 매우 유용하게 사용된다.
심전도(electrocardiogram, ECG)는 심장의 전기적 활동을 증폭하여 기록하며, 이 분석법은 심장 상태를 측정하거나 손상 범위 진단시 사용되며, 심전도 측정기에 의해 측정된 ECG 데이터의 RR간격을 측정하여 심박수(RR 간격, heart rate)가 계산된다.
P: 심방의 흥분, QRS: 심실의 탈분극(수축), T: 심실의 재분극
심장 근처에 청진기를 대면, 심장 뛰는 소리가 들리며 이를 '심음'이라 한다. 심장의 1주기 동안에 2종류의 소리가 들리며, 하나는 긴 소리이면서 저음이고, 다른 하나는 짧은 소리로 앞의 소리보다 고음이다. 전자가 제1심음으로 판막이 닫힐 때 일어나며 심실 수축의 시작을 의미하고, 제2심음은 심실 확장기 초기에 들린다. 심음은 판막의 운동과 연관이 있으므로 이 소리들은 심장 판막에 일어나는 병을 진단하는데 사용된다.
이와 관련된 선행기술1로써, 특허 등록번호 10-21718830000에서는 "멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE, MAAPE)를 사용한 심박변이율 분석 방법"이 등록되어 있다. 심전도(Electrocardiogram, ECG)는 심장 수축/이완에 따른 심장 박동에 의한 전기적 신호를 기록하며, ECG로부터 추출되는 심박변이율(HRV) 분석을 통해 심장질환을 진단할 수 있다. 비선형적인 심박변이율(HRV)의 변화를 분석하기 위해 엔트로피를 사용한 RR 간격 시계열 신호의 시계열의 복잡도 분석을 사용한다. 치환 엔트로피(Permutation entropy, PE)는 신호 내의 인접한 값들 사이의 순서에 기반한 방법이며, 간단하고 상대적으로 잡음에 강하고 계산 속도가 빠른 특징이 있지만, RR 간격 시계열 신호의 시계열의 순서 구조만을 고려하기 때문에 중요한 정보를 놓칠 수 있는 단점이 존재한다. 진폭을 고려하여 치환 엔트로피(PE)의 단점을 개선한 진폭 인식 치환 엔트로피(Amplitude Aware Permutation Entropy, AAPE)에 coarse-graining 과정을 결합한 멀티스케일 AAPE(Multiscale AAPE, MAAPE)를 심박변이율 복잡도 분석에 사용하여 기존 기법들보다 향상된 심박변이율(HRV) 분석 성능을 확인하였다.
1. 배경
심박변이율(HRV, Heart Rate Variability)은 하나의 심장 주기에서 다음 심장 주기 사이의 간격(RRI, RR-Intervals)에 대한 변이를 정량화 한 것이다. 심박변이도는 복잡하고 불규칙적인 특성을 가지며, 이러한 특성에 대해 노화 발생 및 심장 질환을 가진 사람은 건강한 사람과의 수치에서 차이가 나타난다. 따라서 정상인과 심장 질환 환자를 구분해 내기 위한 심박변이율 정량화 기법이 필수적으로 요구 된다. 이 중 엔트로피가 통계적으로 비균질적이고, 비선형적인 정보를 추출하는데 효과적으로 이용될 수 있다. 다양한 엔트로피 중에서 분산 엔트로피(DE, Dispersion Entropy)는 짧은 신호에 적합하고, 연산 복잡도가 낮은 이점으로 생체신호 분석에 좋은 성능을 보여준다[1]. 그러나, 분산 엔트로피(DE)는 분산 패턴에 대한 확률 분포에서 각각의 확률 값의 순서가 고려되지 않는 문제점이 있다.
심박변이율(HRV, Heart Rate Variability)는 외부 자극에 대한 자율신경계의 적응성을 반영하는 지표로 사용되며, 심장 질환을 예측할 수 있는 지표로 제시되고 있다. 심박변이율(HRV)은 비선형적 특성을 가진 시계열 신호로써, 이를 분석하기 위한 방법으로 엔트로피가 유용하게 사용될 수 있다. 분산 엔트로피(DE, Dispersion Entropy)는 시계열 신호의 복잡도를 양적화하는데 좋은 성능이 입증되었고, 연산 복잡도가 낮은 장점이 있지만, 분산 패턴의 확률 분포에서 각 패턴의 발생 확률 간의 순서가 고려되지 않는 문제점이 있다.
특허 등록번호 10-21718830000 (등록일자 2020년 10월 24일), "멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법", 광운대학교 산학협력단, 최영석, 이대영
Rostaghi, M., Azami, H. "Dispersion entropy: A measure for time series analysis", IEEE Signal Process. Lett., 23(610-614), 2016 Wang, F., Vemuri, B.C., Rao, M., Chen, Y. "Cumulative residual entropy: a new measure of information" IEEE Trans. Inf. Theory, 6(548), 2004 Mao, X., Shang, P., A.C. et al. "Multiscale cumulative residual distribution entropy and its applications on heart rate time series", Nonlinear Dyn., 101 (2357-2368), 2020 M. Costa, A. L. Goldberger, and C.-K. Peng, "Multiscale entropy analysis of biological signals", Phys. Rev. E, vol. 71, no. 2, 2005 A.L. Goldberger, L.A.N Amaral, L. Glass, et al., "PhysioBank, PhysioToolit, and PhysioNet: Components of a New Research Resource for Complex Physiologic Signals", Circulation, 101(23), 2000
