KR20220086126A - 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법 - Google Patents
심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법 Download PDFInfo
- Publication number
- KR20220086126A KR20220086126A KR1020200176276A KR20200176276A KR20220086126A KR 20220086126 A KR20220086126 A KR 20220086126A KR 1020200176276 A KR1020200176276 A KR 1020200176276A KR 20200176276 A KR20200176276 A KR 20200176276A KR 20220086126 A KR20220086126 A KR 20220086126A
- Authority
- KR
- South Korea
- Prior art keywords
- signal
- electrocardiogram
- ecg signal
- authentication
- ecg
- Prior art date
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
-
- 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
- A61B5/30—Input circuits therefor
- A61B5/307—Input circuits therefor specially adapted for particular uses
- A61B5/308—Input circuits therefor specially adapted for particular uses for electrocardiography [ECG]
-
- 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]
- A61B5/319—Circuits for simulating ECG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—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
- A61B5/35—Detecting specific parameters of the electrocardiograph cycle by template matching
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
본 발명은 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법에 관한 것으로서, 상기 심전도 신호 분석 시스템은 심전도 신호를 입력받는 심전도 입력모듈과, 상기 심전도 입력모듈에서 제공되는 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 신호분석부를 구비한다.
본 발명에 따른 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법은 입력된 심전도 신호를 분할하고, 분할된 심전도 신호에 대한 고차 스펙트럼 영상을 생성하므로 불규칙적인 근육 활동과 사용자의 움직임 및 호흡에 의해 잡음에 대한 영향을 최소화시켜 분석의 정확성을 향상시킬 수 있는 장점이 있다.
본 발명에 따른 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법은 입력된 심전도 신호를 분할하고, 분할된 심전도 신호에 대한 고차 스펙트럼 영상을 생성하므로 불규칙적인 근육 활동과 사용자의 움직임 및 호흡에 의해 잡음에 대한 영향을 최소화시켜 분석의 정확성을 향상시킬 수 있는 장점이 있다.
Description
본 발명은 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법에 관한 것으로서, 더욱 상세하게는 입력된 심전도 신호를 분할하고, 분할된 심전도 신호에 대한 고차 스펙트럼 영상을 생성하는 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법에 관한 것이다.
심전도(electrocardiogram)는 심장의 전기적 활동을 분석하여 파장 형태로 기록한 것을 말한다. 심전도 분석은 심장병 진단, 특히 심박동이 불규칙한 심장 부정맥의 진단에 필수적으로 사용된다. 또한 부정맥 이외에도 심근 장해, 심방 심실의 비대, 확장, 폐순환 장애, 전해질 대사 이상, 약물의 효과 확인 및 기타 심장 질환 및 연관 성 질환 등의 진단에 심전도 분석이 유용하게 사용된다.
또한, 최근 사용자 인식 기술로 연구되고 있는 심전도와 같은 생체신호 기반 사용자 인식 방법은 차세대 사용자 인식 방법으로 연구되고 있다.
그러나 심전도 신호는 불규칙적인 근육 활동과 사용자의 움직임 및 호흡에 의해 잡음이 발생하는 문제점이 있다. 또한, 학습 데이터 증가를 위해 좌우 반전, 스케일링 변경을 적용할 경우, 데이터 손실 및 변형이 문제가 발생한다.
본 발명은 상기와 같은 문제점을 개선하기 위해 창안된 것으로서, 입력된 심전도 신호를 분할하고, 분할된 심전도 신호에 대한 고차 스펙트럼 영상을 생성할 수 있는 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명에 따른 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법은 심전도 신호를 입력받는 심전도 입력모듈과, 상기 심전도 입력모듈에서 제공되는 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 신호분석부를 구비한다.
상기 신호분석부는 상기 심전도 입력모듈에서 제공되는 심전도 신호를 기설정된 분할 알고리즘에 따라 분할하는 신호 분할모듈과, 상기 신호 분할모듈에서 분할된 상기 심전도 신호에 대한 스펙트럼 영상을 생성하는 영상생성부를 구비한다.
상기 신호 분할모듈은 상기 심전도 신호의 R 피크(R peak)를 산출하는 피크 산출부와, 연속적인 상기 R 피크 간의 간격인 상기 심전도 신호의 주기를 기준으로 상기 심전도 신호를 분할하는 분할부를 구비한다.
상기 영상생성부는 상기 신호 분할모듈에서 분할된 상기 심전도 신호를 바이 스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성하는 것이 바람직하다.
상기 심전도 입력모듈은 상기 심전도 신호와 함께, 해당 심전도 신호를 제공한 제공자에 대한 개인정보를 입력받을 수 있다.
한편, 본 발명에 따른 심전도 신호 분석 시스템은 상기 심전도 입력모듈에서 제공되는 개인정보 및 상기 영상생성부에서 제공되는 스펙트럼 영상을 토대로, 기등록된 사용자를 인식하기 위한 신경망 모델을 구축하는 모델 구축모듈을 더 구비할 수도 있다.
