iMonitoring: Intelligent ECG Monitoring System for Automated Arrhythmia Detection

Abstract

Arrhythmia is an irregular or abnormal heart rhythm. Arrhythmia detected at a late stage is liable to recur frequently and is associated with a high risk of death. Thus, even patients with mild symptoms of arrhythmia should be diagnosed as early as possible. Medical experts used ECGs to detect arrhythmias. Computer-aided interpretation of ECG signals is a non-invasive and inexpensive technique of analyzing heart activity under various cardiac conditions. Due to increase in the aging population, there has been the rapid rise in health tele-monitoring in the past few years, and the emergence of smartphones and wireless networks has made it possible to perform continuous Holter monitoring on patients. There has been considerable research on ECG-associated monitoring techniques and on the automated analysis of data for the detection of possible arrhythmia.

In this thesis, it is proposed to integrate these processes within an intelligent ECG monitoring system called iMonitoring that monitors ECG signals and analyzes cardiac activity for arrhythmia detection. The effective management of non-life-threatening arrhythmia is focused, and the connection between patients and the monitoring center with medical experts through mobile devices, such as smartphones, via a decision support system. The application of this automatic detection of arrhythmia to an ECG monitoring system enabled convenient and inexpensive personal healthcare.

The automated analysis using iMonitoring provided data that allowed the detection of arrhythmia using a decision support system. This system consisted of two parts: heartbeat detection and heartbeat classification. The decision support system classifies heartbeats using k-NN and decision tree learning for a reliable analysis, and features such as the QRS complex and P-wave are accurately extracted using the Pan-Tompkins algorithm.

Simulations performed using data from the MIT-BIH Arrhythmia Database suggest that ECG signals can be monitored simultaneously with other functions, and arrhythmia can be accurately detected based on “class-oriented” and “subject-oriented” strategies. In the “class-oriented” data division, k-NN with a locally weighted regression (when k is 43) is comparable to that obtained with optimal methods, with an accuracy of 98.2%, a sensitivity of 93.68%, and a specificity of 96.79%. Although the previous studies have shown very high accuracies, these studies were limited by the few heartbeat classes, which may have led to unrealistic results. iMonitoring will consider many more classes of heartbeats; thus, it will have an improved ability of classification. For the “subject-oriented” data division, the results obtained with the decision tree are comparable to those obtained with optimal methods, with an accuracy of 91.77%, a sensitivity of 77.12%, and a specificity of 79.27%. Compared to methods reported previously, iMonitoring achieved 4% higher accuracy; this result is significant in arrhythmia detection.

Consequentially, iMonitoring guides to the systematic design of Holter ECG monitoring and can be directly integrated into consumer device, such as mobile phones and tablets. In addition, iMonitoring can analyze ECG signals reliably and make medical services available for patient in their daily life. |부정맥은 불규칙적인 심박동 및 비정상적인 심장의 리듬을 의미한다. 이러한 부정맥은 늦게 발견할 경우 치료를 해도 재발이 잦으며 죽음과 밀접한 연관을 가지고 있기 때문에 조기에 부정맥을 탐지하는 것은 매우 중요하다. 부정맥의 탐지는 대부분 심전도 검사를 이용하는데, 컴퓨터를 이용한 심전도 신호의 해석은 비외과적이면서도 저렴한 비용으로 다양한 심장 활동의 분석이 가능한 장점을 가진다.

최근 급속한 고령화 사회에 진입함에 따라 건강상태 상시 모니터링에 대한 관심이 높아졌으며 무선 네트워크와 스마트폰의 출현, 의료장비의 소형화, 저전력화로 개인의 심혈관 상태를 지속적으로 관찰 하는 것이 가능해졌다.

