WO2023120775A1 - 심전도 판독을 수정하기 위한 방법 및 장치 - Google Patents

심전도 판독을 수정하기 위한 방법 및 장치 Download PDF

Info

Publication number
WO2023120775A1
WO2023120775A1 PCT/KR2021/019738 KR2021019738W WO2023120775A1 WO 2023120775 A1 WO2023120775 A1 WO 2023120775A1 KR 2021019738 W KR2021019738 W KR 2021019738W WO 2023120775 A1 WO2023120775 A1 WO 2023120775A1
Authority
WO
WIPO (PCT)
Prior art keywords
waveform
electrocardiogram
reading
beat
reading device
Prior art date
Application number
PCT/KR2021/019738
Other languages
English (en)
French (fr)
Inventor
이영신
송희석
최종두
Original Assignee
(주)씨어스테크놀로지
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)씨어스테크놀로지 filed Critical (주)씨어스테크놀로지
Publication of WO2023120775A1 publication Critical patent/WO2023120775A1/ko

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
    • 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]
    • A61B5/339—Displays specially adapted therefor
    • 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
    • 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

Definitions

  • One embodiment of the present invention relates to a method and apparatus for correcting electrocardiogram readings.
  • An electrocardiogram reading system has been developed to assist medical personnel in analyzing the electrocardiogram.
  • a conventional electrocardiogram reading system detects R, P, and T peaks of a waveform, and detects and classifies arrhythmias based on rules.
  • a conventional electrocardiogram reading system receives and analyzes all electrocardiogram signal data of a patient and outputs the result.
  • Deep learning technology has been studied a lot recently as an electrocardiogram reading algorithm because it has higher accuracy than existing methods.
  • Arrhythmia judgment using electrocardiogram can only be performed by medical staff with certain qualifications, but the reality is that there is a shortage of manpower compared to demand.
  • ECG ECG signal must be read from various perspectives, such as calculating the time difference between the shapes and sections of the P, QRS, and T waveforms, and analyzing the ECG rhythm.
  • Medical staff should observe the patient's condition in real time by monitoring the electrocardiogram of the bedridden patient, but continuous monitoring is difficult due to a lack of manpower. Since electrocardiogram analysis is directly related to the patient's life, it must be accurate and must be operated quickly in the event of an emergency.
  • an electrocardiogram waveform acquisition unit receiving an electrocardiogram waveform (ECG Raw Data); a waveform reading unit outputting a reading result obtained by analyzing the electrocardiogram waveform based on a preset waveform shape and RR interval on one side of a screen; a generation time management unit that matches the electrocardiogram waveform to generate a separate heartbeat table for each read time according to the read result, and outputs the result to the other side of the screen;
  • a reading correction unit configured to modify the reading result matched to the specific ECG waveform on the beat table together.
  • the automatic reading function since there is a possibility that the automatic reading function may misread the patient's ECG when using the electrocardiogram meter, when rereading and correcting the result of the automatic reader, groups grouped by similar waveforms It has the effect of allowing the correction result to be collectively reflected.
  • FIG. 1 is a diagram illustrating bio-signal data processing in the field of bio-signal processing according to the present embodiment.
  • FIG. 2 is a diagram showing characteristic indicators of P, Q, R, S, and T waves (P waves, QRS complex, and T waves) and electrocardiograms according to the present embodiment.
  • FIG. 3 is a diagram showing an electrocardiogram reading device according to this embodiment.
  • FIG. 4 is a diagram showing an example of confirming a waveform for each beat using the read correction program according to the present embodiment.
  • FIG. 5 is a diagram showing a screen for confirming a waveform by bundling similar beats using a reading correction program according to the present embodiment.
  • FIG. 6 is a diagram showing an example screen for confirming a waveform for each rhythm using a reading correction program according to the present embodiment.
  • FIG. 7 is a flowchart illustrating a method of correcting an electrocardiogram reading result according to an exemplary embodiment.
  • FIG. 8 is a flowchart for explaining an additional clustering method according to the present embodiment.
  • FIG. 1 is a diagram illustrating bio-signal data processing in the field of bio-signal processing according to the present embodiment.
  • the electrocardiogram reading device 300 records electrical signals generated during heart beats as waveforms by current, and performs an electrocardiogram test to diagnose heart diseases such as arrhythmia, angina pectoris, myocardial infarction, and cardiac hypertrophy.
  • the electrocardiogram reading device 300 can be applied to one-dimensional (1D) bio-signal data processing in the field of bio-signal processing.
  • the electrocardiogram reading device 300 divides the P waveform, QRS-complex (N, S, V), T waveform, and noise waveform included in the electrocardiogram waveform into waveform units.
  • the ECG reading device 300 classifies the ECG waveform into one of N (Normal beat), S (Supraventricular ectopic beat), V (Ventricular ectopic beat), F (Fusion beat), and Q (Unknown beat).
  • FIG. 2 is a diagram showing characteristic indicators of P, Q, R, S, and T waves (P waves, QRS complex, and T waves) and electrocardiograms according to the present embodiment.
  • the ECG waveform appears as a series of beats, and beats can be largely divided into normal beat (N), supraventricular beat (S), and ventricular beat (V).
  • One beat of the ECG waveform basically includes a P waveform, a QRS waveform, and a T waveform.
  • the electrocardiogram reading device 300 detects P, Q, R, S, and T waves included in the electrocardiogram, and classifies normal beat (N), supraventricular beat (S), and ventricular beat (V). do.
  • the electrocardiogram reading device 300 performs localization of the P, Q, R, S, and T waveforms and outputs various characteristic indexes of the electrocardiogram.
  • the electrocardiogram reading device 300 classifies a PR interval, a QRS interval, a QT interval, an ST segment, and a RR interval for the inputted electrocardiogram waveform.
  • the electrocardiogram reading device 300 classifies the heartbeat based on the characteristic information of the P waveform, Q waveform, R waveform, S waveform, and T waveform based on the PR interval, QRS interval, QT interval, ST segment, and RR interval (Classification) can do
  • the electrocardiogram reading device 300 classifies heart beats into normal beat (N), supraventricular beat (S), and ventricular beat (V).
  • N normal beat
  • S supraventricular beat
  • V ventricular beat
  • the ECG reading device 300 may detect an abnormal state based on localization and classification information.
  • the electrocardiogram reading device 300 detects an abnormal state (arrhythmia, abnormal beats (S, V), ST, QTc, etc.) using localized values of the electrocardiogram waveform.
  • an abnormal state arrhythmia, abnormal beats (S, V), ST, QTc, etc.
  • the electrocardiogram reading device 300 performs classification on the electrocardiogram waveform to classify the heartbeat as normal beat (N), supraventricular beat (S), and ventricular beat (V). ), and detect arrhythmia.
  • the electrocardiogram reading apparatus 300 applies the segmentation technique to the electrocardiogram waveform and checks each section of the P, Q, R, S, T, and fibrillation waveforms included in the electrocardiogram waveform.
  • the electrocardiogram reading device 300 classifies the heartbeat into one of N (Normal beat), S (Supraventricular ectopic beat), V (Ventricular ectopic beat), F (Fusion beat), and Q (Unknown beat) based on each section ( Classification).
  • FIG. 3 is a diagram showing an electrocardiogram reading device according to this embodiment.
  • Electrocardiogram reading device 300 includes an electrocardiogram acquisition unit 310, a waveform reading unit 320, an occurrence time management unit 330, a grouping unit 340, a reading correction unit 350, and a rhythm correction unit. (360). Components included in the electrocardiogram reading device 300 are not necessarily limited thereto.
  • Each component included in the electrocardiogram reading device 300 is connected to a communication path connecting a software module or a hardware module inside the device and may operate organically with each other. These components communicate using one or more communication buses or signal lines.
  • Each component of the ECG reading device 300 shown in FIG. 3 means a unit that processes at least one function or operation, and may be implemented as a software module, a hardware module, or a combination of software and hardware.
  • the electrocardiogram acquisition unit 310 receives an electrocardiogram waveform (ECG Raw Data).
  • ECG Raw Data an electrocardiogram waveform
  • the waveform reading unit 320 analyzes the ECG waveform based on the preset waveform shape and the RR interval and outputs a read result on one side of the screen.
  • the waveform reading unit 320 converts the ECG waveform to N (Normal beat), S (Supraventricular ectopic beat), V (Ventricular ectopic beat), F (Fusion beat), and Q (Unknown beat) based on the preset waveform shape and RR interval. ) to be read.
  • N Normal beat
  • S Supraventricular ectopic beat
  • V Vehicle ectopic beat
  • F Fusion beat
  • Q Unknown beat
  • the occurrence time management unit 330 matches the ECG waveform to generate a separate heartbeat table for each reading result, and outputs the result to the other side of the screen.
  • the generation time management unit 330 divides the ECG waveform into beats, rhythms, and groups and outputs them, and matches and stores the start time and end time for each beat, rhythm, and group by time.
  • the grouping unit 340 extracts the peaks of the ECG waveform forward and backward at predetermined intervals, clusters them, and creates groups in which similar shapes are grouped. When unread heartbeats exist among the ECG waveforms, the grouping unit 340 clusters waveforms having similar beats to the unread heartbeats and groups them as candidate data.
  • the grouping unit 340 classifies each waveform into three groups based on the interval between the peaks in the beats present in the ECG waveform and the peaks in the next beat.
  • the grouping unit 340 divides into separate groups by adding a new group when the waveform shape is not distinguished in the heartbeat representation.
