ECG Artificial Intelligence Based ECG Analysis and Application for Automated External Defibrillator

• Main Authors: PARK JONG SEO, KIM WON JAE, YOON NAM SIK, LEE BYEONG SEOK, PARK JEONG HOE
• Format: Patent
• Language: English; Korean
• Published: 25.10.2022
• Subjects: DIAGNOSIS; ELECTROTHERAPY; HUMAN NECESSITIES; HYGIENE; IDENTIFICATION; MAGNETOTHERAPY; MEDICAL OR VETERINARY SCIENCE; RADIATION THERAPY; SURGERY; ULTRASOUND THERAPY

The present invention relates to an electrocardiogram analysis and application method of a complex ECG feature extraction method for an AI-based automatic defibrillator. In this technology, only those patients who need an electric shock are given an electric shock, and the reliability of an automatic defibrillator is improved through a highly accurate ECG extraction method. That is, the present invention provides an electrocardiogram analysis and application method for an AI-based automatic defibrillator of a system having a computer device for machine learning consisting of an ECG data storage, a first ECG feature extraction unit, and an ECG machine learning unit, and an automatic defibrillator connected thereto and consisting of an electrocardiogram measurement unit, a second ECG feature extraction unit, and an ECG AI engine. 본 발명은 인공지능 기반 자동심장충격기용 복합 ECG특징 추출 방식의 심전도 분석 및 적용 방법에 관한 것으로서, 자동심장충격기의 심전도 분석 기술의 정확도를 높이기 위하여 ECG데이터를 이용하여 기계학습을 수행하여, 충격(Shock)과 비충격(No-Shock)의 판단이 정확하게 이루어지도록 함으로써 전기충격이 필요한 환자에게만 전기충격이 이루어지도록 하고, 높은 정확도를 갖는 ECG추출 방식을 통해 자동심장충격기의 신뢰도를 향상시고자 한 기술에 관한 것이다. 즉, 본 발명은 ECG데이터 저장소, 제1ECG특징 추출부, ECG기계학습부로 구성되는 기계학습용 컴퓨터 장치 및 이와 연결되고 심전도 측정부, 제2ECG특징 추출부, ECG 인공지능 엔진으로 구성되는 자동심장충격기로 이루어진 시스템의 인공지능 기반 자동심장충격기용 심전도 분석 및 적용 방법에 있어서, ECG데이터를 수집하여 기계학습용 컴퓨터 장치의 ECG데이터 저장소에 저장하는 단계(S1)와, 상기 저장된 ECG데이터를 조각단위로 쪼개어 데이터 세트를 만드는 단계(S2)와, 상기 데이터 세트의 각 조각마다 심장리듬의 타입을 기록하는 형태로 1차 라벨링을 하고, 1차 라벨링된 조각마다 심장충격 여부를 기록하는 2차 라벨링 단계(S3)와, 상기 라벨링된 데이터 세트에 디지털 필터를 적용하여 노이즈를 제거하는 단계(S4)와, 상기 디지털 필터가 적용된 데이터 세트에서 ECG신호를 분석하여 특징을 추출하는 단계(S5)와, 상기 ECG신호의 특징이 추출된 학습용 데이터 세트를 입력값으로 하고, 2차 라벨링된 심장충격 여부를 분류 결과로 설정하여 지도학습 방식과 심층신경망(DNN)으로 딥러닝을 수행하는 ECG기계학습 단계(S6)와, 상기 ECG기계학습을 통해 만들어진 신경망 구조, 활성화 함수, 가중치와 같은 인공지능 모델을 이용해서 ECG신호의 특징이 추출된 테스트용 데이터 세트를 입력값으로 하고, 2차 라벨링된 심장충격 여부를 분류 결과로 설정하여 ECG기계학습 테스트를 진행하는 단계(S7)와, 상기 디지털 필터, ECG신호 분석 후 추출, ECG 기계학습 테스트 결과와 1차 라벨링된 심장리듬 데이터 세트를 이용하여 인공지능 기반 ECG 분석 성능을 평가하는 단계(S8)와, 상기 평가된 인공지능 기반 ECG 분석 성능 평가를 통해 최종적으로 선택된 신경망 구조, 활성화 함수, 가중치, 충격 판정 임계값을 포함하는 ECG 분석 인공지능 모델과 디지털 필터, ECG 특징 추출 알고리즘을 자동심장충격기에 동일하게 적용하는 단계(S9);로 이루어지고, 상기 ECG신호를 분석하여 특징을 추출하는 단계(S5)에서는 복수의 알고리즘을 통해 ECG신호의 특징을 추출하는 것을 특징으로 한다.