상기 문제점을 해결하기 위한 본 발명의 목적은 심부전증 환자의 ECG, 건강한 청년 및 노인의 심전도(ECG), 부정맥(심방세동)환자의 심전도(ECG) 데이터를 사용하여 각각의 ECG 데이터를 250 Hz 샘플링 주파수로 샘플링하고, 각각의 ECG 데이터의 RR 간격을 추출한 다음, 심박변이율(Heart Rate Variability, HRV)의 엔트로피 정량화 기법을 활용하여 심부전(CHF), 심방세동(AF), 정상인(HEALTHY) 그룹을 분류하기 위해 제안된 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)를 사용하며, 기존의 멀티스케일 분산 엔트로피(MDE)와 비교하였으며, 추가로, HRV 신호의 시간적 공간적 스케일에 포함된 정보량을 표현하기 위해 MCRDE(Multiscale Cumulative Residual Dispersion Entropy) 기법을 이용하여 심박변이율(HRV) 분석 결과를 제공하는, 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법을 제공한다.
본 연구는 누적 잔여 엔트로피(CRE, Cumulative Residual Entropy)[2]와 분산 엔트로피(DE)를 조합한 누적 잔여 분산 엔트로피(CRDE, Cumulative Residual Dispersion Entropy)를 제안하며, 추가로, 신호의 시간적 공간적 스케일에 포함된 정보량을 표현하기 위해 멀티스케일 기반의 CRDE(MCRDE, Multiscale Cumulative Residual Dispersion Entropy) 기법을 이용하여 심박변이율(HTV) 분석 결과를 제공한다.
본 발명의 목적을 달성하기 위해, 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법은 (a) 심전도 측정기에 의해 측정된 하나 이상의 심전도(ECG) 데이터를 사용하며, ECG 측정분석 프로그램에 의해 각각의 ECG 데이터를 특정 샘플링 주파수로 샘플링하고, 각각의 ECG 데이터의 k개의 각각의 RR 간격의 시계열 신호를 추출하는 단계; 및 (b) 심박변이율(HRV)의 엔트로피 정량화 기법을 활용하여 심부전(CHF), 심실세동(AF), 정상인(HEALTHY) 그룹을 분류하기 위해 제안된 멀티스케일 누적 잔여 분산 엔트로피(MCRDE,Multiscale Cumulative Residual Dispersion Entropy)를 사용하고, 기존의 멀티스케일 분산 엔트로피(MDE)와 비교하며, HRV 신호의 시간적 공간적 스케일에 포함된 정보량을 표현하기 위해 상기 멀티스케일 누적 잔여 분산 엔트로피(MCRDE) 기법을 이용하여 심박변이율(HRV) 분석 결과를 제공하는 단계를 포함한다.
심전도(Electrocardiogram, ECG)는 심장 수축/이완에 따른 심장 박동에 의한 전기적 신호를 기록하며, ECG로부터 추출되는 심박변이율(HRV) 분석을 통해 심장질환을 진단할 수 있다.
본 발명의 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법은 실시예에서는 심부전증 환자의 ECG, 건강한 청년 및 노인의 ECG, AFDB의 부정맥(심방세동)환자의 ECG 데이터를 사용하여 각각의 ECG 데이터의 250 Hz 샘플링 주파수로 샘플링하고, 각각의 ECG 데이터의 RR 간격을 추출한 다음, 본 발명의 심박변이율(HRV)의 엔트로피 정량화 기법을 활용하여 심부전(CHF), 심방세동(AF), 정상인(HEALTHY) 그룹을 분류하기 위해 제안된 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)를 사용하며, 기존의 멀티스케일 분산 엔트로피(MDE)와 비교하였으며, 추가로, HRV 신호의 시간적 공간적 스케일에 포함된 정보량을 표현하기 위해 MCRDE(Multiscale Cumulative Residual Dispersion Entropy) 기법을 이용하여 심박변이율(HRV) 분석 결과를 제공하였다.
본 발명은 누적 잔여 엔트로피(CRE, Cumulative Residual Entropy)[2]와 분산 엔트로피(DE)를 조합한 누적 잔여 분산 엔트로피(CRDE, Cumulative Residual Dispersion Entropy)를 제안하며, 추가로, HRV 신호의 시간적 공간적 스케일에 포함된 정보량을 표현하기 위해 MCRDE(Multiscale Cumulative Residual Dispersion Entropy) 기법을 이용하여 심박변이율(HRV) 분석 결과를 제공하였다.
본 연구는 심박변이율(HRV)의 엔트로피 정량화 기법을 활용하여 심부전(CHF), 심실세동(AF), 정상인(HEALTHY) 그룹을 분류하기 위해 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)를 제안하고, 기존 멀티스케일 분산 엔트로피(MDE)와 비교하였다. 그 결과, 기존의 좋은 성능을 보이는 것으로 알려진 MDE보다 MCRDE가 더 많은 수의 스케일에서 심부전(CHF), 심실세동(AF), 정상인(HEALTHY) 각 그룹 간의 분류 성능이 높음을 확인하였다. 제안한 MCRDE 기법을 활용한 심박변이율(HRV)의 향상된 정량화를 토대로 향후 심장 질환 분류 및 심장 질환 진단 의료기기의 기반 기술로 활용될 것으로 기대한다.
