KR20240083645A - Artificial intelligence-based heart disease detection method for portable ECG equipment and computer program and system for executing the method - Google Patents
Artificial intelligence-based heart disease detection method for portable ECG equipment and computer program and system for executing the method Download PDFInfo
- Publication number
- KR20240083645A KR20240083645A KR1020220167985A KR20220167985A KR20240083645A KR 20240083645 A KR20240083645 A KR 20240083645A KR 1020220167985 A KR1020220167985 A KR 1020220167985A KR 20220167985 A KR20220167985 A KR 20220167985A KR 20240083645 A KR20240083645 A KR 20240083645A
- Authority
- KR
- South Korea
- Prior art keywords
- heart disease
- electrocardiogram
- artificial intelligence
- data
- portable
- Prior art date
Links
- 208000019622 heart disease Diseases 0.000 title claims abstract description 130
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 49
- 238000004590 computer program Methods 0.000 title claims description 17
- 238000000034 method Methods 0.000 title claims description 8
- 238000003745 diagnosis Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 33
- 238000005259 measurement Methods 0.000 claims description 26
- 206010003119 arrhythmia Diseases 0.000 claims description 12
- 230000006793 arrhythmia Effects 0.000 claims description 12
- 208000010125 myocardial infarction Diseases 0.000 claims description 11
- 208000008494 pericarditis Diseases 0.000 claims description 10
- 206010048623 Atrial hypertrophy Diseases 0.000 claims description 7
- 206010020880 Hypertrophy Diseases 0.000 claims description 7
- 206010019280 Heart failures Diseases 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 208000007177 Left Ventricular Hypertrophy Diseases 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 210000001367 artery Anatomy 0.000 claims description 2
- 238000002565 electrocardiography Methods 0.000 claims 5
- 238000012360 testing method Methods 0.000 abstract description 8
- 238000012774 diagnostic algorithm Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 208000024172 Cardiovascular disease Diseases 0.000 description 3
- 206010000891 acute myocardial infarction Diseases 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000034994 death Effects 0.000 description 3
- 231100000517 death Toxicity 0.000 description 3
- 230000002526 effect on cardiovascular system Effects 0.000 description 3
- 206010003658 Atrial Fibrillation Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000003663 ventricular fibrillation Diseases 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 206010049765 Bradyarrhythmia Diseases 0.000 description 1
- 206010057500 Left atrial hypertrophy Diseases 0.000 description 1
- 208000009525 Myocarditis Diseases 0.000 description 1
- 206010057501 Right atrial hypertrophy Diseases 0.000 description 1
- 206010049447 Tachyarrhythmia Diseases 0.000 description 1
- 208000001871 Tachycardia Diseases 0.000 description 1
- 206010047281 Ventricular arrhythmia Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001746 atrial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 208000006218 bradycardia Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 210000001013 sinoatrial node Anatomy 0.000 description 1
- 230000002792 vascular Effects 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
-
- 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
- A61B5/24—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
- A61B5/353—Detecting P-waves
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
-
- 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
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/04—Constructional details of apparatus
- A61B2560/0431—Portable apparatus, e.g. comprising a handle or case
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
본 발명은 휴대용 심전도 장비용 인공지능 기반의 심장 질환 검출 방법에 관한 것으로, 더욱 상세하게는 6채널을 갖는 휴대용 심전도 장비에서 측정된 심전도 데이터에서 발생하는 오차를 보정하고 보정된 심전도 데이터를 인공지능 기반의 진단 알고리즘으로 분석하여 병원에 내원하여 24시간 홀터 검사를 하지 않고도 개인적으로 용이하게 정확도 높은 심장 질환 진단을 제공할 수 있는 휴대용 심전도 장비용 인공지능 기반의 심장 질환 검출 방법에 관한 것이다.
본 특허는 정보통신산업진흥원의 '지역 SW 산업 진흥 지원 사업'으로 수행되었습니다.(과제명: 심장질환자 맞춤형 피지컬 피트니스 증진을 위한 디지털 케어제 개발 및 서비스 사업화, 과제번호: S2005-22-1010)The present invention relates to an artificial intelligence-based heart disease detection method for portable electrocardiogram equipment. More specifically, the present invention relates to an artificial intelligence-based heart disease detection method that corrects errors occurring in electrocardiogram data measured by a portable electrocardiogram device with 6 channels and uses artificial intelligence-based detection of the corrected electrocardiogram data. This is about an artificial intelligence-based heart disease detection method for portable electrocardiogram equipment that can provide a highly accurate heart disease diagnosis easily and personally without having to visit a hospital and undergo a 24-hour Holter test by analyzing it with a diagnostic algorithm.
This patent was carried out as part of the 'Regional SW Industry Promotion Support Project' of the National IT Industry Promotion Agency. (Project name: Development and service commercialization of digital care system to promote customized physical fitness for heart disease patients, Project number: S2005-22-1010)
Description
본 발명은 휴대용 심전도 장비용 인공지능 기반의 심장 질환 검출 방법에 관한 것으로, 더욱 상세하게는 6채널을 갖는 휴대용 심전도 장비에서 측정된 심전도 데이터에서 발생하는 오차를 보정하고 보정된 심전도 데이터를 인공지능 기반의 진단 알고리즘으로 분석하여 병원에 내원하여 24시간 홀터 검사를 하지 않고도 개인적으로 용이하게 정확도 높은 심장 질환 진단을 제공할 수 있는 휴대용 심전도 장비용 인공지능 기반의 심장 질환 검출 방법에 관한 것이다.The present invention relates to an artificial intelligence-based heart disease detection method for portable electrocardiogram equipment. More specifically, the present invention relates to an artificial intelligence-based heart disease detection method that corrects errors occurring in electrocardiogram data measured by a portable electrocardiogram device with 6 channels and uses artificial intelligence-based detection of the corrected electrocardiogram data. This is about an artificial intelligence-based heart disease detection method for portable electrocardiogram equipment that can provide a highly accurate heart disease diagnosis easily and personally without having to visit a hospital and undergo a 24-hour Holter test by analyzing it with a diagnostic algorithm.
사람의 몸에서 심장은 우리 몸에 혈액을 공급해주는 중요한 부위로, 생명과 매우 밀접한 관련을 갖는다. In the human body, the heart is an important part that supplies blood to our body and is very closely related to life.
세계보건기구에 따르면, 심혈관계 질환(cardiovascular disease)은 오늘날 사망 원인 중 가장 큰 원인으로 꼽히며, 1770만 명이 넘는 사람들이 심혈관계 질환으로 사망했고, 이는 전체 사망자의 약 31%에 해당하고, 이 중 75% 이상이 저소득 및 중간 소득 국가에서 발생한다.According to the World Health Organization, cardiovascular disease is the leading cause of death today, with more than 17.7 million people dying from cardiovascular disease, or about 31% of all deaths. More than 75% occur in low- and middle-income countries.
심혈관 질환은 증상 발생으로부터 단시간 내에 혈역학적 상태가 급격히 변화하는 경우가 많아 신속한 진단이 매우 중요하며, 증상이 없는 경우라 하더라도 심혈관 사고 발생을 미리 예측하는 것이 필요하다. In cardiovascular disease, the hemodynamic state often changes rapidly within a short period of time from the onset of symptoms, so prompt diagnosis is very important, and even in cases where there are no symptoms, it is necessary to predict the occurrence of cardiovascular accidents in advance.
예를 들면, 급성 심근경색증과 같은 관상동맥질환은 조기(진단으로부터 30일 이내) 사망률이 30%에 이르며 대부분이 병원에 도착하기 이전에 사망하며, 심근경색에서 생존한 경우라 하더라도 1년 내 사망률이 5~10%에 이른다.For example, coronary artery disease such as acute myocardial infarction has an early (within 30 days from diagnosis) mortality rate of up to 30%, and most people die before arriving at the hospital, and even in those who survive myocardial infarction, mortality is low within one year. This amounts to 5-10%.
