ECG describes the status of a heart as simple wave forms, and has important roles in clinical diagnosis. It is one of the frequently used methods in medical field. Computer-based ECG measuring and analyzing method for detecting heart disease has been used since the beginning of 1990s, and recently applying IT technology to these methods produces a faster and more exact method to identify heart diseases.
This thesis aims to develop various methods to detect heart diseases using ECG. We propose a pattern analysis method of ECG features and an ontology creation method for heart disease classification. In order to demonstrate these methods, we implement an integrated ECG processing and heart disease detection system based on the pattern analysis method and the domain ontology method. For the pattern analysis, SVM-based pattern analysis is proposed to classify ECG beats and rhythms. For ontology creation method, we consider semantic relationships between classified beats and waveforms retrieved from ECG database, and propose the domain ontology creation method for heart disease detection.
These methods are used in Physio-Grid project which provides a total medical environment for signal measurement, detection and diagnosis of heart diseases based on grid technologies.
심장질환에 의한 사망률은 전체 질환에 의한 사망률의 약 20%에 달하며, 한국인의 사망원인 중 가장 높은 질환이다. 심근 허혈 및 심근 괴사와 같은 심장질환의 경우 빠른 응급 대처를 통해 소생기회를 높일 수 있다. 이러한 이유로 심장 관련 응급 기술 개발이 필요로 하고, 여러가지 무선 기기를 통한 실시간 심전도 측정 및 심장질환 측정에 대한 수요가 있다. 따라서 심전도를 이용한 심장 질환 판별 알고리즘의 개발 필요가 있다.
심전도는 심장의 상태에 대한 가치 있는 임상정보로, 심전도를 이용한 심장질환 판별 알고리즘에 대한 많은 연구가 진행되어왔다. 심전도를 이용한 심장질환 판별 순서는 먼저 신호처리를 통하여 심전도의 잡음 제거 및 중요한 요소 검출이 필요하고, 이렇게 얻어진 데이터를 이용하여 기존의 질병 데이터베이스의 패턴과 비교함으로써 현재 환자의 상태를 판별할 수 있다.
본 연구에서는 심장질환 예측을 위한 심전도의 주요 특징 데이터에 대한 패턴 분석 기법과 질환 예측 도메인 온톨로지 생성 기법에 대해 제안한다. 패턴 분석 부분에서는 SVM 다차원 분류를 통해 심전도의 주요 특징들의 패턴을 분석하여 질환을 예측하고, 온톨로지 생성 부분에서는 분석된 비트와 심전도의 주요 데이터 간의 의미적 관계를 고려하여, 온톨로지 생성 기법을 제안한다. 제안된 방법을 통해 질환 예측의 정확도를 높인다.