  • the read correction unit 350 modifies the read result matching the specific ECG waveform on the heartbeat table together.
  • the read correction unit 350 performs a correlation analysis with the modified waveform among the groups, and collectively corrects waveform results in groups having similar subsequent waveforms.
  • the reading correction unit 350 causes the modified result to be reflected in the heartbeat table, and if a waveform having a shape similar to the modified result does not exist, it is newly added to the heartbeat table. .
  • the rhythm correction unit 360 records the start time and end time for each time as the reading result for each rhythm on the screen for checking the reading result for each rhythm, and then outputs the corresponding rhythm part when the waveform is selected, and displays the beat table and beat when the rhythm is modified or removed. Add, modify, or remove the corresponding rhythm from the waveform.
  • FIG. 4 is a diagram showing an example of confirming a waveform for each beat using the read correction program according to the present embodiment.
  • the electrocardiogram reading apparatus 300 clusters electrocardiogram reading results by type and outputs them, and finds and corrects the user-modified part within the entire data.
  • the electrocardiogram reading device 300 divides the reading result confirmation screen for each beat into two screens and outputs the screen using the reading correction program.
  • the electrocardiogram reading device 300 displays the heartbeat reading results (N (Normal beat), S (Supraventricular ectopic beat), V (Ventricular ectopic beat), F (Fusion beat), Q (Unknown beat) is expressed as text and the beat reading is corrected.
  • the electrocardiogram reading device 300 displays the same reading result as a reading time as described in the heartbeat table shown in FIG. Let it be.
  • the electrocardiogram reading device 300 deletes or modifies the electrocardiogram waveform, a portion corresponding to the modified waveform is automatically selected or deleted on the heartbeat table.
  • the electrocardiogram reading device 300 reads and corrects the corresponding heartbeat, finds a waveform similar to the corresponding heartbeat as a shape among waveforms that have not been read as a heartbeat in the entire ECG waveform, and selects a candidate group (Candidate ) is clustered and output as a table.
  • FIG. 5 is a diagram showing a screen for confirming a waveform by bundling similar beats using a reading correction program according to the present embodiment.
  • the electrocardiogram reading device 300 extracts a predetermined front/back interval from each waveform based on the peak center, and then groups similar shapes together through a clustering method.
  • the electrocardiogram reader 300 first determines the number of clusters for clustering. If the electrocardiogram reading device 300 determines too few clustering numbers (N), classification is not performed. When the electrocardiogram reading apparatus 300 determines a clustering number N that is too large, it sets the clustering number N to a sufficient amount according to the number of data because they are classified as similar values.
  • the electrocardiogram reading device 300 includes an algorithm that combines similar shapes into one cluster using correlation analysis for each representative shape.
  • the electrocardiogram reading apparatus 300 divides the clustered representative waveforms into three groups per waveform using the RR interval, which is one of the important indicators for heartbeat classification.
  • the electrocardiogram reading device 300 uses a grouping function to change the reading result at once by collecting similar shapes when the automatic reading function makes an incorrect reading.
  • the electrocardiogram reading device 300 arranges the waveforms corresponding to the selected waveform shape by time.
  • the electrocardiogram reading device 300 automatically moves to the most similar group after performing a waveform and correlation analysis of the modified waveform.
  • the electrocardiogram reading apparatus 300 includes a function of additionally clustering within a group when not sufficiently classified within one group.
  • FIG. 6 is a diagram showing an example screen for confirming a waveform for each rhythm using a reading correction program according to the present embodiment.
  • the electrocardiogram reading device 300 corrects a heartbeat or a rhythm reading when modifying an electrocardiogram reading result.
  • the electrocardiogram reading device 300 outputs the electrocardiogram waveform graph for each time period in order to correct the heartbeat reading, and can immediately correct it while checking the reading result.
  • Electrocardiogram reading device 300 N Normal beat
  • S Supraventricular ectopic beat
  • V Vastricular ectopic beat
  • F Fusion beat
  • Q Unknown beat based on the shape of each ECG waveform and the RR interval
  • the electrocardiogram reading device 300 provides a function of checking and correcting the notation result of each electrocardiogram waveform one by one.
  • the electrocardiogram reading device 300 actually exists, but when reading is not possible, collects similar waveforms as candidate data and outputs similar waveforms while checking unlabeled data within the entire data.
  • the electrocardiogram reading device 300 corrects and groups beats.
  • the electrocardiogram reading device 300 extracts predetermined intervals before and after the peak of each waveform, clusters them, and groups similar shapes.
  • the electrocardiogram reading device 300 sets the number of clusters to a margin, and then clusters only similar shapes using correlation analysis.
  • the electrocardiogram reading device 300 automatically displays only non-clustered waveforms.
  • the electrocardiogram reading device 300 classifies each waveform into three groups based on beats present in the ECG waveform and intervals between peaks in the next beat.
  • the electrocardiogram reading device 300 uses a grouping function to collectively correct other waveforms having a similar shape when an erroneous reading is performed by the automatic reading function.
  • the ECG reading device 300 When a modified waveform exists among ECG waveforms, the ECG reading device 300 collectively modifies other waveforms having similar waveforms to the modified waveform, so there is no need to review the same or similar waveforms again.
  • the electrocardiogram reading device 300 collectively corrects subsequent waveforms having similar waveforms based on the modified pattern waveform and the RR interval. For example, when the electrocardiogram reading device 300 measures the electrocardiogram for 24 hours, it collects more than about 10 beats, so if there is an erroneously read waveform, since the related waveforms cannot be modified individually, the RR interval and waveform Modify subsequent waveforms with similar shapes in batches based on shape.
  • the electrocardiogram reading apparatus 300 separates one group by adding one group when the waveform shape is not distinguished in the heartbeat representation.
  • the electrocardiogram reading device 300 records the start time and end time for each time as the reading result for each rhythm on the screen for checking the reading result for each rhythm, and then outputs the corresponding rhythm part when a waveform is selected.
  • the electrocardiogram reading device 300 adds, modifies, or removes the corresponding rhythm from the beat table and the waveform.
  • the electrocardiogram reading device 300 may adjust the start time and end time of the rhythm little by little according to the reader's manipulation or command.
  • FIG. 7 is a flowchart illustrating a method of correcting an electrocardiogram reading result according to an exemplary embodiment.
  • the electrocardiogram reading device 300 automatically outputs an electrocardiogram reading result (S710).
  • the electrocardiogram reading device 300 checks the electrocardiogram reading result (S720).
  • the electrocardiogram reading device 300 checks correction of the electrocardiogram reading result (S730).
  • the electrocardiogram reading apparatus 300 applies a clustering algorithm to a part corresponding to the correction (S740).
  • the electrocardiogram reading device 300 corrects the electrocardiogram beat label result for the group to which the clustering algorithm is applied (S750).
  • the ECG reading device 300 checks the ECG rhythm reading result (S760).
  • the ECG reading device 300 corrects the ECG rhythm reading result (S770).
  • the electrocardiogram reading device 300 completes correction of the electrocardiogram reading result (S780).
  • steps S710 to S780 are sequentially executed, it is not necessarily limited thereto. In other words, since it will be applicable to changing and executing the steps described in FIG. 7 or executing one or more steps in parallel, FIG. 7 is not limited to a time-series sequence.
  • the ECG rhythm reading result correction method according to the present embodiment described in FIG. 7 can be implemented as a program and recorded on a computer-readable recording medium.
  • a computer-readable recording medium on which a program for implementing the ECG rhythm reading result correction method according to the present embodiment is recorded includes all kinds of recording devices storing data readable by a computer system.
  • FIG. 8 is a flowchart for explaining an additional clustering method according to the present embodiment.
  • the ECG reading device 300 samples each beat (S810).
  • the electrocardiogram reading device 300 resamples the sampled heartbeat (S820).
  • the electrocardiogram reading device 300 sets clusters according to the number of data (S830).
  • the electrocardiogram reading device 300 applies a clustering algorithm (S840).
  • the electrocardiogram reading device 300 integrates clusters using correlation analysis (S850).
  • the electrocardiogram reading device 300 checks the result (S860).
  • the electrocardiogram reading device 300 applies an additional clustering algorithm (S870).
  • FIG. 8 Although it is described in FIG. 8 that steps S810 to S870 are sequentially executed, it is not necessarily limited thereto. In other words, since it will be applicable to changing and executing the steps described in FIG. 8 or executing one or more steps in parallel, FIG. 8 is not limited to a time-sequential order.
  • the additional clustering method according to the present embodiment described in FIG. 8 may be implemented as a program and recorded on a computer-readable recording medium.
  • a computer-readable recording medium on which a program for implementing the additional clustering method according to the present embodiment is recorded includes all kinds of recording devices storing data readable by a computer system.