또한, 심실성 부정맥은 매우 치명적으로 가장 많은 사망 원인 중 하나로 뽑히는데, 일시적으로 발생하는 경우가 많아 이를 조기에 진단하여 예방하는 것이 중요하다.In addition, ventricular arrhythmia is very fatal and is selected as one of the most common causes of death. Since it often occurs temporarily, it is important to diagnose and prevent it early.
이에, 위와 같은 심장 질환의 검출에 많은 검사들이 활용되고 있으나, 그 중에서도 심전도(Electrocardiogram : ECG)를 이용한 검사는 많은 장점을 가지며 임상에서 가장 많이 사용되는 검사이다.Accordingly, many tests are used to detect the above heart disease, but among them, the test using electrocardiogram (ECG) has many advantages and is the most commonly used test in clinical practice.
심전도(Electrocardiogram : ECG)는 심장에서 발생하는 전기적인 신호(심전도 신호)를 측정하여 심박동과 관련된 전위를 신체 표면에서 도형으로 기록한 것으로, 이 기록지를 판독하여 심장에서부터 전극까지의 전도계통의 이상 유무를 확인하여 질환유무를 판별한다.Electrocardiogram (ECG) measures the electrical signals (electrocardiogram signals) generated in the heart and records the potentials related to the heartbeat as a graphic on the surface of the body. This recording sheet is read to determine whether there are any abnormalities in the conduction system from the heart to the electrodes. Check to determine whether there is a disease.
그러나, 증상이 간혈적으로 가끔 나타나는 부정맥의 진단이나, 부정맥과 일상생활과의 관련성에 대한 결정, 부정맥 치료 효과에 대한 판정, 인공심박동기의 기능 판정 등은 병원의 검사실에서 단시간 검사하여 얻는 것이 불가능하다. However, it is impossible to diagnose arrhythmia, whose symptoms appear intermittently, determine the relationship between arrhythmia and daily life, determine the effectiveness of arrhythmia treatment, and determine the function of an artificial pacemaker through a short-term examination in a hospital laboratory. .
이에, 이러한 문제를 해결하기 위해 24시간 홀터 심전계(Holter monitor), 사건 기록기(Event Recorder), 이식형 기록기(Implantable loop Recorder) 등이 사용되고 있다.Accordingly, to solve this problem, 24-hour Holter monitors, event recorders, implantable loop recorders, etc. are being used.
하지만, 이는 병원에 내원하여 24시간 홀터 검사를 위한 장치를 부착하고 검사를 받아야 하기 때문에 시간적인 문제나 검사의 불편함이 있으며, 24시간 동안 검출이 안될 확률도 배제할 수 없다.However, there are time issues and inconveniences in the test because you have to visit the hospital and have a 24-hour Holter test device attached and undergo the test, and the possibility of not being detected for 24 hours cannot be ruled out.
이를 개선하기 위해, 최근에는 심전도 검사를 위한 다양한 휴대용 측정 기기들이 허가를 받아 상용화되고 있으나, 다양한 외부 요인에 의한 변수와 오차 등으로 인해 검출 정확도가 떨어지는 문제점이 있다. To improve this, various portable measuring devices for electrocardiogram examination have recently been licensed and commercialized, but there is a problem in that detection accuracy is low due to variables and errors caused by various external factors.
또한, 단순히 심장 질환은 질환이 있다(1) 없다(0)로 검출하는 것이 아닌 질환이 있는 것으로 판단된 경우, 심장 질환의 종류까지 분류해야한다.In addition, heart disease is not simply detected as having a disease (1) or not (0), but if it is determined that a disease is present, the type of heart disease must be classified.
따라서, 일상 생활에 지장이 없이 지속적으로 심장 질환을 모니터링할 수 있는 휴대용 측정 기기의 검출 정확도를 향상시킬 수 있으며, 단순히 심장 질환의 여부를 판단하는 것이 아닌 심전도 분석을 통해 구체적인 심장 질환 종류 또한 제공할 수 있는 방법이 필요하다.Therefore, the detection accuracy of portable measuring devices that can continuously monitor heart disease without interfering with daily life can be improved, and specific types of heart disease can also be provided through electrocardiogram analysis rather than simply determining the presence of heart disease. We need a way to do this.
본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로, 본 발명의 목적은 휴대용 측정 기기의 심장 질환 검출 정확도를 향상시킬 수 있으며, 단순히 심장 질환 여부를 판단하는 것이 아닌 심전도 분석을 기반으로 구체적인 심장 질환명을 진단할 수 있는 휴대용 심전도 장비용 인공지능 기반의 심장 질환 검출 방법을 제공하는데 있다.The present invention was created to solve the above-mentioned problems, and the purpose of the present invention is to improve the accuracy of heart disease detection of portable measuring devices, and to provide specific heart disease based on electrocardiogram analysis rather than simply determining whether heart disease is present. The goal is to provide an artificial intelligence-based heart disease detection method for portable electrocardiogram equipment that can diagnose people.
상기의 목적을 달성하기 위하여 본 발명은 휴대용 심전도 장비를 활용하여 심장 질환을 진단할 수 있는 방법으로, 상기 휴대용 심전도 장비에서 측정되는 심전도 데이터를 수신받아 수집하는 단계; 수집된 심전도 데이터를 125Hz로 샘플링하는 단계; 샘플링된 심전도 데이터를 상하 평준화하여 보정하는 단계; 및 보정된 심전도 데이터를 분석하여 심장 질환을 진단하는 단계;를 포함하는 것을 특징으로 하는 휴대용 심전도 장비용 인공지능 기반의 심장 질환 검출 방법을 제공한다.In order to achieve the above object, the present invention provides a method for diagnosing heart disease using a portable electrocardiogram device, comprising the steps of receiving and collecting electrocardiogram data measured by the portable electrocardiogram device; Sampling the collected electrocardiogram data at 125Hz; Compensating the sampled electrocardiogram data by vertically equalizing it; and diagnosing heart disease by analyzing the corrected electrocardiogram data. An artificial intelligence-based heart disease detection method for a portable electrocardiogram device is provided.
바람직한 실시예에 있어서, 상기 심장 질환 검출 방법은 상기 보정하는 단계 후, 보정된 심전도 데이터를 1초 및 10초 단위별로 분류하는 단계가 더 포함되며, 상기 심장 질환을 진단하는 단계는 상기 1초 및 10초 단위별로 분류된 심전도 데이터를 각각 분석하여 도출된 1초 단위 분석 데이터 및 10초 단위 분석 데이터 중 하나 이상의 분석 데이터를 기반으로 심장 질환을 진단한다.In a preferred embodiment, the method of detecting heart disease further includes classifying the corrected ECG data by 1 second and 10 second units after the step of correcting, and the step of diagnosing heart disease includes the step of classifying the corrected ECG data in units of 1 second and 10 seconds. Heart disease is diagnosed based on one or more of the 1-second analysis data and the 10-second analysis data derived by analyzing the electrocardiogram data classified by 10 seconds.
바람직한 실시예에 있어서, 상기 심전도 데이터에서 심장 질환 진단을 위해 분석하는 변수는 P 파형, QRS 파형, ST 분절 및 RP 간격이다.In a preferred embodiment, the variables analyzed for diagnosing heart disease in the electrocardiogram data are P waveform, QRS waveform, ST segment, and RP interval.
바람직한 실시예에 있어서, 상기 보정하는 단계:는 상기 심전도 데이터에서 R값과 R값 사이의 중심점 추출하는 단계; 추출된 중심점을 기반으로 상기 R값과 R값 사이의 라인별 벡터를 산출하는 단계; 및 계산된 라인별 벡터값을 평준화하여 상기 심전도 데이터의 기저선을 보정하는 단계를 포함한다.In a preferred embodiment, the correcting step includes: extracting a center point between R values and R values from the ECG data; Calculating a vector for each line between the R value and the R value based on the extracted center point; and correcting the baseline of the ECG data by normalizing the calculated vector values for each line.
