디지털 라이브러리[ 검색결과 ]
단일 리드 심전도 데이터를 이용한 심혈관 질환 예측
http://doi.org/10.5626/JOK.2024.51.10.928
심혈관 질환을 진단하는 가장 대표적인 방법은 심전도 데이터를 분석하는 것이며, 병원에서 측 정하는 심전도 데이터는 대부분 12개의 리드로 구성되어 있다. 하지만, 웨어러블 헬스케어 기기에서는 일 반적으로 1개의 리드만 측정되며, 심혈관 질환을 진단하는 데에도 한계가 있다. 따라서 본 논문에서는 웨 어러블 헬스케어 기기로 측정 가능한 단일 리드를 사용하여 흔히 발생하는 심혈관 질환인 심방세동, 좌각 차단, 우각차단을 예측하는 연구를 진행하였다. 합성곱 신경망 모델을 기반으로 질환을 예측하였으며 AUC, F1-score를 통해 성능을 측정 및 비교한 결과, 심방세동, 좌각차단, 우각차단의 예측 평균 AUC가 각각 0.966, 0.971, 0.965, F1-score가 각각 0.867, 0.816, 0.848로 우수한 성능을 보이는 것을 확인하였다. 이를 통해 웨어러블 헬스케어 기기에서 획득 가능한 단일 리드만을 활용한 심혈관 질환의 진단 가능성을 확인할 수 있었다.
심전도의 앙상블 경험적 모드 분해를 활용한 데이터 기반 심실세동 컴퓨터 보조 진단 기법
http://doi.org/10.5626/JOK.2020.47.4.387
본 논문에서는 부정맥(Arrhythmia)의 대표적 증상인 심실세동(Ventricular fibrillation, VF)의 컴퓨터 보조 진단을 위해 심전도(Electrocardiogram, ECG)에 앙상블 경험적 모드 분해(Ensemble Empirical Mode Decomposition, EEMD)를 이용하여 검출하는 기법을 제안한다. 심전도 신호의 EEMD 분해를 사용하여 EMD 영역에서 심실세동이 정상맥(Normal sinus rhythm, NSR)과 다른 종류의 부정맥 심전도에 비해서 내재 모드 함수(Intrinsic mode functions, IMFs)와 더 높은 상관관계를 가진다. 이 특성을 정량화 하기 위해 심전도 신호와 특정 IMF들 간의 각도(angle)를 구하고 각도에 따른 병리 상태를 분류한다. 제안하는 알고리즘의 유효성을 검증하기위해 PhysioNet 데이터베이스의 부정맥 데이터를 사용해 진단 정확도를 측정하여 제안기법의 우수성을 확인하였다.