Landscapes

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

Abstract

심전도 판독을 수정하기 위한 방법 및 장치를 개시한다. 본 실시예는 심전도 측정기를 이용하는 경우 자동판독기능이 환자의 심전도를 잘못 판독할 가능성이 존재하기 때문에, 자동판독기의 결과를 참고하여 재판독이 필요하기 때문에, 자동 판독 결과를 재판독할 때, 쉽게 수정한 후 확인할 수 있도록 하는 심전도 판독을 수정하기 위한 방법 및 장치를 제공한다.

Description

심전도 판독을 수정하기 위한 방법 및 장치
본 발명의 일 실시예는 심전도 판독을 수정하기 위한 방법 및 장치에 관한 것이다.
이하에 기술되는 내용은 단순히 본 실시예와 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다.
의료진의 심전도 분석을 도와주는 심전도 판독 시스템이 개발되어 있다. 종래의 심전도 판독 시스템은 파형의 R, P, T 피크(Peak)를 검출하고 있으며, 규칙기반으로 부정맥 검출하고 분류한다.
종래의 심전도 판독 시스템은 환자의 전체 심전도 신호 데이터를 받아 분석하여 그 결과를 출력한다. 딥러닝 기술은 기존 방법들에 비해 정확성이 높기 때문에 심전도 판독 알고리즘으로 최근 많이 연구되고 있다.
심전도를 이용한 부정맥 판단은 일정 자격을 갖춘 의료진만이 할 수 있지만 수요에 비해 인력이 부족한 현실이다. 심전도 판독 시 P, QRS, T 파형의 모양과 구간 간에 시간 차 계산, 심전도 리듬에 대한 분석 등 심전도 신호를 다양한 시각에서 판독해야 하기 때문에 시간이 많이 소요된다. 병상 환자의 심전도는 의료진이 실시간으로 관측하여 환자의 상태를 주시해야 하지만, 인력부족으로 인해 지속적인 모니터링이 힘들다. 심전도 분석은 환자의 생명과 직결되기 때문에 정확해야 하고 응급환자 발생 시에는 빠르게 동작되어야 한다.
종래의 심전도 분석은 P, QRS, T 파형 구간의 끝점, 시작점 등을 이용하는 경우도 있지만 종래의 기술은 피크(Peak)만을 찾아 그 활용도가 떨어진다. 부정맥 검출 및 분류 시 규칙기반의 알고리즘 설계는 파형의 다양성 때문에 정확도가 떨어지고, 부정맥의 추가 시 새로운 규칙기반 알고리즘을 설계해야 한다.
종래의 심전도 판독 시스템은 병상 환자 모니터링과 같은 실시간 판독이 필요한 곳에서는 활용이 불가능하다. 심전도 분석을 위한 딥러닝 알고리즘은 구현 모델에 따라 속도 차이가 있으며, 실시간 동작을 위해 매 시간 동작할 수 없다. 심전도 파형 시각화 시 1차원 데이터에 대한 출력으로 실시간 판독 시 가독성이 떨어진다.
최근, 부정맥 등 심장질환을 진단하기 위해 인공지능(AI)을 의료계에 활용하는 추세이다. 하지만, ECG 판독의 경우 복잡성으로 다양한 알고리즘이 적용되지 않고, 정확도가 낮아 숙련된 전문가가 자동 판독된 데이터를 하나씩 눈으로 찾아보고 수정해야 한다. ECG 판독 시 판독 자체만 수행하는 것이 아니라 심전도 전체 파형을 확인해야 하기 때문에, 시간이 오래 걸리고 번거롭다는 문제가 있다.
본 실시예는 심전도 측정기를 이용하는 경우 자동판독기능이 환자의 심전도를 잘못 판독할 가능성이 존재하기 때문에, 자동판독기의 결과를 재판독하여 수정할 때, 유사한 파형 별로 그룹핑된 그룹에 수정 결과를 일괄 반영할 수 있도록 하는 심전도 판독을 수정하기 위한 방법 및 장치를 제공하는 데 목적이 있다.
본 실시예의 일 측면에 의하면, 심전도 파형(ECG Raw Data)을 입력받는 심전도 파형 획득부; 기 설정된 파형 모양과 RR 간격을 기반으로 상기 심전도 파형을 분석한 판독 결과를 화면의 일측에 출력하는 파형 판독부; 상기 심전도 파형과 매칭하여 상기 판독 결과별로 판독 시간을 별도의 박동 표로 생성하여 상기 화면의 타측에 출력하는 발생 시간 관리부; 특정 심전도 파형에 대한 상기 판독 결과가 수정되는 경우, 상기 박동 표 상에 상기 특정 심전도 파형에 매칭된 판독 결과를 함께 수정하도록 하는 판독 수정부;를 포함하는 것을 특징으로 하는 심전도 판독 장치를 제공한다.
이상에서 설명한 바와 같이 본 실시예에 의하면, 심전도 측정기를 이용하는 경우 자동판독기능이 환자의 심전도를 잘못 판독할 가능성이 존재하기 때문에, 자동판독기의 결과를 재판독하여 수정할 때, 유사한 파형 별로 그룹핑된 그룹에 수정 결과를 일괄 반영할 수 있도록 하는 효과가 있다.
본 실시예에 의하면, 웨어러블 심전도 패치 외에도 심전도를 측정하는 다양한 의료기기, 웰니스/피트니스 기기에서 모두 활용 가능한 효과가 있다. 본 실시예에 의하면, 심전도 판독이 필요한 건강검진센터, 병원 및 의료기관에서 보다 쉽고 빠르고 정확하게 판독할 수 있는 효과가 있다.
도 1은 본 실시예에 따른 바이오 신호 처리 분야에서 생체 신호 데이터 처리를 나타낸 도면이다.
도 2는 본 실시예에 따른 P,Q,R,S,T파(P파, QRS복합체, T파)와 심전도의 특징지표를 나타낸 도면이다.
도 3은 본 실시예에 따른 심전도 판독 장치를 나타낸 도면이다.
도 4는 본 실시예에 따른 판독 수정 프로그램을 이용한 박동별 파형 확인 예시를 나타낸 도면이다.
도 5는 본 실시예에 따른 판독 수정 프로그램을 이용하여 유사한 박동끼리 묶어서 파형을 확인하는 화면을 나타낸 도면이다.
도 6은 본 실시예에 따른 판독 수정 프로그램을 이용하여 리듬별 파형 확인 예시 화면을 나타낸 도면이다.
도 7은 본 실시예에 따른 심전도 리듬 판독 결과 수정 방법을 설명하기 위한 순서도이다.
도 8은 본 실시예에 따른 추가 클러스터링 방법을 설명하기 위한 순서도이다.
<도면의 주요부분에 대한 부호의 설명>
300: 심전도 판독 장치
310: 심전도 파형 획득부
320: 파형 판독부
330: 발생 시간 관리부
340: 그룹핑부