바람직한 실시예에 있어서, 상기 심장 질환을 진단하는 단계는 부정맥, 심낭비대, 심부전, 심낭염, 심근경색, 동방결절, 협심증을 진단한다.In a preferred embodiment, the step of diagnosing heart disease includes diagnosing arrhythmia, pericardial hypertrophy, heart failure, pericarditis, myocardial infarction, sinoatrial node, and angina pectoris.
바람직한 실시예에 있어서, 상기 심장 질환을 진단하는 단계는 상기 10초 단위의 분석 데이터를 기반으로 부정맥을 진단하고 상기 1초 단위의 분석 데이터를 기반으로 심낭비대를 진단하며 상기 1초 단위 및 10초 단위의 분석 데이터들을 모두 고려하여 심부전과 심낭염을 진단한다.In a preferred embodiment, the step of diagnosing heart disease includes diagnosing arrhythmia based on the analysis data in units of 10 seconds, diagnosing pericardial hypertrophy based on the analysis data in units of 1 second, and diagnosing pericardial hypertrophy based on the analysis data in units of 1 second and 10 seconds. Heart failure and pericarditis are diagnosed by considering all unit analysis data.
바람직한 실시예에 있어서, 상기 심장 질환을 진단하는 단계는 상기 P 파형 분석 데이터를 기반으로 심방비대를 진단하고, 상기 QRS 파형 분석 데이터를 기반으로 좌심실비대 및 심낭염을 진단하며, 상기 R값과 R값 간의 분석 데이터를 기반으로 부동맥 및 심방세동을 진단하고, Q 파형 발생 여부 검출 데이터를 기반으로 오래된 심근경색을 진단한다.In a preferred embodiment, the step of diagnosing heart disease includes diagnosing atrial hypertrophy based on the P waveform analysis data, diagnosing left ventricular hypertrophy and pericarditis based on the QRS waveform analysis data, and diagnosing the R value and R value. Accessories and atrial fibrillation are diagnosed based on liver analysis data, and old myocardial infarction is diagnosed based on detection data of whether or not a Q wave occurs.
또한, 본 발명은 휴대용 심전도 장비용 인공지능 기반의 심장 질환 검출 방법이 기록 매체에 저장된 휴대용 심전도 장비용 인공지능 기반의 심장 질환 검출을 위한 컴퓨터 프로그램을 더 제공할 수 있다.In addition, the present invention can further provide a computer program for artificial intelligence-based heart disease detection for portable electrocardiogram equipment in which the artificial intelligence-based heart disease detection method for portable electrocardiogram equipment is stored in a recording medium.
또한, 본 발명은 휴대용 심전도 장비용 인공지능 기반의 심장 질환 검출을 위한 컴퓨터 프로그램이 저장된 서버를 더 제공할 수 있다.In addition, the present invention can further provide a server storing a computer program for artificial intelligence-based heart disease detection for portable electrocardiogram equipment.
또한, 본 발명은 심장에서 발생하는 전기적인 신호(심전도 신호)를 측정하여 심박동과 관련된 전위를 신체 표면에서 도형으로 기록한 심전도 데이터를 제공하는 휴대용 심전도 측정 기기; 및 상기 휴대용 심전도 측정 기기로부터 수신받은 심전도 데이터를 분석하여 사용자의 심장 질환을 검출하는 서버를 포함하는 것을 특징으로 하는 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 시스템을 더 제공할 수 있다.In addition, the present invention provides a portable electrocardiogram measuring device that measures electrical signals (electrocardiogram signals) generated in the heart and provides electrocardiogram data in which potentials related to heartbeat are recorded graphically on the surface of the body; and a server that detects a user's heart disease by analyzing the ECG data received from the portable electrocardiogram measuring device.
바람직한 실시예에 있어서, 상기 심장 질환 검출 시스템은 상기 휴대용 심전도 측정 기기에서 측정한 심전도 데이터 및 상기 서버에서 진단한 심장 질환 진단 결과를 시각화하여 제공하는 표시장치가 더 포함된다.In a preferred embodiment, the heart disease detection system further includes a display device that visualizes and provides electrocardiogram data measured by the portable electrocardiogram measuring device and heart disease diagnosis results diagnosed by the server.
본 발명은 다음과 같은 우수한 효과를 갖는다.The present invention has the following excellent effects.
본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법과 이 방법을 실행시키는 컴퓨터 프로그램 및 시스템에 의하면, 휴대용 심전도 측정 기기에서 측정되는 심전도 데이터의 시작 변위값이 일정하지 않거나 외부 요인에 의해 측정되는 오차를 평준화를 통해 보정한 후 보정된 심전도 데이터를 분석하여 심장 질환을 진단할 수 있기 때문에 검출 정확도를 향상시킬 수 있는 장점이 있다.According to the artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device and the computer program and system for executing the method of the present invention, the starting displacement value of the electrocardiogram data measured by the portable electrocardiogram measuring device is not constant or is caused by external factors. There is an advantage in improving detection accuracy because heart disease can be diagnosed by analyzing the corrected ECG data after correcting the measured error through equalization.
또한, 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법과 이 방법을 실행시키는 컴퓨터 프로그램 및 시스템에 의하면, 휴대용 심전도 측정 기기에서 측정되는 심전도 데이터의 파형 모양 분석 및 간격과 전위 높이 등의 연산 분석을 수행하여 심장 질환의 구체적인 진단명을 도출하여 제공할 수 있다.In addition, according to the artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device of the present invention and the computer program and system that executes the method, the waveform shape analysis, interval, potential height, etc. of the electrocardiogram data measured by the portable electrocardiogram measuring device By performing computational analysis, a specific diagnosis of heart disease can be derived and provided.
또한, 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법과 이 방법을 실행시키는 컴퓨터 프로그램 및 시스템에 의하면, 병원에 내원하여 검사하지 않고도 지속적으로 모니터링이 가능하여 급격하게 발생하는 심장 질환에 빠르게 대처할 수 있는 장점이 있다.In addition, according to the artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device of the present invention and the computer program and system that executes the method, continuous monitoring is possible without visiting a hospital for examination, thereby preventing rapidly occurring heart disease. It has the advantage of being able to respond quickly.
도 1은 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 시스템을 설명하기 위한 도면,
도 2는 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법을 설명하기 위한 순서도,
도 3은 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법의 보정하는 단계를 설명하기 위한 순서도,
도 4는 본 발명의 휴대용 심전도 측정 기기로 측정되는 파형을 보여주는 도면,
도 5는 심장에서 발생하는 전기적인 신호(심전도 신호)를 파형으로 도식화한심전도 데이터를 설명하기 위한 도면,
도 6는 휴대용 심전도 측정 기기로 측정한 심장 질환 중 부정맥을 설명하기 위한 심전도 데이터를 보여주는 도면,
도 7은 휴대용 심전도 측정 기기로 측정한 심장 질환 중 심방비대를 설명하기 위한 심전도 데이터를 보여주는 도면,
도 8은 휴대용 심전도 측정 기기로 측정한 심장 질환 중 오래된 심근경색을 설명하기 위한 심전도 데이터를 보여주는 도면이다.1 is a diagram illustrating an artificial intelligence-based heart disease detection system for a portable electrocardiogram measuring device of the present invention;
Figure 2 is a flowchart illustrating the artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device of the present invention;
3 is a flowchart illustrating the calibration steps of the artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device of the present invention;
4 is a diagram showing the waveform measured by the portable electrocardiogram measuring device of the present invention;
Figure 5 is a diagram for explaining electrocardiogram data diagramming the electrical signal (electrocardiogram signal) generated in the heart as a waveform;
Figure 6 is a diagram showing electrocardiogram data to explain arrhythmia among heart diseases measured with a portable electrocardiogram measuring device;
Figure 7 is a diagram showing electrocardiogram data to explain atrial hypertrophy among heart diseases measured with a portable electrocardiogram measuring device;
Figure 8 is a diagram showing electrocardiogram data to explain old myocardial infarction among heart diseases measured with a portable electrocardiogram measuring device.
