Name: 자동 12유도 심전도(ECG) 디지털화 및 웨이브폼 데이터베이스(WFDB) 표준화: 베트남 임상 데이터에서의 통찰 (동영상) | JoVE Journal
Uploaded: 2026-03-13T14:15:00.000+00:00
Duration: 9 min 24 s
Description: 배우세요 12유도 심전도 이미지를 WFDB 표준 디지털 신호로 자동 변환하는 재현 가능한 프로토콜을 통해 임상 데이터의 계산 분석 및 상호운용성을 확보하는 방법입니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

<ol><li>Muhammet, A., Fani, D., Christos, A., Idris, Z., Gruschen, R. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Digitization+and+Linkage+of+PDF+Formatted+12-Lead+Electrocardiograms+in+Adult+Congenital+Heart+Disease%5BTitle%5D)+AND+%22CJC+Pediatric+and+Congenit+Heart+Dis%22%5BJournal%5D)">Digitization and Linkage of PDF Formatted 12-Lead Electrocardiograms in Adult Congenital Heart Disease.</a> CJC Pediatric and Congenit Heart Dis. 4 (5), 263-273 (2025).</li>
<li>Baydoun, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High+precision+digitization+of+paper-based+ECG+records%3A+A+step+toward+smart+machine+learning%5BTitle%5D)+AND+%22IEEE+J+Transl+Eng+Health+Med%22%5BJournal%5D)">High precision digitization of paper-based ECG records: A step toward smart machine learning.</a> IEEE J Transl Eng Health Med. 7, 1-8 (2019).</li>
<li>Demolder, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High+precision+ECG+digitization+using+artificial+intelligence%5BTitle%5D)+AND+%22Biomed+Signal+Process+Control%22%5BJournal%5D)">High precision ECG digitization using artificial intelligence.</a> Biomed Signal Process Control. 72, 103331(2024).</li>
<li>Prim, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+data+pipeline+for+extraction+and+processing+of+electrocardiogram+recordings%5BTitle%5D)+AND+%22Comput+Cardiol%22%5BJournal%5D)">A data pipeline for extraction and processing of electrocardiogram recordings.</a> Comput Cardiol. 48, 1-4 (2021).</li>
<li>Rautela, D., Bajeli, D., Kumar, M., Vaidya, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identifying+cardiovascular+disorders+through+ECG+image+analysis%5BTitle%5D)+AND+%22Knowl-Based+Syst%22%5BJournal%5D)">Identifying cardiovascular disorders through ECG image analysis.</a> Knowl-Based Syst. 186, 104925(2020).</li>
<li>Reyna, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ECG-Image-Database%3A+A+dataset+of+ECG+images+with+real-world+imaging+and+patient+annotations%5BTitle%5D)+AND+%22arXiv%22%5BJournal%5D)">ECG-Image-Database: A dataset of ECG images with real-world imaging and patient annotations.</a> arXiv. , (2024).</li>
<li>Ribeiro, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+12-lead+ECG+classification+using+a+convolutional+network+ensemble%5BTitle%5D)+AND+%22Comput+Cardiol%22%5BJournal%5D)">Automatic 12-lead ECG classification using a convolutional network ensemble.</a> Comput Cardiol. 47, 1-4 (2020).</li>
<li>Jessy, K. S. J., Manikandan, D. G., Hemalatha, M. S., Veroncia, M. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detection+of+cardiovascular+disease+using+ECG+images+in+machine+learning+and+deep+learning%5BTitle%5D)+AND+%22Int+J+Sci+Res+Sci+Technol%22%5BJournal%5D)">Detection of cardiovascular disease using ECG images in machine learning and deep learning.</a> Int J Sci Res Sci Technol. 11, 131-139 (2024).</li>
<li>Digitization of ECG records using signal extraction techniques. Karnaschandani, H., et al. 2024 Second International Conference on Data Science and Information System (ICDSIS), Hassan, India, , 1-8 (2024).</li>
<li>Nguyen, C. V., Nguyen, H. N., Nguyen, D. A., Do, C. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((VinDigitizer%3A+An+image+processing+approach+to+digitize+paper+ECG+records%5BTitle%5D)+AND+%22Comput+Cardiol%22%5BJournal%5D)">VinDigitizer: An image processing approach to digitize paper ECG records.</a> Comput Cardiol. 51, 1-4 (2024).</li>
<li>Patil, R., Narkhede, R. D., Vama, B., Suraliya, S., Raut, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Auto+lead+extraction+in+ECG+images%3A+Identification+of+ECG+paper+records+using+deep+learning%5BTitle%5D)+AND+%22Biomed+Signal+Process+Control%22%5BJournal%5D)">Auto lead extraction in ECG images: Identification of ECG paper records using deep learning.</a> Biomed Signal Process Control. 72, 103339(2024).</li>
<li>Santamaría, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ECGMiner%3A+A+flexible+software+for+accurately+digitizing+ECG%5BTitle%5D)+AND+%22Comput+Methods+Programs+Biomed%22%5BJournal%5D)">ECGMiner: A flexible software for accurately digitizing ECG.</a> Comput Methods Programs Biomed. 246, 108053(2024).</li>
<li>Shivashankara, K. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+open+ECG-image+toolkit%3A+ECG-ImageNet+%E2%80%93+an+open+image+generation+toolbox+to+facilitate+deep+learning-based+electrocardiogram+digitization%5BTitle%5D)+AND+%22Biomed+Signal+Process.+Control%22%5BJournal%5D)">An open ECG-image toolkit: ECG-ImageNet – an open image generation toolbox to facilitate deep learning-based electrocardiogram digitization.</a> Biomed Signal Process. Control. 72, 103342(2024).</li>
<li>Wang, L. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Paper-recorded+ECG+digitization+method+with+automatic+reference+voltage+selection+for+telemonitoring+and+diagnosis%5BTitle%5D)+AND+%22Diagnostics%22%5BJournal%5D)">Paper-recorded ECG digitization method with automatic reference voltage selection for telemonitoring and diagnosis.</a> Diagnostics. 14 (17), 1910(1910).</li>
<li>Wang, T., Zhang, Y., Liu, X., Huang, Z., Qin, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+Detection+of+Arrhythmias+Using+a+YOLO-Based+Network+with+Long-Duration+ECG+Signals%5BTitle%5D)+AND+%22Eng+Proc%22%5BJournal%5D)">Automatic Detection of Arrhythmias Using a YOLO-Based Network with Long-Duration ECG Signals.</a> Eng Proc. 2 (1), 84(2020).</li>
<li>Wu, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+fully+automated+paper+ECG+digitisation+algorithm+using+deep+learning%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">A fully automated paper ECG digitisation algorithm using deep learning.</a> Sci Rep. 12, 25284(2022).</li>
<li>Júnior, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+automated+machine+learning+method+to+efficiently+classify+the+12-lead+ECG+signal+acquisition+quality%5BTitle%5D)+AND+%22Computing+in+Cardiology%22%5BJournal%5D)">An automated machine learning method to efficiently classify the 12-lead ECG signal acquisition quality.</a> Computing in Cardiology. 50, 1-6 (2023).</li>
<li>Lence, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ECGtizer%3A+A+fully+automated+digitizing+and+signal+recovery+pipeline+for+electrocardiograms%5BTitle%5D)+AND+%22arXiv%22%5BJournal%5D)">ECGtizer: A fully automated digitizing and signal recovery pipeline for electrocardiograms.</a> arXiv. , (2024).</li>
<li>Büyüksolak, O., Öksüz, İ <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pic2Diagnosis%3A+A+Method+for+Diagnosis+of+Cardiovascular+Diseases+from+the+Printed+ECG+Pictures%5BTitle%5D)+AND+%22Proc.+IEEE+EMBC%22%5BJournal%5D)">Pic2Diagnosis: A Method for Diagnosis of Cardiovascular Diseases from the Printed ECG Pictures.</a> Proc. IEEE EMBC. , (2025).</li>
</ol>