또한, 본 발명에 따른 심전도 신호 분석 시스템은 인식대상자의 심전도 신호를 입력받는 인증 입력모듈과, 상기 인증 입력모듈에서 제공되는 상기 인식대상자의 심전도 신호를 상기 신경망 모델에 적용하여 해당 인식대상자의 인식 여부를 판별하는 인증 판별부를 구비할 수도 있다.
상기 인증 판별부는 상기 인증 입력모듈에서 제공되는 상기 인식대상자의 심전도 신호의 R 피크(R peak)를 산출하는 인증 산출부와, 연속적인 상기 R 피크 간의 간격인 상기 심전도 신호의 주기를 기준으로 상기 인식대상자의 심전도 신호를 분할하는 인증 분할부와, 상기 인증 분할부에서 분할된 상기 인식대상자의 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 인증정보 생성부와, 상기 인증정보 생성부에서 생성된 상기 인식대상자의 심전도 신호에 대한 스펙트럼 영상을 상기 신경망 모델에 적용하여 상기 인식대상자의 인식 여부를 판별하는 판별모듈을 구비할 수 있다.
상기 인증정보 생성부는 상기 인증 분할부에서 분할된 상기 심전도 신호를 바이 스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성하는 것이 바람직하다.
한편, 본 발명에 따른 심전도 신호 분석 방법은 심전도 입력모듈을 통해 심전도 신호를 입력받는 심전도 획득단계와, 상기 심전도 획득단계에서 획득한 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 신호분석 단계를 포함한다.
상기 신호분석 단계는 상기 심전도 획득단계에서 획득한 심전도 신호를 기설정된 분할 알고리즘에 따라 분할하는 신호 분할단계와, 상기 신호 분할단계에서 분할된 상기 심전도 신호에 대한 스펙트럼 영상을 생성하는 영상생성단계를 포함한다.
상기 신호 분할단계는 상기 심전도 신호의 R 피크(R peak)를 산출하는 피크 산출단계와, 연속적인 상기 R 피크 간의 간격인 상기 심전도 신호의 주기를 기준으로 상기 심전도 신호를 분할하는 분할 수행단계를 포함한다.
상기 영상생성단계에서는, 상기 신호 분할단계에서 분할된 상기 심전도 신호를 바이스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성하는 것이 바람직하다.
상기 심전도 입력단계에서는, 상기 심전도 입력모듈을 통해 심전도 신호와 함께, 해당 심전도 신호를 제공한 제공자에 대한 개인정보를 입력받는다.
한편, 본 발명에 따른 심전도 신호 분석 방법은 상기 심전도 입력모듈에서 제공되는 개인정보 및 상기 스펙트럼 영상을 토대로, 기등록된 사용자의 인식 여부를 판별하기 위한 신경망 모델을 구축하는 모델 구축 단계를 더 포함할 수도 있다.
또한, 본 발명에 따른 심전도 신호 분석 방법은 상기 모델 구축 단계 이후에, 인증 입력모듈을 통해 인식대상자의 심전도 신호를 입력받는 인증 입력단계와, 상기 인증 입력모듈에서 제공되는 상기 인식대상자의 심전도 신호를 상기 신경망 모델에 적용하여 해당 인식대상자의 인식 여부를 판별하는 인증 판별단계를 더 포함할 수도 있다.
상기 인증 판별단계는 상기 인증 입력모듈에서 제공되는 상기 인식대상자의 심전도 신호의 R 피크(R peak)를 산출하는 인증 산출단계와, 연속적인 상기 R 피크 간의 간격인 상기 심전도 신호의 주기를 기준으로 상기 인식대상자의 심전도 신호를 분할하는 인증 분할단계와, 상기 인증 분할단계에서 분할된 상기 인식대상자의 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 인증정보 생성단계와, 상기 인증정보 생성단계에서 생성된 상기 인식대상자의 심전도 신호에 대한 스펙트럼 영상을 상기 신경망 모델에 적용하여 상기 인식대상자의 인식 여부를 판별하는 등록 판단단계를 포함한다.
상기 인증정보 생성단계에서는, 상기 인증 분할단계에서 분할된 상기 심전도 신호를 바이 스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성하는 것이 바람직하다.
본 발명에 따른 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법은 입력된 심전도 신호를 분할하고, 분할된 심전도 신호에 대한 고차 스펙트럼 영상을 생성하므로 불규칙적인 근육 활동과 사용자의 움직임 및 호흡에 의해 잡음에 대한 영향을 최소화시켜 분석의 정확성을 향상시킬 수 있는 장점이 있다.