본 발명에서 사용되는 용어는 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 특정한 경우는 출원인이 임의로 선정한 용어도 있는데 이 경우에는 단순한 용어의 명칭이 아닌 발명의 상세한 설명 부분에 기재되거나 사용된 의미를 고려하여 그 의미가 파악되어야 할 것이다.The terms used in the present invention are general terms that are currently widely used as much as possible, but in certain cases, there are terms arbitrarily selected by the applicant. In this case, the meaning described or used in the detailed description of the invention rather than the simple name of the term is considered. Therefore, its meaning must be understood.
이하, 첨부한 도면에 도시된 바람직한 실시예들을 참조하여 본 발명의 기술적 구성을 상세하게 설명한다.Hereinafter, the technical configuration of the present invention will be described in detail with reference to preferred embodiments shown in the attached drawings.
그러나 본 발명은 여기서 설명되는 실시예에 한정되지 않고 다른 형태로 구체화될 수도 있다. 명세서 전체에 걸쳐 동일한 참조번호는 동일한 구성요소를 나타낸다.However, the present invention is not limited to the embodiments described herein and may be embodied in other forms. Like reference numerals refer to like elements throughout the specification.
본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법은 휴대용 심전도 측정 기기에서 심장 질환을 진단하기 위해 측정된 심전도 데이터에서 발생하는 오차를 보정한 후, 보정된 심전도 데이터를 분석하여 상기 심장 질환을 검출하는 방법이다.The artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device of the present invention corrects errors occurring in electrocardiogram data measured in a portable electrocardiogram measuring device to diagnose heart disease, and then analyzes the corrected electrocardiogram data to diagnose heart disease. It is a method of detecting a disease.
또한, 본 발명의 일 실시예에 따른 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법은 컴퓨터에 의해 수행되며, 상기 컴퓨터에는 상기 컴퓨터를 기능시켜 상기 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법을 수행하기 위한 기록매체에 저장된 컴퓨터 프로그램이 저장된다.In addition, the artificial intelligence-based heart disease detection method for a portable electrocardiogram measurement device according to an embodiment of the present invention is performed by a computer, and the computer is activated to detect heart disease based on artificial intelligence for the portable electrocardiogram measurement device. A computer program stored in the recording medium for performing the detection method is stored.
한편, 본 발명의 일 실시예에 따른 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법은 상기 컴퓨터에 의해 수행될 수 있도록 상기 기록매체에 저장된 컴퓨터 프로그램을 별도로 제공할 수 있다.Meanwhile, the artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device according to an embodiment of the present invention may separately provide a computer program stored in the recording medium so that it can be performed by the computer.
또한, 상기 컴퓨터는 일반적인 퍼스널 컴퓨터뿐만 아니라, 통신망을 통해 접속 가능한 서버 컴퓨터, 클라우드 시스템, 스마트폰, 태블릿과 같은 스마트 기기, 임베디드 시스템을 포함하는 광의의 컴퓨터이다. In addition, the computer is a computer in a broad sense, including not only general personal computers, but also server computers that can be accessed through a communication network, cloud systems, smart devices such as smartphones and tablets, and embedded systems.
또한, 상기 컴퓨터 프로그램은 별도의 기록 매체에 저장되어 제공될 수 있으며, 상기 기록매체는 본 발명을 위하여 특별히 설계되어 구성된 것들이거나 컴퓨터 소프트웨어 분야에서 통상의 지식을 가진 자에게 공지되어 사용 가능한 것일 수 있다.Additionally, the computer program may be stored and provided in a separate recording medium, and the recording medium may be one specifically designed and configured for the present invention or may be known and available to those skilled in the art of computer software. .
예를 들면, 상기 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD, DVD와 같은 광 기록 매체, 자기 및 광 기록을 겸할 수 있는 자기-광 기록 매체, 롬, 램, 플래시 메모리 등 단독 또는 조합에 의해 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치일 수 있다.For example, the recording medium includes magnetic media such as hard disks, floppy disks, and magnetic tapes, optical recording media such as CDs and DVDs, magneto-optical recording media capable of both magnetic and optical recording, ROM, RAM, and flash memory. It may be a hardware device specially configured to store and execute program instructions, either alone or in combination.
또한, 상기 컴퓨터 프로그램은 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등이 단독 또는 조합으로 구성된 프로그램일 수 있고, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드 뿐만 아니라, 인터프리터 등을 사용하여 컴퓨터에 의해 실행될 수 있는 고급 언어 코드로 짜여진 프로그램일 수 있다.In addition, the computer program may be a program composed of program instructions, local data files, local data structures, etc., singly or in combination, and may be executed by a computer using not only machine code such as that created by a compiler, but also an interpreter, etc. It may be a program written with high-level language code.
또한, 본 발명은 상기 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법을 수행하기 위한 컴퓨터 프로그램이 저장된 서버를 별도로 제공할 수 있다.In addition, the present invention can separately provide a server storing a computer program for performing the artificial intelligence-based heart disease detection method for the portable electrocardiogram measuring device.
도 1은 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 시스템을 설명하기 위한 도면으로, 도 1을 참조하면, 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 시스템(100)은 상기 휴대용 심전도 측정 기기(110) 및 상기 서버(120)를 포함하여 이루어진다.1 is a diagram for explaining an artificial intelligence-based heart disease detection system for a portable electrocardiogram measurement device of the present invention. Referring to FIG. 1, an artificial intelligence-based heart disease detection system for a portable electrocardiogram measurement device of the present invention (100) ) includes the portable electrocardiogram measurement device 110 and the server 120.
또한, 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 시스템(100)은 상기 서버(120) 내장되어 하나의 디바이스로 제공될 수 있다.In addition, the artificial intelligence-based heart disease detection system 100 for a portable electrocardiogram measuring device of the present invention can be provided as a single device with the server 120 built in.
상기 휴대용 심전도 측정 기기(110)는 사용자의 심장에서 발생하는 전기적인 신호(심전도 신호)를 측정하여 심박동과 관련된 전위를 신체 표면에서 도형으로 기록한 심전도 데이터를 제공한다.The portable electrocardiogram measuring device 110 measures electrical signals (electrocardiogram signals) generated from the user's heart and provides electrocardiogram data in which potentials related to heartbeat are recorded graphically on the surface of the body.
여기서, 상기 심전도 데이터는 심장에서 발생하는 전기적인 신호(심전도 신호)를 파형으로 도식화한 데이터로, 본 발명에서는 심전도 데이터에서 P 파형, QRS 파형, ST 분절 및 RP 간격에 관한 값을 도출하여 분석함으로써, 상기 심장 질환을 진단한다.Here, the electrocardiogram data is data that schematizes the electrical signal (electrocardiogram signal) generated in the heart as a waveform. In the present invention, values for the P waveform, QRS waveform, ST segment, and RP interval are derived and analyzed from the electrocardiogram data. , to diagnose heart disease.
상기 서버(120)는 상기 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법을 수행하기 위한 컴퓨터 프로그램이 저장되어, 상기 휴대용 심전도 측정 기기(110)에서 측정한 심전도 데이터를 수신받아 상기 컴퓨터 프로그램에 통해 분석하여 상기 심잘 질환을 진단한다.The server 120 stores a computer program for performing an artificial intelligence-based heart disease detection method for the portable electrocardiogram measuring device, receives electrocardiogram data measured by the portable electrocardiogram measuring device 110, and stores it in the computer program. Through analysis, the above-mentioned heart disease is diagnosed.
