KR102171883B1

KR102171883B1 - 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법

Info

Publication number: KR102171883B1
Application number: KR1020180143045A
Authority: KR
Inventors: 최영석; 이대영
Original assignee: 광운대학교 산학협력단
Priority date: 2018-11-19
Filing date: 2018-11-19
Publication date: 2020-10-29
Also published as: KR20200058255A

Abstract

멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법이 개시된다. 심전도(Electrocardiogram, ECG)는 심장 운동에 의한 전기적 활동을 기록한 것이며, 그로부터 추출되는 심박변이율 분석을 통해 심장질환을 진단할 수 있다. 비선형적인 심박변이율의 변화를 분석하기 위해 엔트로피를 사용한 시계열의 복잡도 분석을 사용한다. 치환 엔트로피(Permutation entropy, PE)는 신호 내의 인접한 값들 사이의 순서에 기반한 방법이며, 간단하고 상대적으로 잡음에 강하고 계산 속도가 빠른 특징이 있지만, 시계열의 순서 구조만을 고려하기 때문에 중요한 정보를 놓칠 수 있다는 단점이 존재한다. 본 발명은 진폭을 고려하여 PE의 단점을 개선한 진폭 인식 치환 엔트로피(Amplitude Aware Permutation Entropy, AAPE)에 coarse-graining 과정을 결합한 멀티스케일 AAPE(Multiscale AAPE, MAAPE)를 심박변이율 복잡도 분석에 사용하여 기존 기법들보다 향상된 심박변이율 분석 성능을 확인하였다.

Description

멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법{Multiscale amplitude-aware permutation entropy analysis method of the heart rate variability}

본 발명은 심박변이율(심박변이도, Heart Rate Variability, HRV) 분석 방법에 관한 것으로, 보다 상세하게는 심전도 측정 장치를 사용하여 측정된 심전도(Electrocardiogram, ECG)로부터 추출되는 심박변이율(Heart Rate Variability, HRV)의 변화를 분석하기 위해, 치환 엔트로피(Permutation entropy, PE)의 단점을 개선한 시계열의 진폭을 고려한 진폭 인식 치환 엔트로피(Amplitude Aware Permutation Entropy, AAPE)와, 다중 시간 스케일에서 분석하기 위한 coarse-graining 기반의 멀티스케일 프로세스를 결합한 멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE, MAAPE)를 이용하여 심박변이율 분석 연구를 수행하는, 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법에 관한 것이다.

1. 배경 기술

이와 관련된 선행기술1로써, 특허 등록번호 10-15560630000에서는 "심전도 모니터링을 이용한 부정맥 검출 방법 및 장치"가 등록되어 있으며, 심전도 파형의 특징을 이용하여 부정맥을 검출하는 방법 및 장치를 제공한다.

이를 위해, 심전도 모니터링을 이용한 부정맥 검출 장치는, 부정맥 검출 장치의 각 유닛의 작동을 제어하는 프로세서; 사용자의 심전도 신호를 측정하는 심전도 측정 유닛; 및 상기 부정맥 검출 장치가 수집한 각종 데이터를 저장하는 스토리지 유닛을 포함하되, 상기 프로세서는, 상기 측정된 심전도 신호의 R파를 검출하여 R-R 간격을 측정하고, 상기 측정된 R-R 간격이 기 설정된 하한값 및 상한값 사이에 있는지 여부에 기초하여 상기 사용자의 부정맥 여부를 판별하는 것을 특징으로 하는 부정맥 검출 장치 및 이를 이용한 부정맥 검출 방법을 제공한다.

도 1은 심전도(ECG) 신호의 파형을 나타낸 도면이다.

심전도(Electrocardiography, ECG)는 심근에서 발생하는 심근 활동의 전류, 심박동과 관련된 전위를 신체 표면에서 도형으로 기록한 것이다. 곡선 중 P는 심방의 수축을 나타내며, QRST는 심실의 수축에 유래된다. PQ의 간격은 흥분이 동결절에서 일어나 자극 전도계의 방실결절에 전도되는 시간을 보인다. 보통 0.11~0.20초의 범위이며 0.2초 이상으로 연장될 때는 병적이다. QRS군은 시간적으로 심첨박동, 제1심음의 시작과 대개 일치하여 R이 가장 큰 전압변화를 보이므로 제2유도에서는 6~16mv에 달한다. S와 T사이 등전선과 일치되는 곳은 심실 전체가 평균적으로 수축되고 있을 때이며, T의 융기는 심첨부의 수축이 끝나가더라도 심장 기저부의 수축이 남아 있기 때문에 일어나며, 심근의 수축이 강력할수록 크게 된다. T의 끝은 시간적으로 제2심음의 시작과 일치된다. ECG 검사는 병원 환자의 심전도 검사 이외에, 체육운동의 심장 기능 검사에도 널리 유용되고 있다.

