심실세동 파형의 Hilbert-Huang 변환을 기반으로 한 제세동 성공여부 예측

Abstract

[한글]본 연구에서는 Hilbert-Huang 변환을 기반으로 심실세동 심전도 파형으로부터 세 종류의 파라미터(EMD-IF, EMD-WIF, EMD-FFT)를 추출하고 서포트 벡터 머신(Support Vector Machine; SVM)을 이용하여 소생성공 및 실패 여부 예측에 관하여 연구하였다.심실세동의 치료방법으로 전기적 제세동을 가하는 것이 유일한 방법으로 알려져 왔지만 제세동을 위해 전기 충격을 인가하기 위해서는 심전도의 분석과 심폐소생술을 상당 시간 중단하여야 한다. 심폐소생술의 중단은 심실세동 환자의 생존율을 급격히 감소시킬 수 있다. 심실세동 심전도 파형을 분석하여 성공여부를 예측할 수 있다면 불필요한 심폐소생술의 중단과 전기 충격을 피할 수 있을 것이다.기존의 심실세동 신호에 관한 연구에서는 신호가 안정적(stationary)이라는 가정 하에 푸리에 변환(Fourier Transform) 방법을 이용하여 주파수 성분 변화의 특성을 분석하였다. 그러나 생체신호는 시간에 따라 특성이 변하는 불안정(non-stationary)한 특성을 지니고 있으므로 단순한 푸리에 변환 방법에 의한 주파수 분석만으로는 그 특성을 모두 파악할 수 없다는 단점이 있기 때문에 비선형적이고 비정상적인 데이터를 분석하기 위한 방법으로 Hilbert-Huang 변환을 사용하였다.본 연구에서는 21～30㎏인 개에게 심실세동을 유발시키는 실험으로부터 얻은 15개의 데이터를 사용하였으며 Hilbert-Huang 변환을 적용한 후 순간 주파수를 이용하여 EMD-IF와 EMD-WIF를 취득하였고, 경험모드분리법(Empirical Mode Decomposition; EMD)으로 분리한 각각의 내부모드함수(Intrinsic Mode Function; IMF)를 FFT(Fast Fourier Transform) 취한 후 주파수를 이용하여 EMD-FFT를 취득하였다. 추출된 세 종류의 파라미터들 중에서 t-Test를 통하여 300～420초 구간과 420～540초 구간에서의 소생성공과 소생실패 집단의 판별도가 높은 파라미터를 선택하였다. 판별도가 높은 두 개의 파라미터(EMD-IF, EMD-FFT)로부터 SVM을 이용하여 소생성공과 소생실패의 예측 성능을 평가하였다. 평균적으로 민감도와 특이도는 각각 87.35%와 76.88%로 민감도가 더 높게 나타났다.본 연구의 결과로 심실세동 심전도 파형에서 Hilbert-Huang 변환을 기반으로 추출된 파라미터를 이용한 소생성공 예측 판별은 심실세동 치료를 위한 방법으로 발전시키는데 유용할 것으로 사료된다.

[영문]This paper studied for Return Of Spontaneous Circulation(ROSC) and non-ROSC prediction performance by Support Vector Machine and three parameters extracted from ventricular fibrillation ECG waveform using Hilbert-Huang transform instead of existing Fourier transform in study of frequency analysis method.The electrical defibrillation is a sole ventricular fibrillation therapy. But, analyzing ECG and executing countershocks for defibrillation have to stop Cardiopulmonary Resuscitation(CPR) for long hours. The interruption in CPR could be suddenly decreased the survival rate for ventricular fibrillation patient. If ventricular fibrillation ECG waveform-based analysis could predict the likelihood of defibrillation success, it could reduce unnecessary interruption in CPR and the delivery of failed rescue shocks. The existing study of ventricular fibrillation waveform signal generally analyzed characteristics of frequency components variation using Fourier transform method.A problem of this approach is an assumption that signal to use for frequency analysis is stable. This frequency analysis could not know all characteristics, because the biosignal is time-variable and unstable. Therefore, this paper used Hilbert-Huang transform for nonlinear and non-stationary data analysis.In this paper, 15 data sets from animal experiment were tested. Two parameters(EMD-IF, EMD-WIF) were extracted using Hilbert-Huang transform and Instantaneous Frequency. After decomposed data into each Intrinsic Mode Functions(IMFs) by Empirical Mode Decomposition method, one parameter(EMD-FFT) is extracted using fast Fourier transform from each IMFs. Using t-Test method, it was selected two parameters among three extracted parameters that possess high performance of discriminating ROSC and non-ROSC in 300～420 s and 420～540 s. The ROSC and non-ROSC prediction performance was evaluated by Support Vector Machine method and selected high performance parameters(EMD-IF, EMD-FFT). On the average results of sensitivity and specificity were 87.35% and 76.88% respectively.As a result of this study, the discrimination of ROSC and non-ROSC using extracted parameters from ventricular fibrillation ECG waveform based Hilbert-Huang transform can be useful in developing strategies for the treatment of ventricular fibrillation.