여기서, 상기 서버(120)는 외부에 별도로 구비되어 상기 휴대용 심전도 측정 기기(110)로부터 유무선 통신을 통해 상기 심전도 데이터를 수신받거나, 상기 휴대용 심전도 측정 기기(110)에 내장되어 상기 휴대용 심전도 측정 기기(110)로부터 측정된 심전도 데이터를 입력받아 상기 컴퓨터 프로그램에 통해 분석하여 상기 심잘 질환을 진단한다.Here, the server 120 is installed separately on the outside and receives the ECG data through wired or wireless communication from the portable ECG measurement device 110, or is built into the portable ECG measurement device 110 and receives the portable ECG measurement device ( The heart disease is diagnosed by receiving electrocardiogram data measured from 110) and analyzing it through the computer program.
또한, 상기 서버(120)는 데이터베이스가 구비되어 상기 휴대용 심전도 측정 기기(110)로부터 수신받은 심전도 데이터를 데이터베이스에 저장할 수 있다.Additionally, the server 120 is equipped with a database and can store the ECG data received from the portable ECG measurement device 110 in the database.
이때, 상기 데이터베이스는 상기 서버(120)와는 별도로 구비될 수 있다.At this time, the database may be provided separately from the server 120.
한편, 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 시스템(100)은 상기 휴대용 심전도 측정 기기(110)에서 측정한 심전도 데이터 및 상기 서버(120)에서 진단한 심장 질환 진단 결과를 시각화하여 제공하는 표시장치(130)가 더 구비될 수 있다.Meanwhile, the artificial intelligence-based heart disease detection system 100 for a portable electrocardiogram measuring device of the present invention visualizes the electrocardiogram data measured by the portable electrocardiogram measuring device 110 and the heart disease diagnosis results diagnosed by the server 120. A display device 130 may be further provided.
상기 표시장치(130)는 상기 심전도 데이터 및 상기 심장 질환 검출 결과를 시각적으로 표현된 데이터를 출력할 수 있는 장치로, 컴퓨터 모니터, 스마트폰 액정 등일 수 있으며, 그 종류가 제한되는 것은 아니다.The display device 130 is a device that can output data that visually represents the electrocardiogram data and the heart disease detection results. It may be a computer monitor, a smartphone liquid crystal display, etc., but the type is not limited.
또한, 상기 표시장치(130)는 상기 휴대용 심전도 측정 기기(110) 및 상기 서버(120)와 유무선 통신망을 통해 연결되어 상기 심전도 데이터 및 상기 심장 질환 검출 결과를 수신받는다.In addition, the display device 130 is connected to the portable ECG measurement device 110 and the server 120 through a wired or wireless communication network to receive the ECG data and the heart disease detection results.
이하에서는, 본 발명의 일 실시예에 따른 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법에 대해 자세히 설명한다. Hereinafter, an artificial intelligence-based heart disease detection method for a portable electrocardiogram measurement device according to an embodiment of the present invention will be described in detail.
도 2는 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법을 설명하기 위한 순서도도 3은 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법의 보정하는 단계를 설명하기 위한 순서도이다.Figure 2 is a flowchart for explaining the artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device of the present invention. Figure 3 is a flowchart for explaining the calibration step of the artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device of the present invention. This is a flowchart for:
도 2 및 도 3을 참조하면, 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법(S1000)은 먼저 상기 휴대용 심전도 측정 기기(110)로부터 측정된 사용자의 심장에서 발생하는 전기적인 신호(심전도 신호)를 측정한 심전도 데이터를 수신받아 상기 데이터베이스에 수집한다(S1100).Referring to Figures 2 and 3, the artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device (S1000) of the present invention first detects an electrical signal generated from the user's heart measured from the portable electrocardiogram measuring device 110. (Electrocardiogram signal) is received and collected in the database (S1100).
다음, 수집된 심전도 데이터를 샘플링한다(S1200). Next, the collected ECG data is sampled (S1200).
한편, 본 발명에서는 상기 휴대용 심전도 측정 기기(110)에서 측정된 심전도 신호를 1초에 125 Point로 기록하는 125Hz를 갖는 심전도 데이터로 샘플링하였으나, 심장 질환 검출에 적합한 값으로 상기 심전도 데이터를 샘플링하는 것이 바람직하다.Meanwhile, in the present invention, the ECG signal measured by the portable ECG measuring device 110 is sampled as ECG data with 125 Hz recorded at 125 points per second, but sampling the ECG data at a value suitable for detecting heart disease is not possible. desirable.
도 4는 본 발명의 휴대용 심전도 측정 기기로 측정되는 파형을 보여주는 도면으로, 도 4를 참조하면, 상기 휴대용 심전도 측정 기기(110)는 측정 위치가 부정확하거나 잘못 부착된 경우 또는 외부의 요인으로 인해 심전도 데이터에서 노이즈와 같이 심전도 신호의 기저선이 급격하게 요동치는듯한 형태를 나타내는 것을 확인할 수 있다.Figure 4 is a diagram showing the waveform measured by the portable electrocardiogram measuring device of the present invention. Referring to Figure 4, the portable electrocardiogram measuring device 110 may cause the electrocardiogram to be measured when the measurement position is incorrect or incorrectly attached or due to external factors. In the data, it can be seen that the baseline of the ECG signal appears to fluctuate rapidly, like noise.
이는, 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 시스템(100)이 상기 휴대용 심전도 측정 기기(110)에서 측정된 심전도 데이터를 분석하여 상기 심장 질환을 검출할 경우, 해당 영역을 상기 심장 질환으로 진단하거나 반대로 상기 심장 질환이 보통으로 진단될 수 있기 때문에 검출 정확도가 떨어지는 문제점이 발생한다.This means that when the artificial intelligence-based heart disease detection system 100 for a portable electrocardiogram measuring device of the present invention detects the heart disease by analyzing the electrocardiogram data measured by the portable electrocardiogram measuring device 110, the corresponding area is Since the heart disease may be diagnosed or, conversely, the heart disease may be diagnosed as normal, there is a problem of low detection accuracy.
따라서, 상기 샘플링하는 단계(S1200)에서 샘플링된 심전도 데이터를 평준화하여 보정한다(S1300).Therefore, the ECG data sampled in the sampling step (S1200) is normalized and corrected (S1300).
상기 보정하는 단계(S1300)는 먼저, 도 4에서 도시한 것과 같이 상기 심전도 데이터의 파형에서 R값과 인접하는 R값 사이의 중심을 측정점으로 추출한다(S1310).In the correction step (S1300), first, as shown in FIG. 4, the center between the R value and adjacent R values in the waveform of the ECG data is extracted as a measurement point (S1310).
다음, 추출된 측정점을 기반으로 상기 R값과 인접하는 R값 사이의 라인별 벡터를 산출한다(S1320).Next, a vector for each line between the R value and the adjacent R value is calculated based on the extracted measurement point (S1320).
다음, 서로 인접하는 라인별 벡터값 간의 평준화를 수행하여 상기 심전도 데이터의 기저선을 보정한다(S1330).Next, the baseline of the ECG data is corrected by performing equalization between vector values for each adjacent line (S1330).
즉, 상기 보정하는 단계(S1300)는 상기 심전도 데이터의 기저선에서 발생한 변동을 평준화하여 상기 휴대용 심전도 측정 기기(110)의 측정 데이터에서 발생할 수 있는 오차를 보정함에 따라 보정된 심전도 데이터를 사용하는 본발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 시스템(100)에서 상기 심장 질환 검출 정확도를 향상시킬 수 있다.That is, the correction step (S1300) normalizes the fluctuations occurring in the baseline of the ECG data to correct errors that may occur in the measurement data of the portable ECG measurement device 110, and the present invention uses the corrected ECG data. The heart disease detection accuracy can be improved in the artificial intelligence-based heart disease detection system 100 for a portable electrocardiogram measurement device.
