계층구조적 분류모델을 이용한 심전도에서의 비정상 비트 검출

Abstract

심장 부정맥은 심장의 전기적 신호의 전달과정에서 방해요인이 작용하여 심박주기의 불규칙성, 혹은 정상적인 심박파형의 일그러짐을 유발하는 심장질환의 일종이다. 부정맥은 일반적으로 크게 두 가지로 나눌 수 있는데 첫째는 심실세동(ventricular fibrillation)이나 빈맥(tarchycardia)같이 생명에 직접적인 위협을 주고 응급조치를 요하는 위험한 형태이다. 두 번째는 삶에 직접적인 영향을 끼치지는 않지만 상당히 위험한 결과를 불러올 수 있는 자칫 간과하고 넘어가기 쉬운 형태의 부정맥들이다. 이러한 부정맥은 발생 빈도가 적은 경우가 많아 단시간의 관찰로 진단을 하기가 어렵다. 그래서 Holter Electrocardiogram(ECG)장비를 통해서 24시간, 혹은 그 이상의 장시간 데이터를 가지고 잠재적인 부정맥을 진단하게 된다. 그러나 의사가 이러한 24시간 데이터를 일일이 살펴본다는 것은 환자가 많을 시, 거의 불가능에 가깝다고 할 수 있다. 지난 수 십 년 동안 부정맥 자동진단 알고리즘에 대한 연구가 국내외로 많이 수행 되었다. 다양한 특징점에 초점을 맞춘 연구결과가 발표되었는가 하면 다양한 분류모델(classifier)에 초점을 맞춘 연구결과도 발표되었다. 그런데 그동안의 연구에서는 데이터가 가지는 클래스의 분포를 적당한 비율로 맞추어 성능을 평가하는 연구가 많았다. 실제의 부정맥 데이터는 정상적인 비트가 상대적으로 많기 때문에 데이터의 분포를 살펴보면 상대적으로 양성데이터가 적은, 한쪽으로 치우친(skewness) 양상을 띠고 있는 것이 대부분이다. 그렇기 때문에 좋은 성능이라고 평가되어도 실제로 그 결과가 얼마나 좋은 성능을 보이는 것인지 불분명하다고 할 수 있다. 이에, 본 연구에서는 편중된(skewed) 데이터에 대해 실제로 어느 정도의 좋은 성능을 내고 있는 것인지 올바르게 평가하기 위해 Support Vector Machin(SVM)기반의 계층적인 분류 모델을 세워, 클래스를 세분화 하여 분류하는 방법(hierarchical classification)을 제안한다.; The more people use ambulatory electrocardiogram(ECG) for arrhythmia detection, the more researchers report the automatic classification algorithms. Most of the previous studies don’t consider the un-balanced data distribution. Even in patients, there are much more normal beats than abnormal beats among the data from 24 hours. To solve this problem, the hierarchical classification using 21 features was adopted for arrhythmiaabnormal beat detection. The features include R-R intervalsand data to describe the morphology of the wave. To validate the algorithm, 44 non-pacemaker recordings from physionet were used. The hierarchical classification model with 2 stages on domain knowledge was constructed. Using our suggestedmethod, we could improve the performance in abnormal beat classification from the conventional multi-class classification method. In conclusion, the domain knowledge based hierarchical classification is useful to the ECG beat classification with unbalanced data distribution.