可攜式EKG訊號監測與專家系統建置

行政院國家科學委員會專題研究計畫 成果報告

可攜式 EKG 訊號監測與專家系統建置

研究成果報告(精簡版)

計 畫 類 別 ： 個別型 計 畫 編 號 ： NSC 98-2221-E-009-167- 執 行 期 間 ： 98 年 08 月 01 日至 99 年 07 月 31 日 執 行 單 位 ： 國立交通大學電機與控制工程學系（所） 計 畫 主 持 人 ： 林進燈 共 同 主 持 人 ： 柯立偉 計畫參與人員： 碩士班研究生-兼任助理人員：邱敬婷 博士班研究生-兼任助理人員：莊鈞翔 博士班研究生-兼任助理人員：王俞凱 處 理 方 式 ： 本計畫可公開查詢

中 華 民 國 99 年 11 月 03 日

行政院國家科學委員會補助專題研究計畫

■成果報告

□期中進度報告

可攜式

EKG 訊號監測與專家系統建置

計畫類別：■ 個別型計畫 □ 整合型計畫

計畫編號

：NSC-98-2221-E-009-167

執行期間：98 年 8 月 01 日至 99 年 7 月 31 日

計畫主持人：

林進燈 教授

共同主持人： 柯立偉 約聘助理研究員

計畫參與人員：林君玲、楊曉如、邱德正、王怡然、呂紹瑋

成果報告類型(依經費核定清單規定繳交)：■ 精簡報告 □ 完整報告

本成果報告包括以下應繳交之附件：

□赴國外出差或研習心得報告一份

□赴大陸地區出差或研習心得報告一份

□出席國際學術會議心得報告及發表之論文各一份

□國際合作研究計畫國外研究報告書一份

處理方式：除產學合作研究計畫、提升產業技術及人才培育研究計畫、列管計

畫及下列情形者外，得立即公開查詢

□涉及專利或其他智慧財產權，□一年□二年後可公開查詢

執行單位：國立交通大學 電機與控制工程學系（所）

中 華 民 國 99 年 10 月 22 日

代產品的可靠度、準確性，及可適用之範圍。 二、研究目的 擔、提升醫療品質，遠距醫療照護 勢在 範圍。本團隊目前所發展之可攜式無線心電量測

行政院國家科學委員會專題研究計畫成果報告

可攜式 EKG 訊號監測與專家系統建置

計畫編號：

NSC-98-2221-E-009-167

執行期限：

98 年 8 月 01 日至 99 年 7 月 31 日

主持人：林進燈

教授

執行機構：交通大學電機與控制工程學系（所）

一、摘要 關鍵字: 心電訊號、專家系統、無線傳輸、可 攜式、血管疾病照護。 根據行政院衛生署統計，民國九十六年國人 十大死因排行榜，心臟血管疾病死亡率居第二順 位，在全球人口五大死因中，心臟病不但是全球 排名第一，死亡年齡分佈更呈現年輕化的趨勢， 二、三十歲的猝死患者越來越多。在臨床上，藉 由分析心電訊號(EKG)可充分瞭解病患的心臟狀 況，包含心律不整，心室肥大，急性心肌梗塞等 症狀。然而傳統EKG 量測，病患需躺在病床上， 醫護人員將數條電極導線連接至病患身上，再透 過訊號放大與濾波，得以量測有效的EKG 信號， 並且把這些原始信號輸出至儲存媒體或是列印在 紙本上，供醫生判讀。對於慢性病患者，傳統 EKG 量測無法達到長時間紀錄及監控，且醫生無 法掌握病患於家中的生理狀況，給予適時的診斷。 本計畫發展一套具分析功能的可攜式即時心 電訊號監控系統。本系統由 EKG 量測裝置及專 家系統組成，使用者量測心電訊號後，藉由無線 傳輸模組傳到後端專家系統，再由專家系統擷取 量得訊號的特徵，判斷使用者心血管健康狀態。 