다음, 보정된 심전도 데이터를 1초 및 10초 단위별로 분류한다(S1400).Next, the corrected ECG data is classified into 1-second and 10-second units (S1400).
상세하게는, 상기 보정된 심전도 데이터의 파형이 1초 단위인 심전도 데이터와 10초 단위인 심전도 데이터로 분류한다.In detail, the corrected ECG data is classified into ECG data with a waveform of 1 second and ECG data with a waveform of 10 seconds.
다음, 1초 및 10초 단위별로 분류된 심전도 데이터를 분석하여 상기 심장 질환을 진단한다(S1500).Next, the heart disease is diagnosed by analyzing the ECG data classified by 1 second and 10 second units (S1500).
상세하게는, 상기 1초 단위인 심전도 데이터를 분석한 1초 단위 분석 데이터 및 상기 10초 단위인 심전도 데이터를 분석한 10초 단위 분석 데이터 중 하나 이상의 분석 데이터를 기반으로 상기 심장 질환을 진단한다.In detail, the heart disease is diagnosed based on one or more of the 1-second analysis data obtained by analyzing the ECG data in units of 1 second and the 10-second analysis data obtained by analyzing the ECG data in units of 10 seconds.
한편, 본 발명에서는, 상기 심장 질환을 진단하는 단계(S1500)에서 부정맥, 심낭비대, 심부전, 심낭염, 심실세동 및 오래된 심근경색을 포함하는 심장 질환을 진단하나, 이 외에도 심전도 데이터의 파형에 특징이 있는 다양한 심장 질환 또한 진단할 수 있다.Meanwhile, in the present invention, heart diseases including arrhythmia, pericardial hypertrophy, heart failure, pericarditis, ventricular fibrillation, and old myocardial infarction are diagnosed in the heart disease diagnosing step (S1500), but in addition, the waveform of the electrocardiogram data has characteristics. Various heart diseases can also be diagnosed.
이에, 상기 심장 질환을 진단하는 단계(S1500)는 상기 1초 단위 분석 데이터를 기반으로 상기 심낭비대를 진단하며, 상기 10초 단위 분석 데이터를 기반으로 상기 부정맥을 진단하고, 상기 1초 단위 및 10초 단위 분석 데이터를 모두 고려하여 상기 심부전, 상기 심낭염, 상기 심실세동 및 상기 오래된 심근경색을 진단한다.Accordingly, in the step of diagnosing the heart disease (S1500), the pericardial hypertrophy is diagnosed based on the 1-second unit analysis data, the arrhythmia is diagnosed based on the 10-second unit analysis data, and the 1-second unit and 10-second unit analysis data are diagnosed. The heart failure, the pericarditis, the ventricular fibrillation, and the old myocardial infarction are diagnosed by considering all the second-by-second analysis data.
도 5는 심장에서 발생하는 전기적인 신호(심전도 신호)를 파형으로 도식화한심전도 데이터를 설명하기 위한 도면으로, 도 5를 참조하면, 상기 심장 질환을 진단하는 단계(S1500)는 심장에서 발생하는 전기적인 신호(심전도 신호)를 파형으로 도식화한 심전도 데이터에서 P 파형, QRS 파형, ST 분절 및 RR 간격에 관한 값을 도출하여 분석함으로써, 상기 심장 질환을 진단한다.Figure 5 is a diagram for explaining electrocardiogram data, which schematizes the electrical signal (electrocardiogram signal) generated in the heart as a waveform. Referring to Figure 5, the step of diagnosing the heart disease (S1500) is the electrical signal generated in the heart. The heart disease is diagnosed by deriving and analyzing values for P waveform, QRS waveform, ST segment, and RR interval from ECG data, which is a waveform diagram of a typical signal (electrocardiogram signal).
상세하게는, 상기 심장 질환을 진단하는 단계(S1500)는 상기 P 파형 분석 데이터를 기반으로 심방비대를 진단하고, 상기 QRS 파형 분석 데이터를 기반으로 좌심실비대 및 심낭염을 진단하며, 상기 RR 간격 간의 분석 데이터를 기반으로 부동맥을 진단하고, Q 파형 발생 여부 검출 데이터를 기반으로 오래된 심근경색을 진단하며, ST 분절을 기반으로 심장 혈관 막힘 여부 및 하벽 급성 심근경색을 진단한다.In detail, the step of diagnosing heart disease (S1500) involves diagnosing atrial hypertrophy based on the P waveform analysis data, diagnosing left ventricular hypertrophy and pericarditis based on the QRS waveform analysis data, and analyzing the RR interval. Based on the data, accessory arteries are diagnosed, old myocardial infarction is diagnosed based on the Q wave occurrence detection data, and cardiovascular vascular blockage and inferior wall acute myocardial infarction are diagnosed based on the ST segment.
또한, 상기 심장 질환을 진단하는 단계(S1500)는 상기 심장에서 발생하는 전기적인 신호(심전도 신호)를 파형으로 도식화한 심전도 데이터에서 P 파형, QRS 파형, ST 분절 및 RR 간격에 따라 각각 다른 알고리즘을 사용한다.In addition, in the step of diagnosing the heart disease (S1500), different algorithms are used according to the P wave, QRS wave, ST segment, and RR interval in the ECG data, which schematizes the electrical signal (ECG signal) generated in the heart as a waveform. use.
상세하게는, 상기 P 파형 분석은 상기 P 파형의 모양을 분석할 수 있는 알고리즘을 사용하며, 상기 QRS 파형 분석은 상기 QRS의 전위 등을 계산하여 도출할 수 있는 알고리즘을 사용하고, 상기 ST 분절 분석은 상기 ST 분절의 상승을 나타내는 모양 및 연산을 통해 결과를 도출하는 알고리즘을 사용하며, 상기 RR 간격 분석은 상기 RR 간격의 길이를 도출하여 비교하는 알고리즘을 사용할 수 있다.In detail, the P waveform analysis uses an algorithm that can analyze the shape of the P waveform, the QRS waveform analysis uses an algorithm that can be derived by calculating the QRS potential, etc., and the ST segment analysis uses an algorithm that derives results through shapes and calculations representing elevation of the ST segment, and the RR interval analysis may use an algorithm that derives and compares the length of the RR interval.
이에 한정되는 것은 아니며, 상기 심전도 데이터의 파형을 분석할 수 있는 다양한 알고리즘을 적용할 수 있다. It is not limited to this, and various algorithms that can analyze the waveform of the ECG data can be applied.
도 6는 휴대용 심전도 측정 기기로 측정한 심장 질환 중 부정맥을 설명하기 위한 심전도 데이터를 보여주는 도면, 도 7은 휴대용 심전도 측정 기기로 측정한 심장 질환 중 심방비대를 설명하기 위한 심전도 데이터를 보여주는 도면, 도 8은 휴대용 심전도 측정 기기로 측정한 심장 질환 중 오래된 심근경색을 설명하기 위한 심전도 데이터를 보여주는 도면으로, 도 6 내지 도 8을 참조하여 상기 심장 질환을 진단하는 단계(S1500)에서 심장 질환 진단을 위해 상기 심전도 데이터 분석에 대하여 자세히 설명한다.Figure 6 is a diagram showing electrocardiogram data for explaining arrhythmia among heart diseases measured with a portable electrocardiogram measuring device, Figure 7 is a diagram showing electrocardiogram data for explaining atrial hypertrophy among heart diseases measured with a portable electrocardiogram measuring device; 8 is a diagram showing electrocardiogram data to explain old myocardial infarction among heart diseases measured with a portable electrocardiogram measuring device. For diagnosing heart disease in the step (S1500) of diagnosing the heart disease with reference to FIGS. 6 to 8 The electrocardiogram data analysis will be described in detail.
