KR20210109879A - 심전도 전처리 방법 및 st 상승 심근경색 검출 방법 - Google Patents
심전도 전처리 방법 및 st 상승 심근경색 검출 방법 Download PDFInfo
- Publication number
- KR20210109879A KR20210109879A KR1020200025038A KR20200025038A KR20210109879A KR 20210109879 A KR20210109879 A KR 20210109879A KR 1020200025038 A KR1020200025038 A KR 1020200025038A KR 20200025038 A KR20200025038 A KR 20200025038A KR 20210109879 A KR20210109879 A KR 20210109879A
- Authority
- KR
- South Korea
- Prior art keywords
- noise
- qrs group
- qrs
- channel
- electrocardiogram
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000007781 pre-processing Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 title claims description 49
- 208000006117 ST-elevation myocardial infarction Diseases 0.000 claims abstract description 71
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 16
- 230000002238 attenuated effect Effects 0.000 claims description 21
- 238000000718 qrs complex Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 abstract 1
- 238000013528 artificial neural network Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 238000002405 diagnostic procedure Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 208000010125 myocardial infarction Diseases 0.000 description 5
- 230000006698 induction Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 208000000770 Non-ST Elevated Myocardial Infarction Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000002837 heart atrium Anatomy 0.000 description 2
- 230000028161 membrane depolarization Effects 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 206010008479 Chest Pain Diseases 0.000 description 1
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- 206010061216 Infarction Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 206010000891 acute myocardial infarction Diseases 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007574 infarction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 1
- 230000013577 regulation of ventricular cardiomyocyte membrane repolarization Effects 0.000 description 1
- 230000002336 repolarization Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- 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
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
본 발명은 심전도 신호에 포함된 전기 험 및/또는 기저선 변동 노이즈를 감쇄시키고, 노이즈 감쇄된 심전도 신호에서 검출한 QRS 군의 위치를 기초로 심전도 신호를 펄스 분할하는 전처리를 수행하는 방법과, 이러한 전처리를 거친 펄스 분할 데이터를 일차원 컨볼루션 신경망 모델을 통해 ST 상승 심근경색을 분류 또는 검출하는 방법에 관한 것이다.
Description
신경망을 활용하여 심전도로부터 심근경색을 검출하는 방법에 관한 것으로, 보다 상세하게는 심전도 신호로부터 ST 상승 심근경색을 검출하는 보조 진단 방법 및 ST 상승 심근경색 검출 성능을 향상시키는 심전도 전처리 방법에 관한 발명이 개시된다.
급성 심근경색(Myocardial Infarction, MI)은 선진국에서 주요 사망 원인 중 하나이다. 심근경색(MI)은 STEMI(St Elevation Myocardial Infarction) 또는 NSTEMI (Non-ST Elevation Myocardial Infarction)로 나눌 수 있다. 관상 동맥의 완전한 폐색은 STEMI라고 하며 혈전이나 색전증으로 인한 혈류의 갑작스런 중단을 특징으로 한다. STEMI와 관련된 심장 근육의 영역은 일반적으로 크므로 STEMI는 적절히 조치되지 않으면 잠재적으로 생명을 위협한다.
심전도(ECG 또는 EKG)는 도 1과 같이 5개의 파(P, Q, R, S 및 T)로 구성된다. 특히, Q, R 및 S 파는 그룹화되어 QRS 군(QRS complex)으로 명명되며, S와 T 사이의 영역은 ST 분절이라고 한다. STEMI의 심전도(ECG)에서 ST 분절은 정상보다 더 높다. 이러한 특성은 의사가 STEMI를 진단하는 데 사용된다. 그러나, 정상의 심전도(ECG)와 STEMI의 심전도(ECG)가 전체적인 관점에서 유사하게 보일 수 있다. 응급 상황의 경우, 심전도(ECG)는 전원 케이블로부터의 전기적 노이즈 또는 환자의 움직임으로 인한 노이즈를 포함할 수 있다. 이러한 노이즈를 60 Hz 전기 험(mains hum)과 기저선 변동 잡음(baseline wandering)이라고 한다. 심전도(ECG)에 기저선 변동 잡음이 포함되면 정상과 STEMI를 구분할 때 혼란을 초래할 수 있다. 예를 들어, 기저선 변동 잡음에 의해 증가하는 추세를 갖는 정상의 심전도(ECG)는 STEMI로 간주될 수 있으며 그 반대도 마찬가지이다.
지침은 처음 흉부 통증을 느낀 환자에 대하여 의료진이 10분 이내에 STEMI를 진단할 것을 권장한다]. 그러나 STEMI 진단을 보조하기 위한 많은 기존의 보조진단 방법의 심전도(ECG) 해석은 의사들을 만족시키고 있지 못하다. 특히, 더 많은 노이즈가 포함될 것으로 예상되는 긴급 상황에서도 심전도(ECG)를 통해 보다 정확하게 STEMI를 진단하는 보조진단 방법이 요구되고 있다.
본 발명은 노이즈가 많이 포함되는 긴급 상황에서의 심전도(ECG)에 대해서도 높은 민감도와 특이도로 ST 상승 심근경색(STEMI) 진단에 도움을 주는 방법을 제공하는 것을 목적으로 한다.
추가로, 본 발명은 심전도(ECG)로부터 ST 상승 심근경색(STEMI)를 진단하는 보조진단 방법의 성능을 향상시킬 수 있는 전처리 방법을 제공하는 것을 또 다른 목적으로 한다.
본 발명의 일 양상에 따르면, 심전도 신호 전처리 방법은 노이즈 감쇄 단계와, QRS 군 검출 단계와, 펄스 분할 단계를 포함하여 심전도를 분석하여 ST 상승 심근경색을 검출하는 보조진단의 성능을 향상시킨다.
노이즈 감쇄 단계는 12-유도 심전도(12-lead ECG) 신호에 포함된 노이즈를 각 채널 별로 감쇄시키는 감쇄 단계로, 노치 필터(notch filter) 및/또는 고역 통과 필터(high-pass filter)를 사용하여 노이즈를 감쇄시킬 수 있다.
QRS 군 검출 단계는 12-유도 심전도(12-lead ECG)의 각 채널 별 노이즈 감쇄 심전도 신호에서 QRS 군의 위치를 검출하는 단계로, 각 채널의 노이즈 감쇄 심전도 신호에서 피크(peak) 위치로 QRS 군 위치를 검출하는 제1 단계와, 각 채널의 상하 반전된 노이즈 감쇄 심전도 신호에서 피크 위치로 QRS 군 위치를 검출하는 제2 단계와, 제1 단계에서 검출된 위치와 제2 단계에서 검출된 위치를 기초로 QRS 군 위치를 선택하는 선택 단계를 포함할 수 있다.