在中國醫藥大學附設醫院的實測，不論是量測之 準確性、敏感度，或陽性預測值平均皆在95%以 上。相較於現在於醫院使用的設備，本系統具有 無線傳輸、可攜式、即時，及自動在偵測到潛在 心血管異常特徵時對使用者示警的特色，適於醫 院及平常在家庭量測病患或正常人的心電訊號， 且系統內設的心跳速率及心律警示功能，能提醒 患者適時休息甚至就醫；更重要的是，心電圖訊 號可以接近即時（real time）將心電圖訊號藉由 網路上傳至醫院胸痛中心，由心臟科專家第一時 間發現警訊，對患者居家或戶外使用，是一種重 要的保障。預期能增進心血管疾病照護的效能及 品質。日後亦將改善現有設備的不足，增進下一 隨著台灣逐漸邁入高齡化社會，健康照護需 求日益迫切，由此衍生而出的遠距醫療照護，即 將塑造出一個全新的產業形態。據工研院IEK預 估，在未來3~5 年內，台灣健康照護產業可創造 出約3,000 億元的產值，這個新藍海正有待國內 業者發掘。根據資策會MIC的推估，10 年後台灣 將正式邁入高齡社會，而隨著平均人口成長率的 逐年下降趨勢，推估至2050 年則邁入超高齡社 會，老年人口佔總人口比例將倍速成長至35.9 %；MIC建議，企業應重視人口結構變動所帶來 的市場需求、生產力及消費力的改變，以發展符 合高齡社會的創新經濟價值。由於60 歲以上高齡 者的平均醫療支出是其他年齡層的4.5 倍，因此， 為減少健保負 必行。 遠距照護對於偏遠地區居民、慢性病病患、 老人及殘障者具有極高的價值，為因應人口老 化、慢性病趨普遍的重大挑戰，遠距照護應納入 長期照護的工作，而遠距照護政策的成功關鍵是 穩定的經費來源與醫療器材之開發。對於遠距照 護的科技發展上則應進一步開發資訊科技應用以 提升效能。此外，針對高壓族群提供個人化健康 照護，對於心血管疾病的術後復健給予居家生理 訊號監控服務與成效分析，皆可納入照護服務的

圖一、可攜式EKG 訊號分析與監測專家系統佈建架構圖 系統將原本笨重的心電圖量測儀器體積縮小，增 加病患量測的方便性，軟體包含特定的演算法來 分析所擷取到的資料，並且建立一專家系統，使 用人工智慧的技術來判讀病人的心電圖波形是否 異常；不僅可成功應用於高壓族群、心血管疾病 患者、更能推廣至偏遠地區居民、老人及殘障者， 對於一般民眾也可提供預防醫療的保障。 三、研究方法 本研究主要分為無線心電量測裝置與心血管 疾病判讀專家系統建置兩大部分。 本系統透過前端無線心電訊號量測裝置，內 建模糊類神經專家系統，與後端遠距照護平台整 合，提供一即時遠距心電訊號監測服務。無線心 電量測裝置所測得的訊號，經由藍芽與可攜式裝 置連接，再透過疾病判讀專家系統分析後，可即 時呈現在可攜式裝置上供使用者獲得即時資訊。 當專家系統偵測到異常的心電訊號，便將此片段 上傳至醫院內的專家系統伺服器，醫生便可使用 瀏覽器隨時監控患者的狀況(圖一)。 此一應用藍芽無線傳輸的遠距照護系統，除 了可應用於心血管疾病危險群的患者與一般居家 健康照護外，也可集中使用於醫療院所的心臟復 健區，利用現成電腦及網路即可完成裝設，可增 加中小型醫院添置的動機，提高心臟復健服務的 可及性（accessibility），嘉惠心臟病患。患者居家 運動時，如果有此遠距照護系統可資運用，系統 內設的心跳速率及心律警示功能，能提醒患者適 時休息甚至就醫；更重要的是，心電圖訊號可以 接近即時（real time）將心電圖訊號上傳，由心 臟科專家第一時間發現警訊，對病患居家復健運 動安全，是一種重要的保障。 （一）、心血管疾病判讀專家系統