350: 판독 수정부
360: 리듬 수정부
이하, 본 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 실시예에 따른 바이오 신호 처리 분야에서 생체 신호 데이터 처리를 나타낸 도면이다.
심전도 판독 장치(300)는 심장 박동(Beat) 때 일어나는 전기 신호를 전류에 의한 파형으로 기록하는 검사로 부정맥, 협심증, 심근경색, 심장비대 등의 심장 질환을 진단하는 심전도 검사를 수행한다.
본 실시예에 따른 심전도 판독 장치(300)는 바이오 신호 처리(Bio Signal Processing) 분야에서 1차원(1D) 생체신호 데이터 처리에 적용될 수 있다. 심전도 판독 장치(300)는 심전도 파형에 포함된 P 파형, QRS-complex(N,S,V), T 파형, 노이즈 파형을 파형 단위로 분할한다.
심전도 판독 장치(300)는 심전도 파형을 N(Normal beat), S(Supraventricular ectopic beat), V(Ventricular ectopic beat), F(Fusion beat), Q(Unknown beat) 중 하나로 분류한다.
도 2는 본 실시예에 따른 P,Q,R,S,T파(P파, QRS복합체, T파)와 심전도의 특징지표를 나타낸 도면이다.
심전도 파형은 박동의 연속으로 나타나지며, 박동은 크게 노멀 박동(Normal Beat)(N), 심실상 박동(Supraventricular beat)(S), 심실 박동(Ventricular Beat)(V)으로 나눌 수 있다. 심전도 파형의 한 박동은 기본적으로 P 파형, QRS 파형, T 파형을 포함한다.
심전도 판독 장치(300)는 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형을 감지하고, 노멀 박동(N), 심실상 박동(S), 심실 박동(V)을 분류한다. 심전도 판독 장치(300)는 P 파형, Q 파형, R 파형, S 파형, T 파형의 로컬라이제이션(Localization)을 수행하여 심전도의 다양한 특징 지표들을 출력한다.
심전도 판독 장치(300)는 입력된 심전도 파형에 대한 PR 인터벌(Interval), QRS 인터벌, QT 인터벌, ST 세그먼트, RR 인터벌을 구분한다.
심전도 판독 장치(300)는 PR 인터벌, QRS 인터벌, QT 인터벌, ST 세그먼트, RR 인터벌을 기반으로 P 파형, Q 파형, R 파형, S 파형, T 파형의 특징정보를 기반으로 박동을 분류(Classification)할 수 있다
심전도 판독 장치(300)는 심장 박동을 노멀 박동(Normal Beat)(N), 심실상 박동(Supraventricular beat)(S), 심실 박동(Ventricular Beat)(V)으로 분류한다. 심전도 판독 장치(300)는 심전도 파형을 판독할 때, 로컬라이제이션(Localization)과 분류(Classification)정보를 기반으로 이상 상태를 감지할 수 있다.
심전도 판독 장치(300)는 심전도 파형에 대해 로컬라이제이션을 수행한 값을 이용하여 이상상태(부정맥, 이상박동(S,V), ST, QTc 등)를 감지한다.
심전도 판독 장치(300)는 심전도 파형에 대해 분류(Classification)를 수행하여 심장 박동을 노멀 박동(Normal Beat)(N), 심실상 박동(Supraventricular beat)(S), 심실 박동(Ventricular Beat)(V)로 분류하고, 부정맥을 감지한다.
심전도 판독 장치(300)는 심전도 파형에 세그먼테이션 기법을 적용하여, 심전도 파형에 포함된 P 파형, Q 파형, R 파형, S 파형, T 파형, 세동 파형의 각 구간을 확인한다. 심전도 판독 장치(300)는 각 구간을 기반으로 심장 박동을 N(Normal beat), S(Supraventricular ectopic beat), V(Ventricular ectopic beat), F(Fusion beat), Q(Unknown beat) 중 하나로 분류(Classification)한다.
도 3은 본 실시예에 따른 심전도 판독 장치를 나타낸 도면이다.
본 실시예에 따른 심전도 판독 장치(300)는 심전도 파형 획득부(310), 파형 판독부(320), 발생 시간 관리부(330), 그룹핑부(340), 판독 수정부(350), 리듬 수정부(360)를 포함한다. 심전도 판독 장치(300)에 포함된 구성요소는 반드시 이에 한정되는 것은 아니다.
심전도 판독 장치(300)에 포함된 각 구성요소는 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작할 수 있다. 이러한 구성요소는 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.
도 3에 도시된 심전도 판독 장치(300)의 각 구성요소는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 소프트웨어적인 모듈, 하드웨어적인 모듈 또는 소프트웨어와 하드웨어의 결합으로 구현될 수 있다.
심전도 파형 획득부(310)는 심전도 파형(ECG Raw Data)을 입력받는다.
파형 판독부(320)는 기 설정된 파형 모양과 RR 간격을 기반으로 심전도 파형을 분석한 판독 결과를 화면의 일측에 출력한다. 파형 판독부(320)는 기 설정된 파형 모양과 RR 간격을 기반으로 심전도 파형을 N(Normal beat), S(Supraventricular ectopic beat), V(Ventricular ectopic beat), F(Fusion beat), Q(Unknown beat) 중 어느 하나로 판독한다. 파형 판독부(320)는 박동 표상에서 특정 판독 시간이 선택되면, 특정 판독 시간에 대응하는 심전도 파형 상에서 파형 발생시간이 출력되도록 한다.