<table><tbody><tr><td>GPU (런타임 테스트)</td><td>엔비디아</td><td>GeForce RTX 3060 12GB</td><td>NVIDIA GeForce RTX 3060 12GB 런타임 테스트용</td></tr><tr><td>넘버피</td><td>넘버피</td><td>1.26.4</td><td>수치 처리</td></tr><tr><td>오픈CV</td><td>오픈CV</td><td>4.10.0.84</td><td>이미지 전처리 (deskew, 필터링)</td></tr><tr><td>운영 체제(런타임 테스트)</td><td>마이크로소프트</td><td>윈도우 11</td><td>런타임 테스트에 사용되는 Windows 11</td></tr><tr><td>PDF에서 이미지로 변환하는 변환기</td><td>이 프로토콜</td><td>V1</td><td>300 DPI의 PDF 래스터화; 데이터 가용성에 저장소 URL 제공</td></tr><tr><td>파이썬</td><td>파이썬 소프트웨어 재단</td><td>3.12.5</td><td>런타임 환경</td></tr><tr><td>파이토치</td><td>파이토치</td><td>0.5.0</td><td>YOLOv12 백엔드</td></tr><tr><td>스캐너</td><td>정식 설정(캐논)</td><td>DR-C240</td><td>300 DPI, 그레이스케일, PNG/TIFF 권장</td></tr><tr><td>scikit-image</td><td>scikit-image</td><td>0.25.0</td><td>골격화 및 형태 (중심선)</td></tr><tr><td>울트라리틱스</td><td>울트라리틱스</td><td>8.3.155</td><td>YOLOv12 훈련/추론 프레임워크</td></tr><tr><td>wfdb (파이썬 패키지)</td><td>피지오넷</td><td>4.1.2</td><td>WFDB 내보내기 (.hea/.dat)</td></tr></tbody></table>