本 團 隊 運 用 模 糊 類 神 經 網 路 （Fuzzy Neuron Network）的架構來建立模型，學習出 一套人工智慧即時判斷發出警訊之演算法；在 完成定義ECG 疾病判讀流程後，透過大量的實 際應用測試，針對每個使用者之心電圖的獨特 性，建立個人化心電圖數據模式資料庫，用來 追蹤個別使用者的心臟生理狀況。當系統偵測 到異常心律時，異常的心電訊號將被傳輸到遠 端的照護單位。 1、即時 ECG 分析技術 本團隊所開發之心電訊號的分析技術會即 時將結果顯示於行動裝置上，患者可藉此了解 自己的心臟復健運動是否達到目標心率並維持 足夠時間，亦可在患者狀態異常時發出警訊， 藉此預防超出身體負荷而發生危險。 同時，在此本計畫中發展出可提升抓取 ECG 特徵點的演算法，且克服因為在臨床實驗 中較難取得ECG 特徵的缺點。 2、心電圖雜訊去除 執行移除 QRS 雜訊的動作，主要用於移 除無規則或雜訊干擾的心電圖訊號。對於每個 週期的心搏，分別評估其 Q-R 波的振幅、R-S 波的振幅、Q-S 波的間隔時間和 R-S 波的間隔 時間。對於每一週期的心搏分別針對這四參數 作評分，比較四參數的平均值和標準差。若其 參數大於其平均值 4 標準差，就可得 1 分， 所以每一週期的心搏的分數就介於0~4 分，若 是心搏小於3 分的話，則就視為無意義或是雜 訊的訊號，便將此心搏移除。而時域中QRS 波 中的R 波可視為每一次心搏發生的時間，而每 一次心搏間隔的時間則可以利用計算 R 波之 間的間距而得到。而一般 R-R 之間隔則為 0.5~1.3 秒，若是 R-R 之間間隔超過此秒數或 是大於平均值3 標準差則也會被移除。最後針 對此訊號再取樣。 3、心電訊號特徵擷取與疾病判斷 心電圖各項參數，如 PR Interval、QRS Complex 時間長度、Q 波時間長度及振幅與 QRS 之比率、T 波型態、ST 型態及 QT，在每 筆心電訊號接收時便執行即時分析。結合臨床 經驗，依據R-R Interval（RRI）、QRS Complex 寬度以及ST Segment 上升或下降等變異，可即 時判斷相關之心血管疾病如：Atrial Fibrillation （AFib ）、 Ventricular Premature Contraction （VPC ）、 Ventricular Tachycardia （ VT ）、 Ventricular Fibrillation （ VF ）、 Paroxymal Supraventricular Tachycardia（SVT、PSVT）、 Myocardial Infarction（MI）等心律不整以及心 臟急症。 4、專家系統建置 在臨床上，心電圖被大量採用，做為檢視 心臟結構及功能是否良好之工具。借由分析心 電圖的訊號分布，可以充分了解一個人的心臟 狀況，包含心律不整，心室肥大，急性心肌梗 在等症狀。不同的心臟疾病或是異常，都會有 不同特定的心電圖。因此我們開發一套專家系 統，藉由分析心電訊號之特性，來判別目前受 測者之狀況。ECG 序號分析演算法會分析 ECG 訊號，並擷取特徵向量，包含時域特徵與頻域 特徵，這些特徵值 別代表不同生理意義。接著 會根據特徵向量在特徵空間的分布，建立專家 系統之模型，來進一步判斷受測者的身體健康 狀態，下圖表示專家系統運作之流程圖。以心 律不整為例，可由圖二的流程來判斷是否有心 律不整之問題，以及心律不整的種類為何。 專家系統建置主要為累積先前的經驗，並與 中國附醫心臟科醫師合作，透過大量的實際應 用測試，針對每個人心電圖的獨特性，建立個 人化心臟監控專家系統，來追蹤每個人的生理 狀況。 專家系統的判讀主要由 QRS 波偵測及特 徵擷取相關演算法組成。所錄得之心電訊號先 濾除雜訊後及利用微分的方式取得R 峰的時間

