Q, R, S 피크 변화에 따른 개인별 ECG 신호의 패턴 분석

Pattern Analysis of Personalized ECG Signal by Q, R, S Peak Variability

  • cc icon
  • ABSTRACT

    부정맥 분류를 위한 기존 연구들은 특정 ECG 데이터에 종속적으로 개발되었기 때문에 다른 환경에 적용할 경우 그 성능에 변화가 많아 임상 적용에 한계가 있다. 즉, 생체 신호의 특성상 개인 간의 차이가 있음에도 불구하고, 일반적인 ECG 신호의 판단규칙에 따라 진단을 수행하기 때문이다. 또한 이러한 대부분의 방법들은 P, Q, R, S, T 지점의 정확한 측정을 필요로 하며, 데이터의 가공 및 연산이 복잡하다. 따라서 이러한 문제점을 극복하기 위해서는 개인별 특성을 가진 ECG 데이터를 분석하여 최소한의 특징점을 추출함으로써 그에 따른 패턴을 분류하는 것이 필요하다. 본 연구에서는 이상 심전도와 같은 다양한 신호를 고려하여 Q, R, S 피크 변화에 따른 개인별 ECG 신호의 패턴 분석 기법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파를 검출하고 Q, R, S의 진폭과 위상 변화에 따른 8개의 특징점을 추출하였다. 이후 각 특징점의 피크 변화와 형태에 따른 ECG 신호를 분석하고 부정맥 유형에 따른 9가지 패턴을 정의하였다. 제안한 방법의 우수성을 입증하기 위해 43개의 MIT-BIH 레코드를 대상으로 Normal, PVC, PAC, LBBB, RBBB, Paced Beat의 각 패턴을 분석하였다. 실험결과 9가지 패턴에 대한 검출율은 93.72%로 우수하게 나타났다.


    Several algorithms have been developed to classify arrhythmia which rely on specific ECG(Electrocardiogram) database. Nevertheless personalized difference of ECG signal exist, performance degradation occurs because of carrying out diagnosis by general classification rule. Most methods require accurate detection of P-QRS-T point, higher computational cost and larger processing time. But it is difficult to detect the P and T wave signal because of person’s individual difference. Therefore it is necessary to classify the pattern by analyzing personalized ECG signal and extracting minimal feature. Thus, QRS pattern Analysis of personalized ECG Signal by Q, R, S peak variability is presented in this paper. For this purpose, we detected R wave through the preprocessing method and extract eight feature by amplitude and phase variability. Also, we classified nine pattern in realtime through peak and morphology variability. PVC, PAC, Normal, LBBB, RBBB, Paced beat arrhythmia is evaluated by using 43 record of MIT-BIH arrhythmia database. The achieved scores indicate the average of 93.72% in QRS pattern detection classification.

  • KEYWORD

    Q , R , S , 진폭 , 위상 , QRS 패턴 , 8개의 특징점 , 9개의 패턴

  • Ⅰ. 서 론

    급격한 고령화 사회로의 진입에 따라 심장질환에 대한 관리 및 진단의 중요성이 부각되고 있다. 이에 대한 중요한 진단 방법 중의 하나가 심전도의 측정으로 부정맥과 같은 심장의 비정상적인 활동을 파악할 수 있다[1-3]. 특히 조기심실수축(PVC : Premature Ventricular Contraction)과 조기심방수축(PAC : Premature Atrial Contraction)은 임상에서 발견될 수 있는 가장 흔한 부정맥으로 과거에 심장질환이 있었던 환자에게서 PVC의 발생은 심실빈맥과 같은 위험한 심장질환을 유발할 수 있으며, PAC는 뇌경색이나 전신 색전증의 합병증을 일으켜 질병 이환율과 사망율을 증가시킬 수 있다. 각 차단 (BBB : Bundle Branch Block)이란 우각이나 좌각의 전기전달이 차단되는 경우 심전도에 나타나는 현상으로 심방중격결손증 등 선천성 심장질환이 있는 경우 나타날 수 있으며 후천성 심장병으로 고혈압, 허혈성 심장질환이나 심근증 등의 시초에 나타날 수 있다. 따라서 PVC, PAC, BBB와 같은 부정맥의 조기 검출은 심장질환에 대한 예방과 추후 발생여부에 대한 기초조사로서 매우 중요하다[4,5].