발생 시간 관리부(330)는 심전도 파형과 매칭하여 판독 결과별로 판독 시간을 별도의 박동 표로 생성하여 화면의 타측에 출력한다. 발생 시간 관리부(330)는 심전도 파형의 박동, 리듬, 그룹으로 구분하여 출력하고, 각 박동, 리듬, 그룹마다 시간 별로 시작 시간, 끝 시간을 매칭하여 저장한다.
그룹핑부(340)는 심전도 파형의 피크를 중심으로 앞, 뒤로 기 설정된 일정 간격으로 추출한 후 클러스트링하여 유사한 모양끼리 그룹핑한 그룹을 생성한다. 그룹핑부(340)는 심전도 파형 중 미판독 박동이 존재하는 경우, 미판독 박동과 유사한 박동을 갖는 파형을 클러스터링하여 후보 데이터로서 그룹핑한다.
그룹핑부(340)는 심전도 파형 내에 존재하는 박동과 다음 박동에서 피크와 피크 사이의 간격을 기반으로 각 파형당 3개의 그룹으로 구분한다. 그룹핑부(340)는 박동 표상에서 파형 모양이 구분되지 않을 때, 새로운 그룹을 추가하여 별도의 그룹으로 분할한다.
판독 수정부(350)는 특정 심전도 파형에 대한 판독 결과가 수정되는 경우, 박동 표 상에 특정 심전도 파형에 매칭된 판독 결과를 함께 수정하도록 한다. 판독 수정부(350)는 특정 심전도 파형에 대한 판독 결과가 수정되는 경우, 그룹 중 수정된 파형과 상관분석을 수행하여 유사한 후속 파형을 갖는 그룹 내의 파형 결과를 일괄적으로 수정한다.
판독 수정부(350)는 특정 심전도 파형에 대한 판독 결과가 수정되는 경우, 수정된 결과가 박동 표에 반영되도록 하며, 수정된 결과와 유사한 모양을 갖는 파형이 미존재하는 경우 박동 표에 새롭게 추가한다.
리듬 수정부(360)는 리듬별 판독결과 확인 화면상에 리듬별 판독 결과로서 시간 별로 시작 시간, 끝 시간을 기록한 후 파형이 선택되면 해당 리듬 부분을 출력하고, 리듬이 수정되거나 제거하면 박동 표와 파형에서 해당 리듬을 추가, 수정, 제거한다.
도 4는 본 실시예에 따른 판독 수정 프로그램을 이용한 박동별 파형 확인 예시를 나타낸 도면이다.
본 실시예에 따른 심전도 판독 장치(300)는 심전도 판독 결과를 종류별로 클러스터링하여 출력하고, 사용자가 수정한 부분을 전체 데이터 내에서 동일한 부분을 찾아 수정하한다.
도 4에 도시된 바와 같이, 심전도 판독 장치(300)는 판독 수정 프로그램을 이용하여 박동 별 판독결과 확인 화면은 크게 2가지 화면으로 구분하여 출력한다.
심전도 판독 장치(300)는 심전도 파형(ECG raw data)에서 각 박동 상단에 박동 판독결과(N(Normal beat), S(Supraventricular ectopic beat), V(Ventricular ectopic beat), F(Fusion beat), Q(Unknown beat))를 텍스트로 표현하며 박동 판독을 수정하도록 한다.
심전도 판독 장치(300)는 도 4에 도시된 박동 표에 기재된 바와 같이, 동일한 판독결과를 판독시간으로 표시하며, 박동 표상에서 원하는 판독 결과의 시간이 선택되면 심전도 파형에서 해당 파형의 발생시간이 출력되도록 한다.
심전도 판독 장치(300)는 심전도 파형을 지우거나 수정하면, 박동 표 상에서 수정된 파형에 대응하는 부분이 자동으로 선택되거나 삭제되도록 한다.
만약, 박동이 존재하는데 잡지 못한 파형이 있을 경우, 심전도 판독 장치(300)는 해당 박동을 판독 수정하면 심전도 파형 전체에서 박동으로 판독되지 않은 파형 중 해당 박동과 유사한 파형을 모양으로 찾아 후보군을 후보(Candidate) 표로 클러스터링하여 출력한다.
도 5는 본 실시예에 따른 판독 수정 프로그램을 이용하여 유사한 박동끼리 묶어서 파형을 확인하는 화면을 나타낸 도면이다.
도 5에 도시된 바와 같이, 심전도 판독 장치(300)는 각 파형을 피크(Peak) 중심을 기준으로 일정 앞/뒤 간격을 추출한 뒤 클러스터링 방법을 통해 비슷한 모양끼리 묶어준다.
심전도 판독 장치(300)는 클러스터링을 위해 클러스터링할 개수를 먼저 결정한다. 만약, 심전도 판독 장치(300)는 너무 적은 클러스터링 개수(N)를 결정할 경우 분류가 되지 않는다. 심전도 판독 장치(300)는 너무 큰 클러스터링 개수(N)를 결정할 경우 유사한 값으로 분류되기 때문에 데이터 수에 따라 여유로운 클러스터링 개수(N)를 설정한다. 심전도 판독 장치(300)는 대표 모양별 상관분석을 이용하여 유사한 모양으로 하나의 클러스터로 합쳐주는 알고리즘을 포함한다.
심전도 판독 장치(300)는 클러스터링된 대표 파형을 박동 구분에 중요한 지표 중 하나인 RR 간격(RR Interval)을 이용하여 파형 당 3개의 그룹(Group)으로 나누어 지도록 한다.
심전도 판독 장치(300)는 그룹핑(Grouping) 기능을 이용하여 자동판독 기능이 잘못된 판독을 하였을 때, 유사한 모양을 모아서 한 번에 판독 결과를 바꿔준다. 심전도 판독 장치(300)는 파형의 모양을 선택하면, 선택된 파형 모양에 해당하는 파형이 시간별로 정렬되도록 한다.
심전도 판독 장치(300)는 판독을 수정할 경우 수정된 파형의 파형과 상관분석을 진행한 후 가장 유사한 그룹으로 자동으로 이동되도록 한다. 심전도 판독 장치(300)는 하나의 그룹 내에서 충분히 분류되지 않았을 경우, 그룹 내에서 추가 클러스터링하는 기능을 포함한다.
도 6은 본 실시예에 따른 판독 수정 프로그램을 이용하여 리듬별 파형 확인 예시 화면을 나타낸 도면이다.
심전도 판독 장치(300)는 심전도 판독 결과를 수정할 때 박동을 수정하거나 리듬 판독을 수정한다. 심전도 판독 장치(300)는 박동 판독을 수정하기 위해 심전도 파형 그래프의 각 시간대별로 출력하면서, 판독 결과를 확인하면서 즉각적으로 수정할 수 있다.