圖二、心律不整臨床判讀流程

點（位置）後，再以此為起點尋找Q 峰和 S 峰的 位置。當所錄得訊號之QRS 波時間點都找到後， 即可算出相鄰兩 R 峰的時間間隔(R-R interval, RRI)，再依不同心血管疾病特徵開發對應演算 法。以偵測心房纖維顫動(atrial fibrillation, AFib) 為例， AFib 疾病的發生特性主要為異常的 QRS 波，故 RRI 可視為偵測 AFib 疾病的特徵參數， 在此計畫中便針對此提出兩種不同的演算法來偵 測AFib 疾病。 方法一： 步驟一： 找出 R 峰值所在位置 步驟二： 計算出 R 峰值的時間間距 步驟三： 計算出相鄰 R 峰值的時間間距的 差距（ΔRRI） 步 驟 四 ： 在 六 秒 的 資 料 中 ， 若 發 生 兩 次 ΔRRI>150 ms 系統則會發出警示 方法二： 步驟一： 找出 R 峰值所在位置 步驟二： 計算出 R 峰值的時間間距 步驟三： 計算出相鄰 R 峰值的時間間距的 差距（ΔRRI） 步驟四：在六秒的資料中，計算RRI 的標準 差 (RRIstd) 步 驟 五 ： 而 六 秒 的 資 料 中 ， 若 發 生 兩 次 ΔRRI>150 ms 且 RRIstd > 60 ms，系統則會 發出警示。 在理論上，方法一就可敏銳的偵測心律異常 疾病，但是對於AFib 疾病卻會發生無法及時判 讀的問題，故為了克服此問題在此我們才提出了 第二種方法，增加了RRIstd > 60 ms 的條件，為 了可正確的判讀出AFib 疾病，而此條件的設置 專則是利用過去經驗累積的判讀（中國附醫心臟 科醫師）比對了５０位AFib 疾病和５０正常人 的心電訊號而推導得到的，下圖三則是用來證實 在AFib 患者和正常人比較中，其 ΔRRI 和 RRIstd 的確有顯著差異。

圖三、 AFib 患者和正常人的 ΔRRI 和 RRIstd 分布 本系統主要特色為無線傳輸、可攜式、即時， 及自動在偵測到潛在心血管異常特徵時對使用者 示警。不僅能在門診量測病患心電訊號時使用， 亦可長期量測病患或正常人的EKG。但因偵測部 份心血管異常特徵時是以RRI 為基準，若使用者 患有嚴重心血管疾病，可能會使系統無法正確判 斷特徵。 本系統目前已可精確偵測部份心血管疾病， 預期能增進心血管疾病照護的效能及品質。日後 亦將改善現有設備的不足，增進下一代產品的可 靠度準確性即可適用之範圍。 本團隊與醫院心臟科醫師合作，共同開發可 即時分析心電圖並給予判讀的健康顧問系統。目 前 所 開 發 之 健 康 顧 問 系 統 共 可 針 對 三 種 參 數 （P‐wave、R‐peak、QRS Complex）進行近十種判 讀（Asystole、Normal Sinus Rhythm、Tachycardia、 Bradycardia 、 Atrial  Fibrilation 、 Atrial  Flutter 、 Premature  Atrial  Contraction 、 Ventricular  Tachycardia 、 Atrial  Arrhythmias 、 Ventricular  Arrhythmias）。本系統亦於臨床進行資料收集與測 試，系統準確度可達 95％。藉由演算法的改善， 可將準確度提高約 2 個百分點，敏感度與陽性預 測值亦皆有提升，顯示此健康顧問系統具有相當

高之信賴度。本顧問系統建置至平台上，系統便 會分析上傳之心電圖訊號，計算出心率異常的百 分比，並標示出異常的時間點，供作醫生追蹤記 錄的參考。  （二）、可攜式裝置計算平台 目前各種智慧型手機/PDA 不但計算能力越 來越強大，並且不斷朝高度普遍性，可攜帶性， 和低耗電性等特性發展。搭配上Bluetooth, WiFi 等無線網路系統，形成極佳的可攜式計算平台。 由於這些特性非常適合本計畫之需求，因此我們 採取手機/PDA，做為專家系統之開發平台。而目 前 常 見 手 機/PDA 上 最 常 見 的 便 是 Windows Mobile、Symbian、Android 等系統。透過這些系 統 所 提 供 的 開 放 平 台 ， 包 含 相 關 的 函 式 庫 (libraries）、用戶界面（user interface）架構、共 用 工 具 （common tools），以及軟體開發套件 (SDK)，我們在智慧型手機/PDA 載入本計劃之開 發之 ECG 專家系統。手機上專家系統的運算結 果 ， 可 以 無 線 傳 輸 的 方 式 ， 回 傳 到 醫 院 內 的 Database 中心。

