[논문 리뷰] A Neural Network Approach to ECG Denoising

Rui Rodrigues, Paula Couto|arXiv (Cornell University)|2012. 12. 20.

ECG Monitoring and Analysis참고 문헌 19인용 수 18

한 줄 요약

이 논문은 세 개의 은닉층을 가진 딥 피드포워드 신경망을 제안하여, 다른 가용한 ECG 리드를 사용해 노이즈가 있는 ECG 채널을 재구성함으로써 ECG 신호를 정제한다. 이 방법은 노이즈가 많은 Holter 기록에서 공개된 ECG 분석 도구의 성능을 향상시키며, 특히 저 SNR 조건에서 뛰어난 QRS 검출 및 파형 구분 정확도를 달성한다. 또한 단일 청소구 채널에서 재구성하더라도 우수한 성능을 보인다.

ABSTRACT

We propose an ECG denoising method based on a feed forward neural network with three hidden layers. Particulary useful for very noisy signals, this approach uses the available ECG channels to reconstruct a noisy channel. We tested the method, on all the records from Physionet MIT-BIH Arrhythmia Database, adding electrode motion artifact noise. This denoising method improved the perfomance of publicly available ECG analysis programs on noisy ECG signals. This is an offline method that can be used to remove noise from very corrupted Holter records.

연구 동기 및 목표

• Holter 모니터링에서 운동 아티팩트 및 기타 노이즈 원인으로 인한 ECG 신호 열화 문제를 해결하기 위해.
• 손상된 신호에서 자동 ECG 분석을 향상시키기 위한 오프라인, 강건한 정제 방법을 개발하기 위해.
• 딥 신경망을 활용해 다중 리드 ECG 정보를 이용해 단일 노이즈가 있는 ECG 채널을 재구성하기 위해.
• 특히 저 신호 대 노이즈 비율(SNR) 조건에서 실제 ECG 데이터에 대한 방법의 효과성을 평가하기 위해.
• 신경망 기반 재구성에 의한 정제가 QRS 검출 및 파형 구분과 같은 후속 ECG 분석 작업을 향상시킬 수 있음을 입증하기 위해.

제안 방법

• 목표 ECG 채널을 다른 가용한 ECG 리드의 노이즈 있는 입력으로부터 재구성하도록 훈련된 세 은닉층을 가진 피드포워드 신경망을 사용한다.
• 1~3초의 시간 세그먼트를 입력으로 사용하며, 겹치는 윈도우(16샘플 이동)를 통해 재구성의 시간 일관성을 확보한다.
• 최종 정제된 신호는 주어진 샘플를 포함하는 모든 시간 세그먼트의 예측값을 평균하여 확보된다.
• 신경망은 제한된 볼츠만 기계의 스택을 사용해 사전 훈련하고, 역전파를 통해 미세조정한다.
• 입력 신호는 기준선 왜곡을 줄이기 위해 이동 평균 필터를 적용하고, 출력 신호는 중앙값 필터를 적용하고 단위 분산으로 정규화한다.
• 이 방법은 GNU Octave로 구현되었으며, 훈련 및 재구성 과정에서 GPU 계산을 활용해 가속화되었다.

실험 결과

연구 질문

• RQ1 딥 신경망은 다른 ECG 리드의 정보를 활용해 노이즈가 있는 ECG 리드를 효과적으로 재구성할 수 있는가?
• RQ2 제안된 정제 방법은 노이즈가 많은 Holter 기록에서 표준 ECG 분석 도구의 성능을 어떻게 향상시키는가?
• RQ3 이 방법은 QRS 복합체 및 파형 경계와 같은 임상적으로 중요한 ECG 특징을 어느 정도 유지하는가?
• RQ4 입력 신호 자체가 노이즈가 있을 경우에도 방법의 강건성이 유지되는가?
• RQ5 단일 청소구 ECG 리드로 고도로 손상된 목표 리드를 임상적으로 유용한 정확도로 재구성할 수 있는가?

주요 결과

• MIT-BIH Arrhythmia Database에서 SNR ≤ 12 dB 조건에서 이 방법은 ECG 분석 성능을 유의미하게 향상시켰으며, QRS 검출 민감도는 85.06%에서 89.71%로 상승했고, 양성 예측도는 99.14%에서 99.90%로 상승했다.
• 기록 mgh124에서 QRS 검출 오류 수는 노이즈가 있는 경우 1344건에서 정제된 경우 890건으로 감소했고, 오류율은 0.1568에서 0.1038로 하락했다.
• QT 데이터베이스 기록 sele0106에서, 재구성된 채널 2를 사용할 경우 P파 피크 검출 평균 오차는 채널 1의 9.33 ms에서 2.80 ms로 감소했다.
• 목표 채널이 입력으로 사용되는 경우에도 성능을 유지하거나 향상시켜, 입력 노이즈에 대한 강건성을 입증했다.
• 어떤 경우에는 원래의 청소구 채널보다도 재구성된 신호가 더 뛰어난 구분 정확도를 보였으며, 특히 QRS 시작 및 종료 검출에서 그러한 경향이 뚜렷했다.
• 실제 Holter 데이터에 대한 성능도 뛰어나, 재구성된 신호가 QRS 검출 및 파형 구분 작업 모두에서 더 우수한 결과를 도출했다.