심전도 판독 장치(300)는 각 심전도 파형을 파형의 모양과 RR 간격을 기반으로 N(Normal beat), S(Supraventricular ectopic beat), V(Ventricular ectopic beat), F(Fusion beat), Q(Unknown beat) 중 하나로 분류하여 표기한다. 심전도 판독 장치(300)는 각 심전도 파형의 표기 결과를 하나씩 확인하면서 수정할 수 있는 기능을 제공한다. 심전도 판독 장치(300)는 실제로 박동이 존재하는데, 판독하지 못한 경우 전체 데이터 내에서 라벨링되지 않은 데이터를 확인하면서, 유사한 파형을 후보 데이터로 모아서 출력한다.
심전도 판독 장치(300)는 박동을 수정해서 그룹핑한다. 심전도 판독 장치(300)는 각 파형의 피크를 중심으로 앞,뒤 일정 간격을 추출한 후 클러스트링하여 유사한 모양끼리 그룹핑한다. 심전도 판독 장치(300)는 클러스팅 개수를 여유있게 설정한 후 상관 분석을 이용하여 유사한 모양만으로 클러스터링한다. 심전도 판독 장치(300)는 자동으로 클러스터링되지 않은 파형들만 보여지도록 한다.
심전도 판독 장치(300)는 심전도 파형 내에 존재하는 박동과 다음 박동에서 피크와 피크 사이의 간격을 기반으로 각 파형당 3개 그룹으로 구분한다. 심전도 판독 장치(300)는 그룹핑 기능을 이용하여 자동 판독 기능으로 잘못된 판독한 경우, 비슷한 모양을 갖는 다른 파형을 일괄적으로 함께 수정한다.
심전도 판독 장치(300)는 심전도 파형 중 수정된 파형이 존재하는 경우, 수정된 파형과 유사한 파형을 갖는 다른 파형을 일괄적으로 함께 수정하기 때문에, 동일하거나 유사한 파형을 다시 검토할 필요가 없다.
심전도 판독 장치(300)는 수정한 패턴 파형과 RR 간격을 기준으로 유사 파형을 갖는 후속 파형을 일괄적으로 수정한다. 예컨대, 심전도 판독 장치(300)가 24시간동안 심전도를 측정하는 경우, 대략 10개가 넘는 박동을 수집하게 되므로, 잘못 판독한 파형이 존재하는 경우, 관련된 파형을 일일이 수정할 수 없기 때문에, RR 간격과 파형 모양을 기반으로 유사한 형태를 갖는 후속 파형을 일괄적으로 수정한다.
심전도 판독 장치(300)는 N(Normal beat)로 판독한 파형을 수정하게 되면, 유사한 코디네이션을 갖는 파형을 자동으로 합쳐지고, 유사한 모양이 없으면 새로운 칸으로 생성한다. 심전도 판독 장치(300)는 박동 표상에서 파형 모양이 구분되지 않을 때, 한 그룹을 추가하여 하나의 그룹을 별도로 분할한다.
도 6에 도시된 바와 같이, 심전도 판독 장치(300)는 리듬별 판독결과 확인 화면상에 리듬별 판독 결과로서 시간 별로 시작 시간, 끝 시간을 기록한 후 파형이 선택되면 해당 리듬 부분을 출력한다. 심전도 판독 장치(300)는 리듬이 수정되거나 제거하면 박동 표와 파형에서 해당 리듬을 추가, 수정, 제거한다. 여기서, 심전도 판독 장치(300)는 리듬을 수정하기 위해, 리듬의 시작시간 끝시간을 판독사의 조작 또는 명령에 의해 조금씩 조정이 가능하다.
도 7은 본 실시예에 따른 심전도 리듬 판독 결과 수정 방법을 설명하기 위한 순서도이다.
심전도 판독 장치(300)는 자동 심전도 판독 결과를 출력한다(S710). 심전도 판독 장치(300)는 심전도 박동 판독 결과를 확인한다(S720). 심전도 판독 장치(300)는 심전도 박동 판독 결과에 대한 수정을 확인한다(S730).
심전도 판독 장치(300)는 수정에 대응하는 부분에 대해서 클러스터링 알고리즘 적용한다(S740). 심전도 판독 장치(300)는 클러스터링 알고리즘이 적용된 그룹에 대해 심전도 박동 라벨 결과를 수정한다(S750). 심전도 판독 장치(300)는 심전도 리듬 판독 결과를 확인한다(S760). 심전도 판독 장치(300)는 심전도 리듬 판독 결과를 수정한다(S770). 심전도 판독 장치(300)는 심전도 판독 결과에 대한 수정 완료를 수행한다(S780).
도 7에서는 단계 S710 내지 단계 S780을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 7에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 7은 시계열적인 순서로 한정되는 것은 아니다.
전술한 바와 같이 도 7에 기재된 본 실시예에 따른 심전도 리듬 판독 결과 수정 방법은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 심전도 리듬 판독 결과 수정 방법을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
도 8은 본 실시예에 따른 추가 클러스터링 방법을 설명하기 위한 순서도이다.
심전도 판독 장치(300)는 각 박동을 샘플링(Sampling) 한다(S810). 심전도 판독 장치(300)는 샘플링된 박동을 리샘플링(Resampling) 한다(S820).
심전도 판독 장치(300)는 데이터 수에 따른 클러스터를 설정한다(S830). 심전도 판독 장치(300)는 클러스터링 알고리즘을 적용한다(S840). 심전도 판독 장치(300)는 상관분석을 이용하여 클러스터를 통합한다(S850). 심전도 판독 장치(300)는 결과를 확인한다(S860). 심전도 판독 장치(300)는 추가 클러스터링 알고리즘을 적용한다(S870).
도 8에서는 단계 S810 내지 단계 S870을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 8에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 8은 시계열적인 순서로 한정되는 것은 아니다.
전술한 바와 같이 도 8에 기재된 본 실시예에 따른 추가 클러스터링 방법은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 추가 클러스터링 방법을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (11)

  1. 심전도 파형(ECG Raw Data)을 입력받는 심전도 파형 획득부;
    기 설정된 파형 모양과 RR 간격을 기반으로 상기 심전도 파형을 분석한 판독 결과를 화면의 일측에 출력하는 파형 판독부;
    상기 심전도 파형과 매칭하여 상기 판독 결과별로 판독 시간을 별도의 박동(Beat) 표로 생성하여 상기 화면의 타측에 출력하는 발생 시간 관리부;
    특정 심전도 파형에 대한 상기 판독 결과가 수정되는 경우, 상기 박동 표 상에 상기 특정 심전도 파형에 매칭된 판독 결과를 함께 수정하도록 하는 판독 수정부;
    를 포함하는 것을 특징으로 하는 심전도 판독 장치.
  2. 제1항에 있어서,
    상기 파형 판독부는,
    상기 기 설정된 파형 모양과 상기 RR 간격을 기반으로 상기 심전도 파형을 N(Normal beat), S(Supraventricular ectopic beat), V(Ventricular ectopic beat), F(Fusion beat), Q(Unknown beat) 중 어느 하나로 판독하는 것을 특징으로 하는 심전도 판독 장치.
  3. 제1항에 있어서,
    상기 파형 판독부는,
    상기 박동 표상에서 특정 판독 시간이 선택되면, 상기 특정 판독 시간에 대응하는 심전도 파형 상에서 파형 발생시간이 출력되도록 하는 것을 특징으로 하는 심전도 판독 장치.
  4. 제1항에 있어서,
    상기 심전도 파형의 피크를 중심으로 앞, 뒤로 기 설정된 일정 간격으로 추출한 후 클러스트링하여 유사한 모양끼리 그룹핑한 그룹을 생성하는 그룹핑부
    를 추가로 포함하는 것을 특징으로 하는 심전도 판독 장치.
  5. 제4항에 있어서,
    상기 그룹핑부는,
    상기 심전도 파형 중 미판독 박동이 존재하는 경우, 상기 미판독 박동과 유사한 박동을 갖는 파형을 클러스터링하여 후보 데이터로서 그룹핑하는 것을 특징으로 하는 심전도 판독 장치.
  6. 제4항에 있어서,
    상기 그룹핑부는,
    상기 심전도 파형 내에 존재하는 박동과 다음 박동에서 피크와 피크 사이의 간격을 기반으로 각 파형당 3개의 그룹으로 구분하는 것을 특징으로 하는 심전도 판독 장치.
  7. 제4항에 있어서,
    상기 판독 수정부는,
    특정 심전도 파형에 대한 상기 판독 결과가 수정되는 경우, 상기 그룹 중 수정된 파형과 상관분석을 수행하여 유사한 후속 파형을 갖는 그룹 내의 파형 결과를 일괄적으로 수정하는 것을 특징으로 하는 심전도 판독 장치.
  8. 제4항에 있어서,
    상기 판독 수정부는,
    특정 심전도 파형에 대한 상기 판독 결과가 수정되는 경우, 수정된 결과가 상기 박동 표에 반영되도록 하며, 수정된 결과와 유사한 모양을 갖는 파형이 미존재하는 경우 상기 박동 표에 새롭게 추가하는 것을 특징으로 하는 심전도 판독 장치.
  9. 제4항에 있어서,
    상기 그룹핑부는,
    상기 박동 표상에서 파형 모양이 구분되지 않을 때, 새로운 그룹을 추가하여 별도의 그룹으로 분할하는 것을 특징으로 하는 심전도 판독 장치.
  10. 제1항에 있어서,
    리듬별 판독결과 확인 화면상에 리듬별 판독 결과로서 시간 별로 시작 시간, 끝 시간을 기록한 후 파형이 선택되면 해당 리듬 부분을 출력하고, 리듬이 수정되거나 제거하면 박동 표와 파형에서 해당 리듬을 추가, 수정, 제거하는 리듬 수정부
    를 추가로 포함하는 것을 특징으로 하는 심전도 판독 장치.
  11. 제1항에 있어서,
    상기 발생 시간 관리부는,
    심전도 파형의 박동, 리듬, 그룹으로 구분하여 출력하고, 각 박동, 리듬, 그룹마다 시간 별로 시작 시간, 끝 시간을 매칭하여 저장하는 것을 특징으로 하는 심전도 판독 장치.
PCT/KR2021/019738 2021-12-23 2021-12-23 심전도 판독을 수정하기 위한 방법 및 장치 WO2023120775A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210185525A KR102387703B1 (ko) 2021-12-23 2021-12-23 심전도 판독을 수정하기 위한 방법 및 장치
KR10-2021-0185525 2021-12-23