Symbian 和 Windows mobile 兩種系統皆提供 JAVA 做為開發平台，特透過 JAVA 平台，可大大 提升專家系統的擴中性和移植性。而在專家系統 開發上，我們將效能，以及可靠性，做為兩個最 重 要 的 評 估 指 標 。 在 效 能 上 ， 我 們 將 開 發 Real-Time ECG 分析演算法，以達到 24 小時監測 ECG 訊號，並且第一時間過濾緊急事件之要求。 另一方面，由於訊號來源，可能在各種不同動態 或靜態的情況下所量測到，其中可能包含大量雜 訊，所以我們的演算法也必須達到高度的可靠性。 由於智慧型手機的無線傳輸功能越來越完 善，因此手機上專家系統的運算結果，可以無線 傳輸的方式，回傳到醫院內的Database 中心。本 系統同時間內使用人數在一人以上，因此可能產 生多使用者同時連線的干擾、頻寬的分配以及安 全性授權等問題。由於Bluetooth 的先天限制，其 理論值的傳輸速度只有 1Mbps，同時 Bluetooth 無線資料傳輸媒介採用的是無線電波，所以在某 種程度的距離中，若有其他無線電波跟它是相近 頻率的，則可能導致干擾現象產生。此外，當一 台主機同時接收多個藍芽裝置的資料傳輸時，很 容易發生collision 和資源分配的問題，因此本團 隊 開 發 之 軟 體 平 台 可 有 效 控 制 及 分 配 多 個 Bluetooth 使用者連結的資源。當一台主機接收到 多個藍芽連接時，此中間層軟體平台依據各藍芽 裝置的名稱來辨識，若名稱相同則以MAC 做辨 識，用以進行網路流量、CPU 運算資源等分配以 及連線干擾的避免、協調與排程，最終在軟體使 用介面上呈現出來的將是即時性無延遲之資料。 當藍芽裝置在連線中途因為一些原因而中斷連線 時，此平台可在再度偵測到此藍芽裝置時自動恢 復連線與資料傳輸。 四、研究成果 1、無線心電量測裝置 所開發之無線心電量測裝置（Wireless EKG, BRC）（圖四）僅扣機大小，訊號擷取單元由類比 放大器、濾波器，和類比／數位轉換器構成，可 將心電訊號以每秒512 點的頻率擷取、濾波後供 專家系統使用。所量得之心電訊號先器放大 100 倍，並擷取EKG 頻率在 0.1~150 赫茲(Hz)的訊號 後，再由類比／數位轉換器轉換成數位訊號；此 單元尺寸大約為20 mm × 18 mm。而無線傳輸單 元由藍芽模組與微控制器組成，用以將量測而得 之 EKG 訊號傳至專家系統；此單元尺寸大約為 40 mm × 25 mm。整個模組重量在 100 公克(g)以 內，耗電量約為29.5 毫安培(mA)；電源由一容量 為 600 毫安培小時(mA·h)的鋰離子電池供應，至 多可持續量測約20 小時。 使用醫療級鈕釦式電極貼片貼於胸前，長時 間配戴身上不易產生不適感；利用藍芽與可攜式 裝置連線，透過無線的方式將訊號傳至後端的服 務平台，訊號可即時傳輸，與現行市場上其他產 品相較之下，具有即時、輕便可攜、使用時間長 等優點，配合專家系統與後端資訊監控平台，可 做為心血管疾病的長期監測與照護，提供保障。 此即時 EKG 訊號監控系統和心電判讀專家 系統，建立在一般常見可攜帶式之計算平台之 上，如PDA 手機，中間透過無線網路科技，將前

端量測到之 EKG 訊號，傳輸到此計算平台進行 應用分析，在將其結果透過電信網路傳送到遠端 醫院治療師的平台中以便專業人員遠距監督。 圖五、傳統ＥＣＧ特徵擷取結果，粉色為Ｑ峰值， 紅色為Ｒ峰值，綠色為Ｓ峰值 圖四、可攜式無線心電訊號量測系統 _{圖六、改良ＥＣＧ特徵擷取結果，粉色為Ｑ峰值，紅色} 為Ｒ峰值，綠色為Ｓ峰值 2、即時 ECG 特徵分析 3、專家系統準確度驗證 在此本計畫中發展出可提升抓取 ECG 特徵 點的演算法，且克服因為在臨床實驗中較難取得 ECG 特徵的缺點，圖五中可清楚比較出傳統 ECG 特徵擷取方法，雖然可正確擷取到R 峰值區，但 是在對於Ｑ和Ｓ卻可能會發生錯誤，如綠色框框 所示，而在本計畫則改良其過去傳統演算法，並 可正確找出正確的Ｑ和Ｓ峰值區域，如圖六所 示。本特徵分析的演算法，結合雜訊去除的技術， 可有效降低因為動作所引發的訊號飄移，將原本 之 EKG 訊號從背景雜訊中過濾出來，進一步提 升特徵擷取的準確度。此項技術，也可讓研究所 開發的無線心電圖量測裝置擴大其應用領域，除 了一般靜態心電圖之外，也可進行運動心電圖的 量測記錄，提高產品價值。 本研究在中國醫藥大學附設醫院進行心電訊 號量測，實驗已經過中國附醫之人體試驗委員會 核可。共有 10 位正常受測者及 20 位 AFib 病患 參與 EKG 訊號量測，每位受測者進行 6 分鐘的 靜態心電圖記錄；AFib 的患者皆是做過臨床標準 12 導層心電圖並由心臟專科醫師確診為持續性 心房纖維顫動的病人。10 位正常受測者的年齡分 佈在 57 到 88 歲，平均是 72 歲；20 位 AFib 的 患者年齡分佈在50 至 89 歲，平均 71 歲。所量測 的訊號依據 ANSI/AAMI EC38-1994 標準進行比 較。 我們探討利用不同的疾病診斷演算法對於判 讀結果的準確性；6 分鐘的靜態心電圖以 6 秒鐘 為系統判讀的週期，使用第一種判斷方式的分析 統計結果如表一，使用第二種判斷方式的分析統

計結果如表二。在所有30 位受測者共 1400 次判 讀結果中，使用方法一的判讀共有1314 次是正確 的，而使用方法二則有1335 次，因此，兩種演算 法對於 AFib 疾病判讀的準確度為 93.86％及 95.36％；此外，對 20 位 AFib 患者共 1192（方 法一）及1193（方法二）次的判讀當中，分別可 以偵測到1114（方法一）及 1135（方法二）次， 表示本系統對於 AFib 疾病的敏感度為 93.46％ （方法一）及95.14％（方法二）。在所有量測結 果為AFib 的數據之中（方法一為 1122 次，方法 二為 1142 次），實際上也是確診為 AFib 的比率 高達 99％，表示此專家系統對於 AFib 的偵測具 有相當高的可信度。以上統計分析的結果顯示本 研究中所開發的系統及疾病判讀演算法，不論是 量測之準確度、敏感度，及陽性預測值平均皆在 90%以上，尤其若演算法中將 RRI 的標準差數值 列入特徵後（方法二），所有受測者這三項數值預 測的正確性達95%以上，足見本系統的可靠度極 高，結果如圖七所示。 表一、利用方法一之專家系統預測結果 Subjects (n=30) Test AFib(+) Normal(-) total

True AFib 1114 78 1192 Normal 8 200 208 total 1122 278 1400

表二、利用方法二之專家系統預測結果

Subjects (n=30) Test AFib(+) Normal(-) Total

True AFib 1135 58 1193 Normal 7 200 207 total 1142 258 1400   圖七、專家系統臨床驗證比較結果    4、移植專家系統至可攜式平台 本計畫除了在一般電腦平台上發展心電訊號 分析專家系統外，也將此系統移植至其他的可攜 式裝置，如Netbook 或是手機。目前手機系統最 常見的便是Windows Mobile、Symbian、Android 等系統。透過這些系統所提供的開放平台，包含 相 關 的 函 式 庫(libraries ）、 用 戶 界 面 （ user interface）架構、共用工具（common tools），以 及軟體開發套件(SDK)，我們在智慧型手機/PDA 載入本計劃之開發之ECG 專家系統。手機上專家 系統的運算結果，可以無線傳輸的方式，回傳到 醫院內的 Database 中心。Android、Symbian 和 Windows mobile 兩種系統皆提供 JAVA 做為開發 平台，特透過 JAVA 平台，可大大提升專家系統 的擴中性和移植性。 本計畫分別在Symbian 與 Android 系統平台 上（圖八）發展了心電訊號即時判讀的專家系統， 除了可以即時顯示心電圖與心跳外，當發現有問 題的心率時，可把片段資訊保留下來並同時傳至 後端伺服器供心臟專科醫師作進一步的分析。 在實際使用上，雖然因耗電因素系統僅可量 測約15 小時的心電訊號，但本系統已滿足長期監 測心血管疾病患者所需。

圖八、即時心電訊號判讀專家系統應用在Symbian 系統 （左）與Android 系統（右）

五、參考文獻

[1] The World Health Report 2008. World Health Organization, Geneva, 2008.

[2] S. Koch, “Home telehealth – Current state and future trends,” Int. J. Med. Inform., vol. 75, pp.565-576, 2006.

[3] R. J. Romanow. Building on Values: The future of healthcare in Canada – Final report. Commission of the Future of health care in Canada, Ottawa.

November 2002.

Available: http://www.cbc.ca/healthcare/final_repor t.pdf

ACC/AHA/ESC 2006 Guidelines for the Management of Patients With Atrial Fibrillatio

[4]

n. J. [5]

J. Electrocardiol. vol. 35, no. 1, pp. 27-34, [6]

emed. J. e-Health.

[7]

Chiou, “Wearable and wireless brain-computer Am. Coll. Cardiol., vol. 48, pp. 149-246, 2006.

C. Papaloukas, D. I. Fotiadis, A. Likas, C. S. Stroumbis and L. K. Michalis, “Use of a novel rule-based expert system in the detection of changes in the ST segment and the T wave in long duration ECG.”

2002.

G. Vanagas, R. Zaliunas, R. Benetis and R. Slapikas, “Factors affecting relevance of tele-ECG systems application to high risk for future ischemic heart disease events patients group.” Tel

vol. 14, no. 4, pp. 345-349, 2008.

C. T. Lin, L. W. Ko, C. J. Chang, Y. T. Wang, C. H. Chung, F. S. Yang, J. R. Duann, T. P. Jung and J. C.

interface and its applications.” 13th

Int. Conf. on Human Computer Interface, San Diego, 2009.

[8] J. E. P. Waktare, “Atrial Fibrillation.” Circulation. vol. 106, pp. 41-16, 2002.

[9] L. Pang, I Techoudovski, M. Braecklein, K. Egorouchkina, W. Kellermann and A. Bolz, “Real time ischemia detection in the smart home care system.” Proc.27th

Annu. Conf. IEEE Eng. Med. Biol., Shanghai, China, September 1-4, 2005

[10] J. Hurst, “Naming of the waves in the ECG, with a brief account of their Genesis.” Circulation, vol. 98, pp. 1937-1942, 1998.

[11] American National Standard for Ambulatory Electrocardiographs, ANSI / AAMI EC38-1994, Association for the Advancement of Medical Instrumentation, 1994.

[12] W. B. Kannel and D. L. McGee, “Diabetes and Cardiovascular Disease. The Framingham Study,” The Journal of American Medical Association, vol. 241, no. 19, pp. 2035-2038, 1979.

98 年度專題研究計畫研究成果彙整表

計畫主持人：林進燈 計畫編號： 98-2221-E-009-167-計畫名稱：可攜式 EKG 訊號監測與專家系統建置 量化 成果項目 實際已達成 數（被接受 或已發表） 預期總達成 數(含實際已 達成數) 本計畫實 際貢獻百 分比 單位 備 註 （ 質 化 說 明：如 數 個 計 畫 共 同 成 果、成 果 列 為 該 期 刊 之 封 面 故 事 ... 等） 期刊論文 1 1 100% 此期刊論文為 4 個 計 畫 共 同 產 出 成 果 。 該 期 刊 的 5-Year Impact Factor 為 2.268。 研究報告/技術報告 0 0 100% 研討會論文 2 1 200% 篇 此 2 篇會議論文為 此 計 畫 單 獨 產 出 成果。 論文著作 專書 0 0 100% 申請中件數 0 0 100% 專利 已獲得件數 0 0 100% 件 件數 0 0 100% 件 技術移轉 權利金 0 0 100% 千元 碩士生 1 1 100% 配 合 計 畫 的 執 要，配合度高。 博士生 2 2 100% 進 行 程 式 的 撰 寫，並開發出創新 的 演 算 法 來 精 準 計算出數據。 博士後研究員 0 0 100% 國內 參與計畫人力 （本國籍） 專任助理 0 0 100% 人次 期刊論文 0 0 100% 研究報告/技術報告 0 0 100% 研討會論文 0 0 100% 篇 論文著作 專書 0 0 100% 章/本 申請中件數 0 0 100% 專利 已獲得件數 0 0 100% 件 件數 0 0 100% 件 技術移轉 權利金 0 0 100% 千元 碩士生 0 0 100% 博士生 0 0 100% 博士後研究員 0 0 100% 國外 參與計畫人力 （外國籍） 專任助理 0 0 100% 人次

