KR20070009667A

KR20070009667A - Ｅｃｇ 신호 분석 방법 및 컴퓨터 장치

Info

Publication number: KR20070009667A
Application number: KR1020067023133A
Authority: KR
Inventors: 페드로 모레노; 데이비드 고듀; 베스 로간
Original assignee: 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘 피
Priority date: 2004-04-05
Filing date: 2005-03-31
Publication date: 2007-01-18
Also published as: JP2007531602A; CN1997313A; CN100581451C; WO2005099573A1; US20050222508A1; US7174205B2

Abstract

본 발명은 피검체의 ECG 신호(33)를 분석하는 컴퓨터 방법 및 장치에 관한 것으로, 이는 피검체 심전도 신호를 수신하는 단계와, 수신한 신호를 알려진 심장 증후군의 신호 패턴(13)과 비교하는 단계를 포함한다. 예시적 사전 정의 신호(13)의 라이브러리(11)가 사용된다. 예시적 사전 정의 신호(13)에 대한 피검체 신호(33)의 유사성을 표시하는 거리 측정치가 발생되어 벡터 시퀀스를 형성한다. 벡터 시퀀스는 분류자(25)로 입력되어 피검체의 임의의 심장 증후군을 표시하는 신호 패턴이 존재하는지를 판단한다.

Description

ＥＣＧ 신호 분석 방법 및 컴퓨터 장치{CARDIAC DIAGNOSTIC SYSTEM AND METHOD}

수년간에 걸쳐 심장병 학자와 심전도 학자들은 심전도 신호 또는 ECG의 분석에 관한 지식의 기본 틀을 형성하였다. 이들은 기본 심장 증후군에 대응하는 다수의 기본 "형상"을 확인하였다. 가장 최근의 결과로, 80개 이상의 기본 증후군이 ECG 신호의 특정 형태와 명확하게 관련될 수 있다(Francis Morrus가 저술한 ABC of Clinical electrocardiography, BMJ Publishing Gruop, 01-2003 ISBN 0727915363)(Jenkings와 Gerred가 저술한 ECG's by Example, 1997, ISBN 0443058978). 이들 증후군은 국소 빈혈 심장 질환, 비대 패턴, 방실 차단, 각 차단, 심상실성 율동 및 심실 율동을 포함한다.

이전 ECG 분석 작업은 알려진 증후군에 대한 특정 검출자를 구성하는 데 초점을 맞추었다. 통상적으로, 심장병 학자는 신호에서 발견해야 하는 것에 대한 상세한 형태적 설명을 제공하고 이 정보는 알고리즘을 이루는 일련의 규칙으로 인코딩된다. ECG 신호 및 이들이 인코딩하는 잠재적 증후군의 검출/분류화에 대한 이 규칙 기반 접근 방안은 많은 결점을 갖는다. 특히, 이는 분명히 알고리즘 설계의 시행착오를 포함하는 시간 소모적인 방안이다. 또한, 알고리즘 설계자는 대량의 데이터에 노출되지 않으며 알고리즘을 인코딩하는 규칙이 충분히 포괄적이라는 보장이 없다. 또한, 전문가로부터 규칙을 얻는 것은 어려우며, 간혹 전문가들은 한 심장 증후군과 다른 증후군을 어떻게 구분할지를 알지 못하고, 단지 "알기"만 할 뿐 왜 구분 짓는지를 설명할 수 없다.

다른 방안은, 심장병 학자가 제공하는 주석(annotations)을 갖는 ECG 데이터를 이용하는 것이다. 전문가는 ECG 신호의 영역에 부호(label)를 할당하여 이 신호가 정상인지 또는 특정 증후군이 존재하는지를 표시하게 한다. 그 후, 패턴 인식 기술이 ECG 신호로부터 형상을 추출하고, 부호를 이용하여 에러 율을 최소화하는 분류자를 구성하려 한다. 이 애플리케이션은 이전 것보다 우수하며 일반적으로 (부호만을 필요로 하며) 신호의 형태의 상세한 이해에 의존하지 않지만, 전문가가 수년에 걸쳐 획득한 넓은 지식의 이점을 살리지 못한다. 출원인은, 원시 데이터로부터 의미있는 형상을 추출하고 특정 증후군을 이루는 고유의 규칙을 계산해야 하는 패턴 인식 알고리즘으로부터 너무 많은 것이 실제로 요구된다는 것을 발견하였다.

본 발명은 종래 기술의 단점을 극복한다. 특히, 본 발명은 (ECG 형태에 인코딩되는) 심장병 학자의 전문 지식을 패턴 인식 기술과 결합한다. 이는 두 분야의 장점, 즉, 전문가 지식과 자동 분류 기술을 효율적으로 결합한다.

