LDA와 SVM 기반의 심실세동 검출에 관한 연구

Abstract

[한글]

본 논문은 RR 간격과 웨이브렛 변환을 통해 추출한 특징들을 선형판별분석법(linear discriminant analysis: LDA)과 Support Vector Machine(SVM) 다원 분류기에 적용하여 향상된 검출 성능을 갖는 심실세동 검출 알고리즘을 제안하였다. 제안한 알고리즘은 웨이브렛을 이용한 잡음제거, QRS 콤플렉스 검출 및 구간설정, 특징점 추출, LDA를 이용한 차원감소 그리고 SVM 다원 분류기로 구성되어 있다. RR 간격과 웨이브렛 변환을 통해 획득한 4번째, 5번째, 6번째, 7번째 상세계수(D4, D5, D6, D7)의 특정 포인트에서의 값을 특징점으로 추출하였다. 추출된 특징점을 LDA에 적용하여 최적의 특징벡터를 추출하고 이를 SVM 다원 분류기에 적용하여 심실 세동을 검출하였다. 제안한 알고리즘의 성능을 평가하기 위해 MIT-BIH 부정맥 데이터베이스, Creighton University Ventricular Tachyarrhythmia 데이터베이스, MIT-BIH Malignant Ventricular Arrhythmia 데이터베이스의 심전도 데이터를 사용하였고, 차원 감소의 대표적인 방법인 주성분 분석(principal component analysis: PCA)과 심실세동 및 부정맥 검출 알고리즘에서 널리 사용되어지고 있는 신경망과 퍼지 추론시스템을 이용하여 검출 성능을 비교, 평가하였다. 본 논문에서 제안한 알고리즘의 성능 평가를 통해 알고리즘의 검출 성능의 우수성과 효율성을 확인하였다. LDA를 적용하여 추출한 최적의 입력은 기존의 많은 양의 입력을 사용한 경우보다 우수한 검출 성능을 보였으며, 적은 수의 입력은 SVM 다원 분류기를 학습 시키는 과정에서도 학습속도를 단축시키는 효과가 있었다. 또한 SVM 다원 분류기는 기존의 다른 분류 분류기에 비해 우수한 분류 성능을 보였으며, 적은 양의 학습 데이터만으로도 높은 검출 성능을 보이는 것을 확인하였다. 제안된 알고리즘의 이용한 심실세동 검출율은 Sensitivity(%)는 99.75(p<0.05), Specificity(%)는 99.99(p<0.05), Accuracy(%)는 99.88(p<0.05)로 우수한 성능을 보였다.

[영문]In this paper, we proposed a ventricular fibrillation detection algorithm based on linear discriminant analysis(LDA) and support vector machine(SVM). This algorithm consists of filtering using wavelet transform, detection of QRS complex and determination of analysis interval, feature extraction, dimensionality reduction using LDA and SVM multi-classifier. We selected RR intervals, the 4th, 5th, 6th and 7th wavelet detail coefficients(D4, D5, D6, D7) as features for classifying ventricular fibrillation. MIT-BIH Arrhythmia database, Creighton University Ventricular Tachyarrhythmia database and MIH-BIH Malignant Ventricular Arrhythmia database were used as test and learning data. To evaluate the performance of the proposed algorithm, we compared the result of the proposed algorithm with that of without LDA, principal component analysis(PCA), fuzzy inference and neural network. The proposed algorithm showed good performance that the classification rate of ventricular fibrillation was sensitivity(%) of 99.75(p<0.05), specificity(%) of 99.99(p<0.05) and accuracy(%) of 99.07(p<0.05).