DCT, DWT와 신경망을 이용한 심전도 부정맥 분류

• 영문명: Classification of ECG arrhythmia using Discrete Cosine Transform, Discrete Wavelet Transform and Neural Network
• 발행기관: 한국전자통신학회
• 저자명: 윤석주(Seok-Joo Yoon) 김광준(Gwang-Jun Kim) 장창수(Chang-Soo Jang)
• 간행물 정보: 『한국전자통신학회 논문지』제7권 제4호, 727~732쪽, 전체 6쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2012.08.30

국문 초록

본 논문은 DCT, DWT와 역전파 신경망을 이용하여 MIT-BIH 부정맥 데이터베이스의 심전도 신호로부터 정상파와 부정맥 분류를 제안하였다. 역전파 신경망에 사용할 특징입력을 추출하기 위해 첫 번째 단계에서는 DCT 변환을 이용하여 15개의 계수를 선택하였다. 두 번째 단계에서는 DWT 변환 후 각 detail 계수들의 최대값, 최소값, 평균, 분산, 표준편차를 추출하였다. 역전파 신경망은 55개의 특징입력을 이용하여 정상파와 부정맥 파형을 분류하였고, 98.8%의 분류 성능을 나타냈다

영문 초록

This paper presents an approach to classify normal and arrhythmia from the MIT-BIH Arrhythmia Database using Discrete Cosine Transform(DCT), Discrete Wavelet Transform(DWT) and neural network. In the first step, Discrete Cosine Transform is used to obtain the representative 15 coefficients for input features of neural network. In the second step, Discrete Wavelet Transform are used to extract maximum value, minimum value, mean value, variance, and standard deviation of detail coefficients. Neural network classifies normal and arrhythmia beats using 55 numbers of input features, and then the accuracy rate is 98.8%.

목차

Ⅰ. 서 론

Ⅱ. 관련 연구

Ⅲ. 실험 및 결과

Ⅳ. 결 론

참고 문헌

키워드

Electrocardiogram Arrhythmia Discrete Cosine Transform Discrete Wavelet Transform 심전도 부정맥 이산 코사인 변환 이산 웨이블릿 변환