펄스 분할 단계는 검출된 QRS 군 위치를 기준으로 12-유도 심전도(12-lead ECG)의 각 채널 별 노이즈 감쇄 심전도 신호를 펄스 분할하는 단계로, 검출된 QRS 군의 위치로부터 계산된 QRS 군의 주기와 QRS 군의 위치를 중심으로 하여 QRS 군의 주기만큼 각 채널의 노이즈 감쇄 심전도 신호를 펄스 분할할 수 있다.
본 발명의 일 양상에 따르면, ST 상승 심근경색 검출 방법은 전처리 단계와, 검출 단계를 포함한다.
전처리 단계는 12-유도 심전도(12-lead ECG) 신호에 포함된 노이즈를 각 채널 별로 감쇄시키는 노이즈 감쇄 단계와, 각 채널 별 노이즈 감쇄 심전도 신호에서 QRS 군(QRS complex)의 위치를 검출하는 QRS 군 검출 단계와, 검출된 QRS 군 위치를 기준으로 각 채널 별 노이즈 감쇄 심전도 신호를 펄스 분할하는 펄스 분할 단계를 포함하여 펄스 분할된 심전도 데이터를 생성하는 단계이다.
검출 단계는 상기 펄스 분할된 심전도 데이터를 일차원(1D) 컨볼루션 신경망(CNN) 모델을 통해 ST 상승 심근경색(STEMI)을 검출하는 단계이다.
본 발명에 의하면 노이즈가 많이 포함되는 긴급 상황에서의 심전도(ECG)에 대해서도 높은 민감도와 특이도로 ST 상승 심근경색(STEMI)을 진단에 도움을 주는 방법을 제공할 수 있다.
추가로, 본 발명에 의하면 심전도(ECG)로부터 ST 상승 심근경색(STEMI)를 진단하는 보조진단 방법의 진단 성능을 향상시킬 수 있는 전처리 방법을 제공할 수 있다.
도 1은 심전도에 존재하는 각 파형과 QRS 군과 ST 분절을 도시하고 있는 심전도의 예시이다.
도 2는 노이즈가 포함된 I 유도 심전도에 대하여 노이즈 감쇄를 수행한 결과를 도시한 예시이다.
도 3은 QRS 군 검출기 동작의 예시와 검출된 QRS 군을 개념적으로 도시한 것이다.
도 4는 심전도 신호에서 QRS 군을 검출하여 펄스 분할하는 과정을 개념적으로 도시한 것이다.
도 5는 일 실시 예에 따른 심전도 전처리 방법의 절차를 도시한 절차도이다.
도 6은 ST 상승 심근경색 검출 방법에 사용되는 CNN 아키텍쳐의 예시를 도시하고 있다.
도 7은 일 실시 예에 따른 ST 상승 심근경색 검출 방법의 절차를 도시한 절차도이다.
도 2는 노이즈가 포함된 I 유도 심전도에 대하여 노이즈 감쇄를 수행한 결과를 도시한 예시이다.
도 3은 QRS 군 검출기 동작의 예시와 검출된 QRS 군을 개념적으로 도시한 것이다.
도 4는 심전도 신호에서 QRS 군을 검출하여 펄스 분할하는 과정을 개념적으로 도시한 것이다.
도 5는 일 실시 예에 따른 심전도 전처리 방법의 절차를 도시한 절차도이다.
도 6은 ST 상승 심근경색 검출 방법에 사용되는 CNN 아키텍쳐의 예시를 도시하고 있다.
도 7은 일 실시 예에 따른 ST 상승 심근경색 검출 방법의 절차를 도시한 절차도이다.
전술한, 그리고 추가적인 양상들은 첨부된 도면을 참조하여 설명하는 실시 예들을 통해 구체화된다. 각 실시 예들의 구성 요소들은 다른 언급이나 상호간에 모순이 없는 한 실시 예 내에서 다양한 조합이 가능한 것으로 이해된다. 블록도의 각 블록은 어느 경우에 있어서 물리적인 부품을 표현할 수 있으나 또 다른 경우에 있어서 하나의 물리적인 부품의 기능의 일부 혹은 복수의 물리적인 부품에 걸친 기능의 논리적인 표현일 수 있다. 때로는 블록 혹은 그 일부의 실체는 프로그램 명령어들의 집합(set)일 수 있다. 이러한 블록들은 전부 혹은 일부가 하드웨어, 소프트웨어 혹은 이들의 결합에 의해 구현될 수 있다.
도 1은 심전도에 존재하는 각 파형과 QRS 군과 ST 분절을 도시하고 있는 심전도의 예시이다. 심전도는 심방과 심실의 탈분극과 재분극에 의해 발생되는 전기적 활동을 나타내며, 심방의 탈분극 시 나타나는 P 파와, 심실의 탈분극 시 나타나는 Q 파, R 파, S 파와, 심실의 재분극 시 나타나는 T 파 등으로 구성되며, Q 파와 R 파와 S 파를 하나의 그룹으로 하여 QRS 파 또는 QRS 군(QRS complex)라고 하며 QRS 군과 T 파 사이에 즉, S 파가 끝나는 지점과 T 파가 시작되는 지점 사이를 ST 분절(segment)이라고 한다. ST 분절이 ST 분절의 시작점으로부터 일정 시간(0.08초) 이후에 1 mm 이상 낮아지는 경우를 하강(despression)되었다고 하고 반대의 경우가 상승(elevation)이라고 하며 심전도에서 이 ST 분절이 상승하면 ST 상승 심근경색(STEMI)으로 진단될 수 있다.
본 발명의 일 양상에 따르면, 심전도 신호 전처리 방법은 심전도 신호를 입력 받아 처리하는 컴퓨팅 장치에서 실행되는 프로그램 명령어들로 적어도 일부가 구현되며, 노이즈 감쇄 단계와, QRS 군 검출 단계와, 펄스 분할 단계를 포함하여 심전도를 분석하여 ST 상승 심근경색을 검출하는 보조진단의 성능을 향상시킨다.