도 1은 본 발명의 실시 예에 따른 심전도 신호 분석 시스템에 대한 블럭도이고,
도 2는 심전도 신호에 대한 예시도이고,
도 3은 도 1의 심전도 신호 분석 시스템의 심전도 입력모듈에 입력된 심전도 신호에 대한 예시이고,
도 4는 도 1의 심전도 신호 분석 시스템의 분할부에서 분할된 심전도 신호에 대한 예시이고,
도 5는 도 1의 심전도 신호 분석 시스템의 영상생성부에서 생성된 스펙트럼 영상에 대한 예시이고,
도 6은 본 발명의 또 다른 실시 예에 따른 심전도 신호 분석 시스템에 대한 블럭도이고,
도 7은 본 발명의 또 다른 실시 예에 따른 심전도 신호 분석 시스템에 대한 블럭도이고,
도 8은 본 발명의 실시 예에 따른 심전도 신호 분석 방법에 대한 순서도이고,
도 9는 본 발명의 또 다른 실시 예에 따른 심전도 분석 방법에 대한 순서도이고,
도 10은 본 발명의 또 다른 실시 예에 따른 심전도 분석 방법에 대한 순서도이다.
도 2는 심전도 신호에 대한 예시도이고,
도 3은 도 1의 심전도 신호 분석 시스템의 심전도 입력모듈에 입력된 심전도 신호에 대한 예시이고,
도 4는 도 1의 심전도 신호 분석 시스템의 분할부에서 분할된 심전도 신호에 대한 예시이고,
도 5는 도 1의 심전도 신호 분석 시스템의 영상생성부에서 생성된 스펙트럼 영상에 대한 예시이고,
도 6은 본 발명의 또 다른 실시 예에 따른 심전도 신호 분석 시스템에 대한 블럭도이고,
도 7은 본 발명의 또 다른 실시 예에 따른 심전도 신호 분석 시스템에 대한 블럭도이고,
도 8은 본 발명의 실시 예에 따른 심전도 신호 분석 방법에 대한 순서도이고,
도 9는 본 발명의 또 다른 실시 예에 따른 심전도 분석 방법에 대한 순서도이고,
도 10은 본 발명의 또 다른 실시 예에 따른 심전도 분석 방법에 대한 순서도이다.
이하, 첨부한 도면을 참조하여 본 발명의 실시예에 따른 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법에 대해 상세히 설명한다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 첨부된 도면에 있어서, 구조물들의 치수는 본 발명의 명확성을 기하기 위하여 실제보다 확대하여 도시한 것이다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1에는 본 발명에 따른 심전도 신호 분석 시스템(100)이 도시되어 있다.
도면을 참조하면, 상기 심전도 신호 분석 시스템(100)은 심전도 신호를 입력받는 심전도 입력모듈(110)과, 상기 심전도 입력모듈(110)에서 제공되는 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 신호분석부(120)를 구비한다.
상기 심전도 입력모듈(110)은 심전도 신호를 제공하는 제공자의 신체에 부착되어 해당 제공자의 심전도 신호를 획득하는 심전도 감지센서(미도시)를 구비한다. 심전도 입력모듈(110)에서 입력된 심전도 신호에 대한 예시도 도 2에 게시되어 있다. 여기서, 심전도 입력모듈(110)은 상기 심전도 신호와 함께, 해당 심전도 신호를 제공한 제공자에 대한 개인정보를 입력받을 수 있도록 별도의 입력수단을 구비할 수도 있다. 상기 개인정보는 이름, 얼굴 사진 등과 같이 개인을 식별할 수 있는 정보가 포함된다.
한편, 심전도 입력모듈(110)은 이에 한정하는 것이 아니라 입력수단을 통해 다수의 심전도 신도 및 제공자의 개인정보를 입력받을 수도 있다.
상기 신호분석부(120)는 상기 심전도 입력모듈(110)에서 제공되는 심전도 신호를 기설정된 분할 알고리즘에 따라 분할하는 신호 분할모듈(130)과, 상기 신호 분할모듈(130)에서 분할된 심전도 신호에 대한 스펙트럼 영상을 생성하는 영상생성부(140)를 구비한다.
상기 신호 분할모듈(130)은 피크 산출부(131) 및 분할부(132)를 구비한다. 상기 피크 산출부(131)는 심전도 신호의 R 피크(R peak)를 산출한다. 도 3에 도시된 바와 같이 심전도 신호에서, P파, QRS파, T파 및 U파는 반복하여 나타낼 수 있고, 이 중 QRS파의 R 피크의 크기가 가장 클 수 있다. 피크 산출부(131)는 입력된 심전도 신호에서 R 피크를 검출하는데, 자기상관함수를 이용하여 R-R간격을 검출한다. 여기서, 자기상관함수는 시간에서의 신호값과 다른 시간에서의 신호값과의 상관성을 나타내는 것으로 자기상관함수는 시간 t에서의 신호값와 t만큼의 시간지연이 있을 때, 즉, 시간에서의 신호값의 곱에 대한 평균으로 하기의 수학식1과 같이 정의된다
이와 같이 자기상관함수를 이용하여 최대값을 구한 후 최대값의 1/3을 취하여 이 수치보다 큰 값만을 추출하여 R-peak를 측정한다.
분할부(132)는 연속적인 상기 R 피크 간의 간격인 심전도 신호의 주기를 기준으로 상기 심전도 신호를 분할한다. 이때, 분할부(132)는 도 4에 도시된 바와 같이 심전도 신호의 R 피크를 중심으로 해당 심전도 신호를 다수개로 분할한다. 분할부(132)는 분할된 심전도 신호들을 영상생성부(140)에 제공한다.
