DOI QR코드

DOI QR Code

ECG Signal Compression using Feature Points based on Curvature

곡률을 이용한 특징점 기반 심전도 신호 압축

  • 김태훈 (경북대학교 IT대학 전자공학부) ;
  • 김성완 (수원과학대학 컴퓨터정보과) ;
  • 류춘하 (경북대학교 IT대학 전자공학부) ;
  • 윤병주 (경북대학교 IT대학 전자공학부) ;
  • 김정홍 (경북대학교 이공대학 컴퓨터정보학부) ;
  • 최병재 (대구대학교 전자공학부) ;
  • 박길흠 (경북대학교 IT대학 전자공학부)
  • Received : 2010.07.17
  • Accepted : 2010.09.27
  • Published : 2010.10.25

Abstract

As electrocardiogram(ECG) signals are generally sampled with a frequency of over 200Hz, a method to compress diagnostic information without losing data is required to store and transmit them efficiently. In this paper, an ECG signal compression method, which uses feature points based on curvature, is proposed. The feature points of P, Q, R, S, T waves, which are critical components of the ECG signal, have large curvature values compared to other vertexes. Thus, these vertexes are extracted with the proposed method, which uses local extremum of curvatures. Furthermore, in order to minimize reconstruction errors of the ECG signal, extra vertexes are added according to the iterative vertex selection method. Through the experimental results on the ECG signals from MIT-BIH Arrhythmia database, it is concluded that the vertexes selected by the proposed method preserve all feature points of the ECG signals. In addition, they are more efficient than the AZTEC(Amplitude Zone Time Epoch Coding) method.

심전도 신호는 일반적으로 200Hz 이상의 주파수로 표본화 되므로 효율적인 저장 및 전송을 위해서는 진단에 중요한 정보를 손실 없이 압축하는 방법이 필요하다. 본 논문에서는 곡률을 이용하여 진단에 중요한 정보인 특징점에 기반한 심전도 신호 압축 방법을 제안한다. 제안한 방식은 심전도 신호의 중요 구성요소인 P, Q, R, S, T파의 특징점이 다른 정점에 비해 곡률 값이 크므로 곡률의 국부적 극값을 이용하여 정점을 추출하였다. 또한 신호의 복원 오차를 최소화하기 위하여 순환적정점 선택 방법에 따른 정점을 특징점으로 추가한다. MIT-BIH 부정맥 데이터베이스에 있는 심전도 신호에 대한 실험을 통하여 선택한 정점들이 심전도 신호의 특징점을 모두 포함하고 있으며, 압축의 효율성도 AZTEC 방식 보다 높다는 것을 확인하였다.

Keywords

References

  1. F. Enseleit and F. Duru, “Long-term continuous external electrocardiographic recording: A review,” Europace, vol. 8, no. 4, pp. 255-266, 2006. https://doi.org/10.1093/europace/euj054
  2. B. J. Schijvennaars, G. Van Herpen, and J. A. Kors, “Intraindividual variability in electrocardiograms,” Journal of Electrocardiology, vol. 41, no. 3, pp. 190-196, 2008. https://doi.org/10.1016/j.jelectrocard.2008.01.012
  3. H. J. Kim, R. F. Yazicioglu, P. Merken, C. Van Hoof, and H. J. Yoo, “ECG signal compression and classification algorithm with quad level vector for ECG holter system,” IEEE Trans. Information Technology in Biomedicine, vol. 14, no. 1, pp. 93-100, 2010. https://doi.org/10.1109/TITB.2009.2031638
  4. F. Jager, I. Koren, and L. Gyergyek, “Multiresolutional representation and analysis of ECG waveforms,” Proceedings of Computers in Cardiology, pp. 547-550, 1990.
  5. J. Abenstein and W. Tompkins, “A new data-reduction algorithm for real-time ECG analysis,” IEEE Trans. Biomedical Engineering, vol. BME-29, no. 1, pp. 43-48, 1982. https://doi.org/10.1109/TBME.1982.324962
  6. M. Benmalek and A. Charef, “Digital fractional order operators for R-wave detection in electrocardiogram signal,” IET Signal Processing, vol. 3, no. 5, pp. 381-391, 2009. https://doi.org/10.1049/iet-spr.2008.0094
  7. Q. Zhang, A. I. Manriquez, C. Medigue, Y. Papelier, and M. Sorine, “An algorithm for robust and efficient location of T-wave ends inelectrocardiograms,” IEEE Trans. Biomedical Engineering, vol. 53, no. 12, pp. 2544-2552, 2006. https://doi.org/10.1109/TBME.2006.884644
  8. J. P. Martinez, R. Almeida, S. Olmos, A. P. Rocha, and P. Laguna, “A wavelet-based ECG delineator: Evaluation on standard databases,” IEEE Trans. Biomedical Engineering, vol. 51, no. 4, pp. 570-581, 2004. https://doi.org/10.1109/TBME.2003.821031
  9. S. J alaeddine, C. Hutchens R., Stattan. and W. Coberly, “ECG data compression techniques-A Unified approach,” IEEE Trans. Biomedical Engineering, vol. 37, pp. 329-343, 1990. https://doi.org/10.1109/10.52340
  10. 윤병주, “윤곽선 정보 감축을 위한 곡률 기반 정점 선택,” 한국과학기술원, 박사 학위 논문, 2002.