심전도 신호 전처리 방법을 처리하는 전처리 장치는 컴퓨팅 장치로 예시적으로 메모리에 저장된 프로그램을 실행하는 마이크로프로세서를 통해 심전도 신호 전처리 방법을 수행한다. 심전도 신호 전처리 방법을 구성하는 일부 단계들이 전용 하드웨어에 의해 처리될 수 있다. 예를 들어, 노이즈 감쇄 단계가 컴퓨팅 장치가 하드웨어 필터 회로를 포함하고, 노이즈 감쇄 단계가 이 하드웨어 필터에 의해 처리될 수 있다. 또한, QRS 군 검출 단계의 처리를 위해 컴퓨팅 장치가 전용의 신경망 회로로 구현된 QRS 군 분류기(classifier)를 포함하고, 단계의 일부 기능이 해당 신경망 회로에 의해 처리될 수 있다. 노이즈 감쇄 단계와, QRS 군 검출 단계가 전처리 장치인 컴퓨팅 장치에서 실행되는 프로그램 명령어들로만 구현될 수도 있다.
본 발명의 심전도 신호 전처리 방법에서 처리하는 심전도(ECG) 신호는 12-유도 심전도(12-lead ECG)를 사용한다. 따라서, 본 발명의 심전도 신호 전처리 방법은 각 유도의 신호 즉, 12 채널의 신호를 처리한다. 12-유도 심전도(12-lead ECG)는 표준유도(I, II, III)와 사지유도(aVR, aVL, aVF)와 흉부유도(V1, V2, V3, V4, V5, V6)의 12개의 유도를 포함한다. 종래의 기술들은 단일 유도만 사용하거나 일부 유도를 선택하여 사용하기 때문에 심근경색의 모든 국소화(localization)을 고려하지 않아 미사용 유도로 인해 심근경색의 국소화를 놓칠 가능성이 있다.
노이즈 감쇄 단계는 전처리 장치인 컴퓨팅 장치가 12-유도 심전도(12-lead ECG) 신호에 포함된 노이즈를 각 채널 별로 감쇄시키는 감쇄 단계이다. 심전도(ECG) 신호는 미세한 전압을 측정하는 것이므로 노이즈의 영향을 많이 받는 것으로 알려져 있다. 노이즈 감쇄 단계는 향후 ST 상승 심근경색 검출 성능을 효과적으로 높이기 위해 수행하는 전처리이다. 본 발명의 심전도 신호 전처리 방법은 12 채널의 신호에 대하여 모두 노이즈를 감쇄시키며, 노이즈 감쇄 심전도 신호는 심전도(ECG) 신호가 노이즈 감쇄 단계를 거쳐 노이즈가 감쇄된 심전도 신호를 지칭한다.
심전도(ECG) 신호에 포함되는 노이즈로 전원에 의해 발생되는 60 Hz(국내)와 그것의 배수 주파수 성분의 노이즈인 전기 험(mains hum)과, 환자의 움직임 등으로 인하 아주 낮은 저주파 성분의 노이즈인 기저선 변동 노이즈(baseline wandering)이 있다.
발명의 또 다른 양상에 의하면, 심전도 신호 전처리 방법의 노이즈 감쇄 단계는 노치 필터(notch filter) 또는 고역 통과 필터(high-pass filter) 중 어느 하나의 필터를 사용하여 노이즈를 감쇄시키는 단계일 수 있다. 이때 노치 필터(notch filter)는 전원 케이블로부터의 전기 노이즈인 전기 험을 감쇄시키는 데 사용되고 고역 통과 필터(high-pass filter)는 1 Hz 또는 1.5 Hz 등의 낮은 저주파 특성을 가진 기저선 변동 노이즈를 감쇄시키는 데 사용될 수 있다.
발명의 또 다른 양상에 의하면, 심전도 신호 전처리 방법의 노이즈 감쇄 단계는 노치 필터와 고역 통과 필터를 사용하여 노이즈를 감쇄시키는 단계일 수 있다. 이때 노이즈를 감쇄시키기 위해 필터를 적용하는 순서는 제한이 없으나, 노치 필터를 사용하여 전기 험을 감쇄한 후 고역 통과 필터를 사용하여 기저선 변동 노이즈를 감쇄시키는 것이 바람직하다.
도 2는 노이즈가 포함된 I 유도 심전도에 대하여 노이즈 감쇄를 수행한 결과를 도시한 예시이다. 도 2의 (a)는 전기 험(mains hum)과 기저선 변동 노이즈(baseline wandering)이 포함된 심전도(ECG)이고, (b)는 먼저 노치 필터를 통해 전기 험이 감쇄된 심전도(ECG)이고, (c)는 순차적으로 고역 통과 필터를 통해 기저선 변동 노이즈도 감쇄된 심전도(ECG)이다.
QRS 군 검출 단계는 12-유도 심전도(12-lead ECG)의 각 채널 별 노이즈 감쇄 심전도 신호에서 QRS 군(QRS complex)의 위치를 검출하는 단계이다. 전처리 장치인 컴퓨팅 장치가 12-유도 심전도(12-lead ECG) 신호에 대하여 노이즈 감쇄 단계를 수행하여 얻은 각 채널 별로 노이즈 감쇄 심전도 신호를 획득한 후 해당 노이즈 감쇄 심전도 신호의 펄스 별로 피크(peak) 위치(도 1에 도시된 것과 같이 일반적으로 R 파의 위치)를 QRS 군의 위치로 검출하고, 검출된 12 채널에서의 QRS 군 위치를 기초로 QRS 군의 위치를 선택한다. 12 채널의 QRS 위치로부터 QRS 군의 위치를 선택하는 방법은 제한이 없으나, 투표(vote)를 통해 12 채널의 QRS 군의 위치를 선택하는 것이 바람직하다. 즉, 가장 많은 채널이 검출한 위치를 QRS 군의 위치로 선택할 수 있다. 이때, 심전도 신호에서 QRS 군의 위치 검출은 신경망으로 학습된 QRS 군 검출기가 사용될 수 있으며, 각 채널에 대하여 동일한 QRS 군 검출기가 사용될 수 있다. QRS 군 검출은 후술할 펄스 분할의 기준으로 하기 위함이다.
발명의 또 다른 양상에 의하면, 심전도 신호 전처리 방법의 QRS 군 검출 단계는 각 채널의 노이즈 감쇄 심전도 신호에서 피크(peak) 위치로 QRS 군 위치를 검출하는 제1 단계와, 각 채널의 상하 반전된 노이즈 감쇄 심전도 신호에서 피크 위치로 QRS 군 위치를 검출하는 제2 단계와, 제1 단계에서 검출된 위치와 제2 단계에서 검출된 위치를 기초로 QRS 군 위치를 선택하는 선택 단계를 포함할 수 있다.