    기존 방식은 분류 알고리즘이 MIT-BIH, AHA, CSE와 같은 표준 데이터베이스를 기반으로 하나, 특정 ECG 데이터에 종속적으로 개발되었기 때문에 다른 환경에서 분류하였을 경우 그 성능이 변화하는 경우가 많다. 이는 생체신호의 특성상 개인 간의 차이가 있음에도 불구하고, 대상 환자의 특성에 따른 신호 차이는 무시하고, 일반적인 ECG 신호의 판단규칙에 따라 진단을 수행함으로써 성능하락을 야기하기 때문이다. 또한 이러한 대부분의 방법들은 P, Q, R, S, T 지점의 정확한 측정을 필요로 하며, 데이터의 가공 및 연산이 복잡하여 실시간 적용에 어려움이 발생한다[6-8]. 따라서 이러한 문제점을 극복하기 위해서는 개인별 특성을 가진 ECG 데이터를 분석하여 최소한의 특징점을 추출함으로써 그에 따른 패턴을 분석하는 것이 필요하다. 본 연구에서는 이상 심전도와 같은 다양한 신호를 고려하여 Q, R, S 피크 변화에 따른 개인별 ECG 신호의 패턴 분석 기법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파를 검출하고 Q, R, S의 진폭과 위상 변화에 따른 8개의 특징점을 추출하였다. 이후 각 특징점의 피크 변화와 형태에 따른 ECG 신호의 9가지 패턴을 분석하였다. 제안한 방법의 우수성을 입증하기 위해 43개의 MIT-BIH 레코드를 대상으로 PVC, PAC, Normal, LBBB, RBBB, Paced beat의 각 패턴을 분석하였다. 본 논문의 구성은 다음과 같다. 2장에서는 제안한 기법에 대하여 논하고, 3장에서는 실험결과에 대하여 논하고 4장에서 결론으로 마무리한다.

    Ⅱ. 제안한 기법

    제안한 개인별 ECG 파형에 따른 QRS 패턴 분류 방법의 전체 구성도는 그림 1과 같은 단계로 나누어진다. 먼저 ECG 신호로부터 전처리 과정을 통해 잡음을 제거한 후 R파를 검출하는 단계, 검출된 R파를 기준으로 적응형 문턱치와 피크변화에 따른 Q, S의 다양한 특징점을 추출하는 단계, QRS의 진폭과 간격에 따른 패턴을 정의하고 개인별 부정맥 패턴을 분석하는 단계로 나누어진다.

       2.1. 전처리 및 R파 검출

    정확한 진단을 위해서는 심전도 신호에 포함되어 있는 다양한 잡음을 제거하여 R파를 정확히 검출하는 것이다. 본 연구에서는 원신호의 변형을 줄이고 계산량의 복잡도를 최소화함으로써 효율적으로 QRS를 검출하기 위해 형태 연산 기반의 전처리 기법을 적용하였다. R파는 형태 연산을 통해 전 처리된 신호의 차감기법을 통해 검출한다. R파 검출 시 P파나 T파를 R파로 오인하는 경우 FP(False Positive)가 발생할 수 있으며, 실제로 R파가 존재함에도 불구하고 이를 검출하지 못하는 TN(True Negative)이 발생할 수 있다. 이러한 오 검출을 막기 위해 본 연구에서는 동적 역 탐색 기법(Dynamic Backward Searching Method)을 사용하였다[9,10].

       2.2. 특징점 추출

    R파를 검출한 후에는 QRS 패턴 분석을 위한 특징점을 검출해야 한다. 본 연구에서는 Q, R, S의 진폭과 위상의 변화를 이용하여 Normal, PVC, PAC, LBBB, RBBB, Paced beat 6개의 정상 및 부정맥을 패턴을 분석한다.

    2.2.1. 진폭 변화에 따른 피크 변화

    MIT-BIH 부정맥 데이터베이스의 43개 레코드를 대상으로 PVC, PAC, Normal, BBB, Paced beat를 분석한 결과 Q, R, S는 그림 2와 같이 진폭에 따른 피크 변화에 따라 그 차이가 큰 것으로 확인되었다. 그림 2(a)와 같이 R파의 경우에는PVC의 형태를 담고 있는 105, 106, 114, 116, 119, 213번 레코드, RBBB 형태를 담고 있는 118, 212, 231번 레코드, LBBB 형태를 담고 있는 109, 111, 214번 레코드는 R파의 진폭 차이가 두드러지게 나타났다. 분석결과 이 레코드들의 R파 진폭은 최대 1.1mv를 넘지 않는 것으로 나타났다. 따라서 R파에 대한 진폭 문턱치(Rth)가1.1mv를 넘을 경우 R, 그렇지 않을 경우에는 r이라고 명시한다.

    S파의 경우에는 PAC 형태를 담고 있는 209, 220번 레코드, Paced Beat 형태를 담고 있는 107, 217번 레코드, PVC 형태를 담고 있는 105, 106, 114, 116, 119, 213번 레코드, RBBB 형태를 담고 있는 118, 212, 231번 레코드에서 S파의 진폭 차이가 두드러지게 나타났다.

    분석결과 이 레코드들의 S파 진폭은 -0.7mv를 넘는 것으로 나타났다.