• 대한전기학회
Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers
  • COPE
  • kcse
  • 한국과학기술단체총연합회
  • 한국학술지인용색인
  • Scopus
  • crossref
  • orcid

  1. (Dept. of Biomedical Engineering Chonnam National University, Korea.)



Autonomic Nervous System, Heart Rate Variability, Mobile Healthcare, Ultra-short-term HRV

1. 서 론

심박변이도(HRV, Heart Rate Variability)는 연속적인 QRS 간격(RRI, R-R interval)의 미세한 변화를 분석하는 기법으로, 심전도(ECG, Electrocardiogram)로부터 유도된다. 심박변이도는 자율신경계 활동 평가와 스트레스 분석에 응용되고 있으며 몇 분 만의 단기적 기록으로도 임상적으로 교감, 부교감 신경의 상호작용을 평가하는 지표로 유의미하다고 알려져 있다(1). 1996년 유럽 심장학회와 미국의 심장전기진단학회 공동으로 운영된 태스크포스(taskforce)는 심박변이도를 자율신경조절 기능을 검출하는 유용한 비침습적인 지표, 심혈관계 질환의 예측지표, 자율신경조절 기능 이상에 따른 다양한 질환 진단 지표로 소개하였다(2). 이와 함께 심박변이도의 정의, 정량화 지표, 측정방법, 임상적 의미, 응용 등에 대한 권고 사항을 제시하였고, 장기간 분석(long-term analysis)의 경우 24 시간, 단기간 분석(short-term analysis)의 경우 안정된 상태로 최소 5 분간 측정할 것이 권고되었다(2). 태스크포스에서 권고한 단기간 분석방법으로는 시간 영역(time domain) 분석방법과 주파수 영역(frequency domain) 분석방법이 있다(2). 시간 영역 분석은 정상 박동(N, Normal beat)을 기준으로 하여 AVNN(average of NN interval), SDNN(standard deviation of all NN interval), SDSD(standard deviation of successive difference of NN interval), RMSSD(root mean square of successive difference of NN interval), pNN50(percentage of successive NN intervals that differ by more than 50 ms) 등의 지표를 분석하며, 주파수 영역에서는 TP(total power), VLF(very low frequency power), LF(low frequency power), HF(high frequency power), LF/HF(ratio of LF and HF), nLF(normalized LF), nHF(normalized HF) 지표를 분석하여 사용한다(2).

하지만, 최근 심박변이도 활용범위가 모바일 및 웨어러블 디바이스로 확장됨으로 인해 분석에 필요한 측정시간이 주요한 문제로 부각되고 있다. 의료용 목적으로 심박변이도가 사용될 때에는 진단 검사 항목으로 사용되거나, 병원에서의 일회성 측정이 요구되므로 측정시간에 대한 제약이 비교적 적은 편이지만, 일상적 건강관리 용도로 사용되는 경우에 5 분간의 측정 동안 사용자가 안정된 상태를 유지해야 하는 것은 측정의 번거로움과 피로를 야기할 수 있고, 이로 인한 사용성의 저하가 이루어질 수 있기 때문이다.

이러한 관점에서, 5 분 이하의 심전도 및 맥박 신호를 사용한 초단기 심박변이도 분석(ultra-short-term HRV analysis)에 대한 연구가 수행되어왔다[3-6]. Nussinovitch 등은 70 명의 피험자로부터 휴식 시의 5 분, 1 분, 10 초 구간의 심전도로 계산된 심박변이도 결과를 비교하여, 10 초 및 1 분의 심전도로 계산된 RMSSD가 5 분의 심전도로 계산된 RMSSD와 상관관계가 있음을 보였다(3). Salahuddin 등의 연구에서는 스트룹 색상-단어 검사(Stroop color word test) 중인 24 명의 건강한 성인의 심전도로부터 계산된 초단기 심박변이도 결과를 5분의 심전도로 분석된 결과와 비교하여, RMSSD는 30 초 이내; HF는 40 초 이내; LF/HF, nLF, nHF는 50 초 이내의 신호 획득이 필요함을 보였다(4). 또한, McNames와 Aboy는 PhysioNet의 R-R interval 데이터베이스를 사용하여 5 분의 심전도로 분석된 심박변이도 결과와 10 초에서 10 분 사이의 다양한 구간의 심전도로 분석된 결과를 비교하여, 초단기 심박변이도 분석에서 HF, SDSD, RMSSD가 5 분으로 분석된 결과와 강한 상관관계가 나타냄을 보였다(5). 마지막으로 백현재 등의 연구에서는 467 명의 다양한 연령대의 건강한 피험자로부터 휴식 시 획득된 광용적맥파(PPG, Photoplethysmogram)로 초단기 심박변이도 분석을 하고, 5 분의 광용적맥파로 분석된 결과와 비교하였다(6). 이 연구에서는 5 분으로 분석된 심박변이도 결과를 추정하기 위해서는 HR(heart rate) 10 초; HF 20 초; RMSSD 30 초; pNN50 60 초; LF, nLF, HF, nHF, LF/HF 90 초; SDNN 240 초; VLF 270 초의 최소 신호 획득 구간이 필요함을 보였다. 이러한 연구들에서 HR과 RMSSD, pNN50, LF, HF, nLF, nHF, LF/HF는 90 초 이내의 비교적 짧은 분석 구간을, SDNN, VLF는 상대적으로 긴 분석 구간을 필요로 하였다.