일반적으로 심전도(ECG) 신호의 펄스에서 R 파가 피크 위치가 되므로, QRS 군 위치를 검출할 때 이를 이용한다(제1 단계). 하지만, R 파가 피크 위치가 되지 않는 경우에는 QRS 군 검출기가 QRS 군의 위치를 제대로 검출하지 못할 수 있다. 이 양상에서는 노이즈 감쇄 심전도 신호를 상하 반전시킨 후 다시 피크 위치를 검출한다. 이때의 피크 위치는 Q 파 또는 S 파가 QRS 군 검출기에서 R 파의 위치로 간주되어 QRS 군 위치로 검출될 수 있다(제2 단계). 이후 제1 단계의 결과와 제2 단계의 결과를 기초로 QRS 군 위치를 선택할 수 있다. 즉, QRS 군의 위치를 검출하기 위해 QRS 군 검출기에 심전도 신호를 입력하여 QRS 군 위치를 검출하고, 동일한 QRS 군 검출기에 상하 반전된 심전도 신호를 입력하여 QRS 군 위치를 검출한 후 해당 위치들을 기초로 QRS 군의 위치를 정할 수 있다. 12 채널에 대하여 각각 QRS 군 위치 검출을 수행하고, 투표 등을 통해 최종 QRS 군 위치를 선택하게 된다.
도 3은 QRS 군 검출기 동작의 예시와 검출된 QRS 군을 개념적으로 도시한 것이다. 도 3의 (a)에 도시된 QRS 군 검출기 동작의 예시는 심전도(ECG) 신호가 입력되면 입력된 심전도(ECG) 신호를 대상으로 QRS 군을 검출하고, 심전도(ECG) 신호를 상하 반전시킨 후 QRS 군을 검출하는 것으로 도시되어 있다. 이는 예시적인 것으로, QRS 군 검출기에 심전도(ECG) 신호를 입력하여 QRS 군을 검출하고, 다시 QRS 군 검출기에 상하 반전된 심전도(ECG) 신호를 입력하여 QRS 군을 검출한 후 이들 결과로부터 QRS 군을 검출하도록 검출 방법을 제어할 수도 있다.
도 3의 (b)의 심전도 펄스의 Peak 1이 입력되는 심전도에서 QRS 군 위치로 검출되는 피크이고, Peak 2가 상하 반전되는 경우 QRS 군 위치로 검출되는 피크이다. 두 피크 위치를 기초로 QRS 군 위치가 검출된다.
펄스 분할 단계는 전처리 장치인 컴퓨팅 장치가 검출된 QRS 군 위치를 기준으로 12-유도 심전도(12-lead ECG)의 각 채널 별 노이즈 감쇄 심전도 신호를 펄스 분할하는 단계이다. 종래 기술의 신경망을 활용한 ST 상승 심근경색을 검출하는 보조진단 방법 또는 장치들은 심전도(ECG) 신호를 분할하지 않고 전체 심전도를 대상으로 학습한 후 입력된 심전도(ECG) 신호로부터 ST 상승 심근경색을 분류하거나 진단한다. 신경망은 분류하고자 하는 클래스가 명확하게 구별될 때 정확하게 동작하나 정상 심전도와 ST 상승 심전도(즉, STEMI 심전도)가 전체적인 관점에서 유사한 특성을 가져 클래스 구별이 명확하지 않다. 또한, 전체 심전도(ECG) 신호를 대상으로 신경망이 학습하면 의도와 달리 심박수를 구별하는 방향으로 학습이 진행될 수도 있다. 따라서, 본 발명은 신경망 모델이 ST 상승 심근경색의 분류 혹은 검출하는 성능을 높이고, 올바른 학습 방향을 유도하기 위해 심전도(ECG) 신호를 펄스 분할한다.
펄스 분할은 검출된 QRS 군의 위치로부터 계산된 QRS 군의 주기와 QRS 군의 위치를 중심으로 하여 QRS 군의 주기만큼 각 채널의 노이즈 감쇄 심전도 신호를 분할한다. 검출된 QRS 군의 위치에서 QRS 군을 선택하고 선택된 QRS 군의 중심점 사이의 평균 간격 T(주기)를 계산한다. 이후, QRS 군의 중심점을 기준으로 크기가 T 인 펄스를 분할한다. 즉, QRS 군의 중심점을 기준으로 앞 T/2, 뒤 T/2 만큼 크기로 펄스 분할한다.
도 4는 심전도 신호에서 QRS 군을 검출하여 펄스 분할하는 과정을 개념적으로 도시한 것이다. 12 유도 심전도(12-lead ECG)의 각 유도 즉, 채널의 심전도 신호 각각에 대하여 QRS 군 검출기를 통해 각 채널의 QRS 군 위치를 검출하고, 각 채널의 QRS 군 위치 중 투표를 통해 가장 많은 채널에서 QRS 군 위치로 검출한 위치를 QRS 군 위치 선택하고, 선택된 QRS 군 위치에 기초하여 크기가 T인 펄스로 분할한다.
도 5는 일 실시 예에 따른 심전도 전처리 방법의 절차를 도시한 절차도이다. 심전도 신호 전처리 방법을 처리하는 전처리 장치는 노치 필터와 고역 통과 필터를 사용하여 12 유도 심전도(12-lead ECG) 신호에 포함된 노이즈를 감쇄시킨다(S1000). 노치 필터를 사용하여 전기 험을 감쇄시키고 고역 통과 필터를 사용하여 기저선 변동 노이즈를 감쇄시킨다.
전처리 장치는 노이즈를 감쇄시킨 후, 신경망 모델은 QRS 군 검출기를 통해 노이즈 감쇄 심전도 신호의 각 채널 별로 QRS 군의 위치를 검출한다(S1020). 각 채널의 노이즈 감쇄 심전도 신호에서 피크(peak) 위치로 QRS 군 위치를 검출하고, 각 채널의 상하 반전된 노이즈 감쇄 심전도 신호에서 피크 위치로 QRS 군 위치를 검출한 뒤, 검출된 결과를 기초로 각 채널 별 QRS 군 위치를 선택한다.
전처리 장치는 각 채널 별 QRS 군 위치를 선택한 후, 12 채널의 QRS 군 위치에 대하여 투표(가장 많이 선택된 위치를 선택)하여 QRS 군 위치를 선택하고(S1040), 노이즈 감쇄 심전도 신호를 선택된 QRS 군 위치에 기초하여 펄스 단위로 분할한다(S1060). 선택된 QRS 군의 중심점 사이의 평균 간격 T(주기)를 계산하고, QRS 군의 중심점을 기준으로 크기가 T 인 펄스를 분할한다.
본 발명의 일 양상에 따르면, ST 상승 심근경색 검출 방법은 전처리 단계와, 검출 단계를 포함한다.
