심층 신경망을 이용한 부정맥 분류 시스템 및 방법

발명의 명칭 : 심층 신경망을 이용한 부정맥 분류 시스템 및 방법
출원번호 : 10-2018-0158212
출원일자 : 2018년 12월 10일
등록번호 : 10-2199085
등록일자 : 2020년 12월 30일
발명자 : 이화민, 전은광
특허권자 : 순천향대학교 산학협력단
법적상태 : 등록
요약
본 발명은 심층 신경망을 이용한 부정맥 분류 시스템 및 방법을 개시한다. 본 발명의 일 측면에 따른 심층 신경망을 이용한 부정맥 분류 방법은, ECG 신호를 수신하는 단계; 상기 수신한 ECG 신호를 심층 신경망 알고리즘에 적용할 수 있도록 전처리하는 단계; 상기 전처리된 ECG 신호에서 P-QRS-T파의 피크값을 검출하는 단계; 상기 검출된 P-QRS-T파의 피크값을 라벨 데이터와 통합하여 하나의 파일로 구성함으로써 데이터 셋을 구성하는 단계; 및 상기 P-QRS-T파의 피크값 및 데이터 셋에 입력 레이어, 히든 레이어, 출력 레이어를 포함하는 심층 신경망을 적용하여 부정맥을 분류하는 단계;를 포함한다.

연구사사
이 발명을 지원한 국가연구개발사업
과제고유번호 20141007200051001
부처명 과학기술정보통신부
과제관리(전문)기관명 정보통신기술진흥센터(IITP)
연구사업명 대학ICT연구센터육성지원사업
연구과제명 웰니스 삶을 위한 WellTEC 코칭 서비스 및 콘텐츠 개발
기 여 율 1/2
과제수행기관명 순천향대학교
연구기간 2014.06.01 ~ 2018.12.31

이 발명을 지원한 국가연구개발사업
과제고유번호 20150004030041001
부처명 과학기술정보통신부
과제관리(전문)기관명 정보통신기술진흥센터(IITP)
연구사업명 대학ICT연구센터육성 지원사업
연구과제명 IoT보안기술연구
기 여 율 1/2
과제수행기관명 순천향대학교 산학협력단
연구기간 2015.06.01 ~ 2018.12.31

ARRHYTHMIA CLASSIFICATION SYSTEM AND METHOD USING DEEP NEURAL NETWORK

발명의 명칭
(EN) ARRHYTHMIA CLASSIFICATION SYSTEM AND METHOD USING DEEP NEURAL NETWORK
(ZH) 心律失常分类系统和方法及执行该方法的记录介质
출원번호 : 201911218815.6
출원일자 : 2019년 12월 3일
출원국가 : 중국
발명자
LEE HWA MIN, 李和玟
JEON EUN KWANG, 全银广
특허권자
SOONCHUNHYANG UNIVERSITY INDUSTRY ACADEMY COOPERATION FOUNDATION
顺天乡大学校产学协力团

요약서
(EN)
The invention discloses an arrhythmia classification system and method using a deep neural network. An arrhythmia classification method using a deep neural network according to one aspect of the present invention comprises the steps of: receiving an ECG signal; preprocessing the received ECG signal to enable the ECG signal to be suitable for a deep neural network algorithm; detecting a peak valueof a P-QRS-T wave in the preprocessed ECG signal; a step of constructing a data set by integrating the detected peak value of the P-QRS-T wave with tag data to construct a single file; and a step of classifying the arrhythmias by applying a deep neural network including an input layer, a hidden layer, and an output layer to a peak value and a data set of the P-QRS-T wave.
(ZH)
本发明公开了一种利用深层神经网络的心律失常分类系统及方法。根据本发明的一方面的利用深层神经网络的心律失常分类方法包括:接收ECG信号的步骤;对上述所接收的ECG信号进行预处理,使得适用于深层神经网络算法的的步骤;在上述预处理的ECG信号中检测P‑QRS‑T波的峰值的步骤;通过将上述检测出的P‑QRS‑T波的峰值与标签数据进行整合来构造一个文件,从而构造数据集的步骤;通过将包括输入层、隐藏层和输出层的深层神经网络适用于P‑QRS‑T波的峰值和数据集来对心律失常进行分类的步骤。