언급된 바와 같이, 심박변이율(HRV, Heart Rate Variability)는 외부 자극에 대한 자율신경계의 적응성을 반영하는 지표로 사용되며, 심장 질환을 예측할 수 있는 지표로 제시되고 있다. 심박변이도(HRV)는 비선형적 특성을 가진 시계열 신호로써, 이를 분석하기 위한 방법으로 엔트로피가 유용하게 사용될 수 있다. 분산 엔트로피(DE, Dispersion Entropy)는 시계열 신호의 복잡도를 양적화 하는데 좋은 성능이 입증되었고, 연산 복잡도가 낮은 장점이 있지만, 분산 패턴의 확률 분포에서 각 패턴의 발생 확률 간의 순서가 고려되지 않는 단점이 존재한다.
본 연구는 이러한 단점을 개선하기 위해 누적 잔여 엔트로피(CRE)와 분산 엔트로피(DE)를 조합한 누적 잔여 분산 엔트로피(CRDE, Cumulative Residual Dispersion Entropy)를 제안하고, 멀티스케일 분석 기법을 결합한 멀티스케일 CRDE (MCRDE, Multiscale CRDE)를 심부전(CHF), 심실세동(AF), 정상인(HEALTHY)에 대한 심박변이율 복잡도 분석에 적용하여 멀티스케일 분산 엔트로피(MDE, Multiscale DE)의 성능과 비교하고 향상된 것을 확인하였다.
도 1은 정상인의 심전도(ECG)를 나타낸 그림이다.
도 2는 RR 간격 데이터 (a)Healthy, (b)AFDB, (c)CHFDB
도 3은 RR간격에 대한 엔트로피 적용 결과 (a)MCRDE,(b)MDE. "*"는 CHF/AF, CHF/HEALTHY, AF/HEALTHY 그룹간의 엔트로피에 대해 p < 0.05를 나타낸다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 발명의 구성 및 동작을 상세하게 설명한다. 본 발명의 설명에 있어서 관련된 공지의 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 자세한 설명을 생략한다. 또한, 도면 번호는 동일한 구성을 표기할 때에 다른 도면에서 동일한 도면 번호를 부여한다.
심전도(Electrocardiogram, ECG)는 심장 수축/이완에 따른 심장 박동에 의한 전기적 신호를 기록하며, ECG로부터 추출되는 심박변이율(Heart Rate Variability, HRV) 분석을 통해 심장질환을 진단할 수 있다.
심박변이율(HRV)은 외부 자극에 대한 자율신경계의 적응성을 반영하는 지표로 사용되며, 심장 질환을 예측할 수 있는 지표로 제시되고 있다. 심박변이도는 비선형적 특성을 가진 시계열 신호로써, 이를 분석하기 위한 방법으로 엔트로피가 유용하게 사용된다. 분산 엔트로피(DE, Dispersion Entropy)는 RR 간격 시계열 신호의 복잡도를 양적화 하는데 좋은 성능이 입증되었고, 연산 복잡도가 낮은 장점이 있지만, 분산 패턴의 확률 분포에서 각 패턴의 발생 확률 간의 순서가 고려되지 않는 단점이 존재한다. 본 발명은 이러한 단점을 개선하기 위해 누적 잔여 엔트로피(CRE)와 분산 엔트로피(DE)를 조합한 누적 잔여 분산 엔트로피(CRDE, Cumulative Residual Dispersion Entropy)를 제안하고, 멀티스케일 분석 기법을 결합한 MCRDE(Multiscale CRDE)를 정상인, 심실세동, 심부전에 대한 심박변이율 복잡도 분석에 적용하여 멀티스케일 분산 엔트로피(MDE, Multiscale DE)의 성능과 비교하고 향상된 것을 확인하였다.
본 발명은 심부전증 환자 15명의 ECG, 건강한 청년10명 및 노인 10명의 심전도(ECG), AFDB의 23명의 부정맥(심방세동)환자의 심전도(ECG) 데이터를 사용하여 각각의 ECG 데이터를 250 Hz 샘플링 주파수로 샘플링하고, 각각의 ECG 데이터의 RR 간격을 추출한 다음, 심박변이율(HRV)의 엔트로피 정량화 기법을 활용하여 심부전(CHF), 심방세동(AF), 정상인(HEALTHY) 그룹을 분류하기 위해 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)를 제안하고 멀티스케일 분산 엔트로피(MDE)와 비교하며, 추가로, HRV 신호의 시간적 공간적 스케일에 포함된 정보량을 표현하기 위해 멀티스케일 기반의 CRDE(MCRDE, Multiscale Cumulative Residual Dispersion Entropy) 기법을 이용하여 심박변이율(HRV) 분석 결과를 제공하는, 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법을 제공한다.