일실시예에서, 피검체의 ECG 신호 분석 방법 및 장치는, (i)분석될 피검체 심전도 신호를 수신하는 단계와, (ii)예시적 사전 정의 신호의 라이브러리를 이용하여, 알려진 심장 증후군 신호 패턴에 피검체 신호를 비교하는 단계와, (iii) 예시적 사전 정의 신호에 대한 피검체 신호의 유사성을 표시하는 거리 측정치를 발생시키는 단계와, (iv)발생된 거리 측정치로부터 벡터 시퀀스를 형성하는 단계를 포함한다. 형성된 벡터 시퀀스는 분류자로의 입력으로 이용되어, 피검체에 임의의 심장 증후군(즉, 증후군을 나타내는 신호 패턴)이 존재하는지를 판단한다.

본 발명의 전술한 목적과 다른 목적, 특징 및 장점은 본 발명의 바람직한 실시예의 설명으로부터 명백해질 것이며, 여러 도면에서 동일한 참조 번호는 동일한 부분을 나타낸다. 도면은 실제 규격대로 도시된 것이 아니며 본 발명의 원리를 설명하기 위해 강조되었다.

도 1은 본 발명에 의해 사용되는 트레이닝 절차의 블록도이다.

도 2는 본 발명의 ECG 분석의 블록도이다.

도 3은 본 발명이 실시될 수 있는 디지털 처리 환경의 개략도이다.

본 발명의 바람직한 실시예를 후술한다.

본 발명은, 심장 질환과 증후군을 진단하는 심장병 학자의 전문적 지식과, 대량의 원시 데이터에 기초하여 "정보를 습득"하는 자동 기계 정보 습득 시스템의 전문 기술을 결합하는 방식을 제공한다.

거리의 개념이 존재하는 데이터-구동 패턴 분류화 기술은 지원 벡터 분류자(Support Vector Classifiers), 분류자 촉진(Boosting classifiers) 및 신경계(neural networks)를 포함한다. 이 분류 기술의 핵심에는, 형상 벡터(feature vectors)로 나타내는 데이터 포인트를 비교하고 실수(a real number)를 발생시키는 "커널(kernel)"이라는 거리 함수가 존재한다. 본 발명에서, 데이터 포인트는 형상 벡터를 발생시키기 위해 처리되는 ECG 신호의 세그먼트이다. 신규한 커널과 부호가 붙은 트레이닝 데이터의 수집을 이용하여 구분될 분류 세트를 특징짓는 파라미터 세트를 습득한다. 그 후, 이 파라미터 세트는 커널과 함께 새로운 데이터 포인트(알려지지 않은 조건의 ECG 신호)를 분류하는 데 이용된다.

본 발명은 다음과 같이 동작한다.

분류될 증후군에 대응하는 예시적 ECG 심장 박동 패턴 또는 형태 세트가 심장학 문헌으로부터 얻어되거나 심장병 학자들과 협의하여 개발된다. 각 패턴은 시간과 크기가 정상화되고 초기 심장 박동과 일치된다. 결과 패턴(13a...n)은 사전 정의되는 예시적 신호로 고려되며, 도 1에 도시된 바와 같이 (데이터베이스, 테이블 또는 기타 데이터 스토어를 통해 구현되는) 라이브러리(11)에 저장된다.

다음으로, 라이브러리(11)의 패턴(13)은 2개의 데이터 포인트를 비교하고 거리를 발생시키는 커널 함수(15)를 구성하는 데 이용된다. 후술할 바와 같이 이를 구현하는 많은 방식이 존재한다.

커널 함수(15)에 의해 출력된 계산된 거리는 분류자(25)의 패턴 인식 엔 진(21)에 입력된다. 패턴 인식 엔진(21) 및/또는 분류자(25)는 신경계 지원 벡터 머신 또는 부팅 분류자 또는 이 기술 분야의 공통적인 다른 종류일 수 있다. 분류자(25)는 패턴 인식 엔진(21)에 의해 구성되는 패턴 판정을 이용하고 피검체 ECG 신호의 분류를 판정한다(또는 분류화한다).

패턴 인식 엔진(21)과 분류자(25)를 트레이닝하기 위해, 부호화 또는 주석이 붙은 트레이닝 자료(training corpora, 23)가 사용된다. 트레이닝 자료(23)는 대응하는 증후군 분류로 주석이 붙은 알려지고 이미 분석된 ECG 신호의 수집이다. 윈도잉 부재(a windowing member, 17)는 통상적으로 도 1의 점선에 의해 도시된 바와 같은 신호 패턴의 변경에서 각 트레이닝 ECG 신호(23)를 데이터 덩어리(data chunk, 27)로 분할한다.