P 파는 동방결절에서 나온 전기적 충격이 심방으로 퍼져 심방의 탈분극이 일어나면서 수축할 때 나타난다. QRS 파는 방실결절에 도달한 전기적 충격이 심실로 전달되어 좌우 심실벽과 심실중격을 자극하여 심실을 수축시킬 때 나타난다. T파는 심실수축 후의 회복기를 나타낸다. R-R 간격(R-R Interval)은 심전도 신호의 R-피크 간의 간격이며, 심장박동의 한 주기를 의미한다. 일반적으로 정상인 사람의 심장박동 횟수는 1분에 60 ~ 100회에 해당한다. 심장박동이 100BPM(beats per minute)보다 빠르면 빈맥(Tachycardia)이라 하고, 60BPM보다 느리면 서맥(Bradycardia)이라 한다. 일반적으로, 운동 상태가 진행되면 사람의 심장 박동 수는 빨라지게 된다. 이때, ECG 신호의 R-R 구간의 길이는 짧아지게 된다. 따라서, 안정 상태에서 빈맥에 해당할 수 있는 심장 박동 수도, 운동 상태에서는 정상인의 심장 박동 수로 판별해야 한다.

심전도(ECG)는 심박동과 관련된 전위를 신체 표면에서 도형으로 기록한 것이다. 심전도 검사는 정확하고 간단하여 쉽게 반복하여 수행할 수 있으며, 검사비용이 비교적 저렴한 비관혈 검사이기 때문에, 부정맥과 관상동맥질환(심장동맥질환) 등의 심장 질환의 진단에 가장 많이 사용되고 있다. 하지만 심전도 진단은 의사가 육안으로 직접 환자의 심전도 신호를 보고 진단하기 때문에 오랜 시간이 소요된다.

심전도(Electrocardiogram, ECG)는 심장 운동에 의한 전기적 활동을 기록하며, 그로부터 추출할 수 있는 심박변이율(Heart Rate Variability, HRV)의 분석을 통해 심장질환을 진단할 수 있다.

심전도의 분석이 요구되는 주요 분야 중 하나는 심장질환의 진단이며 심장 박동 간격(RR 간격)의 변동 분석은 심박변이율(Heart Rate Variability, HRV) 분석으로 알려져 있다[1]. 심박변이율 시계열의 복잡도 분석은 건강한 사람과 환자 사이를 구분하는 중요한 척도이다. 노화뿐 아니라 다양한 질병은 생리학적 정보와 개인의 적응력을 감소시키는 특징이 있다. 이는 생리학적 특성이 나타나는 심박변이율의 복잡도 또한 노화나 질병의 발병이 감소하는 것을 나타낸다.

심박변이율(심박변이도, Heart Rate Variability, HRV)은 심장 박동의 주기적인 변화율을 관찰하여 질병의 유무를 판단하는 방법이다. 심박수는 동방결절에 있는 심박조율세포의 고유자발성에 자율신경계가 영향을 미쳐 결정된다. 동방결절은 교감 신경과 부교감신경 모두의 지배를 받는다. 음주/흡연, sleep cycle, 외부 스트레스에 의한 불면증, 호흡 등 체내 외부 환경에서 인체의 자율신경계에 영향을 주면, 동방결절 활동을 하며, 심박의 주기적인 변화를 유도하여 심박변이율(HRV)에 영향을 준다. HRV 분석 방법은 시간범위 분석과 주파수범위 분석이 사용되고 있다.

혈압, 심박수, 동맥압, 일회박출량, 심전도 복합체(electrocardiographic complex)와 같은 심혈 관계 변수는 모두 박동간 변동(beat-to-beat fluctuation)이 있다. 심박변이율(heart rate variability, HRV)로 알려져 있는 심박수의 박동간 변동은 일반적으로 심혈관계 기능을 조정하는 교감신경과 부교감신경의 상호작용을 반영하는 것으로 알려져 있다.

심박변이율(HRV)은 중심이 되는 현상은 연속되는 심박동 간 시간격의 진동(oscillation)과 연속되는 순간심박수(RR 간격의 역수, instantaneous heart rate)간의 진동이다. 심박변이율은 이러한 RR 간격(interval)과 순간심박수의 변이를 기술하는 용어로써, 문헌에 따라 심장 주기 변이도(heart period variability), RR 변이도(RR variability), RR 간격 타코그람(RR interval tachogram) 등의 용어가 사용되기도 한다.