본 발명의 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법은 (a) 심부전증 환자의 ECG, 건강한 청년 및 노인의 ECG, 부정맥(심방세동)환자의 심전도 측정기에 의해 측정된 ECG 데이터를 사용하며, ECG 측정분석 프로그램에 의해 각각의 ECG 데이터를 250 Hz 샘플링 주파수로 샘플링하고, 각각의 ECG 데이터의 R-피크 값을 검출하고 k개의 각각의 RR 간격(R 피크값과 R 피크값의 간격)의 시계열 신호를 추출하는 단계; 및 (b) 심박변이율(HRV)의 엔트로피 정량화 기법을 활용하여 심부전(CHF), 심실세동(AF), 정상인(HEALTHY) 그룹을 분류하기 위해 제안된 멀티스케일 누적 잔여 분산 엔트로피(MCRDE,Multiscale Cumulative Residual Dispersion Entropy)를 사용하고, 기존의 멀티스케일 분산 엔트로피(MDE)와 비교하며, HRV 신호의 시간적 공간적 스케일에 포함된 정보량을 표현하기 위해 상기 멀티스케일 누적 잔여 분산 엔트로피(MCRDE) 기법을 이용하여 심박변이율(HRV) 분석 결과를 제공하는 단계를 포함한다.
상기 단계 (a)는 ECG 데이터의 샘플링 주파수는 250 Hz 주파수를 사용하여 각 ECG 데이터를 샘플링하였다.
상기 심전도(ECG) 데이터는 심부전증 환자의 ECG, 건강한 청년 및 노인의 ECG, 부정맥(심방세동)환자의 ECG 데이터를 사용하였다.
2. 방 법
2.1 분산 엔트로피(DE, Dispersion Entropy)
분산 엔트로피(DE) 기법은 시계열 데이터의 동적 변화를 분석하기 위한 방법이다. 미리 정의된 클래스로 데이터를 매칭하고, 매칭된 클래스들의 분산 패턴을 샤논 엔트로피를 기반으로 계산된다. DE의 연산은 분산 패턴을 고려하기 때문에 잡음에 강하며 치환 엔트로피(PE, Permutation Entropy)와 샘플 엔트로피(SE, Sample Entropy)에 비해 연산 시간이 짧다. 이는 실시간 생체 신호의 분석에 중요한 이점이 될 수 있다. 길이 N인 시계열 이 주어졌을 때, DE 알고리즘은 다음 4단계로 구성된다.
1) 원시 데이터 를 1부터 c까지 분류된 c개의 클래스로 대응시킨다. 여기서, 데이터를 c개의 클래스로 대응시키는 방법에는 선형적인 접근과 비선형적인 접근법이 있고, 본 연구는 비선형적 접근 방법으로 누적 정규 분포 함수를 사용하였다.
해당 식으로부터 구해진 의 각 요소는 0과 1사이의 값을 가진다. 다음, y의 요소들은 에 의해 1부터 c로 분류된 클래스와 대응하여 벡터 z를 구성한다.
2) 단계1)에서 구한 z는 삽입 차원 m과 시간 지연τ로 삽입 과정을 통해 길이 m의 벡터들을 다음과 같이 구성한다.
이 벡터 들은 각각 분산 패턴 와 대응된다. 여기서, 이다.
삽입 차원과 클래스 인자가 각각 m,c 일 때 발생하는 분산 패턴의 수는 이다. 연구[1]에 따르면, 클래스 인자는 4에서 8 범위로 권고 된다.
3) 개의 분산 패턴 각각에 대한 상대적 빈도수가 다음 식으로 얻어진다.
= (3)
4) 샤논 엔트로피를 바탕으로 삽입차원 m, 시간지연 d, 클래스 인자 c를 가지는 DE를 구하는 식은 다음과 같다.
2.2 누적 잔여 엔트로피(CRE, Cumulative Residual Entropy)
누적 잔여 엔트로피(CRE)는 랜덤 변수의 누적 분포를 사용한다. 이는 이산 확률 분포를 이용하는 샤논 엔트로피와 비교하여 이산 확률 분포 뿐만아니라 연속 확률 분포에도 유효하다는 점에서 적용 범위가 더 넓은 이점이 있다[3]. 랜덤 벡터 가 주어졌을 때, 벡터 X에 대한 누적 잔여 엔트로피(CRE)는 다음과 같다.
여기서, 이고, 는 이다.
2.3 누적 잔여 분산 엔트로피(CRDE, Cumulative Residual Dispersion Entropy)
N개의 발생 가능한 분산 패턴에 대한 확률 분포 가 있을 때, 샤논의 정의를 기반으로 확률 분포 s의 엔트로피는 -이다. 여기서 는 분산 패턴 의 발생 확률을 의미한다. 분산 엔트로피(DE)는 분산 패턴에 대한 확률 분포에서 각 확률 값 사이의 순서를 고려하지 않기 때문에, 임의의 확률 분포과 사이에 차이가 발생하지 않는다. 여기서, 본 발명은 확률 분포 s의 엔트로피 -를 구하는 과정에서 패턴
Figure 112021081386711-pat00031
의 확률 값이 아닌
Figure 112021081386711-pat00032
에서
Figure 112021081386711-pat00033
까지의 누적 분포 값을 이용하여 엔트로피를 구함으로써 분산 엔트로피(DE)가 가지는 문제를 해결한다. 누적 잔여 분산 엔트로피(CRDE)를 구하는 식은 다음과 같다.
여기서,
Figure 112021081386711-pat00036
는 각각의 분산 패턴의 발생 확률이고, K는 분산 패턴의 총 개수를 의미한다.
2.4 멀티스케일 누적 잔여 분산 엔트로피(MCRDE, Multiscale Cumulative Residual Dispersion Entropy)
본 발명에 따른 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)는 원시 ECG 데이터에 대해 내재되어 있는 정보를 추출하기 위해 ECG 데이터의 k개의 RR 간격의 시계열 신호의 시간 스케일(time scale)이 존재하며, 여러 시간 스케일에서 각 시간 스케일 값에 따라 해당하는 만큼 서브 샘플링(예를 들면, 100개의 RR 간격의 시계열 신호에 대하여 시간 스케일이 2인 경우 2샘플씩 건너 50개의 RR 간격의 시계열 신호를 추출)하는 coarse-graining[4]을 통해 누적 잔여 분산 엔트로피(CRDE,Cumulative Residual Dispersion Entropy)를 구한다. 길이가 N인 시계열 신호 을 식(7)에 의해 coarse-graining을 거쳐 를 생성한다.