연구사사
이 발명을 지원한 국가연구개발사업
과제고유번호 20141007200051001
부처명 과학기술정보통신부
과제관리(전문)기관명 정보통신기술진흥센터(IITP)
연구사업명 대학ICT연구센터육성지원사업
연구과제명 웰니스 삶을 위한 WellTEC 코칭 서비스 및 콘텐츠 개발
기 여 율 1/2
과제수행기관명 순천향대학교
연구기간 2014.06.01 ~ 2018.12.31

이 발명을 지원한 국가연구개발사업
과제고유번호 20150004030041001
부처명 과학기술정보통신부
과제관리(전문)기관명 정보통신기술진흥센터(IITP)
연구사업명 대학ICT연구센터육성 지원사업
연구과제명 IoT보안기술연구
기 여 율 1/2
과제수행기관명 순천향대학교 산학협력단
연구기간 2015.06.01 ~ 2018.12.31

Arrhythmia Classification System Using Deep Neural Network

Title : Arrhythmia Classification System Using Deep Neural Network
Published in : The 11th International Conference on Ubiquitous and Future Networks(ICUFN 2019)
Author : EunKwang Jeon, Sangwook Han, MinSu Chae, HwaMin Lee
Corresponding author : HwaMin Lee
Location : SHERATON ZAGREB Hotel, Zagreb, Croatia

Abstract
Previous studies on arrhythmia were used to diagnose the abnormally fast, slow, or irregular heart rhythm through ECG (Electrocardiogram), which is one of the biological signals. ECG has the form of P-QRS-T wave, and many studies have been done to extract the features of QRS-complex and R-R interval. However, in the conventional method, the P-QRS-T wave must be accurately detected, and the feature value is extracted through the P-QRS-T wave. If an error occurs in the peak detection or feature extraction process, the accuracy becomes very low. Therefore, in this paper, we implement a system that can perform PVC (Premature Ventricular Contraction) and PAC (Premature Atrial Contraction) classification by using P-QRS-T peak value without feature extraction process using deep neural network. The parameters were updated for PVC and PAC classification in the learning process using P-QRS-T peak without feature value. As a result of the performance evaluation, we could confirm higher accuracy than the previous studies and omit the process of feature extraction, and the time required for the preprocessing process to construct the input data set is relatively reduced.

Acknowledgments
This research supported by the MSIT (Ministry of Science and ICT), Korea, under the ITRC (Information Technology Research Center) support program (IITP-2019-2014-1-00720) supervised by the IITP(Institute for Information & communications Technology Planning & Evaluation) and Basic Science Research Program through the National Research Foundation of Korea (NRF-2017R1A2B4010570).

Classification of Premature Ventricular Contraction using Error Back-Propagation

Title : Classification of Premature Ventricular Contraction using Error Back-Propagation
Journal : KSII Transactions on Internet and Information Systems
Authors : Eunkwang Jeon, Bong-Keun Jung, Yunyoung Nam, HwaMin Lee
Corresponding author : HwaMin Lee
DOI : http://doi.org/10.3837/tiis.2018.02.028

Abstract
Arrhythmia has recently emerged as one of the major causes of death in Koreans. Premature Ventricular Contraction (PVC) is the most common arrhythmia that can be found in clinical practice, and it may be a precursor to dangerous arrhythmias, such as paroxysmal insomnia, ventricular fibrillation, and coronary artery disease. Therefore, we need for a method that can detect an abnormal heart beat and diagnose arrhythmia early. We extracted the features corresponding to the QRS pattern from the subject’s ECG signal and classify the premature ventricular contraction waveform using the features. We modified the weighting and bias values based on the error back-propagation algorithm through learning data. We classify the normal signal and the premature ventricular contraction signal through the modified weights and deflection values. MIT-BIH arrhythmia data sets were used for performance tests. We used RR interval, QS interval, QR amplitude and RS amplitude features. And the hidden layer with two nodes is composed of two layers to form a total three layers (input layer 0, output layer 3).

Acknowledgments
A preliminary version of this paper was presented at APIC-IST 2017, and was selected as an outstanding paper. This research was financially supported by the “ICT Convergence Smart Rehabilitation Industrial Education Program” through the Ministry of Trade, Industry & Energy (MOTIE) and Korea Institute for Advancement of Technology (KIAT) and by the Soonchunhyang University Research Fund.