결과 ECG 신호(23) 세그먼트 또는 데이터 덩어리(27)는 형상 추출 모듈(19)로 입력된다. 각 세그먼트(27)에 대해, 형상 추출 모듈(19)은 (i)세그먼트/데이터 덩어리(27)로부터 관심 대상인 신호 패턴을 추출하고, (ii)추출된 형상(관심 대상인 신호 패턴)을 나타내는 ECG 세그먼트 데이터 포인트(29)를 발생시킨다. 이 형상 추출 모듈(19)은 이들 데이터 포인트(29)를 출력하여 커널 함수(15)로 입력한다.

일실시예에서, 커널 함수(15)에서 내부 거리 함수는 (ECG 세그먼트(29))의 주어진 데이터 포인트들간의 개별 거리와 패턴(13a...n) 각각을 계산한다. 그 결과, 커널 함수(15)는

(a) (라이브러리(11))의 패턴(13)마다 주어진 ECG 세그먼트(27)의 데이터 포 인트로부터 패턴(13)의 데이터 포인트로의 거리 벡터를 계산한 후,

(b) ECG 세그먼트(27)마다 분류 메트릭(유클리드 거리, 마할라노비스(mahalanobis)거리 등)을 이용하여 (a)의 벡터들간의 거리를 자신의 최종 결과로서 계산한다.

다른 실시예에서는, 커널 함수(15)는 ECG 세그먼트(27)마다 기러 벡터를 다음과 같이 계산한다. 주어진 ECG 세그먼트(27)에 대해, 각 벡터는 라이브러리(11)의 패턴(13)에 존재하는 것과 같은 수의 구성 요소를 갖는다. 즉, 각 구성 요소는 상이한 패턴(13)에 대응한다. 또한, 각 구성 요소는, (ECG 주어진 세그먼트(27)의) 데이터 포인트(29)와 구성 요소의 관련 라이브러리 패턴(13)의 데이터 포인트 사이의 동일성의 확률 또는 가능성(likelihood)으로서 정의되는 유사성 값을 갖는다. 결과 복수의 구성 요소 벡터로부터, 커널 함수(15)는 본 명세서에서 참조하는 미국 출원 제 09/724,269 호(2000년 11월 28일자 출원)에 개시된 기술에 따라 대응 ECG 세그먼트(27)에 대한 스코어를 계산하고 출력한다. 이 스코어는 주어진 ECG 세그먼트(27)와 라이브러리 패턴(13) 사이의 측정된 가능도(또는 부류의 거리)를 나타낸다.

도 1의 정보 습득 및 트레이닝의 최종 결과는 분류될 증후군에 대한 특정 조건을 더 특정화하는 파라미터 세트(31)이다(도 2). 파라미터 세트(31)는 도 2를 참조하여 설명되는 본 발명의 실행 시간 동안 사용된다.

심장 조건이 알려지지 않은 환자(피검체)의 ECG 신호(33)의 분석 또는 테스트 동안, 윈도잉 부재(17)와 형상 추출 모듈(19)은 전술한 바와 같이 동작하지만 테스트 자료(33)상에서 동작한다. (분석될) 피검체 ECG 신호(33)는 따라서 분할되며 가능한 심장 증후군 표시에 대해 분석될 ECG 데이터 덩어리(27)로서 형상 추출 모듈(19)의 출력으로 최종적으로 표현된다.

실시예 또는 전술한 바에 따라 구성되는 커널 함수(15)는 피검체 ECG 세그먼트(27)와 패턴(13)의 라이브러리(11)를 입력으로서 수신한다. 커널 함수(15)는 피검체 ECG 세그먼트(27)와 라이브러리 패턴(13) 사이의 거리 측정치 또는 다른 양적 유사성 표시를 계산한다. 커널 함수(15)가 테스트 신호(33) 시퀀스의 피검체 ECG 세그먼트(27)마다 양적 측정치를 발생시키는 것이 바람직하다. 최종적으로, 계산된 거리 측정치로부터, 커널 함수(15)는 분류자(25)로의 입력에 대한 거리 벡터 시퀀스를 발생시킨다. 도 1에서 트레이닝되고 습득된 파라미터(31)에 의해 지원되는 분류자(25)는, 커널 함수(15) 및 분류자(또는 분류에 따른 카테고리)로부터 테스트 신호(33)의 피검체 ECG 세그먼트(27)로의 거리 벡터 시퀀스에 반응적이다. 그 결과, 분류자(25)는 특정 심장 증후군, 신뢰 스코어 등으로 부호화되는 테스트 신호(33)의 주석이 붙은 버전(35)을 출력한다.