심박수의 변동(fluctuation)은 수없이 다른 생리적 체계 간의 복잡하고 비선형적인 상호관계 때문에 발생한다. 단기간의 심박수 변동은 호흡, 압력수용체(baroreceptor), 화학수용체(chemoreceptor), 자율신경계 활성도에 의하여 결정된다. 장기적으로는 체온, 대사율, 호르몬, 수면주기가 심박변이도에 기여한다.

심박변이율 분석은 심혈관계 연구와 의학, 임상 분야에서 많이 사용되고 있다. 1970년대 초에는 심박변이도 분석이 당뇨환자의 자율신경계 신경병증(autonomic neuroparhy)을 증상 발현 이전에 알 수 있음이 보고되었다. 1977년에는 심박변이도의 감소가 술후 심근경색에 의해 사망할 위험과 관련되어 있음이 보고되었고, 1980년대말에는 심박변이도의 감소가 급성심근경색 후 사망률의 강력한 독립변수가 되는 것으로 확인되었다. 1981년에는 파워스펙트럼밀도분석(power spectral density analysis, PSD analysis)이 심장에 대한 부교감신경 조절과 교감신경 조절을 정량적으로 평가하고, 자율신경계의 균형(autonomic balance)을 정량화할 수 있는 방법으로 소개되었다.

컴퓨터 기술이 발달에 따라 파워스펙트럼 밀도 분석을 제공하는 심박변이도 분석은 여러가지 질병에서 자율신경계 이상이 수반되어 있는지를 평가하고, 적절한 치료법을 선택하도록 해주며, 심인성 급사(sudden cardiac death)의 위험요소를 층화할 수 있도록 하는 강력한 도구로 인식되고 있다.

시계열의 복잡도를 분석하는 것은 비정적, 비선형 및 복잡한 동작을 나타내는 물리적, 생물학적 시스템의 분석에서 유용하다. 주로 신호의 규칙성에 대한 일반적인 지표로써 엔트로피(Entropy)를 사용하며, 엔트로피 값이 높을수록 시계열의 불확실성이 크다는 것을 바탕으로 복잡도를 정량화할 수 있다.

시계열 복잡성을 정량화 하기 위한 다양한 엔트로피 기반의 분석 연구들이 몇 년 동안 진행되어 왔다[2-3]. 다양한 분석을 기반으로 한 비선형적인 방법이다. 치환 엔트로피(Permutation entropy, PE)는 다른 분석방법과 비교하여 이론적으로 간단하고, 상대적으로 잡음에 강하며 계산 속도가 빠르다는 특징이 있다.

그러나, 심전도 측정 장치를 사용하여 측정된 심전도(Electrocardiogram, ECG)로부터 추출되는 심박변이율(HRV)을 분석하기 위해, 치환 엔트로피(Permutation entropy, PE)는 시계열의 순서 구조만을 고려하기 때문에 중요한 정보를 놓칠 수 있는 단점이 존재한다. 즉, 진폭의 평균값과 이웃 샘플 간의 차이는 고려되지 않기 때문에 매우 다른 진폭을 갖는 두 벡터가 동일한 결과를 나타나게 되고, 각 벡터에서 동일한 진폭 성분에 대한 처리가 이루어지지 않는다.

특허 등록번호 10-15560630000 (등록일자 2015년 09월 21일), "심전도 모니터링을 이용한 부정맥 검출 방법 및 장치", 광운대학교 산학협력단

R.U. Acharya, K.P. Joseph, N. Kannathal, C.M. Lim, J.S. Suri, "rate variability: a review"Med Biol Eng Comput, 44(12), 2006. Costa M, Goldberger AL, Peng CK. "entropy analysis of biological signals"Phys Rev E Stat Nonlin Soft Matter Phys, 71, 2005 J.S. Richman, J.R. Moorman, "time-series analysis using approximate entropy and sample entropy"Am. J. Physiol. Heart Circ. Physiol, 2000. C. Bandt, B. Pompe, "entropy: a natural complexity measure for time series"Phys Rev Lett, 2002. H. Azami, E. Javier, "permutation entropy: Illustration in spike detection and signal segmentation"Comput Methods Programs Biomed, 128, 2016 A.L. Goldberger, L.A.N. Amaral, L. Glass, et al., "PhysioToolkit, and PhysioNet: Components of a New Research Resource for Complex Physiologic Signals"Circulation, 101(23), 2000.

상기 문제점을 해결하기 위한 본 발명의 목적은 심전도 측정 장치를 사용하여 측정된 심전도(Electrocardiogram, ECG)로부터 추출되는 심박변이율(HRV)의 변화를 분석하기 위해, 치환 엔트로피(Permutation entropy, PE)의 단점을 개선하는 시계열의 진폭을 고려한 진폭 인식 치환 엔트로피(Amplitude Aware Permutation Entropy, AAPE) [5]와, 다중 시간 스케일에서 분석하기 위한 coarse-graining 기반의 멀티스케일 프로세스 [2]를 결합한 멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE, MAAPE)를 이용하여 심박변이율 분석 연구를 수행하는, 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법을 제공한다.