상기 영상생성부(140)는 상기 분할된 심전도 신호들에 대한 스펙트럼 영상을 생성한다. 가우스 성 불규칙신호의 경우에는 파워스펙트럼이 유력한 분석 방법으로 알려져 있지만 비가우스성 신호의 통계적 성질의 기술이나 비선형계의 특성 분석을 위해서는 보다 고차의 스펙트럼이 필요하다. 따라서, 상기 영상생성부(140)는 상기 신호 분할모듈(130)에서 분할된 상기 심전도 신호를 바이스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성한다.
바이스펙트럼은 고차 스펙트럼 중에서도 비교적 연산량이 적으며, 각각의 주파수 성분들 사이의 위상상관 변화에서만 나타나는 정보를 얻는 것이 가능하다는 점에 특징이 있다. 바이스펙트럼은 3차 상관함수의 2차원 푸리에 변환으로 정의되며, 합이 0이 되는 세 개의 주파수 성분들 간의 상호관계를 나타낸다. 이를 수식화하면 하기의 수학식 3과 같다.
바이스펙트럼을 계산하기 위해서는 입력신호 는 먼저 평균값이 0이 되도록 조절된 Epoch들로 나누어진다. 각 Epoch는 Fourier 변환을 계산하고, 바이스펙트럼 을 계산한다. i는 Epoch의 수를 의미하며, L개의 Epoch가 있다. 파워스펙트럼은 단일 주파수 변수 (f)에 대한 함수를 연산하지만, 바이스펙트럼은 두 개의 주파수 변수에 대해 출력한다. 영상생성부(140)는 상술된 바이스펙트럼 기번을 적용하여 분할된 심전도 신호에 대한 고차스펙트럼 영상을 생성한다. 도 5에는 영상생성부(140)에 의해 생성된 스펙트럼 영상에 대한 예시가 게시되어 있다.
상술된 바와 같이 구성된 본 발명에 따른 심전도 신호 분석 시스템(100)은 입력된 심전도 신호를 분할하고, 분할된 심전도 신호에 대한 고차 스펙트럼 영상을 생성하므로 불규칙적인 근육 활동과 사용자의 움직임 및 호흡에 의해 잡음에 대한 영향을 최소화시켜 분석의 정확성을 향상시킬 수 있는 장점이 있다.
한편, 도 6에는 본 발명의 또 다른 실시 예에 따른 심전도 신호 분석 시스템(200)이 도시되어 있다.
앞서 도시된 도면에서와 동일한 기능을 하는 요소는 동일 참조부호로 표기한다.
도면을 참조하면, 상기 심전도 신호 분석 시스템(200)은 상기 심전도 입력모듈(110)에서 제공되는 개인정보 및 상기 영상생성부(140)에서 제공되는 스펙트럼 영상을 토대로, 기등록된 사용자를 인식하기 위한 신경망 모델을 구축하는 모델 구축모듈(210)을 더 구비한다. 이때, 심전도 입력모듈(110)은 기등록된 사용자의 다수의 심전도 신호가 입력되는 것이 바람직하다.
상기 모델 구축모듈(210)은 심전도 입력모듈(110)에서 제공되는 개인정보 및 스펙트럼 영상을 학습 데이터로 하여 상기 신경망 모델을 구축한다. 여기서, 신경망 모델은 합성곱 신경망(CNN: Convolutional Neural Network) 모델이 적용되는데, 상기 CNN 모델은 복수의 연산 레이어(Convolutional Layer, pooling Layer)를 번갈아 수행하여 최종적으로는 입력 데이터의 특징을 추출하는 데 사용되는 계층 모델이다. 상기 모델 생성부는 상기 학습 데이터들을 지도학습(Supervised Learning) 기법에 따라 처리하여 상기 신경망 모델을 구축한다. 한편, 모델 생성부(300)에서 구축되는 신경망 모델은 이에 한정하는 것이 아니라 심전도 신호를 토대로 사용자를 인식할 수 있는 신경망 모델이면 무엇이든 적용 가능하다.
상기 모델 구축모듈(210)은 헬스케어 분야 또는 사용자 인증 분야에, 해당 신경망 모델을 제공할 수 있다.
한편, 도 7에는 본 발명의 또 다른 실시 예에 따른 심전도 신호 분석 시스템(300)이 도시되어 있다.
도면을 참조하면, 상기 심전도 신호 분석 시스템(300)은 인식대상자의 심전도 신호를 입력받는 인증 입력모듈(310)과, 상기 인증 입력모듈(310)에서 제공되는 상기 인식대상자의 심전도 신호를 상기 신경망 모델에 적용하여 해당 인식대상자의 인식 여부를 판별하는 인증 판별부(320)를 구비한다.
