Evaluation of the cardiac function by artificial neural networks

Abstract

The human heart is the central organ of the circulatory system that maintains life through the blood, and is the state of the art that most accurately identifies the health of the body.

For the healthier and happier life of humanity, many physiologists and scientists have been trying to accurately measure the state of the heart and the circulatory system to confirm physical health and prevent disease. The development of electrical and electronic technology has become a tool to make the imagination a reality that would be impossible, and the result is the opportunity to track and analyze the various health signs that occur in the human body by collecting and analyzing biological signals that could not be measured previously. Based on semiconductor technology, sensor systems have been developed by applying hardware and software that fuse various materials, instruments, and algorithms, and these sensors are mounted on mobile and wearable devices that can monitor health information with non-invasiveness.

We are now at the beginning of a journey towards a more affluent life, utilizing the vast amount of personal biometric data that is constantly collected. Therefore, we need to study the achievements of the great research that senior researchers have accumulated so far, and consider how we can effectively use personal health data in the new paradigm environment.

In this paper, as a junior researcher, I tried to discuss the meaning and the method of evaluating cardiac and circulatory system function using artificial neural network with the concerns about the changing technological environment and hope for the future. First, we understood the structure and function of the heart and circulatory system, and considered the use of Vital Signs (Heart Rate, Respiratory Rate, Blood Pressure, Body Temperature), which are important indicators of life and health. Next, we define the principles and applications of Electrocardiography (ECG), Photoplethysmography (PPG), and Remote Photoplethysmography (rPPG) in the heart and circulatory system, and propose sensor technologies that can accurately measure them. Dealt with. In order to process the exponentially increasing personal biometric data, it is necessary to identify and extract data with medical utilization from numerous data to discover meaning.

We used scientific tools such as Statistics, Machine Learning, and Artificial Neural Networks to interpret personal biometric data. We personalized the normal range of Heart Rate (HR) using Machine Learning (ML). And We verified how to extract Arrhythmia accurately from Electrocardiography (ECG) using Convolutional Neural Networks (CNN) and Recurrent Neural Networks (RNN). We also researched a method to acquire Heart Rate (HR) in Remote Photoplethysmography (rPPG) without the interference of external light and vibration noise. Finally, we proposed the concept and application of the technology to infer robust signals in disturbing factors such as noise and motion artifact by learning synchronized cardiac biometric data to artificial neural networks.

By all means, I hope that love for humanity and effort for research will be conveyed to the following researchers sincerely by this paper.

인간의 심장은 혈액을 통해 생명을 유지하는 순환계의 중심이 되는 기관이며, 신체의 건강을 가장 정확하게 식별할 수 있는 state of the art이다.

인류의 보다 건강하고 행복한 삶을 위하여, 지금까지 수 많은 생리학자 및 과학자들은 신체 건강을 확인하고 질병을 예방하기 위해서 심장과 순환계의 상태를 정확하게 측정하려는 노력을 해오고 있다. 전기 전자 기술의 발달은 불가능할거라 믿었던 상상을 현실로 만들어 주는 도구가 되었고, 그 결과는 기존에 측정할 수 없었던 생체신호들을 수집하고 분석하여 인간의 몸에서 발생하는 다양한 건강 징후를 추적할 수 있는 기회가 되었다. 반도체 기술을 중심으로, 다양한 물질과 기구, 알고리즘을 융합하는 Hardware 및 Software를 응용하여, Sensor System들이 개발되었으며, 이 Sensor들은 비침습으로 건강 정보를 모니터링 할 수 있는 Mobile 및 Wearable Device에 탑재되고 있다.

이제 우리는 끊임없이 수집되는 엄청난 양의 개인 생체 데이터들을 활용하여, 더욱 풍요로운 삶을 향해 나아가야 할 시작점에 서있다. 그러므로, 우리는 지금까지 선배 연구자들이 쌓아 놓은 위대한 연구의 업적들을 공부하여, 새로운 패러다임 환경에서 어떠한 방법으로 개인 생체 데이터를 효과적으로 활용할 수 있는지 깊게 고민해 보아야 할 필요가 있다.

본 논문에는 후배 연구자로서 변화하는 기술 환경에 대한 고민과 미래에 대한 희망을 담아, 인공 신경망을 이용하여 심장과 순환계 기능을 평가하는 방법과 의미에 대해 다루고자 하였다. 먼저, 우리는 심장과 순환계 구조 및 기능을 이해하고, 생명과 건강의 중요 지표인 Vital Signs (Heart Rate, Respiratory Rate, Blood Pressure, Body Temperature)의 활용에 대해 고민해 보았다. 다음으로, 심장 및 순환계에서 다루는 Electrocardiography (ECG), Photoplethysmography (PPG) 및 Remote Photoplethysmography (rPPG) 의 원리와 응용 방법을 정의하고, 이를 정확하게 측정할 수 있는 센서 기술을 제안하여 전기 전자 기술의 발전 가능성을 다루었다. 기하급수적으로 증가하고 있는 개인 생체 데이터를 처리하기 위해서는 수 많은 데이터 속에서 의학적 활용도가 있는 데이터를 확인하고 추출하여 의미를 발견하는 과정이 필요하다.

우리는 Statistics, Machine Learning, Artificial Neural Networks와 같은 과학적 도구를 개인 생체 데이터를 해석하는데 활용하였다. Machine Learning (ML)을 활용하여 Heart Rate (HR) 정상 범위를 개인화 하고, Convolutional Neural Networks (CNN)을 활용하여 Electrocardiography (ECG)에서 Arrhythmia를 정확하게 추출하는 방법을 제안 및 검증하며, Recurrent Neural Networks (RNN)을 활용하여 Remote Photoplethysmography (rPPG)에서 외광 및 진동 노이즈의 간섭없이 Heart Rate (HR)를 획득하는 실험을 진행하였다. 마지막으로, 심장에서 발생한 생체 신호들을 Synchronized하게 인공 신경망에 반복 학습하여, 방해 요인 없이 강건한 생체 신호를 유추하는 기술의 컨셉과 방법을 제안한다.

부디, 본 연구를 통해 남기고자 했던 인류에 대한 사랑과 진리의 한 걸음을 위한 노력이 다음 연구자들에게 전해지길 진심으로 바란다.