본 발명의 목적을 달성하기 위해, 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법은 (a) 심전도 측정 장치를 사용하여 측정된 심전도(ECG) 데이터로부터 추출된 RR 간격 데이터에 대해 멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE, MAAPE)를 사용하여 시계열의 복잡도를 분석하여 심박변이율(HRV)을 분석하는 단계; 및 (b) 상기 엔트로피를 사용한 심박변이율(HRV) 분석에 의해, 심장 질환을 진단하여 일정 범위의 스케일에서 CHF 환자와 정상인 사이의 구분, 및 청년과 노인 사이의 구분하는 단계를 포함한다.

본 발명에 따른 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법은 심전도 측정 장치를 사용하여 측정된 심전도(Electrocardiogram, ECG)로부터 추출되는 심박변이율(HRV)을 분석하기 위해, 이 같은 치환 엔트로피(Permutation entropy, PE)의 단점을 개선하기 위해 시계열의 진폭을 고려한 진폭 인식 치환 엔트로피(Amplitude Aware Permutation Entropy, AAPE)와, 다중 시간 스케일에서 분석하기 위한 coarse-graining 기반의 멀티스케일 프로세스를 결합한 멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE, MAAPE)를 이용하여 심박변이율 분석 연구를 수행하였다.

본 연구에서 시계열의 진폭을 고려하지 않는 MPE의 단점을 개선한 MAAPE를 사용하여 심박변이율의 복잡도를 분석하였다. 그 결과로 보다 넓은 범위의 스케일에서 CHF 환자와 정상인 사이의 구분 및 청년과 노인 사이의 구분이 명확한 것을 확인하였다.

도 1은 심전도(ECG) 신호의 파형을 나타낸 도면이다.
도 2는 치환 패턴 예시를 보인 도면이다.
도 3은 스케일 인자(scale factor) s= 2일 때 coarse-graining 과정을 보인 도면이다.
도 4는 다른 진폭을 가진 같은 패턴들을 보인 도면이다.
도 5a와 5b는 심전도 데이터 (a) 심부전증(Congestive Heart Failure, CHF), (b) Elderly, (c) Young를 보인 그래프이다.
도 6은 MSE 결과를 보인 그림이다.
도 7은 MPE 결과를 보인 그림이다.
도 8은 MAAPE 결과를 보인 그림이다.

이하, 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 발명의 구성 및 동작을 상세하게 설명한다.

본 연구는 심전도 측정 장치를 사용하여 측정된 심전도(Electrocardiogram, ECG) 데이터로부터 추출되는 심박변이율(HRV)의 변화를 분석하기 위해, 기존 치환 엔트로피(Permutation entropy, PE)의 단점을 개선하는 시계열의 진폭을 고려한 진폭 인식 치환 엔트로피(Amplitude Aware Permutation Entropy, AAPE) [5]와, 다중 시간 스케일에서 분석하기 위한 coarse-graining 기반의 멀티스케일 프로세스 [2]를 결합한 멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE, MAAPE)를 사용하여 심박변이율 분석 연구를 수행하는, 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법을 제공한다.

심전도(Electrocardiogram, ECG)는 심장 운동에 의한 전기적 활동을 기록한 것이며, 그로부터 추출되는 심박변이율(HRV)의 분석을 통해 심장질환을 진단할 수 있다. 비선형적인 심박변이율(HRV)의 변화를 분석하기 위해 엔트로피를 사용한 시계열의 복잡도 분석을 사용한다. 치환 엔트로피(Permutation entropy, PE)는 신호 내의 인접한 값들 사이의 순서에 기반한 방법이며, 간단하고 상대적으로 잡음에 강하고 계산 속도가 빠른 특징이 있지만, 시계열의 순서 구조만을 고려하기 때문에 중요한 정보를 놓칠 수 있다는 단점이 존재한다.

본 발명에서는 진폭을 고려하여 PE의 단점을 개선한 진폭 인식 치환 엔트로피(Amplitude Aware Permutation Entropy, AAPE)에 coarse-graining 과정을 결합한 멀티스케일 AAPE(Multiscale AAPE, MAAPE)를 심박변이율 복잡도 분석에 사용하여 기존 기법들보다 향상된 성능을 확인하였다.