인증 입력모듈(310)은 인식대상자의 신체에 부착되어 해당 인식대상자의 심전도 신호를 획득하는 심전도 감지센서(미도시)를 구비한다. 한편, 인증 입력모듈(310)은 이에 한정하는 것이 아니라 인식대상자의 심전도 신호에 대한 데이터가 입력될 수 있도록 별도의 입력수단이 마련될 수도 있다. 상기 인증 입력모듈(310)은 입력된 인식대상자의 심전도 신호를 인증 판별부(320)에 제공한다.
상기 인증 판별부(320)는 인증 산출부(321), 인증 분할부(322)(132), 인증정보 생성부(323) 및 판별모듈(324)을 구비한다.
인증 산출부(321)는 상기 인증 입력모듈(310)에서 제공되는 상기 인식대상자의 심전도 신호의 R 피크(R peak)를 산출한다. 상기 인증 산출부(321)는 상술된 피크 산출부(131)와 동일하게 인식대상자의 심전도 신호의 R 피크를 산출한다.
인증 분할부(322)(132)는 연속적인 상기 R 피크 간의 간격인 상기 심전도 신호의 주기를 기준으로 상기 인식대상자의 심전도 신호를 분할한다. 이때, 인증 분할부(322)(132)는 인식대상자의 심전도 신호의 R 피크를 중심으로 해당 심전도 신호를 다수개로 분할하는 것이 바람직하다.
인증정보 생성부(323)는 인증 분할부(322)(132)에서 분할된 상기 인식대상자의 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성한다. 여기서, 인증정보 생성부(323)는 인증 분할부(322)(132)에서 분할된 상기 심전도 신호를 바이 스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성하는 것이 바람직하다. 인증정보 생성부(323)는 생성된 스펙트럼 영상을 판별모듈(324)에 제공한다.
상기 판별모듈(324)은 상기 인증정보 생성부(323)에서 생성된 상기 인식대상자의 심전도 신호에 대한 스펙트럼 영상을 상기 신경망 모델에 적용하여 상기 인식대상자의 인식 여부를 판별한다. 즉, 판별모듈(324)은 신경망 모델을 이용하여 인식대상자가 기등록자인지 여부를 판별하고, 판별정보를 관리자에게 제공한다.
상술된 바와 같이 구성된 본 발명에 따른 심전도 신호 분석 시스템(300)은 인식대상자의 심전도 신호의 스펙트럼 영상을 신경망 모델에 적용하여 등록여부를 판별할 수 있으므로 심전도 신호를 이용하여 보다 정확하게 사용자를 판별할 수 있다.
한편, 도 8에는 본 발명에 따른 심전도 신호 분석 시스템을 이용한 심전도 신호 분석 방법에 대한 순서도가 게시되어 있다.
도면을 참조하면, 상기 심전도 신호 분석 방법은 심전도 획득단계(S100) 및 신호분석 단계(S200)를 포함한다.
상기 심전도 획득단계(S100)는 심전도 입력모듈(110)을 통해 심전도 신호를 입력받는 단계이다. 여기서, 심전도 입력모듈(110)은 심전도 신호와 함께, 해당 심전도 신호를 제공한 제공자에 대한 개인정보를 입력받을 수 있도록 별도의 입력수단을 구비할 수도 있다. 이때, 심전도 입력모듈(110)은 심전도 신호를 신호분석부(120)에 제공한다.
상기 신호분석 단계(S200)는 상기 심전도 획득단계(S100)에서 획득한 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 단계로서, 신호 분할단계(S210) 및 영상생성단계(S220)를 포함한다.
상기 신호 분할단계(S210)는 상기 심전도 획득단계(S100)에서 획득한 심전도 신호를 기설정된 분할 알고리즘에 따라 분할하는 단계로서, 피크 산출단계(S211) 및 분할 수행단계(S212)를 포함한다.
피크 산출단계(S211)는 상기 심전도 신호의 R 피크(R peak)를 산출하는 단계이다. 여기서, 상술된 바와 같이 피크 산출부(131)는 상기 심전도 신호의 R 피크(R peak)를 산출한다.
분할 수행단계(S212)는 연속적인 상기 R 피크 간의 간격인 상기 심전도 신호의 주기를 기준으로 상기 심전도 신호를 분할하는 단계이다. 여기서, 분할부(132)는 해당 심전도 신호를 분할하되, 심전도 신호의 R 피크를 중심으로 해당 심전도 신호를 다수개로 분할한다.
영상생성단계(S220)는 상기 신호 분할단계(S210)에서 분할된 상기 심전도 신호에 대한 스펙트럼 영상을 생성하는 단계이다. 여기서, 영상생성부(140)는 상술된 바와 같이 신호 분할단계(S210)에서 분할된 상기 심전도 신호를 바이스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성하는 것이 바람직하다.
한편, 도 9에는 본 발명의 또 다른 실시 예에 따른 심전도 신호 분석 방법에 대한 순서도가 게시되어 있다.
도면을 참조하면, 상기 심전도 신호 분석 방법은 영상생성단계(S220) 이후에, 모델 구축 단계(S230)를 더 포함한다.