요약하면, 본 발명은 주석이 붙은 트레이닝 데이터(23)로부터 추가적 파라미터를 습득하는 분류화 알고리즘의 내부 구성 요소로서 심장 질병의 잘 알려지고 특징화된 패턴(13)에 기초하는 심장병 학자-설계 커널(15)을 이용한다. 따라서, 본 발명은 2개의 방식으로 심장병 학자 전문 지식을 포함한다. 첫째, 심장병 학자-설계 커널(15)을 통한 완전히 신규한 방식이며, 둘째, ECG 트레이닝 데이터(23)에 대한 그들의 주석을 통한 더 통상적인 방식이다.

본 발명이 구현될 수 있는 컴퓨터 시스템(환경)(100)이 도 3에 도시되어 있다. 즉, 도 1의 트레이닝 루틴/프로그램(40)이 이러한 컴퓨터 시스템(100)에서 실행될 수 있다. 테스팅/분석 루틴 또는 프로그램(50)이 동일 또는 상이한 컴퓨터 시스템(100)에 의해 실행될 수 있다. 각 컴퓨터 시스템(100)은 루틴/프로그램(40,50)을 실행하기 위한 동작 메모리(90)를 가지며, 라이브러리(11), 분류자 파라미터(31) 등을 보유하는 지원 데이터 스토어(94)에 접속된다.

특히, 각 컴퓨터(100)는 시스템 버스(79)를 포함하는데, 버스는 컴퓨터 구성 요소들간의 데이터 전송을 위해 사용되는 하드웨어 세트이다. 본질적으로 버스(79)는 소자들간의 정보 전송을 가능하게 하는 컴퓨터 시스템의 여러 소자(예: 프로세서, 디스크 스토리지, 메모리, 입력/출력 포트, 네트워크 포트 등)를 접속하는 공유되는 연결관이다. 다양한 입력 및 출력 장치(예: 디스플레이, 프린터, 스피커 등)를 컴퓨터에 접속하기 위한 I/O 장치 인터페이스(82)가 시스템 버스(79)에 접속된다. 네트워크 인터페이스(86)는 컴퓨터가 네트워크에 부착되는 다양한 다른 장치에 접속하게 한다. 메모리(90)는 본 발명의 일실시예를 구현하는 데 이용되는 컴퓨터 소프트웨어 인스트럭션(예; 프로그램 루틴(92) 및 데이터(94))을 위한 휘발성 저장장치를 제공한다. 프로그램 루틴(92)은 도 1 및 2의 발명 절차(40,50)를 포함한다. 디스크 저장 장치(95)는 본 발명의 일실시예를 구현하는 데 이용되는 컴퓨터 소프트웨어 및 데이터를 위한 비휘발성 저장장치를 제공한다. 또한, 중앙 처리 장치(84)가 시스템 버스(79)에 접속되어 컴퓨터 인스트럭션의 실행을 제공한다.

네트워크 인터페이스(86)는 네트워크(예: 근거리 네트워크, 광대역 네트워크 또는 클로벌 네트워크)를 통해 다운로드 또는 업로드될 절차(40,50)를 인에이블한다. I/O 장치 인터페이스(82)는 디스켓(CD-ROM 등)상의 컴퓨터들간에 포트될 절차(40,50)를 인에이블한다. 컴퓨터(100)들간의 전체적 또는 부분적 다른 전송 절차(40,50)는 당업자에게 자명하다. 따라서, 절차(40,50)는 컴퓨터 시스템(100)을 통해 분배되는 독립 컴퓨터(100)상에서 실행되거나 클라이언트 서버 방식 또는 다른 장치에서 실행될 수 있다.

바람직한 실시예를 참조하여 본 발명을 설명하였지만, 첨부된 청구 범위에 의해 정해지는 본 발명의 범위를 벗어나지 않고 다양한 변형 및 수정이 이루어질 수 있음은 당업자에게 명백할 것이다.

예를 들어, 환자는 사람 또는 동물일 수 있다.