본 발명의 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법은 (a) 심전도 측정 장치를 사용하여 측정된 심전도(ECG) 데이터로부터 추출된 RR 간격 데이터에 대해 진폭 인식 치환 엔트로피(Amplitude Aware Permutation Entropy, AAPE) 또는 멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE, MAAPE)를 사용하여 시계열의 복잡도를 분석하여 비선형적인 심박변이율(HRV)을 분석하는 단계; 및 (b) 상기 엔트로피를 사용한 심박변이율(HRV) 분석에 의해, 심장 질환을 진단하여 일정 범위의 스케일에서 CHF 환자와 정상인 사이의 구분, 및 청년과 노인 사이의 구분하는 단계를 포함한다.

상기 단계(a)는, 치환 엔트로피(Permutation entropy, PE)의 단점을 개선하는 시계열의 진폭을 고려한 진폭 인식 치환 엔트로피(Amplitude Aware Permutation Entropy, AAPE)를 사용하여 심박변이율(HRV)의 복잡도를 분석한다.

또한, 상기 단계(a)는, 시계열의 진폭을 고려하지 않는 멀티스케일 치환 엔트로피(Multiscale permutation entropy, MPE)의 단점을 개선한 멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE, MAAPE)를 사용하여 심박변이율(HRV)의 복잡도를 분석한다.

2.1 치환 엔트로피(PE)

치환 엔트로피(Permutation entropy, PE) 분석은 재구성, 정렬, 확률 및 엔트로피 계산의 세 개의 절차로 이루어진다[4]. 먼저 길이 L의 시계열

를 가정하면, 재구성 절차는 식(1)과 같이

을 다차원 벡터

로 구성한다.

식(1)

i는 벡터의 가능한 인덱스를 의미하며, m은 embedding 차원, τ는 지연 인자이다.

다음으로, 각 재구성된 벡터를 오름차순으로 정렬하고, 식(2)와 같이 정렬 전 벡터 성분들의 위치 좌표로 구성된 새 벡터

를 만든다.

식(2)

이때

개의 치환 패턴이 존재하며,

는

개의 치환 패턴 중 하나이다. 도 2는 치환 패턴의 예시를 볼 수 있다.

마지막으로,

개의 패턴에 대해 발생한 수를 세고 확률

을 계산하며, j부터

까지의 모든 패턴의 확률에 대한 엔트로피(entropy)를 계산한다.

식(3)

식(4)

2.2 멀티스케일 치환 엔트로피(MPE)

멀티스케일 치환 엔트로피(Multiscale permutation entropy, MPE)는 PE 분석에 대한 최적화를 위해 coarse-graining 과정을 거친다. Coarse-graining 과정[2]은 원 시계열을 같은 길이를 가진 여러 작은 시계열로 잘라내는 것을 의미하며 식(5)와 같이 표시된다.

식(5)

j는 coarse-graining이 진행된 시계열의 인덱스를 의미하고, s는 스케일 인자(scale factor)이다. 스케일 인자 s= 2일 때 coarse-graining 과정은 도 3과 같이 수행된다.

도 3은 스케일 인자(scale factor) s= 2일 때 coarse-graining 과정을 보인 도면이다.

이후 coarse-graining 과정을 거친 신호를 PE 분석의 입력 신호로, 즉 식(1)의 재구성 절차에서

로 사용된다. s가 1일 때,

는 원 신호와 같고 시계열의 복잡도 분석은 PE 분석과 같다.

2.3 멀티스케일 진폭 인식 치환 엔트로피(MAAPE)

치환 엔트로피(PE)에서, 길이 L의 시계열

를 가정하면, 재구성 절차는 식(1)과 같이

을 다차원 벡터

로 구성되며,

식(1)

여기서, i는 벡터의 가능한 인덱스를 의미하며, m은 embedding 차원, τ는 지연 인자이다.

치환 엔트로피(Permutation entropy, PE)는 시계열의 순서 구조만을 고려하기 때문에 중요한 정보를 놓칠 수 있다는 단점이 존재한다. 도 4의 다른 진폭을 가진 같은 패턴들처럼, 식(1) 결과 만들어진 벡터는 성분의 진폭 관점에서 보면 큰 차이가 존재하지만, 치환 패턴으로 표현할 경우 같은 것으로 간주된다.

이를 해결하기 위해 식(3)에서 단순히

개의 패턴에 대해 발생한 수를 세지 않고, 해당 패턴 성분의 진폭에 따라 가변 기여(Variable contribution)

를 더해주는 방법을 사용한다. 더해주는 가변 기여는 상대적 정규화 확률로 나타낼 수 있으며 식(6)과 같이 계산된다.

식(6)

이때, i는 식(1) 벡터의 가능한 인덱스를 의미하며

이며, m은 embedding 차원, τ는 지연 인자이다. A는 조정 계수(adjusting coefficient)이며, 연속적인 샘플 사이의 평균값과 차이에 관련된 것이며 [0,1] 사이의 값을 갖는다. 주로 평균값과 차이의 중요성이 같으므로 A의 값은 0.5로 선택한다.

이후, 모든

에 대한 각

개의 패턴에 해당하는

값의 비율로써 각 패턴의 확률

을 계산한다.

식(7)

다음으로 만약 각 벡터에서 동일한 진폭 성분이 존재할 경우, 즉 식(1) 결과 만들어진 벡터 성분 중 같은 진폭을 가지는 경우에 대한 처리이다. 해결방안으로 주어진 벡터에서 나올 수 있는 모든 치환 패턴을 고려하여 동일한 기여도를 가진

를 계산하게 된다. 예를 들면, {6,2,2}의 벡터에 대해 동일한 진폭 성분이 두개이므로 가능한 패턴은 2!개, 즉 231과 321 두가지이므로 각 패턴에 대한

를 계산한 동일한 기여도(

)를 곱하여 계산한다. 이와 같은 방법으로 동일한 진폭을 가지는 벡터를 오름차순 또는 내림차순의 성분만 가지는 벡터와 다르게 고려할 수 있다.

최종적으로 계산된

을 사용하여 식(8)과 같이 엔트로피를 계산한다.

식(8)

또한, 다중 시간스케일에서 분석하기 위해 멀티스케일 치환 엔트로피(Multiscale permutation entropy, MPE)와 같이 coarse-graining 기반의 멀티스케일 프로세스와 결합하여 MAAPE(Multiscale AAPE)로 사용한다.

2.4 심전도 데이터

본 발명에서 사용된 심전도(ECG) 데이터는 국제 표준 데이터베이스인 'PhysioNet' [6]에서 제공되며, 그 중 'BIDMC CHF' 및 'MIT-BIH Fantasia' 데이터를 사용하였다.

'BIDMC CHF' 데이터는 심장 박동 기능 장애에 의해 전신 정맥 시스템에 혼잡을 야기하는 심각한 울혈성 심부전증(Congestive Heart Failure, CHF) 환자 15명으로부터의 심전도 기록을 포함하며, 22-71세 남성 11명과 54-63세 여성 4명으로 구성되어 있다. 각 기록은 Beth Israel Deaconess Medical Center (BIDMC) 에서 이루어졌으며 약 20시간의 측정 시간과 250Hz의 샘플링 주파수를 갖는다.

'Fantasia' 데이터는 건강한 21-34세의 청년 20명과 68-85세의 노인 20명으로부터 측정되었다. 모든 피험자는 영화 'Fantasia (Disney, 1940)'을 보며 깨어있는 상태에서 휴식 상태를 유지했다. 대략 Fantasia 데이터는 2시간 동안 측정되었으며, 샘플링 주파수는 250Hz이다.

도 5a와 5b는 심전도 데이터 (a) 심부전증(Congestive Heart Failure, CHF), (b) Elderly, (c) Young를 보인 그래프이다.

'BIDMC CHF'의 심부전증(CHF) 환자 15명과, 'Fantasia'의 건강한 청년 20명, 노인 20명의 심전도 데이터에 대해 심장 박동 간격(RR 간격)을 추출하여 사용하였다.

3. 실험 결과

각 심전도(ECG) 데이터로부터 추출된 RR 간격 데이터에 대해 MAAPE를 적용한 결과를 MPE 결과와, 그리고 추가 비교를 위해 멀티스케일 엔트로피(Multiscale entropy, MSE) [2]를 적용한 결과와 비교하였다. Embedding 차원 값(m)은 4, 스케일 인자(s)는 20, 지연 인자(τ)를 1, 조정 계수(A)를 0.5로 설정하였다.

도 6은 MSE 결과, 도 7은 MPE 결과, 도 8은 MAAPE 결과를 보인 그림이다.

MSE 분석 결과, 모든 스케일(scale)에서 CHF 환자의 데이터와 정상인의 데이터 사이의 구분은 명확하고, 스케일 3 이상에서 정상인 중 노인과 청년 사이의 구분이 어려워지는 것을 도 6에서 볼 수 있다. 하지만, 데이터에 대한 MSE 결과 값에 'NaN', 즉 정의되지 않는 값이 포함되는 경우가 발생하기 때문에 부정확하고 신뢰도가 낮다.

멀티스케일 치환 엔트로피(Multiscale permutation entropy, MPE)는 PE 분석에 대한 최적화를 위해 coarse-graining 과정을 거치며, 상기 coarse-graining 과정은 원 시계열을 같은 길이를 가진 여러 작은 시계열로 잘라내는 것을 의미하며 식(5)와 같이 표시되며,

식(5)

j는 coarse-graining이 진행된 시계열의 인덱스를 의미하고, s는 스케일 인자(scale factor)이며,

로 사용되고, s가 1일 때,

는 원 신호와 같고 시계열의 복잡도 분석은 PE 분석과 같으며,

MPE 분석 결과, 스케일 8 이상에서 CHF 환자와 정상인의 구분이 잘 되고, 2부터 7사이의 스케일에서 청년과 노인의 구분이 가능함을 도 7에서 볼 수 있다.