하지만, 이상의 결과는 모두 안정 상태의 심박변이도 분석에만 한정되어 동적 상태를 포함하는 모바일 환경에 바로 적용하기에는 적합하지 않다. 실제로 심박변이도 분석이 사용되는 대부분의 모바일 기기는 측정 전 충분한 안정 없이 단기간의 신호를 획득하여 분석하기 때문에 자율신경 활성도의 과도기적 변화가 포함될 수 있다. 따라서, 동적 상태 후 과도기 상태에서 신뢰성 있는 심박변이도 분석의 최소 측정시간의 검증이 필요하다. 이에 본 연구에서는 과도기적 상태에서 얻어진 신호로 초단기 심박변이도 분석을 하여 모바일 기기에서 신뢰할 수 있는 심박변이도 분석의 최소 측정시간을 제시하는 것을 목표로 한다. 이를 위해 운동 후 회복 시 얻어진 5 분의 심전도로부터 10, 30, 60, 120, 180, 240 초 구간의 신호를 추출하여 시간 영역 및 주파수 영역에서 초단기 심박변이도 분석을 하였고, 각 변수 별로 5 분으로 분석된 결과와 유의한 차이를 보이지 않는 최소 구간을 도출하였다.

2. 연구 방법

2.1 데이터셋 생성

실험은 심혈관 질환이 없는 건강한 성인 30 명을 대상으로 한 번씩 수행되었다(남 20 명, 여 10 명, 나이 24.2±3.9 세). 피험자는 실험 시작 전 10 분간 앉은 상태로 안정을 취하였고, 정해진 프로토콜에 맞추어 유산소 운동을 시행하였다. 유산소 운동은 상체 움직임으로 인한 잡음을 최소화시키기 위해 고정식 자전거를 사용하는 방법을 적용하였으며, 운동부하 검사 방법인 CPET(Cardiopulmonary exercise testing)(7)를 참고하여 60 rpm의 속도로 2 분간 강도 1로 워밍업(warming-up)을 한 후, 매 2 분마다 강도를 1 단계씩 올리는 방법을 적용하였다. 또한, 운동부하 검사의 권장 운동시간이 8-12 분인 것을 참고하여(8) 워밍업을 포함한 총 운동시간을 8 분으로 설정하였다. 운동이 종료된 후 고정식 자전거에 그대로 앉은 상태에서 5 분간 회복 시의 심전도가 Lead I 방식으로 1 kHz 샘플링 주파수로 기록되었다. 일반적으로 최대심박수(HRmax)의 85% 이상에 도달되면 고강도 운동으로 정의된다. 따라서 유산소 운동 도중 피험자의 심박수가 식(1)에 의해 산출된 최대심박수(9)의 85%에 해당하는 연령별 목표 심박수에 도달하게 되면 즉시 운동을 중단하고 바로 회복상태의 신호를 기록하였으며, 본 연구에서 연령별 목표 심박수에 도달하여 운동을 중단한 경우는 총 2 번 존재하였다. 실험 데이터 획득에는 MP150과 RSPEC-R(Biopac Systems, Inc., CA, USA)이 사용되었다.

