WAFO와 DENFIS를 이용한 심실세동시 제세동 예측에 관한 연구

Abstract

[한글]

본 논문은 심실세동시 심전도 신호를 wave analysis for fatigue and oceanography(WAFO) 분석 방법을 이용하여 파라미터를 추출하고 dynamic evolving neural-fuzzy inference system(DENFIS)을 이용하여 소생성공 여부를 예측하는 연구이다.심실세동을 치료하는 방법에는 제세동, 심폐소생술, 약물투여 등이 있으며 이러한 치료에 의해 혈액흐름이 증가되면서 심장이 정상상태로 돌아오게 된다. 제세동은 심폐소생술 중에 자연 순환을 회복시킬 수 있는 결정적인 방법이지만 반복적인 제세동은 심근세포를 손상시켜 소생 이후에 심각한 후유증을 가져올 수 있다. 따라서 제세동의 성공여부를 예측하는 것은 반복적인 제세동을 방지하고 심폐소생술 등의 처치효과에 대한 분석을 가능하게 한다.본 연구에서는 제세동 성공을 예측하기 위해 총 15마리의 개에 대해 표준 심폐소생술 프로토콜을 실시하였고, 획득한 데이터를 30초씩 총5개의 A~E 구간으로 나누었다. 심폐소생술로 인한 동잡음을 제거하였 으며 WAFO 분석방법을 이용하여 불규칙도, 왜도, 첨도, 스펙트럼 모멘트, 위험도, 평균 레벨교차 스펙트럼 파워, 평균 알파-유효 지수를 특징 파라미터로 추출하였다. ROSC와 non-ROSC에 대한 각 파라미터들의 판별도를 평가하기 위해 t-test 를 적용했으며, 구간별로 가장 판별도가 높은 두 개의 파라미터를 선택하여 제세동 성공예측을 위한 추론 시스템의 입력 변수로 사용하였다. 추론 시스템은 기존의 뉴로-퍼지 기법의 단점인 연산속도를 향상시키고 입력의 특성에 따라 시스템 사용 중에도 새로운 퍼지 규칙들을 생성하고 갱신할 수 있도록 온라인 성능을 강화시킨 DENFIS에 의해 최종적인 제세동 예측지수를 구하였으며 다음과 같은 결론을 얻었다.(1) 스펙트럼 모멘트 , 스펙트럼 모멘트 , 평균 파워 스펙트럼, 평균 알파-유효 지수, 스펙트럼 모멘트 , 평균 주파수, 불규칙도, 위험도, 왜도, 첨도의 순서로 판별도가 높게 나타났다.(2) A구간에서는 평균 주파수, B 구간에서는 불규칙도, C 구간에서는 스펙트럼 모멘트 , D 구간에서는 스펙트럼 모멘트 , E 구간에서는 평균 레벨교차 스펙트럼 파워가 각각 가장 판별도가 높은 파라미터로 나타났다.(3) 구간별로 판별도가 높은 기준으로 보면, E > D > A > C > B 의 순서로 나타났다.(4) 구간별 소생 예측 성능은 A구간의 민감도와 특이도가 각각 83.3%와 77.8%로 가장 높았고, 정예측도와 부예측도도 각각 71.4%와 87.5%로 A구간이 가장 높았다.(5) 평균적으로는 민감도와 특이도가 각각 62.5%와 75.0%로 특이도가 더 높게 나타났고, 정예측도와 부예측도의 경우 각각 61.2%와 75.8%로 부예측도가 더 높게 나타났으며, 전체적으로 볼 때 소생 실패에 대한 예측성능이 소생 성공에 대한 예측성능보다 높게 나타났다.

[영문]This paper described predicting successful defibrillation in ventricular fibrillation using parameters extracted by WAFO analyzing method and DENFIS method which is one of neuro-fuzzy algorithms. Treating methods for removing ventricular fibrillation were introduced to defibrillation, cardiopulmonary resuscitation(CPR), and drug administration. These treating methods result to increase blood-flow in the body and to help a heart to be recovered from abnormal status. Even though the defibrillation is ultimate treating method to recover a heart into the natural circulating status, this method can be caused to damage heart muscles by repeating defibrillations. Therefore, the predicting that defibrillation can result to be success or not helps to prevent repeated and unnecessary defibrillation and to analyze the effectiveness of a treatment by cardiopulmonary resuscitation.In this paper, total 15 dogs were tested for predicting successful defibrillation. The FIS band-pass filter of 5~30Hz was used for removing CPR and noise from ECG signals. Then feature parameters were extracted for discriminating return of spontaneous circulation(ROSC) and non-ROSC by WAFO method, and these parameters are an irregularity factor, skew, kurtosis, spectral moment, damage factor, mean of level-crossing spectrum power, and mean of -significant value. Additionally, two parameters by analyzing method of frequency were extracted into a mean of power spectrum and a mean frequency. Then extracted parameters were analyzed in which parameters result to have high performance of discriminating ROSC and non-ROSC by a statistical method of t-test, and final results show as follows:(1) The performance of discriminating parameter resulted in the order of a low value: spectral moment , spectral moment , mean of spectrum power, mean of -significant value, spectral moment , mean frequency, irregulariy factor, damage factor, skew and kurtosis(2) The parameters with the lowest value during the period A, B, C, D, and E were mean frequency, irregularity factor, spectral moment , spectral moment , and mean of level-crossing spectrum power, respectively.(3) The period resulted in the order of a good performance of discriminating ROSC and non-ROSC: E > D > A > C > B(4) The period ‘A’ resulted in the most good predicting performance which sensitivity, specificity, positive predictive factor, and negative predictive factor were 83.3%, 77.8%, 71.4%, and 87.5%, respectively.(5) The average of sensitivity, specificity, positive predictive factor, and negative predictive factor resulted in 62.5%, 75.0%, 61.2%, and 75.8%, respectively. From this result, as a whole, the predicting non-ROSC had more good performance than the predicting ROSC.