MAAPE 분석 결과 스케일 5 이상에서 CHF 환자와 정상인의 구분이 잘 되며, 0부터 8사이의 스케일에서 청년과 노인의 구분이 가능한 것을 도 8에서 확인할 수 있다.

4. 결론

본 연구에서 시계열의 진폭을 고려하지 않는 MPE의 단점을 개선한 멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE, MAAPE)를 사용하여 심박변이율(HRV)의 복잡도를 분석하였다. 그 결과로 보다 넓은 범위의 스케일에서 CHF 환자와 정상인 사이의 구분 및 청년과 노인 사이의 구분이 명확한 것을 확인하였다.

본 발명에 따른 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 기록 매체는 프로그램 명령, 데이터 파일, 데이터 구조를 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 기록 매체는 스토리지, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다.　프로그램 명령의 예는 컴파일러에 의해 만들어지는 것과, 기계어 코드뿐만 아니라 인터프리터를 사용하여 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.　상기 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로써 작동하도록 구성될 수 있다.

이상에서 설명한 바와 같이, 본 발명의 방법은 프로그램으로 구현되어 컴퓨터의 소프트웨어를 이용하여 읽을 수 있는 형태로 기록매체(CD-ROM, RAM, ROM, 메모리 카드, 하드 디스크, 광자기 디스크, 스토리지 디바이스 등)에 저장될 수 있다.

본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진자가 하기의 특허청구범위에 기재된 본 발명의 기술적 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 또는 변형하여 실시할 수 있음을 이해할 수 있을 것이다.

HRV : 심박변이율(Heart Rate Variability, HRV)
PE : 치환 엔트로피(Permutation entropy)
MSE : 멀티스케일 엔트로피(Multiscale entropy)
MPE: 멀티스케일 치환 엔트로피(Multiscale permutation entropy)
AAPE : 진폭 인식 치환 엔트로피(Amplitude Aware Permutation Entropy)
MAAPE : 멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE)

Claims

(a) 심전도 측정 장치를 사용하여 측정된 심전도(ECG) 데이터로부터 추출된 RR 간격 데이터에 대해 멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE, MAAPE)를 사용하여 시계열의 복잡도를 분석하여 심박변이율(HRV)을 분석하는 단계; 및
(b) 상기 엔트로피를 사용한 심박변이율(HRV) 분석에 의해, 심장 질환을 진단하여 일정 범위의 스케일에서 CHF 환자와 정상인 사이의 구분, 및 청년과 노인 사이의 구분하는 단계;
를 포함하는 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법.
제1항에 있어서,
상기 심전도(ECG) 데이터는 국제 표준 데이터베이스인 'PhysioNet'에서 제공되는 'BIDMC CHF' 및 'MIT-BIH Fantasia' 데이터를 사용하였으며,
상기 'BIDMC CHF' 데이터는 심장 박동 기능 장애에 의해 전신 정맥 시스템에 혼잡을 야기하는 심각한 울혈성 심부전증(Congestive Heart Failure, CHF) 환자 15명으로부터의 심전도 기록을 포함하고, 22-71세 남성 11명과 54-63세 여성 4명으로 구성되어 있으며, 20시간의 측정 시간과 250Hz의 샘플링 주파수를 가지며,
상기 'Fantasia' 데이터는 건강한 21-34세의 청년 20명과 68-85세의 노인 20명으로부터 측정되었으며, 2시간 동안 측정되었으며 샘플링 주파수는 250Hz 인 것을 특징으로 하는 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법.
삭제
제1항에 있어서,
상기 단계(a)는, 시계열의 진폭을 고려하지 않는 멀티스케일 치환 엔트로피(Multiscale permutation entropy, MPE)의 단점을 개선한 멀티스케일 진폭 인식 치환 엔트로피(Multiscale AAPE, MAAPE)를 사용하여 심박변이율(HRV)의 복잡도를 분석하는, 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법.
제1항에 있어서,
각 심전도(ECG) 데이터로부터 추출된 RR 간격 데이터에 대해 MAAPE(Multiscale AAPE)를 적용한 결과를 MPE 결과와, 그리고 멀티스케일 엔트로피(Multiscale entropy, MSE)를 적용한 결과와 비교하였으며,
Embedding 차원 값(m)은 4, 스케일 인자(s)는 20, 지연 인자(τ)를 1, 조정 계수(A)를 0.5로 설정된, 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법.
제1항에 있어서,
상기 치환 엔트로피(Permutation entropy, PE)는 시계열의 순서 구조만을 고려하며,
상기 치환 엔트로피(PE)에서 길이 L의 시계열
를 가정하면, 재구성 절차는 식(1)과 같이
을 다차원 벡터
로 구성되며,
식(1)
여기서, i는 벡터의 가능한 인덱스를 의미하며, m은 embedding 차원, τ는 지연 인자이며,
다음으로, 각 재구성된 벡터를 오름차순으로 정렬하고, 식(2)와 같이 정렬 전 벡터 성분들의 위치 좌표로 구성된 새 벡터
를 만들며,

