심전도 신호를 이용한 일시적 허혈 예측

Prediction of Transient Ischemia Using ECG Signals

본 연구는 신경망에 근거한 패턴매칭 방법을 사용하여 일시적 허혈 에피소드의 자동예측을 다루고 있다. 다층 신경망을 학습하기 위한 알고리즘은 수정된 역전파 알고리즘으로서 이 알고리즘은 학습속도를 향상시키기 위해 뉴런간의 연결계수 뿐만 아니라 뉴런내 비선형 함수의 변수들도 갱신한다. 제안된 방법의 성능은 MIT/BIH long-term 데이터베이스의 심전도(ECG) 신호를 사용하여 평가하였다. 총 15 레코드(237 허혈 에피소드)에 대한 실험결과에 의하면 허혈 에피소드 예측의 평균 sensitivity와 specificity 각각 85.71%와 71.11%이다. 또한 제안된 방법은 실제 허혈 에피소드로부터 평균 45.53초 이전에 예측하였다. 이러한 결과는 패턴매칭 분류기로서의 신경망 접근방법이 일시적 허혈 에피소드예측에 유용한 도구로 사용될 수 있음을 의미한다.

This paper presents automated prediction of transient ischemic episodes using neural networks(NN) based pattern matching method. The learning algorithm used to train the multilayer networks is a modified backpropagation algorithm. The algorithm updates parameters of nonlinear function in a neuron as well as connecting weights between neurons to improve learning speed. The performance of the method was evaluated using ECG signals of the MIT/BIH long-term database. Experimental results for 15 records(237 ischemic episodes) show that the average sensitivity and specificity of ischemic episode prediction are 85.71% and 71.11%, respectively. It is also found that the proposed method predicts an average of 45.53［sec］ ahead real ischemia. These results indicate that the NN approach as the pattern matching classifier can be a useful tool for the prediction of transient ischemic episodes.