Automatic detection of premature ventricular contractions (PVCs) is essential to timely diagnosis of dangerous heart conditions. However, accurate detection of PVCs is challenged by multiform PVCs. In this thesis, an ECG monitoring procedure based on wavelet-based statistical process control (SPC) is proposed for diagnosing PVC beats. After ECG signals are decomposed and denoised via discrete wavelet transformation, significant wavelet coefficients are extracted through sparse
discriminant analysis for constructing a monitoring statistics following Hotelling $T^{2}$ distribution. The proposed monitoring method alarms when the statistics exceeds the predefined threshold values. We select 22 recordings from the Massachusetts Institute of Technology - Beth Israel Hospital (MIT-BIH) arrhythmia database for evaluating the proposed monitoring procedure, and demonstrate the effectiveness of the proposed method.
조기심방수축 (PVCs) 를 적시에 자동으로 진단하는 것은 심장 건강을 모니터링 하는 데 중요하다. 하지만, 조기심방수축을 가진 심전도의 다형성 (multiform) 때문에, 조기심방수축을 정확히 탐지하는 것은 어려운 문제이다. 본 학위논문에서는 심전도 (ECG)를 웨이블릿 기반 통계적 공정 관리 (wavelet based statistical process control) 을 이용하여 조기심방수축을 탐지하는 방법을 제안하였다. 이산 웨이블릿 변환에 의해 심전도 신호가 분류된 후, 의미있는 정보를 가진 웨이블릿 계수 집합이 SDA (sparse discriminant analysis) 를 통해서 선택되었다. 선택된 웨이블릿 계수 집합을 이용하여 Hotelling T제곱 확률 분포를 따르는 모니터링 통계 측정치가 구성되었다. 제안하는 방법은 통계 측정치가 미리 정의된 임계치를 초과할 때, 조기심방수축을 탐지한다. 우리는 MIT-BIH arrhythmia database 를 이용하여 제안하는 방법이 조기심방수축 탐지에 효과적임을 보였다.