지난 10년간 심전도 모니터링과 연관하여 상당히 많은 연구가 진행되어 왔으며, 한편으로는 부정맥의 가능성을 탐지하기 위해 심전도 신호를 자동적으로 분석하는 연구 또한 상당수 진행되어 왔다. 따라서, 본 연구에서는 이를 통합하는 자동적 부정맥 탐지를 위한 지능형 심전도 모니터링 시스템인 iMonitoring을 제안한다. iMonitoring은 일상생활이 가능한(Non-life-threatening) 부정맥에 초점을 맞추어 설계되었으며, 환자의 스마트폰과 같은 모바일 장치를 통해 의사결정지원 서버를 거쳐 의학전문가가 있는 모니터링 센터까지 연결된다. 자동화된 부정맥 탐지 기법을 심전도 모니터링 시스템에 적용할 경우, 일상생활 속에서 부정맥을 조기에 진단할 수 있을 것이며 이러한 데이터는 의학 전문가가 진단에 필요한 시간과 노력을 줄일 수 있을 것이라 사료된다.

부정맥의 가능성을 발견하기 위한 심전도 신호의 자동적 분석은 의사결정지원 서버에서 이루어지며, 이 서버는 심박동을 탐지하고 분류하는 역할을 담당한다. 의사결정지원 서버는 반복적인 특징을 찾아 심박동을 탐지하고, 의사결정나무 또는 k-Nearest Neighbor(k-NN)를 이용하여 심박동을 분류하게 되는데 이때, 심박동의 탐지는 특징 추출을 포함하며 Pan-Tompkins알고리즘을 사용하여 QRS-complex와 P-wave같은 특징을 추출한다.

지능형 심전도 모니터링인 iMonitoring의 시뮬레이션과, 부정맥의 탐지는 MIT-BIH Arrhythmia Database를 이용하여 진행하였다. iMonitoring은 심전도 센서와 안드로이드 플랫폼을 이용하여 부정맥 탐지의 기능과 함께 심전도 신호를 모니터링 할 수 있었고, iMonitoring의 주요기능인 부정맥 탐지는 3가지 평가 도구(정확도, 민감도, 특이도)를 이용하여 “class-oriented” 데이터 분할 측면과 “subject-oriented” 데이터 분할 측면에서 평가되었다. 그 결과, iMonitoring은 “Class-oriented” 데이터 분할 측면에서 k가 43일때 Locally weighted regression을 사용한 k-NN이98.2%의 정확도와93.68%의 민감도, 96.79%의 특이도로 부정맥을 가장 잘 탐지하였으며, “Subject-oriented” 데이터 분할 측면에서는 의사결정 나무가91.77%의 정확도, 77.12%의 민감도, 79.27%의 특이도로 부정맥을 가장 잘 탐지하였다.

기존 연구와의 비교에 있어, “Class-oriented” 데이터 분할의 경우 iMonitoring은 1% 낮은 정확도를 보였지만, 더 복잡한 부정맥의 패턴을 분석할 수 있었고, 보다 많은 심전도 신호를 고려할 수 있었다. 또한, “Subject-oriented” 데이터 분할의 경우 기존의 연구들 보다 약 4% 높은 정확도를 보였다. 두 가지 데이터 분할 측면에 있어 이러한 평가 결과는 주목할만 하다.

결과적으로, 본 논문에서 제안된 iMonitoring은 신뢰성 있는 부정맥 탐지 및 홀터 모니터링의 체계적 설계를 위한 가이드를 제공하였다. 또한 이를 통해 환자는 자신의 일상 생활속에서 질 높은 의학적 서비스를 받을 수 있고, 의학전문가는 자동적이고 보다 신뢰성있는 의사결정 지원 시스템을 이용하여 정확한 진단을 내릴 수 있다.; this result is significant in arrhythmia detection.

Consequentially, iMonitoring guides to the systematic design of Holter ECG monitoring and can be directly integrated into consumer device, such as mobile phones and tablets. In addition, iMonitoring can analyze ECG signals reliably and make medical services available for patient in their daily life.