(1)
$HR_{\max}=205-(0.685 \times age)$

심박변이도 분석을 위해, 획득된 심전도로부터 R-peak를 기준으로 QRS 지점을 검출하였다. 이때, QRS 위치의 오검출은 심박변이도 분석 결과의 왜곡을 가져올 수 있으므로, 숙련된 연구자에 의해 모든 QRS 위치가 수동 검증되었다. 검출된 연속적인 R-peak의 위치를 통해 연속적인 QRS 간격이 계산되었고, 신호 획득 구간에 따른 영향을 분석하기 위하여 5 분의 연속적인 QRS 간격 데이터에서 초단기 구간(10, 30, 60, 120, 180, 240 초)의 신호를 추출하여 한 명의 피험자로부터 5 분의 데이터를 포함한 7 개의 데이터를 생성하였다 (그림 1).

2.2 심박변이도 분석 지표

본 연구에서는 시간영역 분석에서 대표적으로 활용되는 지표인 AVNN, SDNN, SDSD, RMSSD, pNN50이 사용되었고, 주파수 영역 지표로는 TP, VLF, LF, HF, LF/HF, nLF, nHF가 사용되었다. VLF, LF, HF에 해당하는 주파수는 각각 0.0033- 0.04 Hz, 0.04-0.15 Hz, 0.15-0.4 Hz로 설정하였으며(10), 0.0033 Hz 이하 주파수 대역의 파워인 ULF(ultra low frequency power)는 주로 24 시간 이상의 장기간 심박변이도 분석에 사용되므로 본 연구에서는 제외되었다.

그림. 1. 운동 후 회복 시 심박간격의 예시와 초단기 분석구간의 설정 방법

Fig. 1. Example of RRI in recovery condition after exercise and method of set up the ultra-short-term analysis interval

../../Resources/kiee/KIEE.2020.69.1.114/fig1.png

2.3 통계 분석 및 검증

표 1. 분석 구간에 따른 심박변이도의 시간 영역 및 주파수 영역 분석 결과

Table 1. Result of the time and frequency domain analysis of HRV according to analysis interval

Analysis

Interval

Time domain variables (mean(std))

Frequency domain variables (mean(std))

AVNNf

(ms)

SDNNf

(ms)

SDSDf

(ms)

RMSSDf

(ms)

pNN50f

(%)

TPf

(ms2)

VLFf

(ms2)

LFf

(ms2)

HFf

(ms2)

LF/HFf

(n.u.)

nLFf

(n.u.)

nHFf

(n.u.)

300 s

(baseline)

650.68

(81.50)

59.67

(19.23)

24.36

(14.53)

24.34

(14.51)

7.18

(10.29)

728.67

(619.38)

299.57

(256.28)

191.59

(249.88)

130.28

(172.43)

2.33

(1.76)

0.42

(0.15)

0.27

(0.16)

240 s

643.82

(81.84)

61.11

(19.96)

24.55

(14.60)

24.52

(14.57)

7.47

(10.29)

750.34

(703.80)

332.25

(332.19)

178.77

(260.85)

137.66

(167.82)

1.97

(1.62)

0.41

(0.14)

0.31

(0.17)

180 s

643.13

(82.44)

61.71

(20.55)

24.90

(14.98)

24.87

(14.95)

7.60

(10.49)

778.43

(775.82)

363.07

(414.49)

170.63

(235.19)

155.60

(189.06)

1.73

(1.73)

0.42

(0.17)

0.37

(0.19)

120 s

620.26

(85.95)**

62.11

(23.98)

25.31

(15.72)

25.26

(15.68)

7.87

(10.95)

715.32

(885.85)

272.81

(403.98)

215.98

(259.25)

197.82

(294.38)

2.02

(2.19)

0.50

(0.21)

0.43

(0.19)*

60 s

583.60

(79.89)***

53.94

(25.05)

23.56

(16.01)

23.49

(15.93)

6.64

(9.63)

513.32

(617.68)

130.68

(255.84)*

196.91

(284.64)

178.38

(281.69)

1.69

(1.86)

0.49

(0.19)

0.48

(0.21)***

30 s

549.31

(70.75)***

36.93

(16.66)**

17.42

(11.04)*

17.37

(10.94)*

3.33

(5.56)*

187.50

(192.35)***

18.01

(19.38)***

85.22

(100.08)***

83.45

(102.22)

2.38

(5.41)

0.51

(0.22)

0.48

(0.22)***

10 s

517.74

(63.43)***

18.32

(11.53)***

11.98

(9.79)***

11.83

(9.38)***

1.28

(3.57)**

102.19

(234.87)***

5.64

(15.26)***

31.49

(86.49)***

64.71

(139.96)*

0.49

(0.34)***

0.29

(0.16)

0.70

(0.16)***

*p<0.05, **p<0.01, ***p<0.001 by Nemenyi post-hoc, $^f$Friedman test

본 연구는 5 분간의 심박동 간격과 그로부터 추출된 초단기 심박동 간격을 분석에 사용하였으므로, 통계 분석에 사용된 총 7 개의 그룹은 독립된 그룹(independent group)이 아닌 짝지어진 그룹(paired group)으로 보는 것이 타당하다. Levene의 등분산 검정을 사용하여 분산 동질성을 평가한 결과 SDNN(p<0.01), pNN50(p<0.05), VLF(p<0.001) 변수에서 등분산 조건을 만족하지 않았다. 따라서 짝지어진 세 그룹 이상의 평균 동일성을 검정하는 반복측정 분산분석(Repeated measures ANOVA)의 비모수적(non-parametric) 통계 방법인 Friedman test를 사용하여 7 개의 각기 다른 분석 구간(10 초, 30 초, 60 초, 120 초, 180 초, 240 초, 300 초(5 분))으로 분석된 결과들의 평균 순위(mean rank)간에 유의한 차이(p<0.05)가 있는지를 평가하였다. 이후, Friedman test에서 유의한 차이를 보인 변수들, 즉 분석에 사용된 신호의 구간에 따라 유의한 차이를 보인 변수들에 대해서는 5 분간의 신호로 분석된 결과를 기준으로 Nemenyi 사후 검정(post-hoc)을 사용하여 구간별 유의성을 검증하였다. 신호 처리 및 분석에는 Matlab 2016a (Mathworks, inc., MA, USA), SPSS statistics version 20.0(IBM, Armonk, NY, USA)이 사용되었다.

3. 결과 및 고찰

표 1은 피험자 30 명의 분석 구간에 따른 심박변이도의 시간 영역 및 주파수 영역 분석 결과의 평균, 표준편차, 통계 분석 결과를 보여준다. Friedman test 결과 모든 심박변이도 분석 변수들에서 분석 구간에 따른 유의한 차이를(p<0.05) 가지는 것을 확인하였다. 이는 모든 심박변이도 변수들에서 7 개 그룹의 분석 결과가 동일하지 않음, 즉 초단기 심박변이도 분석을 수행하였을 때 기존 5분 심박변이도 분석 결과와 다르게 해석될 수 있음을 의미한다.

그림 2그림 3은 피험자 30 명의 분석 구간에 따른 심박변이도 분석 결과의 변화와 Nemenyi 사후검정 결과를 나타내며, 그림에서 ‘*’은 Nemenyi 사후검정에서 5 분의 심전도로 분석된 기준값과 비교하여 초단기 구간의 심전도로 분석된 결과가 유의한 차이(p<0.05)를 가지는 것을 의미한다. 이것은 다양한 분석 구간으로 도출된 각각의 초단기 심박변이도 변수들이 5 분 심박변이도 변수들과 비교하였을 때 차이를 가지는지에 대한 검정으로, 사후검정 결과를 통해 각 변수 별로 통계적으로 유의미한 차이가 시작되는 분석구간을 알 수 있다. 결과적으로 5 분 심박변이도와 통계적 차이를 가지지 않기 위해서는 시간 영역의 경우 AVNN에서 180 초 이상, SDNN, SDSD, RMSSD, pNN50에서 60 초 이상의 분석 구간이 요구되었으며, 주파수 영역의 경우는 HF, LF/HF에서 30 초 이상, TP, LF에서 60 초 이상, VLF에서 120 초 이상, nHF에서 180 초 이상의 분석 구간이 요구 되었다. nLF는 Friedman test에서 분석 구간에 따른 유의한 차이를 보였을 뿐 아니라, 표 1그림 3을 통해 10 초 구간으로 분석된 결과와 30 초 구간으로 분석된 결과 간에 차이가 있음을 확인할 수 있었다. 하지만, 사후검정에서는 어떠한 구간에서도 유의한 차이가 발견되지 않았는데, 이러한 현상은 비모수 분석 방법의 한계 때문이라 생각된다.

그림. 2. 분석 구간에 따른 심박변이도 시간 영역 분석 결과의 변화 및 통계적 유의성

Fig. 2. Change and statistical significance of the time domain analysis result of HRV according to the analysis interval

../../Resources/kiee/KIEE.2020.69.1.114/fig2.png

그림. 3. 분석 구간에 따른 심박변이도 주파수 영역 분석 결과의 변화 및 통계적 유의성

Fig. 3. Change and statistical significance of the frequency domain analysis result of HRV according to the analysis interval

../../Resources/kiee/KIEE.2020.69.1.114/fig3.png

그림 2그림 3에서 분석 지표별로 의미를 살펴보면 부교감 신경의 활성도를 반영하는 지표인 RMSSD, pNN50, HF의 시간에 따른 증가는 운동 후 시간이 지날수록 부교감 신경의 활성이 증가함을 나타내고 있다. 하지만, 60 초 이상의 분석 구간부터는 값의 변동이 거의 생기지 않는 것으로 보아, 60 초 이후부터는 운동 후 자율신경 활성도의 과도기적 변화가 대부분 사라진 것으로 판단된다. 마찬가지로 분석 구간이 짧아질수록 nHF가 점차 증가하는 현상은, 운동 직후에는 자율신경계의 균형을 맞추기 위해 부교감 신경이 급격히 촉진되고, 시간이 지날수록 활성도가 감소함을 보여주고 있다. TP는 자율신경계의 전체적인 활성 정도를 반영하는 지표로 시간 영역의 SDNN과 높은 상관성을 보인다고 알려져 있으며, 본 연구에서도 운동 직후 부교감 신경의 활성으로 인해 TP와 SDNN 모두 60초 이하의 구간까지 비슷하게 점차 증가하는 경향을 보인다.

표 2는 이상의 결과를 바탕으로 제시된 회복 시 초단기 심박변이도 분석에 요구되는 최소 구간과 이전 연구(6)에서 제시된 안정 상태의 초단기 심박변이도 분석에 요구되는 최소 구간을 비교하여 보여준다. 본 연구에서는 Nemenyi 사후 검정에서 5분의 신호로 분석된 결과와 비교하였을 때 유의한 차이를 보이지 않기 시작한 최소 구간을 초단기 심박변이도 분석에 요구되는 최소 신호 구간으로 정의하였으며, 결과적으로 AVNN(180 초), VLF(120 초), nHF(180 초)를 제외한 대부분의 변수들에서 60 초 이상의 분석 구간에서 5 분의 심전도로 분석된 결과와 유의한 차이가 발생하지 않았다. 휴식 상태에서의 초단기 심박변이도 분석의 경우, 전반적인 심장박동수를 나타내는 AVNN 분석을 위해 10 초의 최소 구간이 요구되었지만, 회복 시 초단기 심박변이도 분석의 경우에는 AVNN 분석을 위해 180 초 이상의 긴 분석 구간을 필요로 하였다. 이는 교감 신경의 활성에 따라 감소하였던 심박간격의 변동 폭

표 2. 운동 후 회복 시 심박변이도 분석에 요구되는 최소 신호 구간

Table 2. Minimum interval required for HRV analysis in recovery condition after Exercise

P-valuea

Minimum interval (s)

Recovery

(proposed)

Resting(6)

AVNN

0.143

180

10

SDNN

0.943

60

240

SDSD

0.999

60

-

RMSSD

0.997

60

30

pNN50

0.999

60

60

TP

0.097

60

240

VLF

0.762

120

270

LF

0.589

60

90

HF

0.893

30

20

LF/HF

0.255

30

90

nLF

-

-

90

nHF

0.054

180

90

$^a$P-values were calculated using Nemenyi post-hoc

이 안정된 상태까지 도달하는데 비교적 긴 시간이 필요하며, AVNN이 자율신경계의 과도기적 변화를 유의미하게 반영하는 것으로 생각할 수 있다. 또한, 호흡 성분 및 부교감 신경의 활성도와 관계된 RMSSD, HF, nHF 값에서 휴식 시보다 회복 시에 긴 분석 구간이 필요함을 확인할 수 있었는데, 이는 이전 연구(11) 결과로 알려져 있는 유산소 운동 직후 심박수 회복을 위한 부교감 신경의 재활성화 현상에 의한 것으로 생각할 수 있다. 운동 직후 심박변이도 분석에 사용된 신호 구간이 충분하다면 회복에 대한 전 과정이 반영될 수 있지만, 신호 구간이 짧은 경우에는 반영되기 힘들기 때문에 회복 시 부교감 신경을 반영하는 지표들이 분석 구간에 대한 영향을 크게 받는 것으로 보인다.

한 가지 더 흥미로운 사실은 안정 상태에서 240 초와 270 초의 비교적 긴 분석 구간을 요구했던 SDNN, TP, VLF 등의 변수에서 운동 후 회복 시에는 120 초 이하의 더 짧은 분석 구간을 필요로 했다는 점이다. 이러한 결과가 도출된 데에는 다양한 이유들이 있을 수 있으나 운동으로 인해 심박변이의 다양성을 나타내는 지표인 심박 복잡도(heart rate complexity)의 감소가 영향을 미칠 수 있을 것으로 사료된다. 운동 전과 운동 중, 운동 후의 심박 복잡도를 분석한 이전 연구(12)에서는 운동 후 심박 복잡도가 운동 전보다 낮은 결과를 보였다. 따라서, 운동 후의 낮은 심박 복잡도로 인해 분석 구간 차이에 의한 심박변이도의 절대적 변화가 감소한 것으로 추정되며, 이로써 몇 변수들에서는 안정 상태보다 더 짧은 신호 구간으로 균일한 결과를 제공한 것이라 사료된다.

초단기 심박변이도 분석은 성별과 나이에 따른 차이가 있으므로 본 연구의 결과를 일반화시키기에는 한계가 있다. 하지만, 심박변이도 분석에 대한 선행연구를 고려하였을 때 심박변이도 분석의 변수 중 우선적으로 의미 있게 활용되는 변수가 TP, SDNN, LF, HF인 것을 고려하였을 때(13), 회복기 심박변이도 분석을 위해서는 최소한 60 초 이상의 신호 획득이 권장되는 것으로 보인다.

4. 결 론

본 연구에서는 모바일 기기에서 신뢰할 수 있는 심박변이도 분석 결과 제공을 위한 최소 신호 획득구간을 제시하는 것을 목표로 하였다. 운동 후 회복상태에서 얻어진 5 분의 심박 신호와 그로부터 추출된 5 분 미만의 초단기 심박 신호를 사용하여 초단기 심박변이도 분석을 하고 비교하였다. 통계분석 결과 모든 시간 영역 및 주파수 영역 변수들에서 분석 구간을 다르게 하였을 때 통계적으로 유의한 차이가 발생하였으며, 추가적인 사후검정을 통해 각 변수 별로 통계적으로 유의미한 차이가 시작되는 분석 구간을 확인하였다. 결과적으로 AVNN과 nHF에서 180 초 이상, VLF에서 120 초 이상, SDNN, SDSD, RMSSD, pNN50, TP, LF에서 60 초 이상, HF와 LF/HF에서 30 초 이상의 최소 분석구간이 요구됨을 확인하였다.

기존의 연구가 정적상태에 한정된 초단기 심박변이도 분석의 활용가능성을 검증한 것과 다르게, 본 연구는 동적 상태에서 정적상태로의 과도기적 상태를 반영한 심박변이도 변화 관찰을 포함한다는 점에서 차별성을 가진다. 하지만, 본 연구는 제한된 피험자 연령과 샘플 수, 운동 후 휴식 상태에 국한된 측정이라는 한계를 가지므로 향후 연구 대상의 확대나 다양한 동적 환경에서의 관찰을 통해 모바일 기기에서 심박변이도 분석을 위한 보다 정확한 신호 획득 구간에 대한 결과를 제공할 수 있을 것으로 기대된다.

Acknowledgements

This research was supported by a grant of the Basic Science Research Program (NRF-2018R1A4A1025704, NRF-2018R1D1A 3B07046442) and grant of the through the National Research Foundation of Korea (NRF) funded by the Ministry of Science and ICT, Korea.

References

1 
R. M. Hamilton, P. S. McKechnie, P. W. Macfarlane, 2004, Can cardiac vagal tone be estimated from the 10-second ECG?, Int. J . Cardiol., Vol. 95, No. 1, pp. 109-115DOI
2 
A. Camm, M. Malik, J. Bigger, G. Breithardt, S. Cerutti, R.Cohen, 1996, Heart rate variability: standards of measurement, physiological interpretation and clinical use. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology, Circulation, Vol. 93, pp. 1043-1065DOI
3 
U. Nussinovitch, K. P. Elishkevitz, K. Katz, M. Nussinovitch, S. Segev, B. Volovitz, N. Nussinovitch, 2011, Reliability of ultra-short ECG indices for heart rate variability, ANN NONINVAS ELECTRO, Vol. 16, No. 2, pp. 117-122DOI
4 
L. Salahuddin, J. Cho, M. G. Jeong, D. Kim, 2007, Ultra short term analysis of heart rate variability for monitoring mental stress in mobile settings, in Conf. Proc. IEEE Eng Med Biol Soc, pp. 4656-4659DOI
5 
J. McNames, M. Aboy, 2011, Reliability and accuracy of heart rate variability metrics versus ECG segment duration, Med Biol Eng Comput, Vol. 44, No. 9, pp. 747-756DOI
6 
H. J. Baek, C. H. Cho, J. Cho, J. M. Woo, 2015, Reliability of ultra-short-term analysis as a surrogate of standard 5-min analysis of heart rate variability, Telemed J E Health, Vol. 21, No. 5, pp. 404-414DOI
7 
D. Datta, E. Normandin, R. ZuWallack, 2015, Cardiopulmo- nary exercise testing in the assessment of exertional dyspnea, Ann. Thorac. Med., Vol. 10, No. 2, pp. 77-86DOI
8 
M. J. Buchfuhrer, J. E. Hansen, T. E. Robinson, D. Y. Sue, K. Wasserman, B. J. Whipp, 1983, Optimizing the exercise protocol for cardiopulmonary assessment, J. Appl. Physiol., Vol. 55, No. 5, pp. 1558-1564DOI
9 
R. A. Robergs, R. Landwehr, 2002, The surprising history of the ‘HRmax=220-age’ equation, J Exerc Physiol Online, Vol. 5, No. 2, pp. 1-10Google Search
10 
U. Rajendra Acharya, K. Paul Joseph, N. Kannathal, C. M. Lim, J. S. Suri, 2006, Heart rate variability: a review, Med. Biol. Eng. Comput., Vol. 44, No. 12, pp. 1031-1051DOI
11 
G. E. Billman, 2013, The LF/HF ratio does not accurately measure cardiac sympatho-vagal balance, Frontiers in physiology, Vol. 4, pp. 26DOI
12 
M. Javorka, I. Zila, T. Balharek, K. Javorka, 2002, Heart rate recovery after exercise: relations to heart rate variability and complexity, Braz. J. Med. Biol. Res., Vol. 35, No. 8, pp. 991-1000DOI
13 
N. Montano, T. G. Ruscone, A. Porta, F. Lombardi, M. Pagani, A. Malliani, 1994, Power spectrum analysis of heart rate variability to assess the changes in sympathovagal balance during graded orthostatic tilt, Circulation, Vol. 90, No. 4, pp. 1826-1831DOI

저자소개

김진웅 (Jin Woong Kim)
../../Resources/kiee/KIEE.2020.69.1.114/au1.png

J. W. Kim is an undergraduate student of Department of Biomedical Engineering, Chonnam National University, Yeosu, Republic of Korea.

He is pursuing B. Eng degree since 2014.

신항식 (Hangsik Shin)
../../Resources/kiee/KIEE.2020.69.1.114/au2.png

H. Shin received the B.S., M.S. and Ph.D. degree in electrical and electronic engineering from the Department of Electrical and Electronics Engineering, Yonsei University, Seoul, Republic of Korea, in 2003, in 2005 and 2010, respectively. In 2010, he joined the Digital Media and Com- munication Research and Development Center of Samsung Electronics, Co. Ltd., Korea. Since August 2013, he has been with the Department of Biomedical Engineering, Chonnam National University, Yeosu, Korea, where he is an Associate Professor. His research area includes biomedical signal processing, physiological modeling and computer simulation, u-Healthcare and mobile healthcare Technologies.