본 발명의 일 양상에 따르면, ST 상승 심근경색 검출 방법은 심전도 신호를 입력 받아 처리하는 컴퓨팅 장치에서 실행되는 프로그램 명령어들로 적어도 일부가 구현되며, 노이즈 감쇄 단계와, QRS 군 검출 단계와, 펄스 분할 단계를 포함하는 전처리 단계와, ST 상승 심근경색을 분류 또는 검출하는 단계를 포함한다.
ST 상승 심근경색 검출 방법을 처리하는 ST 상승 심근경색 검출 장치는 컴퓨팅 장치로 예시적으로 메모리에 저장된 프로그램을 실행하는 마이크로프로세서를 통해 ST 상승 심근경색 검출 방법을 수행한다. ST 상승 심근경색 검출 방법을 구성하는 일부 단계들이 전용 하드웨어에 의해 처리될 수 있다. 예를 들어, 노이즈 감쇄 단계가 컴퓨팅 장치가 하드웨어 필터 회로를 포함하고, 노이즈 감쇄 단계가 이 하드웨어 필터에 의해 처리될 수 있다. 또한, QRS 군 검출 단계의 처리를 위해 컴퓨팅 장치가 전용의 신경망 회로로 구현된 QRS 군 분류기(classifier)를 포함하고, 단계의 일부 기능이 해당 신경망 회로에 의해 처리될 수 있다. ST 상승 심근경색을 분류 또는 검출하는 단계 또한 컴퓨팅 장치가 전용의 신경망 회로로 구현된 ST 상승 심근경색 분류기(classifier)를 포함하고, 단계의 일부 기능이 해당 신경망 회로에 의해 처리될 수 있다. ST 상승 심근경색 검출 방법을 구성하는 각 단계 들이 ST 상승 심근경색 검출 장치인 컴퓨팅 장치에서 실행되는 프로그램 명령어들로만 구현될 수도 있다. ST 상승 심근경색 검출 장치의 전처리 단계를 수행하는 전처리기를 분리된 하드웨어로 구성할 수도 있고, 하나의 장치로 구성할 수도 있다.
본 발명의 ST 상승 심근경색 검출 방법에서 처리하는 심전도(ECG) 신호는 12-유도 심전도(12-lead ECG)를 사용한다. 12-유도 심전도(12-lead ECG)는 표준유도(I, II, III)와 사지유도(aVR, aVL, aVF)와 흉부유도(V1, V2, V3, V4, V5, V6)의 12개의 유도를 포함한다.
본 발명의 ST 상승 심근경색 검출 방법의 전처리 단계는 노이즈 감쇄 단계와, QRS 군 검출 단계와, 펄스 분할 단계를 포함한다.
노이즈 감쇄 단계는 전처리 단계를 수행하는 컴퓨팅 장치가 12-유도 심전도(12-lead ECG) 신호에 포함된 노이즈를 각 채널 별로 감쇄시키는 감쇄 단계이다. ST 상승 심근경색 검출 방법의 전처리 단계는 12 채널의 신호에 대하여 모두 노이즈를 감쇄시키며, 노이즈 감쇄 심전도 신호는 심전도(ECG) 신호가 노이즈 감쇄 단계를 거쳐 노이즈가 감쇄된 심전도 신호를 지칭한다.
심전도(ECG) 신호에 포함되는 노이즈로 전원에 의해 발생되는 60 Hz(국내)와 그것의 배수 주파수 성분의 노이즈인 전기 험(mains hum)과, 환자의 움직임 등으로 인하 아주 낮은 저주파 성분의 노이즈인 기저선 변동 노이즈(baseline wandering)이 있다.
QRS 군 검출 단계는 전처리 단계를 수행하는 컴퓨팅 장치가 12-유도 심전도(12-lead ECG)의 각 채널 별 노이즈 감쇄 심전도 신호에서 QRS 군(QRS complex)의 위치를 검출하는 단계이다.
전처리 단계를 수행하는 컴퓨팅 장치가 12-유도 심전도(12-lead ECG) 신호에 대하여 노이즈 감쇄 단계를 수행하여 얻은 각 채널 별로 노이즈 감쇄 심전도 신호를 획득한 후 해당 노이즈 감쇄 심전도 신호의 펄스 별로 피크(peak) 위치(도 1에 도시된 것과 같이 일반적으로 R 파의 위치)를 QRS 군의 위치로 검출하고, 검출된 12 채널에서의 QRS 군 위치를 기초로 QRS 군의 위치를 선택한다. 12 채널의 QRS 위치로부터 QRS 군의 위치를 선택하는 방법은 제한이 없으나, 투표(vote)를 통해 12 채널의 QRS 군의 위치를 선택하는 것이 바람직하다. 즉, 가장 많은 채널이 검출한 위치를 QRS 군의 위치로 선택할 수 있다. 이때, 심전도 신호에서 QRS 군의 위치 검출은 신경망으로 학습된 QRS 군 검출기가 사용될 수 있으며, 각 채널에 대하여 동일한 QRS 군 검출기가 사용될 수 있다.
펄스 분할 단계는 전처리 단계를 수행하는 컴퓨팅 장치가 검출된 QRS 군 위치를 기준으로 12-유도 심전도(12-lead ECG)의 각 채널 별 노이즈 감쇄 심전도 신호를 펄스 분할하는 단계이다.
검출 단계는 ST 상승 심근경색 검출 방법을 처리하는 장치가 펄스 분할된 심전도 데이터를 일차원(1D) 컨볼루션 신경망(CNN) 모델을 통해 ST 상승 심근경색(STEMI)을 검출하는 단계이다. 심전도(ECG) 신호는 기본적으로 1차원 신호이므로 펄스 분할된 심전도 데이터 역시 12 채널의 1 차원 데이터이다. 이 데이터를 2차원 데이터로 재구성 하지 않고 컨볼루션 신경망을 일차원 데이터를 처리하도록 구성한다. 2차원 데이터로 재구성하는 경우 채널 간의 상관 관계가 불필요하게 계산될 수 있기 때문이다. 일차원 컨볼루션 신경망 모델은 펄스 분할된 학습 데이터 세트로 사전에 학습되어 있다. 이때 사용되는 컨볼루션 신경망의 아키텍쳐는 제한이 없으며, 본 발명은 예시적으로 VGGNet과 ResNet 아키텍쳐를 사용하여 모델을 구성할 수 있다.
