GPU based cardiac arrhythmia detection Cloud system is proposed in this paper. The system mainly uses Cloud server for analyze ECG signal. Pan-Tompkins algorithm is used for QRS detection which means heart beat detection. Extract four features (RR-interval, QRS duration, R amplitude, Ventricular Activation Time(VAT)) from the detected beat and use the features for beat classification. K-Nearest Neighbors(k-NN) algorithm is used for beat classification. Parallelized classification algorithm is proposed for high performance beat classification. Parallel k-NN algorithm is implemented with CUDA and executed on virtualized GPU devices on the Cloud system. The system is validated with MIT-BIH Arrhythmia database. The system detects beat a 98.66% accuracy and classifies beat about a 93.04% correctly. The accuracy of the system is comparable with previous researches. However, proposed parallel algorithm shows 10.5 times faster than non-parallel algorithm.
본 논문에서는 GPU 기반의 부정맥 검출 클라우드 시스템을 제안한다. ECG 신호를 수집하는 것부터 클라우드 서버에서 신호를 분석하여 사용자에게 분석한 정보를 제공하는 것까지의 종합적인 시스템을 제안하고 구현했다. 심장 박동을 검출하기 위해서 Pan-Tompkins 알고리즘을 사용하며 이후 4가지 특징을 추출하여 부정맥 검출에 사용한다. 부정맥 검출을 위해서 k-Nearest(k-NN) 알고리즘을 사용한다. 또한 시스템의 성능을 높이기 위해서 병렬 k-NN 알고리즘을 제안한다. 제안된 시스템에서 병렬 k-NN 알고리즘은 CUDA로 구현하고, 클라우드 시스템 위의 가상화된 GPU에서 실행한다. MIT-BIH Arrhythmia 데이터베이스를 활용하여 시스템을 검증했다. 심장 박동의 검출은 98.66%의 정확도로 이루어졌고, 평균 93.04%만큼의 비율로 심장 박동의 부정맥 여부를 올바르게 분류했다. 시스템의 정확도는 기존의 연구들과 비슷한 수치이지만, 실행 시간은 병렬 k-NN을 사용하여 그렇지 않은 경우보다 10.5배 빠르게 분류를 수행할 수 있다.