자동 12유도 심전도(ecg) 디지털화 및 웨이브폼 데이터베이스(wfdb) 표준화: 베트남 임상 데이터에서의 통찰

Automated 12-Lead Electrocardiograms (ECG) Digitization and WaveForm DataBase (WFDB) Standardization: Insights from Vietnamese Clinical Data

자동 12유도 심전도(ECG) 디지털화 및 웨이브폼 데이터베이스(WFDB) 표준화: 베트남 임상 데이터에서의 통찰

Many clinics still archive 12-lead electrocardiograms (ECGs) as printed paper records or raster images embedded in PDF reports, which limits ...

임상 및 연구를 위해 ECG 이미지를 표준화된 WFDB 신호로 변환하는 자동화된 방법을 제시합니다. 기존 방법들은 노이즈와 레이아웃의 가변성으로 인해 어려움이 있었으나, 본 접근 방식은 강건성과 표준화를 향상시킵니다.먼저, 300 dpi 그레이스케일 PDF 이미지로 제공된 모든 수집된 심전도(electrocardiograms 또는 ECG)를 Data라는 이름의 폴더에 넣으십시오. Python을 사용하여 데이터 폴더에서 ECG PDF 파일을 열고 분석할 PDF를 선택합니다. PDF의 각 페이지를 300 dpi로 렌더링하고, 렌더링된 각 페이지를 그레이스케일로 변환합니다. 이미지 품질을 유지하기 위해 최소한의 압축을 사용하여 처리된 ECG 페이지를 JPG 이미지로 저장하십시오. 생성된 이미지를 지정된 출력 이미지 폴더에 저장하되, 원본 PDF와 일치하는 파일명을 유지하십시오. 그레이스케일 ECG 이미지에 CLAHE를 적용하여 국소 대비를 높이고, 희미한 그리드 라인과 파형 특성의 가시성을 개선하는 동시에 이후 분석을 위한 이미지 세부 사항을 보존하십시오. 가벼운 가우시안 블러(Gaussian blur)를 적용하여 파형의 경계는 유지하면서 고주파 노이즈를 줄입니다. 전처리된 이미지를 지정된 전처리 출력 폴더에 저장하십시오. 이미지가 성공적으로 저장되었으며 후속 특징 추출 및 분석에 사용할 수 있는지 확인합니다. 전처리된 출력물의 일부를 검사하여 그리드 라인과 트레이스가 읽기 가능한 상태인지 확인하십시오. 올바르게 처리된 이미지와 과도하게 부드럽게 처리된 버전을 비교하고, 파형 형태를 왜곡하고 분석 정확도를 떨어뜨리는 과도한 스무딩(smoothing)은 피하십시오.ECG 이미지 내의 수직 및 수평 그리드 라인을 검출하여 이후의 파형 분석에 활용하기 위해 허프 변환(Hough transform)을 적용합니다. ECG 그리드 간격을 계산하고 이를 사용하여 정확한 파형 측정을 위한 픽셀-밀리미터 변환 계수를 결정합니다. 분석의 정확도를 위해 파형과 그리드 라인의 품질을 유지하면서 이미지 스케일을 정규화하도록 바이큐빅 보간법(bicubic interpolation)을 사용하여 보정된 이미지를 리스케일합니다. 그런 다음, 보정된 이미지를 지정된 보정 출력 폴더에 저장하고, 이후의 파형 분석을 위해 성공적으로 저장되었는지 확인합니다. 보정 과정을 기록하기 위해 보정 파라미터를 구조화된 로그 파일로 저장하고, 추적 가능성과 향후

automated-12-lead-electrocardiograms-ecg-digitization-waveform

Research

연구

JoVE Journal

Engineering

공학

연속 12 리드 electrocardiographic (ECG) 모니터링은 의심 급성 관상 동맥 증후군 (ACS) 환자들 경우에도 무증상, 과도 심근 국소 빈혈을 식별 할 수 있습니다. 이 글에서 우리는, 홀터 장치를 사용하여 환자의 모니터링을 시작 오프라인 분석을위한 ECG 데이터를 다운로드하는 방법과 과도 국소 빈혈을 식별 할 수 ECG 소프트웨어를 사용하는 방법에 대한 우리의 방법에 대해 설명합니다.