Performance Comparison between GPU and CPU in CNN Learning Process

Title : Performance Comparison between GPU and CPU in CNN Learning Process
Published in : The 12th KIPS International Conference on Ubiquitous Information Technologies and Applications (CUTE 2017)
Author : EunKwang Jeon, JungYeon Seo, HwaMin Lee
Corresponding author : HwaMin Lee
Location : Providence University, Taichung City, Taiwan

Abstract
The initial deep neural networks took a long time to learn and it was generally impractical to apply them to other areas. However, recent advances in computing performance and the ability to collect big data have re-emerged depth neural networks. GPU is used in the learning process of the GPU to reduce the learning time of the neural network. Using CUDA provided by NVIDIA, GPU enables quick learning. We used the GPU and CPU to perform the learning process in the CNN algorithm and confirmed the learning performance. As a result, the GPU used in the experiment was about 28 times faster than the CPU.

Acknowledgments
This research was supported by Basic Science Research Program through the National Research Foundation of Korea(NRF) funded by the Ministry of Science, ICT & Future Planning(NRF-2017R1A2B4010570) and the Ministry of Science and ICT, Korea, under the ITRC(Information Technology Research Center) support program (IITP-2017-2015-0-00403) supervised by the IITP(Institute for Information & communications Technology Promotion).

Classification of Premature Ventricular Contraction

Title : Classification of Premature Ventricular Contraction
Published in : KSII The 12th Asia Pacific International Conference on Information Science and Technology(APIC-IST 2017)
Author : Eunkwang Jeon, Bong-Keun Jung, Yunyoung Nam, HwaMin Lee
Corresponding author : HwaMin Lee
Location : RatiLanna Riverside Spa Resort, ChiangMai, Thailand

Abstract
Arrhythmia has recently emerged as one of the major causes of death in Koreans. Premature Ventricular Contraction (PVC) is the most common arrhythmia that can be found in clinical practice, and it may be a precursor to dangerous arrhythmia, such as paroxysmal insomnia, ventricular fibrillation, and coronary artery disease. Therefore, we need for a method that can detect abnormal heart beat and diagnose arrhythmia early. We extracted the features corresponding to the QRS pattern from the subject’s ECG signal and classify the ventricular premature contraction waveform using the features. Based on the error backpropagation algorithm, weights and biases were updated through learning data learning to determine weights and weights that can classify premature ventricular contractions. The final weight and bias values were used to classify normal and premature venticular contraction waveforms in ECG waveforms.

Acknowledgments
This research was financially supported by the “ICT Convergence Smart Rehabilitation Industrial Education Program” through the Ministry of Trade, Industry & Energy (MOTIE) and Korea Institute for Advancement of Technology (KIAT) and the MSIP(Ministry of Science, ICT and Future Planning), Korea, under the ITRC(Information Technology Research Center) support program (IITP-2017-2014-0-00720) supervised by the IITP(Institute for Information & communications Technology Promotion).

오류 역전파 기반 ECG 특징을 이용한 심방조기수축(PAC) 분류

제목 : 오류 역전파 기반 ECG 특징을 이용한 심방조기수축(PAC) 분류
저자 : 전은광, 남윤영, 이화민
게재지 : 2017년 한국정보처리학회 춘계학술발표대회 논문집
교신저자 : 이화민
장소 : 제주도, 제주대학교
DOI : https://doi.org/10.3745/PKIPS.y2017m04a.669

초록
최근 한국인의 주요 사망원인 중 하나로 부정맥이 부각되고 있다. 심방조기수축(PAC:Premature Atrial Contraction)은 심방이 동방결절의 명령이 있기 전에 수축해 버리는 것이다. 심방조기수축은 일시적으로 유발하였다 사라지곤 할 수 있기 때문에 심한 증상이 없다면 생명에 위협을 가하진 않지만 반대의 경우에는 위험할 수 있다. 따라서 비정상적인 심장 박동이 발생하면 이를 검출하여 조기에 부정맥을 진단할 수 있는 방법이 필요하다. 이를 위해 대상의 ECG 신호로부터 QRS패턴에 해당하는 특징들을 추출하였고 특징들을 이용하여 심방조기수축 파형을 분류한다. 오류 역전파 기반으로 특징들을 훈련하며 가중치와 바이어스값을 구한뒤 이를 이용하여 정상파형과 심방조기수축 파형을 분류한다.