도 6은 ST 상승 심근경색 검출 방법에 사용되는 CNN 아키텍쳐의 예시를 도시하고 있다. 도 6의 (a)는 일차원 컨볼루션 신경망을 VGGNet 아키텍쳐를 사용하여 구성한 예를 도시하고 있고, (b)는 일차원 컨볼루션 신경망을 ResNet 아키텍쳐를 사용하여 구성한 예를 도시하고 있고, (c)는 (b)의 ResNet 아키텍쳐의 잔차 블록(Residual block)을 개념적으로 도시하고 있다.
발명의 또 다른 양상에 의하면, 전처리 단계의 노이즈 감쇄 단계는 노치 필터(notch filter) 또는 고역 통과 필터(high-pass filter) 중 어느 하나의 필터를 사용하여 노이즈를 감쇄시키는 단계일 수 있다. 이때 노치 필터(notch filter)는 전원 케이블로부터의 전기 노이즈인 전기 험을 감쇄시키는 데 사용되고 고역 통과 필터(high-pass filter)는 1 Hz 또는 1.5 Hz 등의 낮은 저주파 특성을 가진 기저선 변동 노이즈를 감쇄시키는 데 사용될 수 있다.
발명의 또 다른 양상에 의하면, 전처리 단계의 노이즈 감쇄 단계는 노치 필터와 고역 통과 필터를 사용하여 노이즈를 감쇄시키는 단계일 수 있다. 이때 노이즈를 감쇄시키기 위해 필터를 적용하는 순서는 제한이 없으나, 노치 필터를 사용하여 전기 험을 감쇄한 후 고역 통과 필터를 사용하여 기저선 변동 노이즈를 감쇄시키는 것이 바람직하다.
발명의 또 다른 양상에 의하면, 전처리 단계의 QRS 군 검출 단계는 각 채널의 노이즈 감쇄 심전도 신호에서 피크(peak) 위치로 QRS 군 위치를 검출하는 제1 단계와, 각 채널의 상하 반전된 노이즈 감쇄 심전도 신호에서 피크 위치로 QRS 군 위치를 검출하는 제2 단계와, 제1 단계에서 검출된 위치와 제2 단계에서 검출된 위치를 기초로 QRS 군 위치를 선택하는 선택 단계를 포함할 수 있다.
일반적으로 심전도(ECG) 신호의 펄스에서 R 파가 피크 위치가 되므로, QRS 군 위치를 검출할 때 이를 이용한다(제1 단계). 하지만, R 파가 피크 위치가 되지 않는 경우에는 QRS 군 검출기가 QRS 군의 위치를 제대로 검출하지 못할 수 있다. 이 양상에서는 노이즈 감쇄 심전도 신호를 상하 반전시킨 후 다시 피크 위치를 검출한다. 이때의 피크 위치는 Q 파 또는 S 파가 QRS 군 검출기에서 R 파의 위치로 간주되어 QRS 군 위치로 검출될 수 있다(제2 단계). 이후 제1 단계의 결과와 제2 단계의 결과를 기초로 QRS 군 위치를 선택할 수 있다. 즉, QRS 군의 위치를 검출하기 위해 QRS 군 검출기에 심전도 신호를 입력하여 QRS 군 위치를 검출하고, 동일한 QRS 군 검출기에 상하 반전된 심전도 신호를 입력하여 QRS 군 위치를 검출한 후 해당 위치들을 기초로 QRS 군의 위치를 정할 수 있다. 12 채널에 대하여 각각 QRS 군 위치 검출을 수행하고, 투표 등을 통해 최종 QRS 군 위치를 선택하게 된다.
발명의 또 다른 양상에 의하면, 전처리 단계의 펄스 분할 단계는 검출된 QRS 군의 위치로부터 계산된 QRS 군의 주기와 QRS 군의 위치를 중심으로 하여 QRS 군의 주기만큼 각 채널의 노이즈 감쇄 심전도 신호를 펄스 분할한다. 검출된 QRS 군의 위치에서 QRS 군을 선택하고 선택된 QRS 군의 중심점 사이의 평균 간격 T(주기)를 계산한다. 이후, QRS 군의 중심점을 기준으로 크기가 T 인 펄스를 분할한다. 즉, QRS 군의 중심점을 기준으로 앞 T/2, 뒤 T/2 만큼 크기로 펄스 분할한다.
도 7은 일 실시 예에 따른 ST 상승 심근경색 검출 방법의 절차를 도시한 절차도이다. ST 상승 심근경색 검출 방법을 처리하는 ST 상승 심근경색 검출 장치는 노치 필터와 고역 통과 필터를 사용하여 12 유도 심전도(12-lead ECG) 신호에 포함된 노이즈를 감쇄시킨다(S2000). 노치 필터를 사용하여 전기 험을 감쇄시키고 고역 통과 필터를 사용하여 기저선 변동 노이즈를 감쇄시킨다.
ST 상승 심근경색 검출 장치는 노이즈를 감쇄시킨 후, 신경망 모델은 QRS 군 검출기를 통해 노이즈 감쇄 심전도 신호의 각 채널 별로 QRS 군의 위치를 검출한다(S2020). 각 채널의 노이즈 감쇄 심전도 신호에서 피크(peak) 위치로 QRS 군 위치를 검출하고, 각 채널의 상하 반전된 노이즈 감쇄 심전도 신호에서 피크 위치로 QRS 군 위치를 검출한 뒤, 검출된 결과를 기초로 각 채널 별 QRS 군 위치를 선택한다.
ST 상승 심근경색 검출 장치는 각 채널 별 QRS 군 위치를 선택한 후, 12 채널의 QRS 군 위치에 대하여 투표(가장 많이 선택된 위치를 선택)하여 QRS 군 위치를 선택하고(S2040), 노이즈 감쇄 심전도 신호를 선택된 QRS 군 위치에 기초하여 펄스 단위로 분할한다(S2060). 선택된 QRS 군의 중심점 사이의 평균 간격 T(주기)를 계산하고, QRS 군의 중심점을 기준으로 크기가 T 인 펄스를 분할한다.
ST 상승 심근경색 검출 장치는 펄스 분할된 심전도 데이터를 일차원(1D) 컨볼루션 신경망(CNN) 모델을 통해 ST 상승 심근경색(STEMI)을 검출한다(S2080).
이상에서 본 발명을 첨부된 도면을 참조하는 실시 예들을 통해 설명하였지만 이에 한정되는 것은 아니며, 이들로부터 당업자라면 자명하게 도출할 수 있는 다양한 변형 예들을 포괄하도록 해석되어야 한다. 특허청구범위는 이러한 변형 예들을 포괄하도록 의도되었다.