상기 모델 구축 단계(S230)는 상기 심전도 입력모듈(110)에서 제공되는 개인정보 및 상기 스펙트럼 영상을 토대로, 기등록된 사용자의 인식 여부를 판별하기 위한 신경망 모델을 구축한다. 여기서, 모델 구축모듈(210)은 상술된 바와 같이 심전도 입력모듈(110)에서 제공되는 개인정보 및 스펙트럼 영상을 학습 데이터로 하여 상기 신경망 모델을 구축한다.
한편, 도 10에는 본 발명의 또 다른 실시 예에 따른 심전도 신호 분석 방법에 대한 순서도가 게시되어 있다.
도면을 참조하면, 상기 심전도 신호 분석 방법은 인증 입력단계(S240) 및 인증 판별단계(S250)를 더 포함한다.
상기 인증 입력단계(S240)는 상기 모델 구축 단계(S230) 이후에, 인증 입력모듈(310)을 통해 인식대상자의 심전도 신호를 입력받는 단계이다. 여기서, 인증 입력모듈(310)은 심전도 감지센서 또는 별도의 입력수단을 통해 인식대상자의 심전도 신호를 획득한다.
인증 판별단계(S250)는 상기 인증 입력모듈(310)에서 제공되는 상기 인식대상자의 심전도 신호를 상기 신경망 모델에 적용하여 해당 인식대상자의 인식 여부를 판별하는 단계로서, 인증 산출단계(S251), 인증 분할단계(S252), 인증정보 생성단계(S253) 및 등록 판단단계(S254)를 포함한다.
상기 인증 산출단계(S251)는 상기 인증 입력모듈(310)에서 제공되는 상기 인식대상자의 심전도 신호의 R 피크(R peak)를 산출하는 단계이다. 여기서, 인증 산출부(321)는 상술된 바와 같이 인식대상자의 심전도 신호의 R 피크를 산출하고, 산출된 정보를 인증 분할부(322)(132)에 제공한다.
인증 분할단계(S252)는 연속적인 상기 R 피크 간의 간격인 상기 심전도 신호의 주기를 기준으로 상기 인식대상자의 심전도 신호를 분할하는 단계이다. 여기서, 인증 분할부(322)(132)는 인증 산출부(321)에서 제공되는 산출 정보를 토대로 인식대상자의 심전도 신호의 R 피크를 중심으로 해당 심전도 신호를 다수개로 분할한다.
인증정보 생성단계(S253)는 상기 인증 분할단계(S252)에서 분할된 상기 인식대상자의 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 단계이다. 여기서, 인증정보 생성부(323)는 인증 분할부(322)(132)에서 분할된 상기 심전도 신호를 바이 스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성한다.
등록 판단단계(S254)는 상기 인증정보 생성단계(S253)에서 생성된 상기 인식대상자의 심전도 신호에 대한 스펙트럼 영상을 상기 신경망 모델에 적용하여 상기 인식대상자의 인식 여부를 판별하는 단계이다. 여기서, 상기 판별모듈(324)은 상술된 바와 같이 인증정보 생성부(323)에서 생성된 상기 인식대상자의 심전도 신호에 대한 스펙트럼 영상을 상기 신경망 모델에 적용하여 상기 인식대상자의 인식 여부를 판별하고, 판별정보를 관리자에게 제공한다.
제시된 실시예들에 대한 설명은 임의의 본 발명의 기술분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의 범위에서 해석되어야 할 것이다.
100: 심전도 신호 분석 시스템
110: 심전도 입력모듈
120: 신호분석부
130: 신호 분할모듈
131: 피크 산출부
132: 분할부
140: 영상생성부
110: 심전도 입력모듈
120: 신호분석부
130: 신호 분할모듈
131: 피크 산출부
132: 분할부
140: 영상생성부
Claims (18)
- 심전도 신호를 입력받는 심전도 입력모듈; 및
상기 심전도 입력모듈에서 제공되는 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 신호분석부;를 구비하는,
심전도 신호 분석 시스템.
- 제1항에 있어서,
상기 신호분석부는
상기 심전도 입력모듈에서 제공되는 심전도 신호를 기설정된 분할 알고리즘에 따라 분할하는 신호 분할모듈; 및
상기 신호 분할모듈에서 분할된 상기 심전도 신호에 대한 스펙트럼 영상을 생성하는 영상생성부;를 구비하는,
심전도 신호 분석 시스템.
- 제2항에 있어서,
상기 신호 분할모듈은
상기 심전도 신호의 R 피크(R peak)를 산출하는 피크 산출부; 및
연속적인 상기 R 피크 간의 간격인 상기 심전도 신호의 주기를 기준으로 상기 심전도 신호를 분할하는 분할부;를 구비하는,
심전도 신호 분석 시스템.
- 제2항 또는 제3항에 있어서,
상기 영상생성부는 상기 신호 분할모듈에서 분할된 상기 심전도 신호를 바이 스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성하는,
심전도 신호 분석 시스템.
