本節主要是呈現系統中的幾個重要功能的實驗結果，其中功能包括 R 波偵測、
心律不整判斷、心電圖訊號壓縮。為了方便呈現實驗結果，我們將系統的輸出結 果導入 MATLAB，利用其優越的計算與顯示功能，以圖表的方式加以說明成果。
R 波偵測 4.2.1
由於本研究心律不整演算法最重要的參數之一就是 R-R 區間的距離，所以使 得 R 波位置的偵測就顯得相當重要，其準確性完全影響接下來判定心律不整的工 作。圖 4.2.1 及圖 4.2.2 為部份 MIT-BIH 心電圖記錄的 R 波偵測實驗結果，在 R 波的位置上特別以圓圈標記。
72
圖 4.2.1 MIT-BIH R 波偵測(a)檔案 100；(b)檔案 102；(c)檔案 109；(d)檔案 115；
(e)檔案 123；(f)檔案 205
73
圖 4.2.2 MIT-BIH R 波偵測(a)檔案 107；(b)檔案 111；(c)檔案 112；(d)檔案 113；
(e)檔案 217；(f)檔案 228
74
在評估心電圖 QRS 波群偵測的能力時，通常以靈敏度(Sensitivity)作為衡量的指 標，其公式如 (4.2.1)所示。
其中True Positive為系統判斷為 R 波，心電圖也確實為 R 波；False Nagative為系 統沒判斷出 R 波，但心電圖為 R 波。
我們總共對系統進行了 20 個完整的 MIT-BIH 心電圖檔案的 R 波偵測實驗，
並透過 MIT-BIH 資料庫提供的說明檔檢驗結果以驗證功能性。實驗結果的數據如 表 4.2.1，從表中可以看出所有檔案皆達到 98%以上的靈敏度，以此我們可以準確 計算出 R-R 區間的距離，進而做心律不整的判斷與分類。
True Positive Sensitivity
True Positive False Nagative
(4.2.1)
75
Negative Sensitivity
119 1987 1 2 99.90%
在心律不整的判斷上，本研究使用的 Tsipouras 演算法可以診斷心律不整的類 型。通常使用幾個統計量去評估診斷工具檢驗病症的效能，以下對這幾個統計量 進行說明 :
76
True Positive False Nagative
(4.2.2)
True Negative Specificity
True Negative False Positive
(4.2.3)
True Negative
PPV True Negative False Negative
(4.2.4)
True Positive
NPV True Positive False Positive
(4.2.5)
True Positive True Negative Accuracy
All Samples
(4.2.6)
77
MIT-BIH Database Annotation Positive Predictive Value(%)
78
Database Annotation Positive Predictive Value(%) Normal Arrhythmia
Normal 39124 579 98.54 個指標作為參考標準，分別是方根誤差百分比(Percent Root-mean-square Difference, PRD)與壓縮位元率(Compressed Rate, CR)。PRD 用來評估壓縮後經重建訊號與原 始訊號的誤差，CR 則是用來評估壓縮的倍率。兩個評估指標的公式如(4.2.7)及 (4.2.8)所示。
79
80
圖 4.2.3 MIT-BIH 心電圖壓縮相關訊號(a)檔案 100；(b)檔案 205
81
圖 4.2.4 MIT-BIH 心電圖壓縮相關訊號(a)檔案 215；(b)檔案 222
82
83 UART(Hardware UART)功能模組於系統內，就可以避免使用到較為複雜的微處理 器 MicroBlaze 嵌入式系統的設計，並完成整個系統的設計。 Monitoring IP Monitoring IP&
Compression IP (PR Design) Compression IP
Hardware UART UART Lite(v1.01a)
MicroBlaze(100MHZ)
HWICAP
Virtex6 XC6VLX240T
84 如表 4.2.7，其中 LUTs 為查找表(Look Up Table)的使用個數，Flip-Flops 為正反器 的使用個數，DSP48E1 為 Virtex-6 特有的數位訊號處理單位。為從表中可以觀察 到壓縮模組使用了較多的硬體資源，所以根據部份可重置技術的運用規則，我們
(XC6VLX240T-1FFG1156) 150720 301440 768
由於我們已經必須使用 MicroBlaze 進行模組切換的工作，為了方便設計我們 亦選用 Xilinx 的 UART Lite(v1.01a)作為系統的 I/O 介面。然而 MicroBlaze 只負責 下模式切換的命令，實際作重新燒錄動作的是 ICAP 介面，這些元件都要被包含進 以可重置技術為基礎的設計架構內。
85
處理時間(Processing Time)
在 速 度 的 評 估 上 ， 本 研 究 量 測 了 執 行 時 間 (Execution Time) 與 重 置 時 間 (Reconfiguration Time) 。 執 行 時 間 又 分 為 正 常 模 式 (Normal Mode) 與 緊 急 模 式 (Emergency Mode)兩種模式；在正常模式下，我們量測的是每筆心電圖資料處理所 花費的時間，以 MIT-BIT 的取樣頻率 360Hz 為基準，若要達到所謂的即時(Real Time) 處理的效率，每筆資料處理的時間必須在 2.78ms(1/360)內完成；在緊急模式下，
功率損耗(Power Consumption)
在功率損耗的分析上，我們設定一個使用情境作為功率評估的基礎。首先系
86
Emergency 0.944
Emergency
to Normal 1.13
Power Consumption(mW) 63.04 56.93
87
另外本研究系統之實測數據分別為 0.498ms 及 304.06ms，確實也達到之前所述即 時處理的要求 2.78ms 和 1423.36ms。
我們也獨立量測了本研究所提出的以部份可重置技術為基礎的設計，其模組 切換的時間，以耗費較多時間的壓縮模組切換至監測模組作為例，表中所示切換 時間共耗費了 1.13ms，以 MIT-BIT 的取樣頻率 360Hz 為基準，在模組重置期間會 有 0.41 筆(0.0013*360)資料沒有被處理到，也就是說大約僅會有一筆的資料沒有聽 過系統做心律不整的檢驗，從此結果顯示切換過程對系統的影響甚小。在功率損 耗的量測上，本研究提出的系統架構亦優於傳統的設計，主因是本研究利用部份 可重置技術分時工作的特性，避免空閒的功能模組持續運行於系統內。
88 律不整的判別上，靈敏度(Sensitivity)與準確度(Accuracy)分別有 89.92%和 96.17%，
顯示本研究所建立之系統有足夠的效能，作為輔助醫護端先行診斷的角色；在壓 縮效率的評估上，所有檔案平均的方根誤差百分比 PRD 與壓縮位元率 CR 分別是 3.19%與 7.81 bits/sample，且大部份檔案皆維持一定的比例關係，顯示本系統在壓 縮訊號的效能上呈現穩定的狀態。綜合上述，本研究所建立的系統具備良好的功