지속적인 ST 세그먼트 분석을 사용하여 의심되는 급성 관상 증후군 환자에서 심근 국소 빈혈 과도를 검출하기위한 연구 방법

여기에서, 우리는 살아있는 마취된 성숙한 얼룩말어에 있는 심전도를 기록하고 해석하는 믿을 수 있고, 최소침습, 비용 효과적인 방법을 제시합니다.

성인 얼룩말 피시를위한 생체 내 표면 심전도

우리는 표준 심전도에서 아인토벤 리드와 동일하게 작동하는 스마트 워치에 의해 세 개의 리드 양극성 심전도의 환자 지시 등록을위한 프로토콜을 설명합니다. 이것은 환자가 현상의 개시 직후에 스스로 심전도를 기록할 수 있게 합니다.

심전도 기능이 있는 스마트워치를 이용한 양극성 3리드 심전도 환자 지시 기록

여기에서는 기본 ECG 매개 변수 및 일반적인 부정맥에 대한 쥐의 장기 심전도 (ECG) 데이터를 분석하기위한 반자동 접근 방식에 대한 단계별 프로토콜을 제시합니다. 데이터는 살아 있는 마우스와 깨어 있는 마우스의 이식형 원격 측정 송신기로 얻고 Ponemah 및 해당 분석 모듈을 사용하여 분석합니다.

마우스의 부정맥을 감지하기 위한 장기 심전도 기록 분석

이 연구는 고급 정보학 기술을 활용하여 능동 식도 냉각으로 치료받은 고주파 심방 절제술을받는 환자의 시술 기간을 기존의 내강 식도 온도 모니터링으로 치료받은 환자와 비교했습니다. 상황별 조회, 워크플로 분석 및 데이터 매핑이 활용되었습니다. 연구 결과는 능동 냉각으로 절차 시간이 단축되고 가변성이 있음을 입증했습니다.

심방세동을 위한 고주파 절제 중 능동 식도 냉각으로 시술 시간 및 변동성 감소

이 연구는 비침습적 무영상 심전도 이미징 시스템을 사용하여 실시간 심장 매핑을 위한 새로운 접근 방식을 소개합니다. 이 시스템을 사용하면 시술 전 컴퓨터 단층 촬영 또는 자기 공명 영상 스캔 없이 전기 생리학적 심장 지도를 획득할 수 있으므로 절제 및 심장 재동기화 요법 임플란트와 같은 심장 시술에 대한 효율적인 안내를 할 수 있습니다.

Noninvasive Imageless Electrocardiographic Imaging System을 사용한 실시간 심장 매핑

우리는 구조적으로 복잡한 물질로 흩어져 빛의 방향으로 공간 변화를 샘플링 비파괴 방법을 제시한다. 동시에 고해상도 이미지와 미세 규모의 방향 기여를 캡처하는 동안 물질이 그대로 유지함으로써, 우리는 총 규모의 산란 행동을 유지합니다. 결과는 생물학 관련 위치와 규모에서 소프트웨어의 시각이다.

생물 재료의 공간적 및 방향성에 따라 변화 광산란 측정

문서는 임의의 변조, 파장, 및 데이터 레이트와 광 데이터 패킷을 저장하는 절차를 설명한다. 이러한 패킷은 현대 통신의 기초가된다.

광학 데이터 패킷을 준 광 저장

질량 분석의 모든 종의 온라인 분석 실험실 규모의 화염에서 가스 샘플링은 연소 과정 중에 발생하는 화합물의 복잡한 혼합물을 조사 할 수있는 강력한 방법입니다. 싱크로 생성 된 진공 자외선을 통해 조정 가능한 소프트 이온화와 결합,이 기술은 이성체 해결 정보와 잠재적 조각없는 질량 스펙트럼을 제공합니다.

고급 광원 불꽃 실험 : 그을음 형성 프로세스에 새로운 통찰력

임베디드 감도 함수를 결정하기 위한 데이터 수집 절차에 대해 설명합니다. 데이터를 수집하고 주거용 규모의 풍력 터빈 블레이드에 대한 대표적인 결과를 보여줍니다.

데이터 수집 프로토콜 임베디드 감도 기능을 결정하는

배우세요 12유도 심전도 이미지를 WFDB 표준 디지털 신호로 자동 변환하는 재현 가능한 프로토콜을 통해 임상 데이터의 계산 분석 및 상호운용성을 확보하는 방법입니다.

자동 12유도 심전도(ECG) 디지털화 및 웨이브폼 데이터베이스(WFDB) 표준화: 베트남 임상 데이터에서의 통찰

더 많은 동영상 탐색