- 제4항에 있어서,
상기 심전도 입력모듈은 상기 심전도 신호와 함께, 해당 심전도 신호를 제공한 제공자에 대한 개인정보를 입력받는,
심전도 신호 분석 시스템.
- 제5항에 있어서,
상기 심전도 입력모듈에서 제공되는 개인정보 및 상기 영상생성부에서 제공되는 스펙트럼 영상을 토대로, 기등록된 사용자를 인식하기 위한 신경망 모델을 구축하는 모델 구축모듈;을 더 구비하는,
심전도 신호 분석 시스템.
- 제6항에 있어서,
인식대상자의 심전도 신호를 입력받는 인증 입력모듈; 및
상기 인증 입력모듈에서 제공되는 상기 인식대상자의 심전도 신호를 상기 신경망 모델에 적용하여 해당 인식대상자의 인식 여부를 판별하는 인증 판별부;를 구비하는,
심전도 신호 분석 시스템.
- 제7항에 있어서,
상기 인증 판별부는
상기 인증 입력모듈에서 제공되는 상기 인식대상자의 심전도 신호의 R 피크(R peak)를 산출하는 인증 산출부;
연속적인 상기 R 피크 간의 간격인 상기 심전도 신호의 주기를 기준으로 상기 인식대상자의 심전도 신호를 분할하는 인증 분할부;
상기 인증 분할부에서 분할된 상기 인식대상자의 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 인증정보 생성부; 및
상기 인증정보 생성부에서 생성된 상기 인식대상자의 심전도 신호에 대한 스펙트럼 영상을 상기 신경망 모델에 적용하여 상기 인식대상자의 인식 여부를 판별하는 판별모듈;을 구비하는,
심전도 신호 분석 시스템.
- 제8항에 있어서,
상기 인증정보 생성부는 상기 인증 분할부에서 분할된 상기 심전도 신호를 바이 스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성하는,
심전도 신호 분석 시스템.
- 심전도 입력모듈을 통해 심전도 신호를 입력받는 심전도 획득단계;
상기 심전도 획득단계에서 획득한 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 신호분석 단계;를 포함하는,
심전도 신호 분석 방법.
- 제10항에 있어서,
상기 신호분석 단계는
상기 심전도 획득단계에서 획득한 심전도 신호를 기설정된 분할 알고리즘에 따라 분할하는 신호 분할단계; 및
상기 신호 분할단계에서 분할된 상기 심전도 신호에 대한 스펙트럼 영상을 생성하는 영상생성단계;를 포함하는,
심전도 신호 분석 방법.
- 제11항에 있어서,
상기 신호 분할단계는
상기 심전도 신호의 R 피크(R peak)를 산출하는 피크 산출단계; 및
연속적인 상기 R 피크 간의 간격인 상기 심전도 신호의 주기를 기준으로 상기 심전도 신호를 분할하는 분할 수행단계;를 포함하는,
심전도 신호 분석 방법.
- 제11항 또는 제12항에 있어서,
상기 영상생성단계에서는, 상기 신호 분할단계에서 분할된 상기 심전도 신호를 바이스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성하는,
심전도 신호 분석 방법.
- 제13항에 있어서,
상기 심전도 입력단계에서는, 상기 심전도 입력모듈을 통해 심전도 신호와 함께, 해당 심전도 신호를 제공한 제공자에 대한 개인정보를 입력받는,
심전도 신호 분석 방법.
- 제14항에 있어서,
상기 심전도 입력모듈에서 제공되는 개인정보 및 상기 스펙트럼 영상을 토대로, 기등록된 사용자의 인식 여부를 판별하기 위한 신경망 모델을 구축하는 모델 구축 단계;를 더 포함하는,
심전도 신호 분석 방법.
- 제15항에 있어서,
상기 모델 구축 단계 이후에, 인증 입력모듈을 통해 인식대상자의 심전도 신호를 입력받는 인증 입력단계; 및
상기 인증 입력모듈에서 제공되는 상기 인식대상자의 심전도 신호를 상기 신경망 모델에 적용하여 해당 인식대상자의 인식 여부를 판별하는 인증 판별단계;를 더 포함하는,
심전도 신호 분석 방법.
- 제16항에 있어서,
상기 인증 판별단계는
상기 인증 입력모듈에서 제공되는 상기 인식대상자의 심전도 신호의 R 피크(R peak)를 산출하는 인증 산출단계;
연속적인 상기 R 피크 간의 간격인 상기 심전도 신호의 주기를 기준으로 상기 인식대상자의 심전도 신호를 분할하는 인증 분할단계;
상기 인증 분할단계에서 분할된 상기 인식대상자의 심전도 신호를 분석하여 해당 심전도 신호에 대한 스펙트럼 영상을 생성하는 인증정보 생성단계; 및
상기 인증정보 생성단계에서 생성된 상기 인식대상자의 심전도 신호에 대한 스펙트럼 영상을 상기 신경망 모델에 적용하여 상기 인식대상자의 인식 여부를 판별하는 등록 판단단계;를 포함하는,
심전도 신호 분석 방법.
- 제17항에 있어서,
상기 인증정보 생성단계에서는, 상기 인증 분할단계에서 분할된 상기 심전도 신호를 바이 스펙트럼 기법으로 분석하여 상기 스펙트럼 영상을 생성하는,
심전도 신호 분석 방법.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200176276A KR102498835B1 (ko) | 2020-12-16 | 2020-12-16 | 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법 |
PCT/KR2021/014941 WO2022131522A1 (ko) | 2020-12-16 | 2021-10-22 | 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200176276A KR102498835B1 (ko) | 2020-12-16 | 2020-12-16 | 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220086126A true KR20220086126A (ko) | 2022-06-23 |
KR102498835B1 KR102498835B1 (ko) | 2023-02-09 |
Family
ID=82059640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200176276A KR102498835B1 (ko) | 2020-12-16 | 2020-12-16 | 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR102498835B1 (ko) |
WO (1) | WO2022131522A1 (ko) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101315906B1 (ko) | 2012-05-02 | 2013-10-08 | 주식회사메디아나 | 심전도 검출 회로 및 심전도 분석 알고리즘의 점검 장치 및 방법 |
KR102021491B1 (ko) * | 2018-04-24 | 2019-09-16 | 조선대학교산학협력단 | 사용자 인증을 위한 장치 및 방법 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102257287B1 (ko) * | 2014-08-07 | 2021-05-27 | 삼성전자주식회사 | 지문 및 심전도 신호를 이용한 사용자 인증 방법 및 장치 |
KR20180082763A (ko) * | 2017-01-11 | 2018-07-19 | 메타싱크 주식회사 | 심전도 신호를 이용한 사용자 인증방법 |
KR101986246B1 (ko) * | 2017-10-23 | 2019-06-05 | 한국인터넷진흥원 | 생체신호 인증 장치 및 방법 |
-
2020
- 2020-12-16 KR KR1020200176276A patent/KR102498835B1/ko active IP Right Grant
-
2021
- 2021-10-22 WO PCT/KR2021/014941 patent/WO2022131522A1/ko active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101315906B1 (ko) | 2012-05-02 | 2013-10-08 | 주식회사메디아나 | 심전도 검출 회로 및 심전도 분석 알고리즘의 점검 장치 및 방법 |
KR102021491B1 (ko) * | 2018-04-24 | 2019-09-16 | 조선대학교산학협력단 | 사용자 인증을 위한 장치 및 방법 |
Non-Patent Citations (1)
Title |
---|
Nueral Network World* * |
Also Published As
Publication number | Publication date |
---|---|
WO2022131522A1 (ko) | 2022-06-23 |
KR102498835B1 (ko) | 2023-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Real-time multilead convolutional neural network for myocardial infarction detection | |
da Silva Luz et al. | Learning deep off-the-person heart biometrics representations | |
Dey et al. | InstaBP: cuff-less blood pressure monitoring on smartphone using single PPG sensor | |
Wang et al. | Arrhythmia classification algorithm based on multi-head self-attention mechanism | |
EP3366203B1 (en) | Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time | |
Castells et al. | Spatiotemporal blind source separation approach to atrial activity estimation in atrial tachyarrhythmias | |
Ge et al. | Cardiac arrhythmia classification using autoregressive modeling | |
US20120179055A1 (en) | Method and device for early detection of heart attack | |
Roopaei et al. | Chaotic based reconstructed phase space features for detecting ventricular fibrillation | |
Vo et al. | P2E-WGAN: ECG waveform synthesis from PPG with conditional wasserstein generative adversarial networks | |
Teodoro et al. | Feature selection for biometric recognition based on electrocardiogram signals | |
Ramkumar et al. | A graphical user interface based heart rate monitoring process and detection of PQRST peaks from ECG signal | |
KR20200123335A (ko) | 순환신경망을 이용한 구간혈압 추정 방법 및 그 방법을 구현하기 위한 구간 혈압 추정 장치 | |
Islam et al. | A morphology alignment method for resampled heartbeat signals | |
Shi et al. | Contactless person identification using cardiac radar signals | |
CN114652322A (zh) | 一种基于多域特征学习的心电信号分类方法和系统 | |
Zhu et al. | Feature extraction from a novel ECG model for arrhythmia diagnosis | |
Wang et al. | Biometric recognition based on scalable end-to-end convolutional neural network using photoplethysmography: A comparative study | |
CN116975594A (zh) | 远程心冲击信号的特征提取方法和装置 | |
KR102498835B1 (ko) | 심전도 신호 분석 시스템 및 이를 이용한 심전도 신호 분석 방법 | |
Tantawi et al. | Electrocardiogram (ECG): a new burgeoning utility for biometric recognition | |
Dong et al. | Electrocardiogram (ECG) pattern modeling and recognition via deterministic learning | |
Ung et al. | Premature ventricular contraction beat classification via hyperdimensional computing | |
Karimian et al. | Noise assessment framework for optimizing ecg key generation | |
Lu et al. | Accurate heart beat detection with Doppler radar using bidirectional GRU network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) | ||
GRNT | Written decision to grant |