웨이브렛 변환을 이용한 스트레스 심전도 분석 알고리즘의 개발 = Development of a Stress ECG Analysis Algorithm Using Wavelet Transform

국문 초록 (Abstract)

본 논문에서는 스트레스 심전도를 분석함에 있어서 가장 중요한 파라미터인 ST 세그먼트를 측정하기 위해서 웨이브렛 변환을 이용하여 Wavelet Adaptive Filter(WAF)와 QRS콤플렉스 검출 알고리즘을 설계하였다. WAF는 웨이브렛 변환부와 적응필터부로 구성되어 있으며, 웨이브렛 변환부에서는 웨이브렛 함수를 이용하여 입력되는 심전도 신호를 저주파 대역과 고주파 대역으로 각각 j=-7레벨까지 분할하고, 적응필터부에서는 웨이브렛 변환에 의해 분할된 신호중 j=-7레벨의 저주파 대역 신호를 주입력으로 사용하여 필터링 한다. QRS 콤플레스는 합산신호를 구성한 후 문턱치를 RR간격에 변화에 따라 변화시키면서 검출하였으며, 합산신호는 웨이브렛 변환에 의해 QRS 콤플렉스의 주파수 성분이 포함되어 있는 고주파 대역의 신호를 더하여 구성하였다. WAF는 표준 필터와 일반적인 적응필터와 성능을 비교하였으며, 잡음제거 특성과 신호왜곡도 측면에서 비교필터에 비해 우수한 성능을 보였다. QRS 콤플렉스 검출성능을 평가하기 위해서 MIT/BIH데이터베이스를 이용하여 기존의 QRS 검출 알고리즘들의 검출 방법과 비교하였으며, 웨이브렛에 의한 합산신호를 이용할 경우에 99..67%로써 더 좋은 검출성능을 보였다. 또한 측정된 ST세그먼트의 정확도를 비교.평가를 위하여 European ST-T 데이터베이스와 실제 임상데이터를 이용하였으며 심박수의 변화에 따라 적응적으로 ST세그먼트를 측정할 수 있었다.

다국어 초록 (Multilingual Abstract)

This paper describes a development of efficient stress ECG signal analysis algorithm. The algorithm consists of wavelet adaptive filter(WAF), QRS detector and ST segment detector. The WAF consists of a wavelet transform and an adaptive filter. The wavelet transform decomposed the ECG signal into seven levels using wavelet function for each high frequency bank and low frequency bank. The adaptive filter used the signal of the seventh lowest frequency band among the wavelet transformed signals as primary input. For detection of QRS complex, we made summed signals that are composed of high frequency bands including frequency component of QRS complex and applied the adaptive threshold method changing the amplitude of threshold according to RR interval. For evaluation of the performance of the WAF, we used two baseline wandering elimination filters including a standard filter and a general adaptive filter. WAF showed a better performance than compared filters in the noise elimination characteristics and signal distortion. For evaluation of WAF showed a better performance than compared filters in the noise elimination characteristics and signal distortion. For evaluation of results of QRS complex detection, we compared our algorithm with existing algorithms using MIT/BIH database. Our algorithm using summed signals showed the accuracy of 99.67% and the higher performance of QRS detection than existing algorithms. Also, we used European ST-T database and patient data to evaluate measurement of the ST segment and could measure the ST segment adaptively according to change of heart rate.