Acknowledgments
이 논문은 2015년도 미래창조과학부의 재원으로 한국연구재단 바이오의료기술개발사업의 지원을 받아 수행된 연구임(No. NRF-2015M3A9D7067219).
이 논문은 2016년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업임 (NRF-2014R1A1A2057878).

빅데이터 환경에서 MongoDB와 MySQL의 CRUD 연산의 성능 연구 설계

제목 : 빅데이터 환경에서 MongoDB와 MySQL의 CRUD 연산의 성능 연구 설계
저자 : 서정연, 전은광, 채민수, 이화민
게재지 : 2017년 한국정보처리학회 춘계학술발표대회 논문집
교신저자 : 이화민
장소 : 제주도, 제주대학교
DOI : https://doi.org/10.3745/PKIPS.y2017m04a.854

초록
최근 들어 모바일 디바이스의 발전으로 인해 생성되는 데이터의 종류는 다양해지고, 양은 방대해지고 있다. 이렇게 생성된 방대한 양의 데이터를 빅데이터라고 한다. 빅데이터들은 기존의 데이터 처리 방법과 다른 방법으로 처리되어야한다. 빅데이터 처리의 대표적인 방법인 관계형데이터베이스시스템(RDBMS)와 NoSQL 방법 중 대표적인 방법인 MySQL과 MongoDB의 데이터를 모델링한다. 설계된 데이터를 바탕으로 보다 편하고 알맞게 데이터베이스시스템 성능평가를 수행한다.

Acknowledgments
이 논문은 2016년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업임 (NRF-2014R1A1A2057878).

VM 재배치 효율을 증가시키기 위한 배치 관리 기법

제목 : VM 재배치 효율을 증가시키기 위한 배치 관리 기법
저자 : 한상욱, 전은광, 사야속 타농싹, 박희우, 이화민
게재지 : 2017년 한국정보처리학회 춘계학술발표대회 논문집
교신저자 : 이화민
장소 : 제주도, 제주대학교
DOI : https://doi.org/10.3745/PKIPS.y2017m04a.44

초록
본 논문에서는 클라우드 컴퓨팅에서 서버통합과 동시에 서버들의 자원 활용률을 증가시키기 위해 실행되는 가상머신 재배치가 수행되고 난 후에 가상머신들의 상태를 관리하기 위한 기법에 관한 모델을 제안한다. 가상머신 재배치에는 많은 문제점이 발생한다. 재배치 알고리즘으로 인한 서버 통합 시간이 증가되는 문제점도 있지만 재배치를 수행하면서 발생하는 가상머신 마이그레이션으로 인한 전체적인 클라우드 시스템의 부하를 예로 들 수 있다. 제안하는 기법은 가상머신들의 재배치 알고리즘 수행 도중 발생 할 수 있는 문제점과 재배치 이후에 가상머신들의 구동 시간이 종료되어 자연스럽게 할당이 해제되는 경우에 발생하는 문제점을 해결 할 수 있다.

Acknowledgments
이 논문은 2016년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업임(NRF-2014R1A1A2057878).

Docker를 이용한 프로그래밍 실습 시스템 설계

제목 : Docker를 이용한 프로그래밍 실습 시스템 설계
저자 : 채민수, 전은광, 이화민
게재지 : 2017년 한국정보처리학회 춘계학술발표대회 논문집
교신저자 : 이화민
장소 : 제주도, 제주대학교
DOI : https://doi.org/10.3745/PKIPS.y2017m04a.47

초록
최근 소프트웨어 교육이 중요해짐에 따라 학교 SW 교육이 강화되고 있다. 2017년부터는 초등학교, 2020년부터는 중학교에 소프트웨어교육이 필수화 될 예정이다. 그러나 현재 부족한 정보 교사의 수와, 열악한 실습실 환경을 갖는 학교가 많다. 그에 따라 본 논문에서는 학습자에 의해 시스템이 영향을 받지 않고, 다양한 언어를 제공하며, 실습 채점을 지원하는 프로그래밍 실습 시스템을 설계하였다.

Acknowledgments
본 연구는 미래창조과학부 및 정보통신기술진흥센터의 대학ICT연구센터육성 지원사업의 연구결과로 수행되었음 (IITP-2017-2015-0-00403)
이 논문은 2016년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업임(NRF-2014R1A1A2057878).