其他成果

(

無法以量化表達之成 果如辦理學術活動、獲 得獎項、重要國際合 作、研究成果國際影響 力及其他協助產業技 術發展之具體效益事 項等，請以文字敘述填 列。) 本研究在中國醫藥大學附設醫院進行心電訊號量測，判斷受測者患有心房顫 動。量測的過程已經該醫院之人體試驗委員會核可，共有 10 位正常受測者及 10 位 AFib 病患參與 EKG 訊號量測。本研究蒐集每位受測者 6 分鐘的心電訊號 進行判讀，量測的結果顯示本研究中開發系統及演算法，不論是量測之準確性、 敏感度，或預測的正確性平均在 90%以上，尤其若演算法中將 RRI 的標準差數 值列入特徵後，所有受測者這三項數值均在 90%，預測的正確性達 95%，足見本 系統的可靠度極高。而在實際使用時，因耗電因素系統至少可量測約 15 小時的 心電訊號，但本系統已滿足長期監測心血管疾病患者所需。 成果項目 量化 名稱或內容性質簡述 測驗工具(含質性與量性) 0 課程/模組 0 電腦及網路系統或工具 0 教材 0 舉辦之活動/競賽 0 研討會/工作坊 0 電子報、網站 0 科 教 處 計 畫 加 填 項 目 計畫成果推廣之參與（閱聽）人數 0

國科會補助專題研究計畫成果報告自評表

請就研究內容與原計畫相符程度、達成預期目標情況、研究成果之學術或應用價

值（簡要敘述成果所代表之意義、價值、影響或進一步發展之可能性）

、是否適

合在學術期刊發表或申請專利、主要發現或其他有關價值等，作一綜合評估。

1. 請就研究內容與原計畫相符程度、達成預期目標情況作一綜合評估

■達成目標

□未達成目標（請說明，以 100 字為限）

□實驗失敗

□因故實驗中斷

□其他原因

說明：

2. 研究成果在學術期刊發表或申請專利等情形：

論文：■已發表 □未發表之文稿 □撰寫中 □無

專利：□已獲得 □申請中 ■無

技轉：□已技轉 □洽談中 ■無

其他：（以 100 字為限）

此計畫研究成果在學術期刊發表共有 1 篇國際期刊論文，2 篇國際會議論文。此部分研究 成果超乎原預期的成果，研究能量優異。其成果可讓一般民眾能了解自身健康狀況，及早治 療老化造成的心血疾病。

3. 請依學術成就、技術創新、社會影響等方面，評估研究成果之學術或應用價

值（簡要敘述成果所代表之意義、價值、影響或進一步發展之可能性）（以

500 字為限）

本研究已完成 EKG 量測硬體設計及專家系統相關演算法的開發。在 EKG 量測硬體上，原規 劃心電訊號以每秒 512 點的頻率擷取、3-lead EKG，及使用 3.7V 1100mA∙鋰電池，可連 續擷取 22 小時 EKG 訊號。實際實現時，在不減損所需特徵下改以每秒 256 點擷取 EKG 訊 號，可減少資料量，提高傳送分析時的速度；為達到可攜與操作之方便性，改為 1-lead EKG；使用時間依據所配置鋰電池容量有所調整，以計畫產出規格來看，目前硬體裝置使 用 600mAh 鋰電池，實際使用時至少能使用超過 15 小時，仍符合醫院使用時的需求（後續 改使 3.7V 600mA∙鋰電池，可使用 20 小時）。而在演算法開發上，除已開發 QRS 波偵測、 雜訊濾除相關程式外，在心血管疾病特徵偵測上，已可成功偵測心房纖維顫動（Atrial Fibrillation）及心室性心律不整等疾病。整體而言，目前研究成果不僅達到計畫目標， 更開發出可偵測心血管疾病的演算法。因健保目前尚未將居家照護納入給付範圍，本系統 商品化後，可先與提供居家照護服務業者合作，提供付費使用機制；在國內政策法規調整 後，再推廣至一般大眾，達成真正居家照護的目的。