Claims (10)
12-유도 심전도(12-lead ECG) 신호에 포함된 노이즈를 각 채널 별로 감쇄시키는 노이즈 감쇄 단계;
각 채널 별 노이즈 감쇄 심전도 신호에서 QRS 군(QRS complex)의 위치를 검출하는 QRS 군 검출 단계; 및
검출된 QRS 군 위치를 기준으로 각 채널 별 노이즈 감쇄 심전도 신호를 펄스 분할하는 펄스 분할 단계;
를 포함하는 심전도 신호 전처리 방법.
각 채널 별 노이즈 감쇄 심전도 신호에서 QRS 군(QRS complex)의 위치를 검출하는 QRS 군 검출 단계; 및
검출된 QRS 군 위치를 기준으로 각 채널 별 노이즈 감쇄 심전도 신호를 펄스 분할하는 펄스 분할 단계;
를 포함하는 심전도 신호 전처리 방법.
제 1 항에 있어서, 노이즈 감쇄 단계는
노치 필터(notch filter) 또는 고역 통과 필터(high-pass filter) 중 어느 하나의 필터를 사용하여 노이즈를 감쇄시키는 단계인 심전도 신호 전처리 방법.
노치 필터(notch filter) 또는 고역 통과 필터(high-pass filter) 중 어느 하나의 필터를 사용하여 노이즈를 감쇄시키는 단계인 심전도 신호 전처리 방법.
제 1 항에 있어서, 노이즈 감쇄 단계는
노치 필터 및 고역 통과 필터를 사용하여 노이즈를 감쇄시키는 단계인 심전도 신호 전처리 방법.
노치 필터 및 고역 통과 필터를 사용하여 노이즈를 감쇄시키는 단계인 심전도 신호 전처리 방법.
제 1 항 내지 제 3 항 중 어느 하나의 항에 있어서, QRS 군 검출 단계는
각 채널의 노이즈 감쇄 심전도 신호에서 피크(peak) 위치로 QRS 군 위치를 검출하는 제1 단계와, 각 채널의 상하 반전된 노이즈 감쇄 심전도 신호에서 피크 위치로 QRS 군 위치를 검출하는 제2 단계와, 제1 단계에서 검출된 위치와 제2 단계에서 검출된 위치를 기초로 QRS 군 위치를 선택하는 선택 단계를 포함하는 심전도 신호 전처리 방법.
각 채널의 노이즈 감쇄 심전도 신호에서 피크(peak) 위치로 QRS 군 위치를 검출하는 제1 단계와, 각 채널의 상하 반전된 노이즈 감쇄 심전도 신호에서 피크 위치로 QRS 군 위치를 검출하는 제2 단계와, 제1 단계에서 검출된 위치와 제2 단계에서 검출된 위치를 기초로 QRS 군 위치를 선택하는 선택 단계를 포함하는 심전도 신호 전처리 방법.
제 1 항에 있어서, 펄스 분할 단계는
검출된 QRS 군의 위치로부터 계산된 QRS 군의 주기와 QRS 군의 위치를 중심으로 하여 QRS 군의 주기만큼 각 채널의 노이즈 감쇄 심전도 신호를 펄스 분할하는 단계인 심전도 신호 전처리 방법.
검출된 QRS 군의 위치로부터 계산된 QRS 군의 주기와 QRS 군의 위치를 중심으로 하여 QRS 군의 주기만큼 각 채널의 노이즈 감쇄 심전도 신호를 펄스 분할하는 단계인 심전도 신호 전처리 방법.
12-유도 심전도(12-lead ECG) 신호에 포함된 노이즈를 각 채널 별로 감쇄시키는 노이즈 감쇄 단계와, 각 채널 별 노이즈 감쇄 심전도 신호에서 QRS 군(QRS complex)의 위치를 검출하는 QRS 군 검출 단계와, 검출된 QRS 군 위치를 기준으로 각 채널 별 노이즈 감쇄 심전도 신호를 펄스 분할하는 펄스 분할 단계를 포함하여 펄스 분할된 심전도 데이터를 생성하는 전처리 단계; 및
상기 펄스 분할된 심전도 데이터를 일차원(1D) 컨볼루션 신경망(CNN) 모델을 통해 ST 상승 심근경색(STEMI)을 검출하는 검출 단계;
를 포함하는 ST 상승 심근경색 검출 방법.
상기 펄스 분할된 심전도 데이터를 일차원(1D) 컨볼루션 신경망(CNN) 모델을 통해 ST 상승 심근경색(STEMI)을 검출하는 검출 단계;
를 포함하는 ST 상승 심근경색 검출 방법.
제 6 항에 있어서, 전처리 단계의 노이즈 감쇄 단계는
노치 필터 또는 고역 통과 필터 중 어느 하나의 필터를 사용하여 노이즈를 감쇄시키는 단계인 ST 상승 심근경색 검출 방법.
노치 필터 또는 고역 통과 필터 중 어느 하나의 필터를 사용하여 노이즈를 감쇄시키는 단계인 ST 상승 심근경색 검출 방법.
제 6 항에 있어서, 전처리 단계의 노이즈 감쇄 단계는
노치 필터 및 고역 통과 필터를 사용하여 노이즈를 감쇄시키는 단계인 ST 상승 심근경색 검출 방법.
노치 필터 및 고역 통과 필터를 사용하여 노이즈를 감쇄시키는 단계인 ST 상승 심근경색 검출 방법.
제 6 항 내지 제 8 항 중 어느 하나의 항에 있어서, 전처리 단계의 QRS 군 검출 단계는
각 채널의 노이즈 감쇄 심전도 신호에서 피크(peak) 위치로 QRS 군 위치를 검출하는 제1 단계와, 각 채널의 상하 반전된 노이즈 감쇄 심전도 신호에서 피크 위치로 QRS 군 위치를 검출하는 제2 단계와, 제1 단계에서 검출된 위치와 제2 단계에서 검출된 위치를 기초로 QRS 군 위치를 선택하는 선택 단계를 포함하는 ST 상승 심근경색 검출 방법.
각 채널의 노이즈 감쇄 심전도 신호에서 피크(peak) 위치로 QRS 군 위치를 검출하는 제1 단계와, 각 채널의 상하 반전된 노이즈 감쇄 심전도 신호에서 피크 위치로 QRS 군 위치를 검출하는 제2 단계와, 제1 단계에서 검출된 위치와 제2 단계에서 검출된 위치를 기초로 QRS 군 위치를 선택하는 선택 단계를 포함하는 ST 상승 심근경색 검출 방법.