생성된 각 시계열 신호 에 대해 누적 잔여 분산 엔트로피(CRDE)를 계산함으로써 MCRDE가 구해진다.
3. 데이터
본 발명에서는 'PhysioNet'[5] 으로부터 제공된 'BIDMC CHF'(CHFDB), 'MIT-BIH Fantasia' (FantasiaDB), 'MIT-BIH Atrial Fibrillation' (AFDB)을 사용하였다. 'CHFDB'는 울혈성 심부전증 환자 15명의 ECG기록을 포함한다. 'FantasiaDB'는 건강한 청년10명 및 노인 10명의 심전도(ECG)로 구성된다. AFDB는 23명의 부정맥(심방세동)환자의 심전도(ECG)로 구성된다. 각각의 ECG 데이터의 샘플링 주파수는 250Hz로 동일하게 사용한다. 각각의 ECG 데이터에 대해 RR 간격을 추출한 다음, 전처리를 통해 빈맥과 노이즈에 의한 이상 값을 제거하였다. 도 2는 각 그룹에 대한 RR간격 데이터를 대표하는 예시이다.
도 2는 RR 간격 데이터 (a)Healthy, (b)AFDB, (c)CHFDB
도 3은 RR간격에 대한 엔트로피 적용 결과 (a)MCRDE,(b)MDE. "*"는 CHF/AF, CHF/HEALTHY, AF/HEALTHY 그룹간의 엔트로피에 대해 p < 0.05를 나타낸다.
4. 실험 결과
멀티스케일 누적 잔여 분산 엔트로피(MCRDE)의 성능을 평가하기 위해 정상(HEALTHY), 심실세동(AF), 심부전(CHF) 그룹의 1000개의 RRI(RR 간격)에 MCRDE를 적용한 결과[도 3-a]를 멀티스케일 분산 엔트로피(MDE, Multiscale Dispersion Entropy)의 결과[도 3-b]와 비교하였다. 여기서, 두 엔트로피에 대해 DE의 인자인 삽입 차원 m은 3, 클래스 c는 4, 시간 지연 d는 1이고, 1부터 25까지의 스케일에 대해 엔트로피를 구하였다.
MDE의 경우 시간 스케일이 증가할수록 심부전(CHF), 심실세동(AF), 정상인(HEALTHY) 그룹의 엔트로피가 유사한 값으로 수렴하는 경향을 보이는 반면,
멀티스케일 분산 엔트로피(MCRDE)의 경우 시간 스케일이 증가할수록 3 그룹 간의 구분력이 증가한다. 또한, 심부전(CHF), 심실세동(AF), 정상인(HEALTHY) 그룹의 3 그룹의 엔트로피 값 사이의 통계적 차이를 검증하기 위해 윌콕슨 순위합 검정(Wilcoxon Rank Sum Test)를 수행하였다. 유의 수준은 0.05로 설정하여 유의 확률 p값이 0.05미만일 때 통계적 유의성이 받아들여 지는 것으로 도 3(a),(b)에 "*"로 표시하였다.
멀티스케일 분산 엔트로피(MDE)의 경우 3개의 스케일에서 유의한 차이가 발생한 반면, 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)는 13개 스케일에서 유의한 차이가 발생하였다. 이는 스케일(scale)이 증가함에 따라 각 그룹의 상이한 정보량을 나타냄으로써 MCRDE가 MDE의 정보량 추출의 한계를 향상시킴을 알 수 있다.
5. 결론
심전도(ECG)는 심장 수축/이완에 따른 심장 박동에 의한 전기적 신호를 기록하며, ECG로부터 추출되는 심박변이율(HRV) 분석을 통해 심장 질환을 진단한다. 심박변이율은 비선형적 특성을 가진 시계열 신호로써, 이를 분석하기 위한 방법으로 엔트로피가 유용하게 사용된다. 심박변이율(HRV)의 엔트로피 정량화 기법을 활용하여 심부전(CHF), 심방세동(AF), 정상인(HEALTHY) 그룹을 분류하기 위해 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)를 제안하였으며, 기존의 멀티스케일 분산 엔트로피(MDE)와 비교하였다. 심박변이율(HRV)은 외부 자극에 대한 자율신경계의 적응성을 반영하는 지표로 사용되며, 심장 질환을 예측할 수 있는 지표로 제시되고 있다.
본 연구는 심박변이율(HRV)의 엔트로피 정량화 기법을 활용하여 심부전(CHF), 심실세동(AF), 정상인(HEALTHY) 그룹을 분류하기 위해 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)를 제안하였으며, 기존의 멀티스케일 분산 엔트로피(MDE)와 비교하였다. 그 결과, 기존의 좋은 성능을 보이는 것으로 알려진 MDE보다 MCRDE가 더 많은 수의 스케일에서 각 그룹 간의 분류 성능이 높음을 확인하였다.
제안한 MCRDE 기법을 활용한 심박 변이율의 향상된 정량화를 토대로 향후 심장 질환 분류 및 심장 질환 진단 의료 기기의 기반 기술로 활용될 것으로 기대한다.
본 발명의 구체적인 실시예를 참조하여 설명하였지만, 본 발명은 상기와 같이 기술적 사상을 예시하기 위해 구체적인 실시 예와 동일한 구성 및 작용에만 한정되지 않고, 본 발명의 기술적 사상과 범위를 벗어나지 않는 한도 내에서 다양하게 변형하여 실시될 수 있으며, 본 발명의 범위는 후술하는 특허청구범위에 의해 결정되어야 한다.
DE: 분산 엔트로피(Dispersion Entropy)
CRE: 누적 잔여 엔트로피(Cumulative Residual Entropy)
CRDE: 누적 잔여 분산 엔트로피(Cumulative Residual Dispersion Entropy)
MDE: 멀티스케일 분산 엔트로피(Multiscale Dispersion Entropy)
MCRDE: 멀티스케일 누적 잔여 분산 엔트로피
(Multiscale Cumulative Residual Dispersion Entropy)

Claims (7)

  1. (a) 심전도 측정기에 의해 측정된 하나 이상의 심전도(ECG) 데이터를 사용하며, ECG 측정분석 프로그램에 의해 각 ECG 데이터를 특정 샘플링 주파수로 샘플링하고, 각각의 ECG 데이터의 k개의 각각의 RR 간격의 시계열 신호를 추출하는 단계; 및
    (b) 심박변이율(HRV)의 엔트로피 정량화 기법을 활용하여 심부전(CHF), 심실세동(AF), 정상인(HEALTHY) 그룹을 분류하기 위해 제안된 멀티스케일 누적 잔여 분산 엔트로피(MCRDE,Multiscale Cumulative Residual Dispersion Entropy)를 사용하고, 기존의 멀티스케일 분산 엔트로피(MDE)와 비교하며, HRV 신호의 시간적 공간적 스케일에 포함된 정보량을 표현하기 위해 상기 멀티스케일 누적 잔여 분산 엔트로피(MCRDE) 기법을 이용하여 심박변이율(HRV) 분석 결과를 제공하는 단계;
    를 포함하는 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법.
  2. 제1항에 있어서,
    상기 단계 (a)는 각각의 ECG 데이터의 특정 샘플링 주파수는 250 Hz 주파수를 사용하여 각각의 ECG 데이터를 샘플링하는, 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법.
  3. 제1항에 있어서,
    상기 심전도(ECG) 데이터는 심부전증 환자의 ECG, 건강한 청년 및 노인의 ECG, 부정맥(심방세동)환자의 ECG 데이터를 사용하는, 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법.
  4. 제1항에 있어서,
    상기 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)는
    원시 ECG 데이터의 k개의 RR 간격의 시계열 신호의 시간 스케일이 존재하며, 여러 시간 스케일에서 각 시간 스케일 값에 따라 해당하는 만큼 서브 샘플링하는 coarse-graining을 통해 누적 잔여 분산 엔트로피(CRDE,Cumulative Residual Dispersion Entropy)를 구하며, 길이가 N인 시계열 신호 을 식(7)에 의해 coarse-graining을 거쳐 를 생성하며,

    생성된 각 시계열 신호 에 대해 누적 잔여 분산 엔트로피(CRDE)를 계산함으로써 MCRDE를 구하는, 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법.
  5. 제1항에 있어서,
    상기 누적 잔여 분산 엔트로피(CRDE, Cumulative Residual Dispersion Entropy)는
    N개의 발생 가능한 분산 패턴에 대한 확률 분포 가 있을 때, 샤논의 정의를 기반으로 확률 분포 s의 엔트로피는 -이며, 여기서 는 분산 패턴 의 발생 확률을 의미하고, 분산 엔트로피(DE)는 분산 패턴에 대한 확률 분포에서 각 확률 값 사이의 순서를 고려하지 않기 때문에,
    이를 해결하기 위해 확률 분포 s의 엔트로피 -를 구하는 과정에서 패턴
    Figure 112021081386711-pat00050
    의 확률 값이 아닌
    Figure 112021081386711-pat00051
    에서
    Figure 112021081386711-pat00052
    까지의 누적 분포 값을 이용하여 엔트로피를 구함으로써 분산 엔트로피(DE)가 가지는 문제를 해결하며, 누적 잔여 분산 엔트로피(CRDE)를 구하는 식은 다음과 같이 표현되며,

    여기서,
    Figure 112021081386711-pat00055
    는 각각의 분산 패턴의 발생 확률이고, K는 분산 패턴의 총 개수를 의미하는, 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법.
  6. 제1항에 있어서,
    상기 멀티스케일 누적 잔여 분산 엔트로피(MCRDE)의 성능을 평가하기 위해 정상(HEALTHY), 심실세동(AF), 심부전(CHF) 그룹의 1000개의 RRI(RR 간격)에 MCRDE를 적용한 결과를 상기 멀티스케일 분산 엔트로피(MDE, Multiscale Dispersion Entropy)의 결과와 비교하면,
    두 엔트로피에 대해 DE의 인자인 삽입 차원 m은 3, 클래스 c는 4, 시간 지연 d는 1이고, 1부터 25까지의 스케일에 대해 엔트로피를 구하며,
    MDE의 경우 시간 스케일이 증가할수록 심부전(CHF), 심실세동(AF), 정상인(HEALTHY) 그룹의 엔트로피가 유사한 값으로 수렴하는 것을 보이는 반면,
    멀티스케일 분산 엔트로피(MCRDE)의 경우 시간 스케일이 증가할수록 3 그룹 간의 구분력이 증가하는, 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법.
  7. 제1항에 있어서,
    상기 심부전(CHF), 상기 심실세동(AF), 상기 정상인(HEALTHY) 그룹의 3 그룹의 엔트로피 값 사이의 통계적 차이를 검증하기 위해 윌콕슨 순위합 검정(Wilcoxon Rank Sum Test)를 수행하며, 유의 수준은 0.05로 설정하여 유의 확률 p값이 0.05 미만일 때 통계적 유의성이 받아들여 지는, 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법.
KR1020210092439A 2021-07-14 2021-07-14 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법 KR102574331B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210092439A KR102574331B1 (ko) 2021-07-14 2021-07-14 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210092439A KR102574331B1 (ko) 2021-07-14 2021-07-14 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법