식(2)
이때
개의 치환 패턴이 존재하며,
는
개의 치환 패턴 중 하나이며,

개의 패턴에 대해 발생한 수를 세고 확률
을 계산하며, j부터
까지의 모든 패턴의 확률에 대한 엔트로피(entropy)를 계산하고,

식(3)

식(4)
다른 진폭을 가진 같은 패턴들처럼, 식(1) 결과 만들어진 벡터는 성분의 진폭 관점에서 보면 큰 차이가 존재하지만, 치환 패턴으로 표현할 경우 같은 것으로 간주되며, 이를 해결하기 위해 식(3)에서 단순히
개의 패턴에 대해 발생한 수를 세지 않고, 해당 패턴 성분의 진폭에 따라 가변 기여(Variable contribution)
를 더해주는 방법을 사용하며, 더해주는 가변 기여는 상대적 정규화 확률로 나타낼 수 있으며 식(6)과 같이 계산되며,

식(6)
이때, i는 식(1) 벡터의 가능한 인덱스를 의미하며
이며, A는 조정 계수(adjusting coefficient)로써 연속적인 샘플 사이의 평균값과 차이에 관련된 것이며 [0,1] 사이의 값을 가지며, A의 값은 0.5로 선택하였으며,
이후, 모든
에 대한 각
개의 패턴에 해당하는
값의 비율로써 각 패턴의 확률
을 계산하고,

식(7)
다음으로, 만약 각 벡터에서 동일한 진폭 성분이 존재할 경우, 즉 식(1) 결과 만들어진 벡터 성분 중 같은 진폭을 가지는 경우 주어진 벡터에서 나올 수 있는 모든 치환 패턴을 고려하여 동일한 기여도를 가진
를 계산하며,
{6,2,2}의 벡터에 대해 동일한 진폭 성분이 두개이므로 가능한 패턴은 2!개, 즉 231과 321 두가지이므로 각 패턴에 대한
를 계산한 동일한 기여도(
)를 곱하여 계산하고, 이와 같은 방법으로 동일한 진폭을 가지는 벡터를 오름차순 또는 내림차순의 성분만 가지는 벡터와 다르게 고려하며,
최종적으로 계산된
을 사용하여 식(8)과 같이 엔트로피를 계산하고,

식(8)
다중 시간스케일에서 분석하기 위해 MPE와 같이 coarse-graining 기반의 멀티스케일 프로세스와 결합하여 MAAPE로 사용하는, 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법.
제1항에 있어서,
MSE 분석 결과, 모든 스케일에서 CHF 환자의 데이터와 정상인의 데이터 사이의 구분은 명확하고, 스케일 3 이상에서 정상인 중 노인과 청년 사이의 구분이 어려워지는 것을 특징으로 하는 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법.
제6항에 있어서,
멀티스케일 치환 엔트로피(Multiscale permutation entropy, MPE)는 PE 분석에 대한 최적화를 위해 coarse-graining 과정을 거치며, 상기 coarse-graining 과정은 원 시계열을 같은 길이를 가진 여러 작은 시계열로 잘라내는 것을 의미하며 식(5)와 같이 표시되며,
식(5)
j는 coarse-graining이 진행된 시계열의 인덱스를 의미하고, s는 스케일 인자(scale factor)이며,
이후 coarse-graining 과정을 거친 신호를 PE 분석의 입력 신호로, 즉 식(1)의 재구성 절차에서
로 사용되고, s가 1일 때,
는 원 신호와 같고 시계열의 복잡도 분석은 PE 분석과 같으며,
MPE 분석 결과, 스케일 8 이상에서 CHF 환자와 정상인의 구분이 잘 되고, 2부터 7사이의 스케일에서 청년과 노인의 구분이 가능한 것을 특징으로 하는 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법.
제1항에 있어서,
MAAPE 분석 결과, 스케일 5 이상에서 CHF 환자와 정상인의 구분이 잘 되며, 0 ~ 8 사이의 스케일에서 청년과 노인의 구분이 가능한 것을 특징으로 하는 멀티스케일 진폭 인식 치환 엔트로피를 사용한 심박변이율 분석 방법.