먼저, 도 6을 참조하면, 상기 심전도 신호에서 상기 RR 간격이 균일하지 않을 경우 상기 심장 질환을 진단하는 단계(S1500)에서 부정맥으로 판단하며, 더 나아가, 상기 RR 간격이 정상 간격보다 짧은 간격 이후 긴 간격이 나타날 경우, 심방조기수축으로 진단하고, 상기 RR 간격이 정상 간격보다 긴 경우, 서맥성 부정맥으로 진단하며, 상기 RR 간격이 정상 간격보다 짧은 경우, 빈맥성 부정맥으로 진단하고, 상기 RR 간격의 규칙성이 없을 경우, 심방세동을 진단한다.First, referring to FIG. 6, if the RR interval in the ECG signal is not uniform, it is determined to be an arrhythmia in the step of diagnosing the heart disease (S1500), and further, the RR interval is longer than the normal interval after the interval is shorter than the normal interval. If an interval appears, atrial premature contraction is diagnosed. If the RR interval is longer than the normal interval, bradyarrhythmia is diagnosed. If the RR interval is shorter than the normal interval, tachyarrhythmia is diagnosed. If there is no regularity, atrial fibrillation is diagnosed.
다음으로, 도 7를 참조하면, 상기 심전도 신호에서 P 파형이 어느 한쪽 또는 양쪽으로 쏠릴 경우, 상기 심장 질환을 진단하는 단계(S1500)에서 심방 비대 증상으로 판단하며, 더 나아가, 상기 P 파형이 좌측으로 쏠리면, 우심방 비대로 진단하고, 상기 P 파형이 우측으로 쏠리면, 좌심방 비대로 진단하며, 상기 P 파형이 양쪽으로 쏠리면, 양심방 비대로 진단한다.Next, referring to FIG. 7, if the P wave in the ECG signal is slanted to one or both sides, it is determined to be a symptom of atrial hypertrophy in the step of diagnosing the heart disease (S1500), and further, the P wave is to the left. If the P wave slants to the right, it is diagnosed as right atrial hypertrophy. If the P wave slants to the right, it is diagnosed as left atrial hypertrophy. If the P wave slants to both sides, it is diagnosed as bi-atrial hypertrophy.
다음으로, 도 8을 참조하면, 정상 심전도 데이터에 나타나지 않은 Q 파형이 확인될 경우, 상기 심장 질환을 진단하는 단계(S1500)에서 오래된 심근경색으로 진단한다.Next, referring to FIG. 8, when a Q waveform that does not appear in normal ECG data is confirmed, old myocardial infarction is diagnosed in the heart disease diagnosis step (S1500).
이 외에도, 정상 QRS 파형의 전위와 비교하여 낮은 QRS 파형의 전위가 확인될 경우, 상기 심장 질환을 진단하는 단계(S1500)에서 심낭염으로 진단하며, ST 분절이 상승한 경우, 상기 심장 질환을 진단하는 단계(S1500)에서 심근염,심장 혈관 막힘 여부 및 하벽 급성 심근경색으로 진단할 수 있다.In addition, if a low QRS waveform potential is confirmed compared to the normal QRS waveform potential, pericarditis is diagnosed in the step of diagnosing the heart disease (S1500), and if the ST segment is elevated, the step of diagnosing the heart disease (S1500) can diagnose myocarditis, cardiovascular blockage, and inferior wall acute myocardial infarction.
따라서, 본 발명의 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 방법(S1000)을 실행시키는 컴퓨터 프로그램 및 심장 질환 검출 시스템(100)은 다양한 외부 요인으로 인해 상기 휴대용 심전도 측정 기기(110)로부터 측정되는 심전도 데이터의 오차를 보정하고, 보정된 심전도 데이터를 기반으로 분석하여 상기 심장 질환을 진단할 수 있어 심장 질환 검출 정확도를 향상시킬 수 있다.Therefore, the computer program and heart disease detection system 100 that executes the artificial intelligence-based heart disease detection method (S1000) for a portable electrocardiogram measuring device of the present invention may detect the measured heart disease from the portable electrocardiogram measuring device 110 due to various external factors. The heart disease can be diagnosed by correcting errors in the electrocardiogram data and analyzing the corrected electrocardiogram data, thereby improving the accuracy of heart disease detection.
이에, 병원에 내원하지 않고도 정확도 높은 심장 질환 검출이 가능한 상기 휴대용 심전도 측정 기기(110)를 통해 지속적으로 심장 질환을 모니터링할 수 있는 장점이 있다.Accordingly, there is an advantage in that heart disease can be continuously monitored through the portable electrocardiogram measurement device 110, which is capable of detecting heart disease with high accuracy without visiting a hospital.
이상에서 살펴본 바와 같이 본 발명은 바람직한 실시예를 들어 도시하고 설명하였으나, 상기한 실시예에 한정되지 아니하며 본 발명의 정신을 벗어나지 않는 범위 내에서 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변경과 수정이 가능할 것이다.As discussed above, the present invention has been illustrated and described with reference to preferred embodiments, but it is not limited to the above-described embodiments and is intended to be used by those skilled in the art without departing from the spirit of the invention. Various changes and modifications will be possible.
100 : 심장 질환 검출 시스템
110 : 휴대용 심전도 측정 기기
120 : 서버
130 : 표시 장치100: Heart disease detection system 110: Portable electrocardiogram measurement device
120: server 130: display device
Claims (11)
상기 휴대용 심전도 측정 기기에서 측정되는 심전도 데이터를 수신받아 수집하는 단계;
수집된 심전도 데이터를 샘플링하는 단계;
샘플링된 심전도 데이터를 평준화하여 보정하는 단계; 및
보정된 심전도 데이터를 분석하여 심장 질환을 진단하는 단계를 포함하는 것을 특징으로 하는 휴대용 심전 측정 기기용 인공지능 기반의 심장 질환 검출 방법.
A method of detecting heart disease using a portable electrocardiogram measuring device.
Receiving and collecting electrocardiogram data measured by the portable electrocardiogram measuring device;
sampling the collected electrocardiogram data;
Normalizing and correcting sampled electrocardiogram data; and
An artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device, comprising the step of diagnosing heart disease by analyzing corrected electrocardiogram data.
상기 심장 질환 검출 방법은 상기 보정하는 단계 후, 보정된 심전도 데이터를 1초 및 10초 단위별로 분류하는 단계가 더 포함되며,
상기 심장 질환을 진단하는 단계는 상기 1초 및 10초 단위별로 분류된 심전도 데이터를 각각 분석하여 도출된 1초 단위 분석 데이터 및 10초 단위 분석 데이터 중 하나 이상의 분석 데이터를 기반으로 심장 질환을 진단하는 것을 특징으로 하는 휴대용 심전 측정 기기용 인공지능 기반의 심장 질환 검출 방법.
According to claim 1,
The heart disease detection method further includes, after the correction step, classifying the corrected ECG data by 1 second and 10 second units,
The step of diagnosing heart disease includes diagnosing heart disease based on one or more of the 1-second analysis data and the 10-second analysis data derived by analyzing the ECG data classified by 1 second and 10 second units, respectively. An artificial intelligence-based heart disease detection method for a portable electrocardiography device, characterized in that:
상기 심전도 데이터에서 심장 질환 검출을 위해 분석하는 변수는 P 파형, QRS 파형 및 RR 간격인 것을 특징으로 하는 휴대용 심전 측정 기기용 인공지능 기반의 심장 질환 검출 방법.
According to claim 2,
An artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device, characterized in that the variables analyzed for heart disease detection in the electrocardiogram data are P waveform, QRS waveform, and RR interval.