Publications (2)

Publication Number Publication Date
KR20230011773A KR20230011773A (ko) 2023-01-25
KR102574331B1 true KR102574331B1 (ko) 2023-09-01

Family

ID=85109715

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210092439A KR102574331B1 (ko) 2021-07-14 2021-07-14 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법

Country Status (1)

Country Link
KR (1) KR102574331B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116211315B (zh) * 2023-04-10 2023-08-04 济南大学 一种单导联心电信号辅助诊断方法及诊断终端

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101534131B1 (ko) 2014-12-12 2015-07-24 순천향대학교 산학협력단 심전도를 이용한 짧은 ｒｒ 시계열로 ｃｈｆ 및 ａｆ의 자동 감지 방법
KR102171883B1 (ko) 2018-11-19 2020-10-29 광운대학교 산학협력단 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101534131B1 (ko) 2014-12-12 2015-07-24 순천향대학교 산학협력단 심전도를 이용한 짧은 ｒｒ 시계열로 ｃｈｆ 및 ａｆ의 자동 감지 방법
KR102171883B1 (ko) 2018-11-19 2020-10-29 광운대학교 산학협력단 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법

Also Published As

Publication number Publication date
KR20230011773A (ko) 2023-01-25

Similar Documents

Publication Publication Date Title
US4974598A (en) EKG system and method using statistical analysis of heartbeats and topographic mapping of body surface potentials
US8233972B2 (en) System for cardiac arrhythmia detection and characterization
US8251911B2 (en) Monitoring physiological condition and detecting abnormalities
JP5236200B2 (ja) Ｅｃｇ形態及び時系列の解析及び編集のための方法及び装置
CN113727638A (zh) 用于自动量化信号质量的方法和系统
WO2022052300A1 (zh) 一种基于深度学习的心电参数计算方法
Tueche et al. Embedded algorithm for QRS detection based on signal shape
Al-Qazzaz et al. Simulation Recording of an ECG, PCG, and PPG for Feature Extractions
Bhoi et al. QRS Complex Detection and Analysis of Cardiovascular Abnormalities: A Review.
Alhamaydeh et al. Identifying the most important ECG predictors of reduced ejection fraction in patients with suspected acute coronary syndrome
KR102574331B1 (ko) 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법
JPH0767843A (ja) 心電図信号のスペクトル分析方法および装置
EP3773162A1 (en) Method to analyze cardiac rhythms using beat-to-beat display plots
Dandapat et al. Quantification of diagnostic information from electrocardiogram signal: A review
Chou et al. Comparison between heart rate variability and pulse rate variability for bradycardia and tachycardia subjects
CN111839505A (zh) 一种基于心血管系统电-机械活动信息的房颤分级方法
Liu et al. Automatic Arrhythmia Detection Based on Convolutional Neural Networks.
TW200920316A (en) Rapid method for analyzing bio-signal instantaneously by phase space difference and its device
Gargasas et al. Development of methods for monitoring of electrocardiograms, impedance cardiograms and seismocardiograms
Mincholé et al. Discrimination between ischemic and artifactual ST segment events in Holter recordings
Gospodinov et al. Analysis of Heart Rate Variability Using Photopletismnographic and Electrocardiographic Signals
Mayapur Detection and classification of heart defects
Nainwal et al. Morphological changes in congestive heart failure ECG
TWI604327B (zh) 量測心臟血流脈波以檢測心室供血異常之方法
Chieng et al. Ventricular tachyarrhythmias prediction methods and its prognostic features: a review

Legal Events

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