시/주파수 분석은 생체 신호 처리에서 널리 사용되어왔다. 전기 생리학적 신호로부터 중요한 특징들을 추출함으로써 이 방법들은 특정 질병의 임상 병리학적 기전 해석이 가능하다. 하지만 이 방법은 신호가 안정하다는 가정 아래 적용되었으며 불안정한 시스템에서의 적용은 제한이 되어 있다. 본 연구에서는 비선형적이고 비정상적인 심실세동 심전도 파형의 분석을 위해 Hilbert-Huang 변환을 사용한 새로운 신호처리 방법을 제안하였다. Hilbert-Huang 변환은 경험모드분리법(EMD)과 힐버트 변환으로 크게 두 가지로 구성된다. Hilbert-Huang 변환은 EMD를 사용하여 각각의 특성을 지니고 있는 독립적인 내부모드함수들로 나누어지며, 힐버트 변환에 의해 순간 주파수와 크기를 구할 수 있게 된다. 이런 특성으로 신호의 국부적인 작용에 대하여 정확하게 설명할 수 있게 된다. 본 연구에서는 Hilbert-Huang 변환을 기반으로 심실세동 심전도 파형으로부터 두 종류의 파라미터(EMD-IF, EMD-FFT)를 추출하고 서포트 벡터 머신(Support Vector Machine)을 이용하여 소생성공 및 실패 여부 예측에 관하여 연구하였다. 평균적으로 민감도와 특이도는 각각 87.57%와 76.92%로 나타났다. Hilbert-Huang 변환은 더욱 정확하게 심실세동에서의 소생성공 예측을 가능하게 하였다.
Time/frequency analysis has been extensively used in biomedical signal processing. By extracting some essential features from the electro-physiological signals, these methods are able to determine the clinical pathology mechanisms of some diseases. However, this method assumes that the signal should be stationary, which limits its application in non-stationary system. In this paper, we develop a new signal processing method using Hilbert-Huang Transform to perform analysis of the nonlinear and non-stationary ventricular fibrillation(VF). Hilbert-Huang Transform combines two major analytical theories: Empirical Mode Decomposition(EMD) and the Hilbert Transform. Hilbert-Huang Transform can be used to decompose natural data into independent Intrinsic Mode Functions using the theories of EMD. Furthermore, Hilbert-Huang Transform employs Hilbert Transform to determine instantaneous frequency and amplitude, and therefore can be used to accurately describe the local behavior of signals. This paper studied for Return Of Spontaneous Circulation(ROSC) and non-ROSC prediction performance by Support Vector Machine and three parameters(EMD-IF, EMD-FFT) extracted from ventricular fibrillation ECG waveform using Hilbert-Huang transform. On the average results of sensitivity and specificity were 87.35% and 76.88% respectively. Hilbert-Huang Transform shows that it enables us to predict the ROSC of VF more precisely.