Claims

피검체의 ECG 신호 분석 방법으로서,

분석될 피검체 심전도 신호를 수신하는 단계와,

알려진 심장 증후군을 표시하는 예시적 사전 정의 신호의 라이브러리를 이용하여, 상기 예시적 사전 정의 신호에 대한 상기 피검체 신호의 유사성을 표시하는 거리 측정치를 발생시키는 단계와,

상기 발생된 거리 측정치로부터 벡터 시퀀스를 형성하는 단계와,

상기 벡터 시퀀스를 분류자로의 입력으로 이용하여, 이로부터 상기 피검체에 임의의 심장 증후군이 존재하는지를 판단하는 단계를 포함하여 컴퓨터로 구현하는

ECG 신호 분석 방법.
제 1 항에 있어서,

상기 피검체 신호를 동작 세그먼트로 분할하는 단계를 더 포함하되,

상기 거리 측정치 발생 단계는, 동작 세그먼트마다 상기 라이브러리의 예시적 신호의 개수와 동일한 수의 성분을 갖는 벡터를 형성하는 단계를 포함하고, 각 성분은 상기 예시적 신호 중 상이한 신호에 대응하며 상기 동작 세그먼트가 상기 각 예시적 신호에 얼마나 유사한지를 표시하는 각 거리 값을 갖는

ECG 신호 분석 방법.
제 1 항에 있어서,

상기 거리 측정치 발생 단계는,

상기 피검체 신호를 복수의 세그먼트로 분할하는 단계와,

세그먼트마다, (a) 상기 세그먼트의 데이터 포인트와 상기 라이브러리의 각 예시적 신호의 데이터 포인트 사이의 거리를 계산하는 단계와, (b) 상기 형성된 거리 벡터들간의 거리에 대한 함수로서 상기 세그먼트에 대한 거리 측정치를 정의하는 단계를 포함하는

ECG 신호 분석 방법.
제 1 항에 있어서,

상기 분류자의 출력에 기초하여 상기 라이브러리의 예시적 신호의 세그먼트를 라벨링(lableing)는 단계를 더 포함하는

ECG 신호 분석 방법.
제 1 항에 있어서,

상기 예시적 신호의 라이브러리는 심장병 학자가 정의하는 샘플을 보유하며,

각 샘플은 각 심장 증후군 및 대응 예시적 심전도 신호를 갖는

ECG 신호 분석 방법.
피검체의 ECG 신호를 분석하는 컴퓨터 장치로서,

분석될 피검체 심전도 신호(33)를 수신하는 모듈(14,19)과,

예시적 사전 정의 신호(13)의 라이브러리(11)와,

상기 라이브러리(11)와 상기 수신 모듈 사이에 접속되어, (i)상기 예시적 사전 정의 신호(10)에 대한 상기 피검체 신호(33)의 유사성을 표시하는 거리 측정치를 발생시키고, (ii)상기 발생된 거리 측정치로부터 벡터 시퀀스를 형성하는 커널 함수 부재(15)와,

상기 형성된 벡터 시퀀스를 입력으로 이용하여 상기 피검체에 임의의 심장 증후군이 존재하는지를 판단하는 분류자(25)를 포함하는

ECG 신호 분석 컴퓨터 장치.
제 6 항에 있어서,

상기 수신 모듈은 상기 피검체 신호(33)를 동작 세그먼트(27)로 분할하고,

상기 커널 함수 부재(15)는 상기 라이브러리(11)의 예시적 신호(13)의 개수와 동일한 개수의 성분을 갖는 벡터를 형성하여 동작 세그먼트(27)마다 거리 측정치를 발생시키며,

각 성분은 상기 예시적 신호(13) 중 상이한 신호에 대응하고 상기 동작 세그먼트(27)가 상기 각 예시적 신호(13)에 대해 얼마나 유사한지를 표시하는 각 거리 값을 갖는

ECG 신호 분석 컴퓨터 장치.
제 6 항에 있어서,

상기 수신 모듈은 상기 피검체 신호(33)를 동작 세그먼트(27)로 분할하고,

상기 커널 함수 부재(15)는 동작 세그먼트마다 (a)상기 세그먼트(27)의 데이터 포인트(29)와 상기 라이브러리(11)의 각 예시적 신호(13)의 데이터 포인트 사이의 거리를 계산하여 예시적 신호마다 거리 벡터가 생성되게 하며, (b) 상기 형성된 거리 벡터들간의 거리에 대한 함수로서 상기 동작 세그먼트(27)에 대한 거리 측정치를 정의하는

ECG 신호 분석 컴퓨터 장치.
제 6 항에 있어서,

상기 라이브러리(11)의 상기 예시적 신호(13)의 세그먼트는 상기 분류자(25)의 출력에 기초하여 라벨링되는(labeled)

ECG 신호 분석 컴퓨터 장치.
제 6 항에 있어서,

상기 예시적 신호의 라이브러리(11)는 심장병 학자가 정의하는 샘플을 보유하고,

각 샘플은 각 심장 증후군 및 대응하는 예시적 심전도 신호를 갖는

ECG 신호 분석 컴퓨터 장치.