상기 보정하는 단계:는
상기 심전도 데이터에서 R값과 R값 사이의 중심을 나타내는 측정점 추출하는 단계;
추출된 측정점을 기반으로 상기 R값과 R값 사이의 라인별 벡터를 산출하는 단계; 및
서로 인접하는 라인별 벡터값 간의 평준화를 수행하여 상기 심전도 데이터의 기저선을 보정하는 단계를 포함하는 것을 특징으로 하는 휴대용 심전 측정 기기용 인공지능 기반의 심장 질환 검출 방법.
According to claim 3,
Steps to calibrate the above:
extracting a measurement point representing the center between R values and R values from the ECG data;
Calculating a vector for each line between the R value and the R value based on the extracted measurement point; and
An artificial intelligence-based heart disease detection method for a portable electrocardiogram measurement device, comprising the step of correcting the baseline of the electrocardiogram data by performing equalization between vector values for each adjacent line.
상기 심장 질환을 진단하는 단계는 부정맥, 심낭비대, 심부전, 심낭염, 오래된 심근경색 등을 포함하는 심장 질환을 진단하는 것을 특징으로 하는 휴대용 심전 측정 기기용 인공지능 기반의 심장 질환 검출 방법.
According to claim 3,
The step of diagnosing heart disease is an artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device, characterized in that diagnosing heart disease including arrhythmia, pericardial hypertrophy, heart failure, pericarditis, old myocardial infarction, etc.
상기 심장 질환을 진단하는 단계는 상기 10초 단위의 분석 데이터를 기반으로 부정맥을 진단하고 상기 1초 단위의 분석 데이터를 기반으로 심낭비대를 진단하며 상기 1초 단위 및 10초 단위의 분석 데이터들을 모두 고려하여 심부전과 심낭염을 진단하는 것을 특징으로 하는 휴대용 심전 측정 기기용 인공지능 기반의 심장 질환 검출 방법.
According to claim 5,
The step of diagnosing heart disease includes diagnosing arrhythmia based on the 10-second analysis data, diagnosing pericardial hypertrophy based on the 1-second analysis data, and calculating all of the 1-second and 10-second analysis data. An artificial intelligence-based heart disease detection method for a portable electrocardiography device, characterized by diagnosing heart failure and pericarditis.
상기 심장 질환을 진단하는 단계는 상기 P 파형 분석 데이터를 기반으로 심방비대를 진단하고, 상기 QRS 파형 분석 데이터를 기반으로 좌심실비대 및 심낭염을 진단하며, 상기 R값과 R값 간의 분석 데이터를 기반으로 부동맥을 진단하고, Q 파형 발생 여부 검출 데이터를 기반으로 오래된 심근경색을 진단하는 것을 특징으로 하는 휴대용 심전 측정 기기용 인공지능 기반의 심장 질환 검출 방법.
According to claim 6,
In the step of diagnosing the heart disease, atrial hypertrophy is diagnosed based on the P waveform analysis data, left ventricular hypertrophy and pericarditis are diagnosed based on the QRS waveform analysis data, and based on the analysis data between the R value and the R value. An artificial intelligence-based heart disease detection method for a portable electrocardiogram measuring device characterized by diagnosing accessory arteries and diagnosing old myocardial infarction based on detection data of whether or not a Q wave occurs.
A computer program for artificial intelligence-based heart disease detection for a portable electrocardiogram measurement device, wherein the artificial intelligence-based heart disease detection method for a portable electrocardiogram measurement device according to any one of claims 1 to 7 is stored in a recording medium.
A server storing a computer program for detecting heart disease based on artificial intelligence for a portable electrocardiogram measuring device of claim 8.
상기 휴대용 심전도 측정 기기로부터 수신받은 심전도 데이터를 분석하여 사용자의 심장 질환을 진단하는 제 9 항의 서버를 포함하는 것을 특징으로 하는 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 시스템.
A portable electrocardiogram measuring device that measures electrical signals (electrocardiogram signals) generated in the heart and provides electrocardiogram data in which the potentials related to heartbeat are recorded graphically on the surface of the body; and
An artificial intelligence-based heart disease detection system for a portable electrocardiogram measurement device, comprising the server of claim 9 that diagnoses a user's heart disease by analyzing the electrocardiogram data received from the portable electrocardiogram measurement device.
상기 심장 질환 검출 시스템은 상기 휴대용 심전도 측정 기기에서 측정한 심전도 데이터 및 상기 서버에서 진단한 심장 질환 진단 결과를 시각화하여 제공하는 표시장치가 더 포함되는 것을 특징으로 하는 휴대용 심전도 측정 기기용 인공지능 기반의 심장 질환 검출 시스템.
According to claim 10,
The heart disease detection system is an artificial intelligence-based device for a portable electrocardiogram measuring device, characterized in that it further includes a display device that visualizes and provides electrocardiogram data measured by the portable electrocardiogram measuring device and heart disease diagnosis results diagnosed by the server. Heart disease detection system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220167985A KR20240083645A (en) | 2022-12-05 | 2022-12-05 | Artificial intelligence-based heart disease detection method for portable ECG equipment and computer program and system for executing the method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220167985A KR20240083645A (en) | 2022-12-05 | 2022-12-05 | Artificial intelligence-based heart disease detection method for portable ECG equipment and computer program and system for executing the method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240083645A true KR20240083645A (en) | 2024-06-12 |
Family
ID=91469517
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220167985A KR20240083645A (en) | 2022-12-05 | 2022-12-05 | Artificial intelligence-based heart disease detection method for portable ECG equipment and computer program and system for executing the method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240083645A (en) |
-
2022
- 2022-12-05 KR KR1020220167985A patent/KR20240083645A/en unknown
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6918038B2 (en) | Mismatch monitoring | |
| Smulyan | The computerized ECG: friend and foe | |
| US10149625B2 (en) | Patient signal analysis based on vector analysis | |
| US20160183811A1 (en) | System and method of detecting abnormal movement of a physical object | |
| US20060276716A1 (en) | Atrial fibrillation detection method and apparatus | |
| US10357205B2 (en) | Electrocardiogram analysis | |
| US20110190650A1 (en) | Computerized Systems and Methods for Stability-Theoretic Prediction and Prevention of Sudden Cardiac Death | |
| US7412283B2 (en) | Method and system for processing electrocardial signals | |
| JPS6134331B2 (en) | ||
| US8868168B2 (en) | System for cardiac condition characterization using electrophysiological signal data | |
| Tuboly et al. | Atrial fibrillation detection with and without atrial activity analysis using lead-I mobile ECG technology | |
| Quesnel et al. | Signal quality and false myocardial ischemia alarms in ambulatory electrocardiograms | |
| Jekova et al. | Inter-lead correlation analysis for automated detection of cable reversals in 12/16-lead ECG | |
| US9867577B2 (en) | Electrocardiogram analysis | |
| Gusev et al. | Performance evaluation of atrial fibrillation detection | |
| Leinveber et al. | Ambulatory monitoring of myocardial ischemia in the 21st century—an opportunity for high frequency QRS analysis | |
| KR20240083645A (en) | Artificial intelligence-based heart disease detection method for portable ECG equipment and computer program and system for executing the method | |
| WO2010000009A1 (en) | Improved detection of cardiac dysfunction | |
| US11147493B2 (en) | Non-invasive detection of coronary artery disease | |
| CN113080917A (en) | Method and device for monitoring abnormal heart rate | |
| Pander et al. | The new approach for ecg signal quality index estimation on the base of robust statistic | |
| Giuliani et al. | Automatic identification of the repolarization endpoint by computing the dominant T-wave on a reduced number of leads | |
| RU2212184C2 (en) | Method for identifying cardiac diseases | |
| Attin et al. | Changes in paced signals may predict in‐hospital cardiac arrest | |
| KR102437348B1 (en) | Method for wearable ECG signal analysis |