Design and Implementation of Automated Diagnosis System based on HRV Analysis and Machine Learning
- Alternative Title
- HRV 분석과 머신 러닝에 기반한 자동화된 진단 시스템의 설계 및 구현
- Abstract
- 심장 박동의 특징은 심전도 (electrocardiogram, ECG) 신호로 표현할 수 있고 이를 통해 대상의 건강 상태를 확인하는 것이 가능하다. 특히, 심장 박동 변화량(heart rate variability, HRV)의 분석은 심장 박동의 특징과 이에 해당하는 건강 상태의 연관성을 찾는 것을 가능하도록 한다. 기존에 많은 연구자들이 HRV 분석과 이와 연관된 건강상태의 관계인 블랙박스 (black box) 모델의 구현에 대해 연구하였지만 대부분의 연구가 오직 하나의 질병에 관한 진단만을 수행하였다. 이는 일반적인 해결책이 될 수 없고 하나 이상의 질병의 진단에 대한 고려가 필요하다.
본 논문에서는 하나 이상의 질병에 대한 자동 진단을 수행하는 시스템을 설계한다. 시스템에서 인식할 질병의 종류는 다음과 같다: (1) valvular heart disease, (2) bundle branch block, (3) epilepsy, (4) heart failure, (5) apnea, (6) hypertension, (7) sudden cardiac death, (8) myocardial infarction, (9) myocardial ischemia, 그리고 (10) arrhythmia.
시스템은 특징 추출기 (feature extraction), 머신 러닝 (machine learning), 질병 진단(disease diagnosis)의 3개의 메인 모듈로 구성된다. 특징 추출기 모듈은 ECG 신호에 대한 HRV 분석을 통해 학습이나 테스트에 필요한 데이터를 생성한다. 기계 학습 모듈은 학습 데이터로부터 다음과 같은 분류기 (classifier) 모델을 준비한다: (1) discriminant analysis, (2) ensembles, (3) k-nearest neighbors, (4) naïve Bayes, (5) support vector machine, 그리고 (6) classification tree. 질병 진단 모듈은 사용자의 ECG 신호에 다수의 분류기를 사용하여 진단을 수행한다. 시스템의 입력은 ECG 신호 데이터이고 이에 대한 출력으로 사용자의 HRV 파라미터와 진단 결과로서 각 질병에 대한 가능성을 확률로 표현하여 전달한다. 시스템은 MATLAB을 통해 구현하였으며 높은 정확도를 가지고 진단을 수행한다. 가장 낮은 정확도는 myocardial infarction에 대한 진단으로 86.34%이다.
- Issued Date
- 2017
- Awarded Date
- 2017. 2
- Type
- Dissertation
- Publisher
- 부경대학교 대학원
- Affiliation
- 부경대학교 대학원
- Department
- 대학원 정보시스템협동과정
- Advisor
- 이경현
- Table Of Contents
- Chapter 1. Introduction 1
1.1 Background 1
1.2 Objectives 2
1.3 Scope 3
1.4 Research Methodology 3
1.5 Outline 3
Chapter 2. Literature Review 5
2.1 ECG Signal to RRI Signal Conversion 5
2.2 Ectopic Beats Detection 6
2.3 Ectopic Beats Correction 9
2.4 RRI Signal Detrending 10
2.5 RRI Signal Resampling 14
2.6 HRV Analysis 14
2.7 Feature Selection 16
2.8 Classification Algorithms 18
2.9 Performance Metrics 19
Chapter 3. Requirements and Design 22
3.1 Requirements 22
3.2 Design 22
3.2.1 Level-0 Design 23
3.2.2 Level-1 Design 23
3.2.3 Level-2 Design 27
3.2.3.1 Module 1.1: Feature Extraction 27
3.2.3.2 Module 1.2: Machine Learning 28
3.2.3.3 Module 1.3: Disease Diagnosis 28
3.2.4 Level-3 Design 36
3.2.4.1 Module 1.2.1: Classifier Hyperparameter Optimization 37
3.2.4.2 Module 1.2.2: Classifier Training 37
3.2.4.3 Module 1.2.3: Classifier Performance Metrics 37
3.2.4.4 Module 1.3.1: Classifier Aggregation 37
Chapter 4. Implementation and Result 55
4.1 Environment 55
4.2 PhysioBank Database 55
4.3 Feature Extraction 57
4.4 Feature Ranking 60
4.5 Hyperparameter Optimization 71
4.6 Performance Comparison of Classifiers 88
4.7 Final Classifier Performance Metrics 120
4.8 Demo 127
Chapter 5. Conclusions and Future Studies 128
References 129
Acknowledgements 137
- Degree
- Master
- Files in This Item:
-
-
Download
Design and Implementation of Automated Diagnosis System based on HRV Analysis and Machine Learning.pdf
기타 데이터 / 4.1 MB / Adobe PDF
-
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.