Publications (1)

Publication Number Publication Date
WO2023120775A1 true WO2023120775A1 (ko) 2023-06-29

Family

ID=81390655

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/019738 WO2023120775A1 (ko) 2021-12-23 2021-12-23 심전도 판독을 수정하기 위한 방법 및 장치

Country Status (2)

Country Link
KR (1) KR102387703B1 (ko)
WO (1) WO2023120775A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240035017A (ko) 2022-09-08 2024-03-15 (주)허니냅스 심박수 측정 장치 및 방법
KR102652840B1 (ko) * 2023-10-17 2024-03-29 (주)씨어스테크놀로지 심전도 분석을 위한 자동 알고리즘 업데이트 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001212095A (ja) * 2000-02-07 2001-08-07 Terumo Corp リアルタイム拍動モニター
KR20170143083A (ko) * 2016-06-17 2017-12-29 주식회사 라이프사이언스테크놀로지 휴대용 복합 생체신호 측정장치
KR20190128841A (ko) * 2018-05-09 2019-11-19 삼성에스디에스 주식회사 심전도 신호의 클러스터링 방법 및 이를 수행하기 위한 심전도 처리 장치
KR20210105103A (ko) * 2020-02-18 2021-08-26 주식회사 에이티센스 심전도 신호 처리 방법
KR102322234B1 (ko) * 2020-12-29 2021-11-05 (주)씨어스테크놀로지 딥러닝을 이용한 심전도 시각화 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001212095A (ja) * 2000-02-07 2001-08-07 Terumo Corp リアルタイム拍動モニター
KR20170143083A (ko) * 2016-06-17 2017-12-29 주식회사 라이프사이언스테크놀로지 휴대용 복합 생체신호 측정장치
KR20190128841A (ko) * 2018-05-09 2019-11-19 삼성에스디에스 주식회사 심전도 신호의 클러스터링 방법 및 이를 수행하기 위한 심전도 처리 장치
KR20210105103A (ko) * 2020-02-18 2021-08-26 주식회사 에이티센스 심전도 신호 처리 방법
KR102322234B1 (ko) * 2020-12-29 2021-11-05 (주)씨어스테크놀로지 딥러닝을 이용한 심전도 시각화 방법 및 장치

Also Published As

Publication number Publication date
KR102387703B1 (ko) 2022-04-18

Similar Documents

Publication Publication Date Title
WO2023120775A1 (ko) 심전도 판독을 수정하기 위한 방법 및 장치
Murugesan et al. Ecgnet: Deep network for arrhythmia classification
WO2020141807A2 (ko) 딥러닝을 이용한 정상동율동 심전도 상태에서의 발작성 심방세동 예측방법
CN107530019B (zh) 针对不同ecg导联系统的ecg电缆互换的自动检测/分类
WO2022145519A1 (ko) 딥러닝을 이용한 심전도 시각화 방법 및 장치
WO2022014942A1 (ko) 딥러닝 기반 심전도를 이용한 심장 질환 진단 장치 및 그 방법
CN100483393C (zh) 读取并分析心电图信号的计算机方法及系统
WO2022014943A1 (ko) 생성적 적대 신경망 알고리즘을 기반으로 하는 심전도 생성 장치 및 그 방법
US20060161065A1 (en) Similarity scores for electrocardiography
WO2022119155A1 (ko) 설명 가능한 다중 심전도 부정맥 진단 장치 및 방법
WO2023120777A1 (ko) 심전도 전역 특징 벡터를 이용한 다중 박동 검출 방법 및 장치
CN103228207B (zh) 在发病冠状动脉中闭塞位置的自动识别
CN107530020A (zh) 用于基于ecg的心脏缺血检测的方法与系统
Srinivas et al. Adaptive learning based heartbeat classification
WO2023022485A1 (ko) 비동기 심전도를 이용한 건강상태 예측 시스템
WO2022014941A1 (ko) 딥러닝을 기반으로 하는 심장 질병 분류 장치 및 그 방법
Hori et al. Arrhythmia detection based on patient-specific normal ECGs using deep learning
WO2023101089A1 (ko) 머신 러닝을 이용하여 심전도 파형 분류 방법 및 장치
Cen et al. Intelligence ECG Monitoring System: Wireless platform and Arrhythmia classification using Residual neural network
Setiawidayat et al. Method for Obtain Peak Amplitude Value on Discrete Electrocardiogram
Hochberg et al. Monitoring of electrocardiograms in a coronary care unit by digital computer
WO2024049053A1 (ko) 클러스터링을 이용하여 생체 신호 분석을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
Kuruwita et al. Ectopic heartbeat detection from ecg signals using deep convolutional neural networks
KR102460058B1 (ko) 딥 러닝을 이용하여 심방세동을 감지하는 방법 및 장치
Jager et al. Development of a long term database for assessing the performance of transient ischemia detectors

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 17916564

Country of ref document: US

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21908095

Country of ref document: EP

Kind code of ref document: A1