제 6 항에 있어서, 전처리 단계의 펄스 분할 단계는
검출된 QRS 군의 위치로부터 계산된 QRS 군의 주기와 QRS 군의 위치를 중심으로 하여 QRS 군의 주기만큼 각 채널의 노이즈 감쇄 심전도 신호를 펄스 분할하는 단계인 ST 상승 심근경색 검출 방법.
검출된 QRS 군의 위치로부터 계산된 QRS 군의 주기와 QRS 군의 위치를 중심으로 하여 QRS 군의 주기만큼 각 채널의 노이즈 감쇄 심전도 신호를 펄스 분할하는 단계인 ST 상승 심근경색 검출 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200025038A KR102451751B1 (ko) | 2020-02-28 | 2020-02-28 | 심전도 전처리 방법 및 st 상승 심근경색 검출 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200025038A KR102451751B1 (ko) | 2020-02-28 | 2020-02-28 | 심전도 전처리 방법 및 st 상승 심근경색 검출 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210109879A true KR20210109879A (ko) | 2021-09-07 |
| KR102451751B1 KR102451751B1 (ko) | 2022-10-05 |
Family
ID=77797405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200025038A KR102451751B1 (ko) | 2020-02-28 | 2020-02-28 | 심전도 전처리 방법 및 st 상승 심근경색 검출 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102451751B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023048463A1 (ko) * | 2021-09-25 | 2023-03-30 | 주식회사 메디컬에이아이 | 딥러닝 기반으로 연속적인 신체 상태를 계측하는 방법, 컴퓨터 프로그램 및 장치 |
| KR20230127577A (ko) | 2022-02-25 | 2023-09-01 | 성균관대학교산학협력단 | 합성곱 신경망을 이용한 심실성 부정맥 예측 방법 및 장치 |
| KR20230147911A (ko) | 2022-04-15 | 2023-10-24 | 인천대학교 산학협력단 | 심장 진단을 위한 심전도 신호의 qrs 검출 방법 및 장치 |
| KR102725740B1 (ko) * | 2024-04-29 | 2024-11-05 | 주식회사 메디브 | 심전도 신호를 이용한 신경망 기반의 심근경색 진단 시스템 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101910982B1 (ko) * | 2012-02-13 | 2019-01-04 | 삼성전자주식회사 | 개인화된 생체 신호 패턴을 이용한 생체 신호의 동잡음 제거 방법 및 장치 |
-
2020
- 2020-02-28 KR KR1020200025038A patent/KR102451751B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101910982B1 (ko) * | 2012-02-13 | 2019-01-04 | 삼성전자주식회사 | 개인화된 생체 신호 패턴을 이용한 생체 신호의 동잡음 제거 방법 및 장치 |
Non-Patent Citations (2)
| Title |
|---|
| Sardar Ansari et al "A review of automated methods for detection of myocardial ischemia and infarction using electrocardiogram and electronic health records." IEEE reviews in biomedical engineering, Vol. 10, pp. 264-298(2017.) 1부.* * |
| 조익성 등 "Q, R, S 피크 변화에 따른 개인별 ECG 신호의 패턴 분석." 한국정보통신학회논문지, Vol. 19(1), pp. 192-200(2015.) 1부.* * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023048463A1 (ko) * | 2021-09-25 | 2023-03-30 | 주식회사 메디컬에이아이 | 딥러닝 기반으로 연속적인 신체 상태를 계측하는 방법, 컴퓨터 프로그램 및 장치 |
| KR20230127577A (ko) | 2022-02-25 | 2023-09-01 | 성균관대학교산학협력단 | 합성곱 신경망을 이용한 심실성 부정맥 예측 방법 및 장치 |
| KR20230147911A (ko) | 2022-04-15 | 2023-10-24 | 인천대학교 산학협력단 | 심장 진단을 위한 심전도 신호의 qrs 검출 방법 및 장치 |
| KR102725740B1 (ko) * | 2024-04-29 | 2024-11-05 | 주식회사 메디브 | 심전도 신호를 이용한 신경망 기반의 심근경색 진단 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102451751B1 (ko) | 2022-10-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102451751B1 (ko) | 심전도 전처리 방법 및 st 상승 심근경색 검출 방법 | |
| CN109171712B (zh) | 心房颤动识别方法、装置、设备及计算机可读存储介质 | |
| US8755875B2 (en) | System for heart performance characterization and abnormality detection | |
| Remya et al. | Classification of myocardial infarction using multi resolution wavelet analysis of ECG | |
| CN109948396B (zh) | 一种心拍分类方法、心拍分类装置及电子设备 | |
| Al-Ani | ECG waveform classification based on P-QRS-T wave recognition | |
| CN113080991A (zh) | 基于cnn模型与lstm模型的预测诊断心衰方法系统及诊断设备、存储介质 | |
| CN113180685A (zh) | 基于形态学滤波和小波阈值的心电异常判别系统及方法 | |
| US9549681B2 (en) | Matrix-based patient signal analysis | |
| Zhang et al. | Deep learning-based signal quality assessment for wearable ECGs | |
| Swathi et al. | R peak detection and feature extraction for the diagnosis of heart diseases | |
| CN111528833B (zh) | 一种心电信号的快速识别与处理方法及系统 | |
| Mahmud et al. | ECGDeepNET: A Deep Learning approach for classifying ECG beats | |
| CN115337018A (zh) | 基于整体动态特征的心电信号分类方法及系统 | |
| CN114224355B (zh) | 心电信号分类训练方法、分类方法、装置及存储介质 | |
| Hegde et al. | A review on ECG signal processing and HRV analysis | |
| KR20220166812A (ko) | 심전도 분석 | |
| JP2020022581A (ja) | 心電解析システム | |
| EP2928363A1 (en) | Apparatus and method for determining the occurrence of a qrs complex in ecg data | |
| CN113837139A (zh) | 具有复值权重的混沌神经网络及其在心电图分类中的应用 | |
| US20220202341A1 (en) | System and Method for Detecting Pacer Spikes to Determine a Paced Rhythm in ECGs | |
| Sanamdikar et al. | Using the GAN method, analysis several characteristics of the ECG signal in order to detect cardiac arrhythmia | |
| US11337635B2 (en) | Automatic cardiovascular disease diagnostic system and method | |
| US20180103907A1 (en) | Detecting and suppressing noise signals of a differential voltage measuring system | |
| Pustozerov et al. | Automated Heart Rate Detection in Seismocardiograms Using Electrocardiogram-Based Algorithms—A Feasibility Study. Bioengineering 2024, 11, 596 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20200228 |
|
| PA0201 | Request for examination | ||
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20220322 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20220929 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20220930 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20220930 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |