KR101492453B1 - 심장 기능을 모니터링하는 방법 및 장치 - Google Patents

심장 기능을 모니터링하는 방법 및 장치 Download PDF

Info

Publication number
KR101492453B1
KR101492453B1 KR20090012115A KR20090012115A KR101492453B1 KR 101492453 B1 KR101492453 B1 KR 101492453B1 KR 20090012115 A KR20090012115 A KR 20090012115A KR 20090012115 A KR20090012115 A KR 20090012115A KR 101492453 B1 KR101492453 B1 KR 101492453B1
Authority
KR
South Korea
Prior art keywords
signal
user
cardiac function
filter
filter coefficient
Prior art date
Application number
KR20090012115A
Other languages
English (en)
Other versions
KR20100092809A (ko
Inventor
손준일
김홍식
신건수
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR20090012115A priority Critical patent/KR101492453B1/ko
Publication of KR20100092809A publication Critical patent/KR20100092809A/ko
Application granted granted Critical
Publication of KR101492453B1 publication Critical patent/KR101492453B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition

Landscapes

  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

심장 기능을 모니터링하는 방법 및 장치에 따르면, 사용자의 심전도 신호 및 심음 신호의 상관 관계를 이용하여 사용자의 심장 기능을 모델링하고, 모델링 결과에 따른 사용자의 심장 기능을 나타내는 인덱스(index)를 출력한다.

Description

심장 기능을 모니터링하는 방법 및 장치{Method and apparatus for monitoring heart function}
본 발명의 적어도 하나의 실시예는 심장 기능을 모니터링하는 방법 및 장치에 관한 것이다.
2009년 현재, 미국 내의 환자 관리 시장은 300억 달러에 달하며, 미국 내 만성 질환자는 7,800만 명으로 전체 인구의 35%이다. 특히, 사회의 고령화가 빠르게 진행되고 있기 때문에 환자 관리 시장은 향후 계속적으로 증가할 것이다. 이와 같은 사정은 다른 선진국 내지 개발도상국에서도 마찬가지이다. 대표적인 만성 질환 항목으로는 심혈관 질환이 있고, 심혈관 질환이 있는 환자에 대해서는 꾸준한 모니터링(mornitoring)이 요구된다. 특히, 심혈관 질환 환자들은 심장의 건강 상태를 계속적으로 관리하여야 한다.
본 발명의 적어도 하나의 실시예가 이루고자 하는 기술적 과제는 심장의 건강 상태를 쉽게 예측할 수 있는 심장 기능을 모니터링하는 방법 및 장치를 제공하는 데 있다. 또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공하는 데 있다. 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기 기술적 과제를 해결하기 위한 본 실시예에 따른 심장 기능을 모니터링하는 방법은 사용자의 심전도 신호 및 심음 신호의 상관 관계를 이용하여 상기 사용자의 심장 기능을 모델링하는 단계; 및 상기 모델링 결과에 따른 상기 사용자의 심장 기능을 나타내는 인덱스(index)를 출력하는 단계를 포함한다.
상기 다른 기술적 과제를 해결하기 위하여, 본 발명은 상기된 심장 기능 모니터링 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공한다.
상기 또 다른 기술적 과제를 해결하기 위한 본 실시예에 따른 심장 기능 모니터링 장치는 사용자의 심전도 신호 및 심음 신호의 상관 관계를 이용하여 상기 사용자의 심장 기능을 모델링하는 모델링부; 및 상기 모델링 결과에 따른 상기 사용자의 심장 기능을 나타내는 인덱스(index)를 출력하는 출력부를 포함한다.
상기된 바에 따르면, 심장의 건강 상태를 나타내는 심장 기능 인덱스(index)를 추가 장비 없이 소프트웨어만으로 쉽게 추출할 수 있고, 추출된 인덱스를 이용하여 심장의 기능을 모델링하고, 상기 모델링 결과를 관찰하여 심장의 건강 상태를 모니터링할 수 있다. 의료전문가가 아니더라도 심장 기능을 나타내는 인덱스를 이용하여 심장 건강 상태를 예측할 수 있고, 심혈관계 질환자의 심장 기능 인덱스를 데이터베이스화하면 심음 신호 및 심전도 신호 검출 및 상기 신호들을 이용한 심장 기능 인덱스의 산출만으로 심장 질환을 판단할 수 있다.
이하에서는 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 심장 기능 모니터링 장치(1)의 구성도이다. 도 1을 참조하면, 본 실시예에 따른 심장 기능 모니터링 장치(1)는 신호 처리부(11), 모델링부(12) 및 출력부(13)로 구성된다. 심장 기능 모니터링 장치(1)는 사용자의 심음 신호 및 심전도 신호의 상관 관계가 사람마다 다르다는 특성을 이용하여 사용자의 심장 기능을 나타내는 심장 기능 인덱스(index)를 생성하여 사용자에게 보고한다.
좀 더 상세히 설명하면, 신호 처리부(11)는 사용자의 심전도 신호 및 심음 신호를 구성하는 값을 추출하고, 모델링부(12)는 추출된 심음 값 및 심전도 값을 이용하여 사용자의 심장 기능을 모델링한 인덱스를 산출하고, 출력부(13)는 모델링 결과에 기초한 사용자의 심장 기능을 나타내는 인덱스(index)를 출력한다. 모델링 부(12)는 심전도 신호 및 심음 신호의 상관 관계에 적응적인 변수를 이용하여 심전도 신호를 심음 신호와 근접한 출력 신호로 변형하고, 심음 신호에서 출력 신호를 감산하여 오차 신호를 산출하고, 적응적 변수, 오차 신호 및 심전도 신호를 이용하여 오차 신호가 0(zero)으로 수렴하는 방향으로 소정의 변수를 갱신한다. 소정의 변수가 갱신됨에 따라 오차 신호는 0으로 수렴되고, 소정의 변수 및 갱신된 변수 중 적어도 하나를 출력하여 사용자의 심장 기능을 나타내는 인덱스(index)로 이용할 수 있다. 출력된 인덱스를 관찰하여 심장의 건강 상태를 모니터링 할 수 있다.
심장 기능 모니터링 장치(1)는 사용자의 심음 및 심전도 데이터를 이용하여 모델링된 심장 기능을 나타내는 인덱스를 사용자에게 보고하는 장치이다. 인덱스는 적어도 하나 이상의 숫자들의 집합으로 구성되고, 상기 사용자의 심장 기능을 수치화하여 산출된 데이터들을 나타낸다. 즉, 심장 기능을 나타내는 인덱스는 심음 및 심전도 측정자에 따라 각기 다른 인덱스를 가지고, 동일인이라도 심장 상태에 따라 다른 인덱스를 가질 수 있다.
신호 처리부(11)는 생체 신호 측정 장치로부터 사용자의 심음 신호 및 심전도 신호를 획득하고, 상기 신호들에 대하여 정규화 과정, 포락선 산출 과정을 수행하고, 소정의 주기로 샘플링하여 상기 신호들이 소정의 시간에 가지는 값을 추출한다. 생체 신호 측정 장치는 심음 측정 기능 및 심전도 측정 기능 중 적어도 어느 하나를 포함하고, 설명의 편의상 생체 신호 측정 장치와 본 발명의 일 실시예에 따른 심장 기능 모니터링 장치(1)는 서로 별개의 장치로서 존재하는 것으로 설명할 것이나, 하나의 장치로 통합될 수도 있음을 본 실시예가 속하는 기술분야에서 통상 의 지식을 가진 자라면 이해할 수 있다.
심음 신호는 심장이 수축 및 이완할 때 발생하는 소리에 기초한 신호로 심음 측정 장치로부터 획득된다. 신호 처리부(11)는 획득된 신호를 샘플링하여 모델링부(12)에서 사용 가능한 값을 추출한다. 심장이 수축 및 이완할 때 발생하는 소리에 의하여 흉벽에 진동이 생기고, 심음 측정 장치는 마이크로폰(microphone)을 이용하여 진동을 전기적 에너지로 변환하고, 심음이 전기적 신호로 변환되어 기록된 것을 심음도라고 한다. 심음 측정 장치는 심음도를 기록하기 위한 기계인 심음계(phonocardiograph)에 해당하는 것이 일반적이지만, 이에 한정되지 않고 심음을 측정할 수 있는 모든 기계, 장치를 포함한다는 것을 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자라면 알 수 있다.
도 2a 및 도 2b는 본 발명의 일 실시예에 따른 사람의 심장 구조를 도시한 도면이다. 도 2a를 참조하면, 심장은 우심방(21), 좌심방(22), 우심실(23) 및 좌심실(24)로 구성된다. 심방(atrium)은 심장 중에서 정맥과 직접 연결되어 있는 부분을 뜻하고, 심실(ventricla)은 심장 중에서 동맥과 직접 연결되어 있는 부분을 뜻한다. 도 2b는 도 2a의 심장 구조를 좀 더 자세히 도시한 도면이다. 도 2b를 참조하면, 우심실(23)과 폐동맥(282) 사이 및 좌심실(24)과 대동맥(281) 사이의 두 곳에 있는 반월형 주머니 모양의 판막인 반월판(semilunar valve)(251)들이 있고, 심방과 심실 사이에 있는 낙하산 모양의 판인 방실판(atrioventricular valves)(261, 262) 중 우심방(21)과 우심실(23) 사이에 있는 것을 삼첨판(261), 좌심방(22)과 좌심실(24) 사이에 있는 것을 이첨판 또는 승모판(262)라고 한다. 반월판(251)은 심 실이 이완할 때 심실로 혈액이 역류하는 것을 방지하고, 방실판(261, 262)은 심실이 수축할 때 혈액이 심실로부터 심방으로 역류하는 것을 방지한다.
심음은 제 1 심음 내지 제 4 심음으로 구성되고, 심실 수축기의 시초에 방실판(261, 262) 폐쇄로 인한 제 1 심음, 심실 확장기의 시초에 반월판(251) 폐쇄에 의한 제 2 심음, 제 2 심음 다음의 진폭에 의한 제 3 심음 및 열려있는 방실판(261, 262) 구멍을 통해 혈액이 심실로 들어갈 때 나는 제 4 심음으로 구성된다. 제 3 심음 내지 제 4 심음은 심음 측정자의 건강 상태에 따라 측정값이 미비할 수 있다. 심음 측정 장치는 제 1 심음 내지 제 4 심음을 측정하여 전기적 신호로 변환하여 심음 신호를 검출한다.
도 3은 본 발명의 일 실시예에 따른 심음도를 도시한 도면이다. 도 3을 참조하면, 심음도는 제 1 심음(31), 제 2 심음(32), 제 3 심음(33) 및 제 4 심음(34)으로 구성된다. 상기에서 설명한 바와 같이, 제 3 심음(33) 및 제 4 심음(34)은 측정자의 건강 상태에 따라 미비하여 측정이 불가할 수도 있다. 신호 처리부(11)는 심음 신호 측정 장치로부터 획득한 심음도 데이터에 대하여 정규화과정, 포락선 산출과정 및 샘플링 과정을 수행한다.
도 4는 도 1에 도시된 신호 처리부(11)를 상세히 도시한 구성도이다. 도 4를 참조하면, 신호 처리부(11)는 정규화부(111a, 111b), 포락선 산출부(112) 및 샘플링부(113a, 113b)로 구성된다. 정규화부(111a)는 계산의 편의를 위하여 심음의 전기적 신호를 1로 정규화시키고, 포락선 산출부(112)는 정규화된 심음의 전기적 신호의 포락선을 산출한다. 포락선 산출은 심음의 전기적 신호들의 최대값들을 연결 하여 구성된 곡선을 뜻하며, 상기 신호들에 대하여 수학적으로 힐버튼 변환(Hilbert transform) 등에 의하여 산출할 수 있다.
샘플링부(113a)는 상기 산출된 포락선에 대하여 소정의 주기로 소정의 시간에 상기 포락선을 구성하는 값을 추출한다. 이때, 샘플링 주기 및 샘플링 횟수는 사용 환경에 따라 다양하게 설정할 수 있다. 예를 들면, 1초 간격으로 10회 샘플링하여 추출된 값들을 사용할 수 있다. 다만, 샘플링 주기는 이하에서 설명할 심전도 신호의 샘플링 주기와 동일하다. 또는, 심음 신호의 샘플링부(113a)는 심전도 신호의 샘플링 주기와 동일한 샘플링 주기를 가지도록 샘플링 과정을 한 번 더 수행할 수 있다. 상기에서 설명한, 정규화, 포락선 산출 및 샘플링 과정은 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자에게 자명하기에, 상세한 설명을 생략한다.
신호 처리부(11)는 심장의 박동에 의한 전기적 신호를 측정한 심전도 측정 장치로부터 심전도 신호를 획득하고, 획득된 신호에 대하여 모델링부(12)에서 사용 가능한 값을 추출한다. 심장근육이 수축 및 이완할 때 발생하는 활동전위(action potential)는 심장으로부터 온몸으로 퍼지는 전류를 일으키고, 상기 전류는 몸의 위치에 따라 전위차를 발생시키는데, 이 전위차를 생체전기(bioelectricity)라 한다.
좀 더 상세히 설명하면, 심장은 혈액을 전신에 순환시키는 펌프로서 수축과 이완을 규칙적으로 반복한다. 심장의 펌프 작용은 심근을 수축함으로써 이루어지는데 심장이 박동할 때마다 미약한 전기가 생기고, 상기 전기에 의하여 신체 내에 전 류가 흐르게 된다. 신체 표면의 피부에 표면 전극(surface electrode)을 부착하여 생체전기를 검출하고, 이를 기록한 것을 심전도라고 한다.
신호 처리부(11)는 심전도 측정 장치로부터 획득한 심장의 전기적 신호 데이터에 대하여 정규화과정 및 샘플링 과정을 수행한다. 정규화부(111b) 및 샘플링부(113b)는 정규화 및 샘플링을 수행하는데, 이때의 정규화 과정 및 샘플링 과정은 상기 심음 신호에서의 데이터 처리 과정과 동일하다. 또한, 샘플링 과정은 소정의 주기로 심전도 신호의 값을 추출하는데, 심음 신호 및 심전도 신호는 동일한 주기를 사용하고, 각 구간의 값을 추출하는 방법, 즉 샘플링 방법도 동일하다. 다만, 정규화부(111b)는 사용 환경에 따라 -1(마이너스 일)로 정규화를 수행할 수도 있음을 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자라면 알 수 있다.
모델링부(12)는 심전도 신호 및 심음 신호의 관계를 이용하여 사용자의 심장 기능을 모델링한 인덱스를 산출한다. 본 발명의 일 실시예에 따른 심장 기능 모니터링 장치(1)는 적응 필터(adaptive filter)를 이용하여 심전도 신호 및 심음 신호의 상관 관계를 모델링할 수 있다. 적응 필터를 이용하여 모델링하는 경우, 심전도 신호 및 심음 신호의 상관 관계를 나타내는 소정의 변수는 적응 필터의 계수(coefficient)에 해당한다. 이하에서는 설명의 편의를 위하여 적응 필터를 이용하여 설명할 것이나, 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자라면, 이에 한정되지 않음을 알 수 있다. 도 5는 도 1에 도시된 모델링부(12)를 상세히 도시한 구성도이다. 도 5를 참조하면, 본 발명의 일 실시예에 따른 모델링부(12)는 가감산부(121), 적응필터(122), 필터 계수 갱신부(123) 및 비교부(124)로 구성된 다.
가감산부(121)는 심음 신호 dk에서 적응필터(122)의 출력 신호 yk를 감산하여 오차 신호 εk를 산출한다. 이때, dk는 심음 신호, yk는 적응필터(122)의 출력 신호 및 εk는 오차 신호를 나타내고, k는 신호 처리부(11)의 샘플링부(113a 및 113b)에서 수행한 심음 신호 및 심전도 신호에 대한 샘플링(sampling) 횟수를 의미한다. 즉, 첫 번째 샘플링 시간에서 k=1이고, 두 번째 샘플링 시간은 k=2이며, n 번째 샘플링 시간에서 k=n이다. 예를 들면 첫 번째 샘플링 시간에서 추출한 심음 신호, 출력 신호 및 오차 신호는 각각 d1, y1, 및 ε1이다. 가감산부(121)에서 수행하는 연산은 수학식 1과 같다.
Figure 112009009163260-pat00001
가감산부(121)는 심음 신호 dk와 적응필터(122)의 출력 신호 yk의 차를 계산하여 오차 신호 εk를 산출한다. 상기에서 설명한 바와 같이, 심장 기능 모니터링 장치(1)의 모델링부(12)는 심음 신호 dk 및 심전도 신호 xk의 관계를 이용하여 심장 기능을 모델링하기 위하여 심음 신호 dk를 목표 신호로 설정하고, 오차 신호 εk를 감소시키는 방향으로 필터의 계수 wk를 갱신한다. 필터의 계수 wk 및 갱신된 필터의 계수 wk+1는 사용자의 심음 신호 및 심전도 신호의 상관 관계를 나타내고, 따라서 필터의 계수 및 갱신된 계수들을 심장 기능을 나타내는 인덱스로 사용한다. 가감산부(121)의 연산 결과인 오차 신호 εk는 필터 계수를 갱신하기 위하여 사용되기에 필터 계수 갱신부(123)로 입력된다.
적응필터(adaptive filter)(122)는 심전도 신호 xk를 필터의 계수 wk를 이용하여 심음 신호 dk와 근접한 신호인 출력 신호 yk로 변형한다. 적응필터(122)는 필터 계수 갱신부(123)가 필터의 계수 wk를 갱신하고, 갱신된 필터 계수 wk + 1를 이용하여 심음 신호 dk와 근접한 신호를 출력할 수 있도록 학습된다. 필터 계수 갱신부(123)는 오차 신호 εk가 0에 수렴하도록 필터의 계수를 갱신하고, 적응필터(122)는 갱신된 계수 wk + 1를 획득하고, 다음 샘플링 주기의 심전도 신호 xk + 1를 이용하여 다음 샘플링 주기의 심음 신호 dk + 1와 근접한 출력 신호 yk +1을 출력한다. 즉, 적응필터(122)는 학습에 의하여 샘플링 횟수가 증가함에 따라 심음 신호 dk와 유사한 신호를 출력할 수 있다. 적응필터(122)는 디지털 적응 필터(digital adaptive filter)를 포함하고, 상기에서 설명한 바와 같이 심전도 신호 xk 및 필터 계수 wk를 이용하여 출력 신호 yk를 산출하는 모든 알고리즘, 기기 및 장치를 포함한다. 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자에게 적응필터(122)는 자명하기에 상세한 설명은 생략한다. 본 발명의 일 실시예에 따른 적응필터(122)의 알고리즘은 수학식 2와 같이 정의할 수 있다.
Figure 112009009163260-pat00002
yk는 적응필터(122)의 출력 신호, wk는 필터의 계수, xk는 신호 처리부(11)로부터 획득한 심전도 신호를 의미한다. 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자라면, 수학식 2는 출력 신호 yk를 정의하기 위한 일 실시예에 해당할 뿐이고, 적응필터(122)에서 출력 신호 yk를 산출하는 알고리즘은 수학식 2에 한정되지 않음을 알 수 있다.
오차 신호 εk가 0으로 수렴하는 것은 출력 신호 yk가 목표 신호인 심음 신호 dk와 같아지는 것과 동일한 의미가 있다. 따라서, 심전도 신호 xk를 심음 신호 dk로 학습시키기 위하여 필터의 계수 wk를 사용한다. 심전도 신호 xk를 심음 신호 dk로 학습하기 위한 필터의 계수 wk는 필터 계수 갱신부(123)로부터 획득한다. 즉, 필터 계수 갱신부(123)는 필터의 계수 wk 갱신을 통하여 적응필터(122)를 학습시킨다.
필터 계수 갱신부(123)는 심전도 신호 xk 및 가감산부(121)로부터 획득한 오차 신호 εk를 소정의 알고리즘을 통과시켜 필터 계수 wk를 갱신한다. 이때, 소정의 알고리즘은 오차 신호 εk를 최소화하는 알고리즘을 뜻하고, 본 실시예에서는 소정의 알고리즘의 일 실시예로서 LMS(Least Mean Square) 알고리즘을 예로 들어 설명 한다. LMS 알고리즘은 오차 신호 εk의 제곱의 평균을 최소화시키는 방향으로 필터의 계수 wk를 갱신한다. LMS 알고리즘은 오차 신호 εk의 제곱의 평균이 최소가 되는 필터의 계수를 찾기 위하여 필터 계수 갱신부(123)에서 사용하는 알고리즘으로 수학식 3과 같이 정의할 수 있다.
Figure 112009009163260-pat00003
이때, wk는 필터의 계수, k는 샘플링 횟수, μ는 학습율(learning rate), εk는 오차 신호, xk는 심전도 신호를 의미한다. 즉, 필터 계수 갱신부(123)는 필터의 계수 wk, 학습율 μ, 오차 신호 εk 및 입력 신호 xk를 이용하여 필터의 계수 wk를 갱신하여 다음 샘플링 시간에서의 필터의 계수 wk +1을 산출한다. 필터 계수 갱신부(123)는 오차 신호 εk의 제곱의 평균을 최소가 되는 방향으로 필터의 계수 wk를 갱신하고, 샘플링 횟수를 증가시키면, 목표 신호인 심음 신호 dk와 적응필터(122)의 출력 신호 yk의 오차가 감소한다. 이때, 필터의 계수 wk를 갱신한다는 의미는 k, 즉 샘플링 횟수를 증가시킨다는 의미이다. 예를 들면, 첫 번째 샘플링 시간에서의 인덱스 w1, 학습율 μ, 오차 신호 ε1 및 입력 신호 x1를 이용하여 다음 샘플링 시간에 대한 필터의 계수 w2를 산출한다. 샘플링 횟수를 n번으로 설정되어 있다면, 필터 계수 갱신부(123)는 상기 수학식 3을 사용하여 wn까지 갱신한다. 샘플링 횟수는 사용자에 의하여 임의로 설정 가능하다.
학습율 μ는 LMS 알고리즘을 사용한 모델링부(12)의 수렴 속도, 즉 학습 속도를 제어할 수 있는 소정의 변수로서, 사용 환경에 따라 임의적 설정이 가능하다. 필터 계수 갱신부(123)는 상기에서 설명한 바와 같이, 오차 신호 εk를 최소로 만들기 위하여 필터의 계수 wk를 갱신한다. 이때, 오차 신호 εk가 일정 값 이하가 되면 적응필터(122)의 학습이 완료가 되었다고, 즉, 목표 신호 dk와 적응필터(122)의 출력 신호 yk가 사용자가 원하는 범위로 가까워졌다고 판단할 수 있다. 학습율 μ를 이용하여 학습 완료 시간을 제어할 수 있다. 학습율 μ가 클수록 학습 완료 시간이 줄어들고, 정확도는 낮아진다. 즉, 학습율 μ가 클수록 오차 신호 εk가 일정 값 이하로 되는 시간이 짧아지는 대신, 오차 신호 εk의 정확도가 낮아진다. 사용자는 사용 환경에 따라 학습율 μ를 설정할 수 있다. 예를 들어, 정확도가 요구되는 경우에는 학습율 μ를 작게 설정한다. 학습율 μ가 작을수록 오차 신호 εk가 0(zero)으로 수렴하는 속도가 늦어지고, 정확도는 상승한다. 즉, 학습율 μ가 0(zero)에 가까운 값으로 수렴한다.
비교부(124)는 오차 신호 및 학습 완료 값을 비교하여 오차 신호 εk가 상기 학습 완료 값 이하가 되면, 적응필터(122)의 학습이 완료되었다고 결정한다. 예를 들어, 오차 신호 εk가 1mV 이하가 되면 적응필터(122)의 학습이 완료되었다고 가정한다. 이때, 1mV가 학습 완료 값에 해당한다. 샘플링을 5회 반복 후 오차 신호 εk가 1mV 이하가 되었다고 하면, 학습 완료 시점 이후의 필터의 계수, 즉 w5부터 wn을 사용자의 심장 기능을 나타내는 인덱스로 이용할 수 있다. 즉, 심장 기능 인덱스는 수학식 4와 같이 표현할 수 있다.
Figure 112009009163260-pat00004
이때, m은 학습 완료 시점의 샘플링 횟수를 의미하고, n은 사용 환경에 따라 설정된 적응 필터(122)의 길이로서, 심장 기능을 나타내는 인덱스가 몇 개의 필터 계수들을 포함하고 있는지를 나타낸다. 학습 완료 시점 이후의 필터의 계수들을 심장의 건강 상태에 따른 심장 기능을 나타내는 인덱스로 이용할 수 있다. 즉, 측정자가 동일하고, 측정자의 심장 상태도 큰 변화가 없다면, 학습 완료 시점 이후의 필터의 계수들은 항상 동일한 값으로 수렴한다. 학습 완료 시점 이후의 필터의 계수들의 집합을 심장 기능 인덱스라고 하면, 측정자 및 측정자의 심장 상태에 변화가 없다면 시간을 달리하여 측정한 심장 기능 인덱스들은 모두 동일할 것이다. 예를 들어, 동일한 사람의 2009년 1월 10일에 측정한 심장 기능 인덱스를 Wa라고 하고, 2009년 1월 17일에 측정한 심장 기능 인덱스를 Wb라고 하면, 수학식 5가 성립한다.
Figure 112009009163260-pat00005
Figure 112009009163260-pat00006
∴
Figure 112009009163260-pat00007
즉, 동일인의 심장 상태에 큰 변화가 없을 경우, 심장 기능 인덱스는 wm=wm, wm+1=wm+1, ... , wn=wn가 성립한다. 따라서, 심장 기능 인덱스를 추출하여 심장 기능 인덱스가 동일한 값으로 수렴하지 않고 변화가 생긴 경우에는 측정자의 심장에 이상이 생겼다고 판단할 수 있다. 다만, 심장 기능 인덱스의 동일성의 정도는 사용 환경에 따라 설정이 가능하다. 즉, 심장 기능 인덱스가 100% 동일하게 산출되는 경우 뿐만 아니라, 사용 환경에 따라 80% 이상의 동일성을 가지는 경우에도 동일한 심장 기능 인덱스라고 판단할 수 있다.
또한, 사용 환경에 따라 심장 기능 인덱스를 구성하는 필터 계수의 수를 설정할 수 있다. 즉, 사용자의 설정 또는 기본 설정에 따라 심장 기능 인덱스를 10개라고 설정하면, 필터 계수 갱신부(123)는 필터의 계수 wk를 10회만 갱신한다. 사용 환경에 따라 학습 완료 시점 이후의 필터의 계수만을 인덱스로 사용하는 경우에 있어서는 학습 완료 시점 이후, 필터의 계수 wk를 10회 갱신할 수 있다.
본 발명의 일 실시예에 따른 적응필터(122)는 FIR(Finite Impulse Response) 필터 또는 IIR(Infinite Impulse Response) 필터를 사용할 수 있고, 필터 계수 갱 신부(123)는 LMS 알고리즘을 사용할 수 있으나 본 발명의 일 실시예에 따른 적응필터(122) 및 필터 계수 갱신부(123)는 이에 한정되지 않음을 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자라면 알 수 있다.
필터 계수 갱신부(123)의 필터 계수를 갱신하는 방법에 관하여 좀 더 상세히 설명하면, 필터의 계수 wk는 LMS 알고리즘에 의하여 갱신된다. 다만, 최초 값인 w1는 사용자가 설정하여야 한다. w1=1으로 설정하는 것이 일반적이지만, 이에 한정되지 않고 사용 환경에 따라 사용자가 어떠한 값으로 설정하더라도 학습 완료 이후의 심장 기능 인덱스 값에는 영향을 미치지 않는다. 도 6a 및 도 6b는 다른 대상자에 대하여 시간대를 달리하여 추출한 심장 기능 인덱스를 나타낸 그래프들이다. 도 6a 및 도 6b를 참조하면, 도 6a는 사용자 α의 심장 기능 인덱스를 각각 1월 10일, 11일, 12일에 측정하여 그래프로 도시한 그래프이고, 도 6b는 사용자 β의 심장 기능 인덱스를 각각 1월 10일, 11일, 12일에 측정하여 그래프로 도시한 도면이다. 또한, 1월 10일, 11일, 12일에 인덱스 wk를 산출하기 위하여 설정된 초기 인덱스 값 w1은 각각 다른 값을 설정하였다. 도 6a 및 도 6b를 참조하면, 심장 기능 인덱스를 사용하면 심장의 상태를 예측할 수 있다. 즉, 사용자 1 및 사용자 2의 1월 10일, 11일, 12일 심장 상태는 큰 변화가 없다고 예측할 수 있다. 만약 사용자의 심장 상태에 변화가 있다면, 상기 그래프의 모양이 변한다는 것을 알 수 있다.
다시 도 1을 참조하면, 출력부(13)는 필터 계수 갱신부(123)에서 갱신한 필터의 계수 wk들을 사용자에게 보고한다. 출력부(13)는 사용자에게 심장 기능 인덱스 를 출력하기 위한 모든 출력 장치를 포함한다. 즉, 출력부(13)는 시각적 방법으로 사용자의 심장 기능 인덱스를 표시하기 위한 장치(예를 들어, LCD 화면, 모니터, 눈금 표시 장치, LED 등), 및 청각적 방법으로 사용자의 심장 기능 인덱스를 나타내기 위한 장치(예를 들어, 스피커 등)을 모두 포함한다. 또한, 사용 환경에 따라, 적응필터(122)의 학습 완료 시점 이후의 필터의 계수들만을 심장 기능 인덱스로 보고할 수 있고, 복수 회 측정한 심장 기능 인덱스들의 변화 과정을 그래프로 표시할 수 있다.
사용자는 출력부(13)를 통하여 심장의 건강 상태를 판단할 수 있다. 심음 신호 및 심전도 신호를 측정한 사용자의 유일한(unique) 심장 기능 인덱스를 쉽게 추출할 수 있다.
심장 기능 모니터링 장치(1)는 구조가 간단하고 작은 계산량으로 손쉽게 심장 기능을 나타내는 인덱스를 산출하고, 이들을 이용하여 사용자의 심장 건강 상태를 판단할 수 있다. 또한, 측정된 심음 신호 및 심전도 신호를 이용하여 추가 하드웨어 없이 소프트웨어만으로 심장 기능 인덱스를 추출하여 심장의 건강 상태를 모니터링할 수 있다.
도 7은 본 발명의 일 실시예에 따른 심장 기능 모니터링 방법의 흐름도이다. 도 7을 참조하면, 본 실시예에 따른 심장 기능 모니터링 방법은 도 1에 도시된 심장 기능 모니터링 장치(1)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하 생략된 내용이라 하더라도 도 1에 도시된 심장 기능 모니터링 장치(1)에 관하여 이상에서 기술된 내용은 본 실시예에 따른 심장 기능 모니터링 방법에도 적용된 다.
701 단계에서 필터의 계수 초기값 w1 및 학습율 μ 및 필터의 길이(filter length) n을 설정한다. 이때, 상기에서 설명한 바와 필터의 계수 w1는 심장 기능 인덱스에 영향을 미치지 않기에 사용자가 임의로 설정이 가능하고, 학습율 μ는 정확도를 요구하는 경우에는 작은 값, 빠른 결과 도출을 요구하는 경우에는 큰 값으로 설정한다. 또한, 필터의 길이 n은 필터의 계수의 길이를 뜻하면, 사용자의 심장 기능을 나타내는 심장 기능 인덱스의 개수를 나타낸다.
702 단계에서 신호 처리부(11)는 심음 측정 장치로부터 심음 신호를 획득하고, 정규화, 포락선 산출 및 샘플링 과정을 거쳐 심음 신호 값을 추출한다. 심음 신호 dk는 모델링부(12)의 목표 신호로 설정된다.
703 단계에서 신호 처리부(11)는 심전도 측정 장치로부터 심전도 신호를 획득하고, 정규화 및 샘플링 과정을 거쳐 심전도 신호 값을 추출한다. 심전도 신호 xk는 모델링부(12)의 입력 신호로 설정된다.
본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자는 701 단계 내지 703 단계의 순서는 도 7에 도시된 흐름도에 구속되지 않고 사용자가 임의로 변경할 수 있음을 알 수 있다. 즉, 심음 신호와 심전도 신호를 추출한 후 필터의 초기 계수 및 학습율 등을 설정할 수 있다.
704 단계에서 적응필터(122)는 심전도 값 xk을 필터의 계수 wk를 이용하여 소정의 알고리즘에 따라 출력 값 yk으로 변형한다.
705 단계에서 가감산부(121)는 심음 값 dk로부터 출력 값 yk를 감산하여 오차 εk를 산출한다.
706 단계에서 필터 계수 갱신부(123)는 상기 필터의 계수 wk, 학습율 μ, 오차 εk 및 심전도 값 xk를 이용하여 필터의 계수 wk를 갱신한다.
707 단계에서 출력부(13)는 필터 계수 wk를 사용자에게 보고한다. 상기에서 설명한 바와 같이, 사용 환경에 따라 출력 장치를 통하여 사용자에게 심장 기능 인덱스를 표시할 수 있다.
708 단계에서 샘플링 횟수 k가 사용 설정에 따른 심장 기능 인덱스의 길이 n에 도달하였는지를 판단한다. 십장 기능 인덱스의 길이를 제한하기 위하여 필터 계수 갱신부(123)로 하여금 n번만 인덱스를 갱신하도록 할 수 있다. 적응필터(122)의 필터 계수 길이를 n으로 제한함을 의미한다. 샘플링 횟수 k가 n보다 작을 경우에는 709 단계로 진행하고, 샘플링 횟수 k가 n 이상인 경우에는 절차를 종료한다.
709 단계에서 k를 1만큼 증가시킨다. 즉, 샘플링을 한번 더 수행하고 상기 702 단계 내지 708 단계를 반복 수행한다.
도 8a 내지 도 8d는 심장 기능 모델링 방법을 이용하여 심장 기능 인덱스를 추출하는 과정의 신호 처리 과정을 그래프로 도시한 도면이다. 도 8a는 심음 신호 검출 장치 및 심전도 신호 검출 장치에서 검출한 심음 신호(81) 및 심전도 신 호(82)를 도시한 도면이다. 도 8b는 검출한 심음 신호에 정규화, 포락선 검출 과정을 수행한 후의 심음 신호(83) 및 검출한 심전도 신호에 정규화 과정을 수행한 후의 심전도 신호(84)를 도시한 도면이다. 도 8c는 심음 신호 dk(85) 및 적응필터(122)의 출력 신호 yk(86)를 도시한 도면이다. 도 8c를 참조하면, 적응필터(122)의 학습이 완료되면, 목표 신호인 심음 신호 dk 및 적응필터(122)의 출력 신호 yk는 극히 유사함을 알 수 있다. 도 8d는 학습 완료 후의 심장 기능을 나타내는 필터의 계수들을 도시한 도면이다. 도 8d에 도시된 필터의 계수들을 심장 기능 인덱스로 사용할 수 있다.
도 9는 본 발명의 일 실시예에 따른 학습 완료된 적응필터(122)의 계수들을 이용하여 심장 기능을 모니터링하는 방법의 흐름도이다. 도 9를 참조하면, 본 실시예에 따른 심장 기능 모니터링 방법은 도 1에 도시된 심장 기능 모니터링 장치(1)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하 생략된 내용이라 하더라도 도 1에 도시된 심장 기능 모니터링 장치(1)에 관하여 이상에서 기술된 내용은 본 실시예에 따른 심장 기능 모델링 방법에도 적용된다.
901 단계에서 필터의 계수 초기값 w1 및 학습율 μ, 적응필터(122)의 학습 완료를 나타내는 값 및 필터의 길이(filter length) n을 설정한다. 이때, 필터 계수 초기값 w1, 학습율 μ 및 필터의 길이 n은 상기 도 7에서 설명한 바와 동일하다. 학습 완료를 나타내는 값은 사용자에 의하여 설정되거나 또는 기본 설정 값으로, 큰 값을 사용하면 학습 완료 시점이 빨라지고, 작은 값으로 설정하면 학습 완료 시점이 더 늦어진다. 또한, 상기에서 설명한 바와 같이 필터의 길이 n을 조절하여 사용자의 심장 기능을 나타내는 인덱스의 개수를 조절할 수 있다. 사용자는 학습 완료 값을 설정하여 적응필터(122)의 학습 완료 시점을 조절할 수 있다.
902 단계에서 신호 처리부(11)는 심음 측정 장치로부터 심음 신호를 획득하고, 정규화, 포락선 산출 및 샘플링 과정을 거쳐 심음 신호 값을 추출한다. 심음 신호 dk는 모델링부(12)의 목표 신호로 설정된다.
903 단계에서 신호 처리부(11)는 심전도 측정 장치로부터 심전도 신호를 획득하고, 정규화 및 샘플링 과정을 거쳐 심전도 신호 값을 추출한다. 심전도 신호 xk는 모델링부(12)의 입력 신호로 설정된다.
본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자는 901 단계 내지 903 단계의 순서는 도 9에 도시된 흐름도에 구속되지 않고 사용자가 임의로 변경할 수 있음을 알 수 있다. 즉, 심음 신호와 심전도 신호를 추출한 후 필터의 초기 계수 및 학습율 등을 설정할 수 있다.
904 단계에서 가감산부(121), 적응필터(122) 및 계수 갱신부(123)는 상기 도 7의 704 단계 내지 706단계를 수행한다. 즉, 출력 신호 yk, 오차 신호 εk 및 갱신된 필터 계수 wk + 1를 산출한다.
905 단계에서 비교부(124)는 가감산부(121)에서 산출한 오차 εk를 학습 완 료 값과 비교한다. 비교 결과에 따라 학습 완료 값이 오차 εk보다 더 크면 907 단계로 진행하고, 학습 완료 값이 오차 εk보다 더 작으면 906 단계로 진행한다.
906 단계에서 학습 완료 값이 오차 εk보다 더 작으면 적응필터(122)의 학습이 완료되지 않았기에, 심전도 신호 및 심음 신호에 대한 샘플링을 1회 더 수행하여 추출된 값으로 904 단계 내지 905 단계를 반복한다. 다만, 학습 완료 값이 오차 εk보다 더 커서 학습이 완료되었음에도 심장 기능 인덱스의 필터 계수들의 개수를 맞추기 위하여 샘플링을 1회 더 수행하는 경우, 적응필터(122)의 학습이 이미 완료되었기 때문에 학습 완료 여부를 판단하는 905 단계는 생략이 가능함을 알 수 있다.
907 단계에서 학습 완료 값이 오차 εk보다 더 크면 적응필터(122)의 학습이 완료되었기에 출력부(13)는 필터 계수 wk를 사용자에게 보고한다. 상기에서 설명한 바와 같이, 사용 환경에 따라 출력 장치를 통하여 사용자에게 심장 기능 인덱스를 표시할 수 있다.
908 단계에서 샘플링 횟수 k가 사용 설정에 따른 심장 기능 인덱스의 길이 n에 도달하였는지를 판단한다. 샘플링 횟수 k가 n보다 작을 경우에는 906 단계로 진행하고, 샘플링 횟수 k가 n 이상인 경우에는 절차를 종료한다.
심장 기능 모니터링 방법에 의하여 추출된 심장 기능 인덱스는 심혈관 질환자의 심장 상태 모니터링에 이용될 수 있고, 여러 심장 질환 환자군의 심장 기능 인덱스를 데이터베이스화하여 심장 질환을 쉽게 진단할 수 있고, 장기간 반복 측정한 심장 기능 인덱스를 분석하고, 급격한 변화 포인트가 발생하는 경우 심장 기능에 이상이 있음을 판단할 수 있다. 또한, 의료 전문가(예를 들어, 의사, 간호사 등)가 아니더라도 심장 기능 인덱스를 보고 자신의 건강 상태를 쉽게 추정할 수 있다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 본 발명의 실시예에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 심장 기능 모니터링 장치(1)의 구성도이다.
도 2a 및 도 2b는 본 발명의 일 실시예에 따른 사람의 심장 구조를 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 심음도를 도시한 도면이다.
도 4는 도 1에 도시된 신호 처리부(11)를 상세히 도시한 구성도이다.
도 5는 도 1에 도시된 모델링부(12)를 상세히 도시한 구성도이다.
도 6a 및 도 6b는 다른 대상자에 대하여 시간대를 달리하여 추출한 심장 기능 인덱스를 나타낸 그래프들이다.
도 7은 본 발명의 일 실시예에 따른 심장 기능 모니터링 방법의 흐름도이다.
도 8a 내지 도 8d는 심장 기능 모델링 방법을 이용하여 심장 기능 인덱스를 추출하는 신호 처리 과정을 그래프로 도시한 도면이다.
도 9는 본 발명의 일 실시예에 따른 학습 완료된 적응필터(122)의 계수들을 이용하여 심장 기능을 모니터링하는 방법의 흐름도이다.

Claims (15)

  1. 사용자의 심전도 신호 및 심음 신호의 상관 관계를 이용하여 상기 사용자의 심장 기능을 모델링하는 단계; 및
    상기 모델링 결과에 따른 상기 사용자의 심장 기능을 나타내는 인덱스(index)를 출력하는 단계를 포함하며,
    상기 모델링하는 단계는,
    상기 심전도 신호를 상기 신호들의 상관 관계에 적응적인 변수(variable)를 이용하여 상기 심음 신호에 대응되는 출력 신호로 변형하는 단계;
    상기 심음 신호에서 상기 출력 신호를 감산하는 단계; 및
    상기 감산 결과를 이용하여 상기 변수를 갱신하는 단계;를 포함하는
    심장 기능 모니터링 방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 사용자의 심장 기능을 나타내는 인덱스는 상기 변수 및 상기 갱신된 변수 중 적어도 하나를 포함하는 것을 특징으로 하는 심장 기능 모니터링 방법.
  4. 제 1 항에 있어서,
    상기 갱신하는 단계는 상기 변수, 상기 감산 결과 및 상기 심전도 신호를 이용하여 상기 감산 결과가 0(zero)에 수렴하는 방향으로 상기 변수를 갱신하는 것을 특징으로 하는 심장 기능 모니터링 방법.
  5. 제 1 항에 있어서,
    상기 모델링하는 단계는 상기 감산 결과를 소정의 값과 비교하는 단계를 더 포함하고,
    상기 출력하는 단계는 상기 비교 결과에 따라, 상기 감산 결과가 상기 소정의 값 이하인 경우 상기 변수를 상기 사용자의 심장 기능을 나타내는 인덱스로 출력하고,
    상기 소정의 값은 사용자로부터 입력된 값, 기본 설정에 의한 값 또는 외부 장치로부터 획득된 값인 것을 특징으로 하는 심장 기능 모니터링 방법.
  6. 제 1 항에 있어서,
    상기 모델링하는 단계 및 상기 출력하는 단계를 소정의 횟수만큼 반복하고,
    상기 소정의 횟수는 상기 사용자의 심장 기능을 나타내는 인덱스의 개수(number of indexes)를 설정하기 위한 값인 것을 특징으로 하는 심장 기능 모니터링 방법.
  7. 제 1 항 및 제 3항 내지 제 6 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  8. 사용자의 심전도 신호 및 심음 신호의 상관 관계를 이용하여 상기 사용자의 심장 기능을 모델링하는 모델링부; 및
    상기 모델링 결과에 따른 상기 사용자의 심장 기능을 나타내는 인덱스(index)를 출력하는 출력부를 포함하며,
    상기 모델링부는
    상기 심전도 신호를 필터 계수(coefficient)를 이용하여 상기 심음 신호에 대응되는 출력 신호로 변형하는 적응 필터;
    상기 심음 신호에서 상기 출력 신호를 감산하는 가감산부; 및
    상기 감산 결과를 이용하여 상기 필터 계수를 갱신하는 필터 계수 갱신부;를 포함하는심장 기능 모니터링 장치.
  9. 삭제
  10. 제 8 항에 있어서,
    상기 필터 계수 갱신부는 상기 적응 필터를 학습시키는 것을 특징으로 하는 심장 기능 모니터링 장치.
  11. 제 8 항에 있어서,
    상기 사용자의 심장 기능을 나타내는 인덱스는 상기 필터 계수 및 상기 갱신된 필터 계수 중 적어도 하나를 포함하는 것을 특징으로 하는 심장 기능 모니터링 장치.
  12. 제 8 항에 있어서,
    상기 갱신부는 상기 필터 계수, 상기 감산 결과 및 상기 심전도 신호를 이용하여 상기 감산 결과가 0(zero)에 수렴하는 방향으로 상기 필터 계수를 갱신하는 것을 특징으로 하는 심장 기능 모니터링 장치.
  13. 제 8 항에 있어서,
    상기 적응 필터는 필터 계수의 초기값 또는 상기 갱신된 필터 계수를 이용하여 상기 심전도 신호를 상기 출력신호로 변형하는 것을 특징으로 하는 심장 기능 모니터링 장치.
  14. 제 8 항에 있어서,
    상기 모델링부는 상기 감산 결과를 소정의 값과 비교하는 비교부를 더 포함하고,
    상기 출력부는 상기 비교 결과에 따라, 상기 감산 결과가 상기 소정의 값 이하인 경우 상기 필터 계수를 상기 사용자의 심장 기능을 나타내는 인덱스로 출력하고,
    상기 소정의 값은 사용자로부터 입력된 값, 기본 설정에 의한 값 또는 외부 장치로부터 획득된 값인 것을 특징으로 하는 심장 기능 모니터링 장치.
  15. 제 8 항에 있어서,
    상기 계수 갱신부는 소정의 횟수만큼 상기 필터 계수를 갱신하고,
    상기 소정의 횟수는 상기 사용자의 심장 기능을 나타내는 인덱스의 개수(number of indexes)를 설정하기 위한 상기 적응 필터의 길이(adaptive filter length)인 것을 특징으로 하는 심장 기능 모니터링 장치.
KR20090012115A 2009-02-13 2009-02-13 심장 기능을 모니터링하는 방법 및 장치 KR101492453B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20090012115A KR101492453B1 (ko) 2009-02-13 2009-02-13 심장 기능을 모니터링하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20090012115A KR101492453B1 (ko) 2009-02-13 2009-02-13 심장 기능을 모니터링하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20100092809A KR20100092809A (ko) 2010-08-23
KR101492453B1 true KR101492453B1 (ko) 2015-02-12

Family

ID=42757521

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20090012115A KR101492453B1 (ko) 2009-02-13 2009-02-13 심장 기능을 모니터링하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101492453B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101321290B1 (ko) * 2012-05-22 2013-10-28 연세대학교 원주산학협력단 심방세동 신호 추출 및 분석 가능한 홀터 심전계 및 그 방법
KR102295361B1 (ko) * 2017-06-30 2021-08-31 코알라-라이프 에이비 휴대용 센서 장치로부터의 심음도 및 심전도 데이터 분석
WO2020036446A1 (ko) * 2018-08-14 2020-02-20 재단법인 아산사회복지재단 심폐음을 이용한 정보 획득 방법
KR102236814B1 (ko) * 2018-08-31 2021-04-06 재단법인 아산사회복지재단 심음을 이용한 심혈관계 정보 획득 방법, 그 장치 및 그 프로그램

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060088770A (ko) * 2005-02-02 2006-08-07 삼성전자주식회사 생체신호 측정 장치 및 방법
JP2008168073A (ja) 2007-01-15 2008-07-24 Fukuda Denshi Co Ltd 生体情報処理装置および生体情報処理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060088770A (ko) * 2005-02-02 2006-08-07 삼성전자주식회사 생체신호 측정 장치 및 방법
JP2008168073A (ja) 2007-01-15 2008-07-24 Fukuda Denshi Co Ltd 生体情報処理装置および生体情報処理方法

Also Published As

Publication number Publication date
KR20100092809A (ko) 2010-08-23

Similar Documents

Publication Publication Date Title
Choudhury et al. Estimating blood pressure using Windkessel model on photoplethysmogram
Gupta et al. Neural network classification of homomorphic segmented heart sounds
JP5576116B2 (ja) 心血管音のマルチパラメータ分類
US8551005B2 (en) Monitoring respiratory variation of pulse pressure
US8343061B2 (en) Method and apparatus for determining central aortic pressure waveform
KR101072452B1 (ko) 심장질환 진단장치 및 방법
Lee et al. Deep belief networks ensemble for blood pressure estimation
CA2904815A1 (en) System and method for personalized hemodynamics modeling and monitoring
CN102686150A (zh) 监测受检者的心血管系统的特性
KR101492453B1 (ko) 심장 기능을 모니터링하는 방법 및 장치
WO2011068687A1 (en) Methods and apparatus for sensing blood flow and hemodynamic parameters
Al-Qazzaz et al. Simulation Recording of an ECG, PCG, and PPG for Feature Extractions
Priyanka et al. Estimating blood pressure via artificial neural networks based on measured photoplethysmography waveforms
WO2019213003A1 (en) System and methods for model-based noninvasive estimation and tracking of intracranial pressure
Chou et al. Modelling arterial blood pressure waveforms for extreme bradycardia and tachycardia by curve fitting with Gaussian functions
Ghaemmaghami et al. Automatic segmentation and classification of cardiac cycles using deep learning and a wireless electronic stethoscope
Chao et al. Using the time-domain characterization for estimation continuous blood pressure via neural network method
JP4745236B2 (ja) 信号アーチファクトを推定するためのシステム及び方法
Forouzanfar et al. Model-based oscillometric blood pressure estimation
Le et al. Towards virtual instruments for cardiovascular healthcare: Real-time modeling of cardiovascular dynamics using ECG signals
JP2022503484A (ja) 心肺音を用いた情報獲得方法
KR20200025738A (ko) 심음을 이용한 심혈관계 정보 획득 방법, 그 장치 및 그 프로그램
Forouzanfar A modeling approach for coefficient-free oscillometric blood pressure estimation
Salman et al. Review of digital heart sound classification methods via Artificial Neural Networks
Israr et al. Classification of normal and abnormal heart by classifying PCG signal using MFCC coefficients and CGP-ANN classifier

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180117

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee