ECG Signal Processing (1)

심전도 전처리

 

심전도 분석은 컴퓨터 처리가 도입된 의학에서 가장 최초의 영역 중 하나였다. 초기 작업은 대부분 심장병 전문의가 적용할 규칙을 모방하여 심전도 해석을 위한 의사결정트리 로직의 개발을 다루었다. 그러나 컴퓨터 해석의 결과는 측정의 정확성에 결정적으로 의존한다는 것이 곧 꽤 분명해졌다. 그 결과, 신호 처리의 역할은 특히 보행 또는 격렬한 조건에서 기록된 심전도를 분석할 때 정확한 측정을 생성하는 데 있어 점점 더 중요해졌다. 게다가, 신호 처리의 이론적 발전은 심전도 신호, 특히 그것의 동적 특성에 대한 새로운 이해에 상당한 기여를 했다.

 

지금까지 "보편적인" 유형의 ECG 신호 분석을 제공하는 시스템은 없지만 시스템은 특정 조건에서 기록된 신호를 처리하도록 설계되었다. 따라서 resting ECG 해석, 스트레스 테스트, 이동식 ECG 모니터링, 중환자실 모니터링 등을 위한 시스템에 대해 말하는 것이 일반적이다. 이러한 모든 시스템에 공통적인 것은 상이한 유형의 노이즈에 대해 신호를 조정하고, 파동 진폭 및 기간의 기본 ECG 측정을 추출하고, 효율적인 저장 또는 전송을 위해 데이터를 압축하는 일련의 알고리즘이다.

 

ECG 신호 처리를 위한 알고리즘

 

그림은 이 일련의 신호 처리 알고리즘을 제시하는데, 즉 노이즈 감소, QRS 검출, 파동 묘사 및 데이터 압축을 위한 필터링을 제시한다. 이러한 알고리즘은 순차적으로 작동하도록 자주 구현되지만, QRS 검출기에 의해 생성되는 QRS 복합 발생 시간에 대한 정보는 성능을 향상시키기 위해 다른 알고리즘에 통합되기도 한다. 각 알고리즘의 복잡성은 응용 프로그램마다 다르기 때문에, 예를 들어 이동식 모니터링에서 수행되는 노이즈 필터링은 resting ECG 분석에서 필요한 것보다 훨씬 정교하다.

 

ECG filtering

 

기저선 변동 및 전력선 간섭의 제거를 위해 선형 또는 비선형 구조를 가질 수 있는 필터의 설계에 상당한 주의를 기울여 왔다. 이러한 방해 유형 모두 협대역 필터의 설계를 의미한다. 근육 활동으로 인한 잡음의 제거는 ECG와 근육 잡음 사이의 실질적인 스펙트럼 중첩 때문에 처리하기가 훨씬 더 어려운 또 다른 중요한 필터링 문제를 나타낸다. 이러한 상황은 뇌파 신호가 근육 잡음에 의해 방해되는 상황과 동일하다. 뇌파와 대조적으로, ECG에 존재하는 근육 잡음은 ECG가 반복 신호라는 사실로부터 이익을 얻는 기술을 채용하는 것이 적절할 때마다 감소될 수 있다. 예를 들어, evoked 전위의 잡음 감소에 사용되는 앙상블 평균화 기술은 근육 잡음 감소를 위한 시간 정렬 심장박동에 성공적으로 적용될 수 있다.

 

필터링 기술은 주로 신호의 전처리에 사용되며 심전도 분석을 위한 매우 다양한 시스템에서 구현되었다. 그러나 다른 유형의 생체 의학 신호와 마찬가지로 심전도 필터링은 맥락적이며 원하는 정보가 왜곡되지 않은 상태로 남아 있을 때만 수행되어야 한다는 것을 기억해야 한다. 이러한 중요한 통찰력은 전력선 간섭의 제거를 위한 필터링에 의해 예시될 수 있다. 이러한 필터링은 심박수 변동성의 분석을 위한 시스템에서는 적합하지만, 후기 전위는 간섭과 스펙트럼적으로 중첩되므로 후기 전위 분석을 위한 시스템에서는 부적절하다.

 

잡음을 필터링할 때 주요 관심사는 QRS complex가 필터의 출력에 영향을 미치는 정도이다. QRS complex는 실제로 필터에 원하지 않는 큰 진폭의 임펄스 입력으로 작용합니다. 선형, 시간 불변 필터는 일반적으로 그러한 임펄스의 존재에 더 민감하기 때문에, 비선형 구조를 갖는 필터가 바람직할 수 있다. 필터가 허용될 수 없는 왜곡을 도입하지 않도록 보장하기 위해, 왜곡이 정확하게 정량화될 수 있도록 시뮬레이션된 신호에 의해 그 성능이 평가되어야 한다.

 

QRS detection

 

QRS 복합의 존재와 발생 시간은 모든 유형의 ECG 신호 처리에서 필요한 기본 정보이다. QRS 검출기의 설계는 불량한 검출 성능이 후속 처리 단계로 전파되고 결과적으로 시스템의 전체 성능을 제한할 수 있기 때문에 매우 중요하다. 검출되지 않은 상태로 남아 있는 비트는 잘못된 검출보다 더 심각한 오류를 구성한다. 이전 유형의 오류는 처리 알고리즘 체인의 나중 단계에서 수정하기 어려울 수 있지만, 예를 들어 QRS 형태론의 분류를 위한 알고리즘에 의해 잘못된 검출이 제거될 수 있어야 한다.

 

일단 QRS complex가 검출되면, 심실 재분극이 항상 탈분극을 뒤따르기 때문에 T파를 분석할 수 있다. 반대로, 심방 및 심실 리듬은 서로 독립적일 수 있기 때문에 P파는 분석에 그렇게 쉽게 도움이 되지 않는다. 그러나, 대다수의 경우, P파 검출은 QRS 복합체에서 시작하여 이전 T파의 끝에서 끝나는 시간의 역방향 검색에 기초할 수 있다. P파 검출기의 성공률은 심전도의 잡음 수준에 크게 의존한다. 결과적으로, P파 정보의 가용성을 가정하는 포괄적인 리듬 해석은 심전도 신호가 상대적으로 잡음이 많은 어플리케이션에서 배제된다.