KR101515725B1 - 심장 질환 진단 장치 및 방법 - Google Patents

심장 질환 진단 장치 및 방법 Download PDF

Info

Publication number
KR101515725B1
KR101515725B1 KR1020130167385A KR20130167385A KR101515725B1 KR 101515725 B1 KR101515725 B1 KR 101515725B1 KR 1020130167385 A KR1020130167385 A KR 1020130167385A KR 20130167385 A KR20130167385 A KR 20130167385A KR 101515725 B1 KR101515725 B1 KR 101515725B1
Authority
KR
South Korea
Prior art keywords
rri
chf
entropy
generation area
statistics
Prior art date
Application number
KR1020130167385A
Other languages
English (en)
Inventor
이진석
윤권하
유종현
정창원
Original Assignee
원광대학교산학협력단
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 원광대학교산학협력단 filed Critical 원광대학교산학협력단
Priority to KR1020130167385A priority Critical patent/KR101515725B1/ko
Application granted granted Critical
Publication of KR101515725B1 publication Critical patent/KR101515725B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

Abstract

본 발명은 심장 질환 진단장치 및 방법에 관한 것으로,
상기 심장 질환 진단을 위한 정보 제공 방법은 심박 신호로부터 RRI(RR Interval)을 추출하는 단계; 제곱평균제곱근, 표본 엔트로피, 셰넌 엔트로피 중 적어도 하나의 알고리즘을 이용하여 상기 RRI에 대한 통계치를 산출하는 단계; 상기 통계치의 분포 영역을 분석하여, 상기 통계치의 분포 영역이 AF 발생 영역에 속하는 경우에는 AF 증상인 것으로 판정하고, CHF(Congestive Heart Failure) 발생 영역에 속하는 경우에는 CHF 증상인 것으로 판정한 후, 판정 결과를 출력하는 단계를 포함하여, 진단에 소요되는 시간을 획기적으로 단축시켜 주며, AF와 CHF의 발병 여부도 동시에 진단할 수 있도록 해준다.

Description

심장 질환 진단 장치 및 방법{APPARATUS AND METHOD FOR DIAGNOSING CARDIAC DISORDER}
본 발명은 심장 질환 진단에 관한 것으로, 특히 보다 짧은 시간내에 보다 많은 종류의 심장 질환을 진단 및 예측할 수 있도록 하는 심장 질환 진단장치 및 방법에 관한 것이다.
심방 세동(Atrial Fibrillation: AF)은 임상에서 발견될 수 있는 가장 흔한 심장 질환 중 하나로, 그 발병률은 연령의 증가와 더불어 점차 증가한다.
AF은 고위험군에서는 뇌경색이나 전신 색전증 등의 합병증을 일으켜 질병 이환률과 사망률을 증가시키기 때문에 임상적으로 중요한 부정맥이다. 그러나 AF은 부정기적으로 발생하며, 초기 단계에서는 사람들이 별다른 증상을 느끼지 못해, AF를 초기에 정확하게 진단해내기가 어려운 단점이 있다. 또한, AF 자동진단의 정확도를 높이기 위해서는 심전도를 이용한 심박변이(HRV) 특성을 이용하는데, 현재 짧게는 5분에서 24시간의 데이터를 이용한 자동진단 알고리즘이 연구 진행되어 오고 있다.
한편, 울혈성심부전(congestive heart failure: CHF)은 심장이 점차 기능을 잃으면서 폐나 다른 조직으로 혈액이 모이는 또 다른 심장 질환으로, 이는 고혈압, 심근 경색, 비만, 당뇨병, 신부전, 빈혈, 심장 판막 이상, 그리고 우울증에 의해 발병될 수 있다. CHF는 치료가 어려워 조기진단으로 인한 예방이 필수이지만, 현재까지 조기진단을 위한 의료기기는 개발되지 못하고 있으며, 최근에 5분에서 24시간의 심전도를 이용한 심박변이의 특성을 이용하여 자동진단하는 연구가 진행되어 오고 있다.
이와 같이 AF와 CHF 모두 조기 발견되는 경우, 치료 예후가 좋은 특징이 있으나, 초기 단계에서는 이를 검출하기가 쉽지 않으며, 정밀 진단을 위해서는 환자의 일상생활에 많은 제약을 가해야 하는 문제가 있다.
또한, 종래의 진단장치는 AF와 CHF를 동시 검출하지 못해 환자가 두 번의 진단 절차를 거쳐야지만, AF와 CHF 각각의 발병 여부를 알 수 있는 번거로움이 있었다.
이에 본 발명에서는 진단에 소요되는 시간을 획기적으로 단축시켜 주며, AF와 CHF의 발병 여부도 동시에 진단할 수 있도록 하는 심장 질환 진단장치 및 방법을 제안하고자 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따르면, 심박 신호로부터 RRI(RR Interval)을 추출하는 단계; 제곱평균제곱근, 표본 엔트로피, 셰넌 엔트로피 중 적어도 하나의 알고리즘을 이용하여 상기 RRI에 대한 통계치를 산출하는 단계; 상기 통계치의 분포 영역을 분석하여, 상기 통계치의 분포 영역이 AF 발생 영역에 속하는 경우에는 AF 증상인 것으로 판정하고, CHF(Congestive Heart Failure) 발생 영역에 속하는 경우에는 CHF 증상인 것으로 판정한 후, 판정 결과를 출력하는 단계를 포함하는 심장 질환 진단을 위한 정보 제공 방법을 제공한다.
상기 방법은 AF 발생 영역, CHF 발생 영역에 대한 정보를 설정하는 단계를 더 포함하는 것을 특징으로 한다.
상기 통계치를 산출하는 단계는 "
Figure 112014110962985-pat00001
"의 식에 따라 상기 RRI에 대한 통계치를 산출하며, 상기 l은 RRI 시계열 정보의 세그먼트, rr(i)은 i번째 RRI 신호인 것을 특징으로 한다.
또한, 상기 통계치를 산출하는 단계는 "
Figure 112014110962985-pat00002
"의 식에 따라 상기 RRI에 대한 통계치를 산출하는 것을 특징으로 하며, 상기 l은 RRI 시계열 정보의 세그먼트, Ni(l,r)는 l의 길이를 가진 RRI 시계열 정보로부터 기 설정된 임계치 r 보다 작은 거리내에서 발견되는 길이 l을 가지는 패턴 수를 의미하고, Ni(l+l,r)는 l+l 의 길이를 가진 RRI 시계열 정보로부터 기 설정된 임계치 r 보다 작은 거리내에서 발견되는 길이 l+l를 가지는 패턴 수를 의미하는 것을 특징으로 하는 한다.
더하여, 상기 통계치를 산출하는 단계는 "
Figure 112013120676921-pat00003
,
Figure 112013120676921-pat00004
"의 식에 따라 상기 RRI에 대한 통계치를 산출하는 것을 특징으로 하며, 상기 Nbin은 빈의 개수를 의미하며, 상기 Nbin(i) 는 i번째 빈에 속한 비트의 개수를 의미하는 것을 특징으로 한다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따르면, 심박 신호로부터 RRI(RR Interval)을 추출하는 RRI 추출부; 제곱평균제곱근, 표본 엔트로피, 셰넌 엔트로피 중 적어도 하나의 알고리즘을 이용하여 상기 RRI에 대한 통계치를 산출하는 통계치 산출부; 상기 통계치의 분포 영역을 분석하여, 상기 통계치의 분포 영역이 AF(Atrial Fibrillation) 발생 영역에 속하는 경우에는 AF 증상을 진단하고, CHF(Congestive Heart Failure) 발생 영역에 속하는 경우에는 CHF 증상을 진단하는 진단부; 및 상기 AF 발생 영역, 상기 CHF 발생 영역을 설정하는 진단 기준 설정부를 포함하는 심장 질환 진단 장치를 제공한다.
본 발명에서는 짧은 신호 구간내에서도 AF 증상 및 CHF 증상에 상응하는 특징이 발현되는 RRI 시계열 정보를 이용함으로써, 심장 질환 진단에 소요되는 시간이 획기적으로 단축될 수 있도록 한다.
또한, RMSSD 알고리즘. 표본 엔트로피 알고리즘, 셰넌 엔트로피 알고리즘 중 적어도 하나를 이용함으로써, AF 증상 및 CHF 증상을 동시에 검출할 수 있도록 함으로써, 심장 질환 진단에 소요되는 시간이 더욱 단축될 수 있도록 한다.
도1은 본 발명의 일 실시예에 따른 심장 질환 진단장치의 동작 원리를 설명하기 위한 도면이다.
도2는 본 발명의 일 실시예에 따른 심장 질환 진단장치를 도시한 도면이다.
도3은 본 발명의 일 실시예에 따른 RMSSD 통계치 분포도를 도시한 도면이다.
도4는 본 발명의 일 실시예에 따른 표본 엔트로피 통계치 분포도를 도시한 도면이다.
도5는 본 발명의 일 실시예에 따른 섀넌 엔트로피 동계치의 분포도를 도시한 도면이다.
도6은 본 발명의 일 실시예에 따른 심장 질환 진단을 위한 정보 제공 방법을 도시한 도면이다.
도7은 본 발명의 다른 실시예에 따른 심장 질환 진단을 위한 정보 제공 방법을 도시한 도면이다.
본 발명의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.
그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
참고로, 정상인의 심박 패턴은, 도1의 (a)에 도시된 바와 같이 RRI(RR Interval)이 일정한 특징(rr1=rr2=rrR3...)이 있으나, AF 환자 및 CHF 환자의 심박 패턴은 도1의 (b)에 도시된 바와 같이 RRI(rr1>rr2,rr2<rr3,...)이 불규칙해지는 특징이 있다. 이와 같은, RRI(rr1>rr2,rr2<rr3,...) 신호는 짧은 신호 구간내에서 AF 증상 및 CHF 증상에 상응하는 특징이 발현되는 특징을 가진다.
이에 본 발명에서는 환자의 심박 패턴으로부터 RRI 시계열 정보를 추출하고, 이를 기반으로 심장 질환 진단 동작이 수행되도록 함으로써, 심장 질환 진단 시간이 획기적으로 단축되도록 해준다.
도2는 본 발명의 일 실시예에 따른 심장 질환 진단장치를 도시한 도면이다.
도2에 도시된 바와 같이, 본 발명의 진단장치는 RRI 추출부(10), 통계치 산출부(20), 진단 기준 설정부(30), 및 진단부(40) 등을 포함하여 구성될 수 있다.
RRI 추출부(10)는 외부 장치가 환자의 심장 박동을 측정하여 심박 신호를 제공하면, 심박 신호로부터 연속되는 RRI 신호를 다수개 추출한다. 즉 l(n는 자연수) 길이의 RRI 시계열 정보(rr1~rri)를 추출한다.
이때, 외부 장치로는 심전도(ECG) 측정 장치, 펄스옥시미터(pulse oximeter), 홀터 심전계 등과 같이, 환자 심장 박동을 측정하고 이에 상응하는 전기적 신호를 제공할 수 있는 모든 장치가 적용될 수 있을 것이다.
다만, 종래의 진단 장치가 짧게는 5분에서 24시간의 데이터를 필요로 하는 것과 달리, 본 발명의 진단 장치는 약 16 개(약 10~ 20초)의 연속된 RRI 신호만을 필요로 하므로, RRI 추출부(10)는 약 16비트의 RRI 시계열 정보만을 획득하도록 한다.
통계치 산출부(20)는 RMSSD 통계치 산출부(21), 표본 엔트로피 통계치 산출부(22), 및 셰넌 엔트로피 통계치 산출부(23) 등을 구비하고, 이들 중 적어도 하나를 이용하여 RRI 시계열 정보에 대한 통계치를 산출한다.
RMSSD 통계치 산출부(21)는 RRI 시계열 정보의 비트 단위 변화량을 정량화하는 제곱평균제곱근 알고리즘을 구비하고, 이를 통해 RRI 시계열 정보에 대한 통계치를 산출할 수 있다.
RMSSD 통계치 산출부(21)는 l의 길이를 가진 RRI 시계열 정보의 세그먼트를 rr(i)　라고 가정한 경우, 수학식1을 통해 RMSSD 값을 산출할 수 있다.
Figure 112013120676921-pat00005
이와 같이, RRI 시계열 정보의 평균값으로 RMSSD를 나누어 정규화된 RMSSD 값을 산출하는 것은, AF, CHF, NSR 각각이 서로 다른 심박 평균값을 가지기 때문이다.
AF의 RRI 시계열 정보는 정상 리듬(Normal Sinus Rhythm: NSR) 및 CHF 보다 높은 변동성을 가지고, CHF의 RRI 시계열 정보는 AF 및 NSR 보다 낮은 변동성을 가지므로, RRI 시계열 정보에 대한 RMSSD 통계치는 도3에서와 같이 산출될 수 있다.
도3에 도시된 바와 같이, AF의 RMSSD 통계치는 NSR에 비해 월등히 높은 값을 가지고, CHF의 RMSSD 통계치는 NSR에 비해 낮은 값은 가지므로, RMSSD 통계치 기준으로 AF, CHF, NSR는 손쉽게 구분될 수 있음을 알 수 있다.
표1은 RMSSD 통계치를 이용한 AF, CHF, NSR 각각의 편차(deviation), 평균값(median), IQR(InterQuartile Range)을 나타낸 것으로, 이를 참고하면 CHF(전기)의 평균값은 AF 보다 9.08배, NSR 보다 1.69 배 더 낮고, CHF(후기)의 평균값은 AF 보다 14.13배, NSR 보다 2.62 배 더 낮음을 알 수 있다.
그리고 CHF(전기)의 편차는 AF 보다 13.56배, NSR 보다 2.17 배 더 낮고, CHF(후기)의 편차는 AF 보다 18.21배, NSR 보다 2.92 배 더 낮음을 알 수 있다.
그리고 CHF(전기)의 IQR는 AF 보다 13.56배, NSR 보다 2.17 배 더 낮고, CHF(후기)의 IQR는 AF 보다 19.46배, NSR 보다 3.96 배 더 낮음을 알 수 있다.
분류 Mean ± SD Median IQR
RMSSD/Mean AF 0.1907 ± 0.0783 0.1858 0.1090
NSR 0.0354 ± 0.0274 0.0297 0.0221
CHF(전기) 0.0210 ± 0.0509 0.0137 0.0096
CHF(후기) 0.0135 ± 0.0287 0.0102 0.0056
이러한 결과는 CHF(전기) vs NSR, CHF(전기) vs AF, CHF(후기) vs NSR, CHF(후기) vs AF, CHF(전기) vs CHF(후기) 및 NSR vs AF의 쌍 모두에 대한 p가 0.01보다 작다는 점에서, 통계학적으로 충분한 의미를 가진다.
또한 CHF 증상의 심각도에 비례하여 CHF와 NSR간 차이가 커지는 특징이 있어, CHF 증상이 심각할수록 CHF와 NSR간을 구별하기가 보다 용이해진다는 장점이 있다.
표본 엔트로피 통계치 산출부(22)는 시계열 데이터의 규칙성 또는 예측성을 정량화하되, 기준거리 내에 있는 데이터 개수의 정보를 이용하기 때문에 기준 이내의 잡음 크기에 대해서는 결과에 영향을 받지 않고, 적은 양의 데이터에 대해서는 유용한 결과를 줄 수 있는 표본 엔트로피 알고리즘을 구비하고, 이를 통해 RRI 시계열 정보에 대한 표본 엔트로피 동계치를 획득한다.
표본 엔트로피는 수학식2로 표현되는 서브 시리즈(subseries)가 허용 오차 범위이내이고 다음 포인트에 일치되는 서브시리즈인 조건부 확률을 추정하는 음성 자연 로그(negative natural logarithm)이다. 이때, 셀프 매칭 포인트는 확률 계산에서 제외된다. 이는 복잡도 측정을 위해 시계열내 패턴을 비교하는 검출 방법이다. 이는 생리학적 시계열 분석의 콘텍스트에 특성화된 것이며, 단기 생리학적 신호 연구에 복잡도 측정에 주로 사용된다. 높은 표본 엔트로피 동계치는 시계열 정보의 낮은 유사성을 의미하고, 낮은 표본 엔트로피 동계치는 시계열 정보의 높은 유사성을 의미하므로, 표본 엔트로피 동계치는 RRI 시계열 정보의 규칙성(또는 불규칙성)을 측정하기에 적합한 특징을 가진다.
이하의 수학식2는 표본 엔트로피 계산식이다.
Figure 112013120676921-pat00006
이때, Ni(l,r)는 l의 길이를 가진 RRI 시계열 정보로부터 기 설정된 임계치 r 보다 작은 거리내에서 발견되는 길이 l을 가지는 패턴 수를 의미하고, Ni(l+l,r)는 l+l 의 길이를 가진 RRI 시계열 정보로부터 기 설정된 임계치 r 보다 작은 거리내에서 발견되는 길이 l+l를 가지는 패턴 수를 의미한다. 수학식 2의 합은 길이 l+l의 모든 패턴까지 연장하고, 거리는 유클리드 놈(Euclidean norm)으로 평가한다.
도4는 표본 엔트로피 동계치의 분포도를 도시한 도면으로, 이를 참고하면, AF의 표본 엔트로피 동계치는 CHF 및 NSR 보다 높은 값을 가지며 CHF 및 NSR 과 확연히 구분되는 특징을 가짐을 알 수 있다. 더하여 CHF의 표본 엔트로피 동계치는 AF 및 NSR 보다 낮은 값을 가지며, 이 또한 AF 및 NSR과 확연히 구분될 수 있음을 알 수 있다.
표2은 표본 엔트로피 동계치를 이용한 AF, CHF, NSR 각각의 편차(deviation), 평균값(median), IQR을 나타낸 것으로, 이를 참고하면 표본 엔트로피 동계치 또한 RMSSD 통계치와 유사한 경향을 보임을 알 수 있다.
즉, CHF(전기)의 평균값은 AF 보다 13.63배, NSR 보다 3.20 배 더 낮고, CHF(후기)의 평균값은 AF 보다 32.11배, NSR 보다 7.55 배 더 낮음을 알 수 있다.
그리고 CHF(전기)의 편차는 AF 보다 38.88배, NSR 보다 8.31 배 더 낮고, CHF(후기)의 편차는 AF 보다 1.8971배, NSR 보다 0.4055배 더 낮음을 알 수 있다.
그리고 CHF(전기)의 IQR는 AF 보다 13.56배, NSR 보다 2.17 배 더 낮고, CHF(후기)의 IQR는 AF 보다 12.53배, NSR 보다 5.50 배 더 낮음을 알 수 있다.
분류 Mean ±SD Median IQR
SpEn AF 2.0002 ± 0.6771 1.8971 0.9808
NSR 0.4705 ± 0.3520 0.4055 0.4305
CHF(전기) 0.1467 ± 0.2123 0.0488 0.2144
CHF(후기) 0.0623 ± 0.1316 0.0000 0.0783
또한, CHF(전기) vs NSR, CHF(전기) vs AF, CHF(후기) vs NSR, CHF(후기) vs AF, CHF(전기) vs CHF(후기) 및 NSR vs AF의 쌍 모두에 대한 p가 0.01보다 작다는 점에서, 통계학적으로 충분한 의미를 가지며, RMSSD와 유사하게 CHF 증상의 심각도가 높을수록 NSR과의 구별이 용이해지는 특징이 있음을 알 수 있다.
셰넌 엔트로피 통계치 산출부(23)는 확률 변수에 대한 불확실성을 정량적으로 측정하는 셰넌 엔트로피 알고리즘을 구비하고, 이를 통해 RRI 시계열 정보에 대한 셰넌 엔트로피 동계치를 획득한다.
셰넌 엔트로피는 데이터 일부 구간에 대한 규칙성을 나타내는 패턴의 실행 가능성을 정량화한다. 예를 들어, 백색 잡음 신호는 1에 근접한 섀넌 엔트로피 동계치를 가지고, 사인파 신호는 0에 근접한 섀넌 엔트로피 동계치를 가지므로, CHF 및 NSR의 섀넌 엔트로피 동계치는 AF 보다 낮은 값을 가지고, CHF의 섀넌 엔트로피 동계치는 NSR보다 낮을 것으로 예측될 수 있다.
섀넌 엔트로피를 계산하기 위해, 본 발명에서는 RRI 시계열 세그먼트의 히스토그램을 생성하고, RR 값은 최소 및 최대 RR 값으로 그 범위가 한정된 동일한 공간 빈(Bin)으로 분류된다.
확률 분포 p(n)는 세그먼트내 비트 총 개수로 빈(bin)을 나누는 비트 총 개수를 통해 빈에 도달되도록 계산되고, 섀넌 엔트로피는 수학식3에 따라 계산된다.
Figure 112013120676921-pat00007
이때, Nbin은 빈의 개수를 의미하며, 상기 Nbin(i) 는 i번째 빈에 속한 비트의 개수를 의미함.
도5는 섀넌 엔트로피 동계치의 분포도를 도시한 도면으로, 이를 참고하면, 섀넌 엔트로피 동계치 또한 RMSSD와 유사하게, AF의 섀넌 엔트로피 동계치는 CHF 및 NSR 보다 높은 값을 가져 손쉽게 구분 가능하고, CHF의 섀넌 엔트로피 동계치는 AF 및 NSR 보다 낮은 값을 가지며 이 또한 AF 및 NSR과 손쉽게 구분될 수 있는 특징을 가짐을 알 수 있다.
표3은 섀넌 엔트로피 통계치를 이용한 AF, CHF, NSR 각각의 평균, 편차, IQR 값을 나타낸 것으로, 이를 참고하면 CHF(전기)의 평균값은 AF 보다 2.05배, NSR 보다 1.70 배 더 낮음을 알 수 있다. CHF(후기)의 평균값은 AF 보다 1.61배, NSR 보다 1.34 배 더 낮음을 알 수 있다.
그리고 CHF(전기)의 편차는 AF 보다 2.10배, NSR 보다 1.79배 더 낮고, CHF(후기)의 편차는 AF 보다 1.64배, NSR 보다 1.40배 더 낮음을 알 수 있다.
분류 Mean ± SD Median IQR
SnEp AF 2.0002 ± 0.6771 1.8971 0.9808
NSR 0.4705 ± 0.3520 0.4055 0.4305
CHF(전기) 0.1467 ± 0.2123 0.0488 0.2144
CHF(후기) 0.0623 ± 0.1316 0.0000 0.0783
이러한 결과는 CHF(전기) vs CHF(후기) 제외한 나머지 쌍 모두에 대한 p가 0.01보다 작다는 점에서, 통계학적으로 충분한 의미를 가진다. 다만, CHF(전기)와 CHF(후기)간에는 명확한 구별이 되지 않으나, CHF(전기)와 CHF(후기) 모두 AF, NSR로부터는 여전히 손쉽게 구별될 수 있는 특징을 가진다.
진단 기준 설정부(30)는 알고리즘별로, [표4]에서와 같이 CHF(전기)와 CHF(후기), AF, NSR 진단 기준에 대한 정보를 구비 및 제공한다. 즉, CHF(전기)와 CHF(후기), AF, NSR 각각의 발생 범위에 대한 임계치에 대한 정보를 사전에 획득 및 저장하고, 진단부(40)에 제공해주는 역할을 한다.
표4와 같은 정보는 사용자에 의해 수동 설정될 수도 있으나, 사용자 개입없이 진단 동작을 수행하는 동안 획득된 데이터를 수집 및 분석함으로써 자동으로 검출 및 등록하도록 할 수도 잇을 것이다. 이러한 경우, RMSSD 통계치, 표본 엔트로피 통계치, 섀넌 엔트로피 통계치에 대응되는 수신자 조작 특성(receiver operating characteristic : ROC) 곡선을 생성하고, 이로부터 임계치를 산출하는 방식을 이용할 것 있을 것이다. ROC 곡선을 이용한 임계치 산출 방법은 공지된 기술에 따르도록 한다.
분류 AF CHF
진단기준(임계값) 진단기준(임계값)
단일 검사 RMSSD 0.075(TH_RMSSD/AF) 0.019(TH_RMSSD/CHF)
SpEn 1.090(TH_SpEn/AF) 0.184(TH_SpEn/CHF)
ShEn 0.620(TH_ShEn/AF) 0.474(TH_ShEn/CHF)
복합 검사 RMSSD & SpEn 0.072(TH_RMSP/AF1)
0.820(TH_RMSP/AF2)		 0.020(TH_RMSP/CHF1)
0.220(TH_RMSP/CHF2)
RMSSD & SpEn &ShEn 0.054(TH_RMSPN/AF1)
0.740(TH_RMSPN/AF2)
0.515(TH_RMSPN/AF3)		 0.020(TH_RMSPN / CHF1)
0.222(TH_RMSPN/CHF2)
0.600(TH_RMSPN/CHF3)
진단부(40)는 RMSSD 통계치 산출부(21), 표본 엔트로피 통계치 산출부(22), 및 셰넌 엔트로피 통계치 산출부(23) 중 적어도 하나를 이용하여 RRI 시계열 정보에 대한 통계치를 산출하고, 이를 CHF(전기)와 CHF(후기), AF, NSR 진단 기준에 따라 분석하여, 현재 환자가 CHF 및 AF 중 하나의 증상을 가지고 있는 지 진단하도록 한다. 또한, CHF의 경우, 현재 증상이 전기에 속하는지 아님 후기에 속하는지도 진단하도록 한다.
즉, 진단부(40)는 통계치 산출부(20)가 통계치 검출에 이용한 구성 요소를 확인한 후, 진단 기준 설정부(30)로부터 해당 구성 요소에 대응되는 진단 기준을 제공받는 다. 그리고 RRI 통계치와 제공받은 진단 기준을 비교 분석하여, 현재 획득된 RRI 통계치가 CHF 증상에 속하는지, AF 증상에 속하는지, 또는 정상에 속하는지 판별하도록 한다.
또한, 상기의 설명에서는 AF 및 CHF에 대한 임계치를 획득하고, 이를 기준으로 진단 동작을 수행하도록 하였으나, 필요한 경우 도3 내지 도5와 그래프에서 NSR 영역에 대한 정보를 획득하고, 이를 기준으로 환자의 통계치가 CHF 발생 영역에 속하는지, AF 발생 영역에 속하는지, 또는 정상 영역에 속하는지 판별할 수 있을 것이다.
도6은 본 발명의 일 실시예에 따른 심장 질환 진단을 위한 정보 제공 방법을 도시한 도면이다.
도6에 도시된 바와 같이, 심박 신호가 입력되면, 심장 질환 진단장치는 심박 신호의 16비트를 모니터링하고 16개의 RRI 신호, 즉 16의 길이를 갖는 RRI 시계열 정보를 추출한다(S1).
그리고 나서, RMSSD 통계치 산출부(21), 표본 엔트로피 통계치 산출부(22), 및 셰넌 엔트로피 통계치 산출부(23) 중 적어도 하나를 통해 RRI 시계열 정보에 대한 통계치를 산출한다(S2).
그리고 단계 S2를 통해 산출된 통계치의 분포 영역을 분석하여, 통계치 분포 영역이 NSR 발생 영역보다 높은 값을 가지는 AF 발생 영역에 위치하는 지, 또는 NSR 발생 영역보다 낮은 값을 가지는 CHR 발생 영역에 위치하는 지를 확인한다(S3).
만약, 통계치 분포 영역이 AF 발생 영역에 속하면(S4), 심장 질환 진단장치는 현재 진단중인 환자에 AF 증상이 있음을 통보한다(S5).
그리고 통계치 분포 영역이 CHF 발생 영역에 속하면(S6), 심장 질환 진단장치는 현재 진단중인 환자에 CHF 증상이 있음을 통보한다(S7). 단계 S7의 경우, 통계치 분포 영역이 CHF 전기 발생 영역에 속하는지, 또는 CHF 후기 발생 영역에 속하는 지 추가적으로 확인함으로써, CHF 증상의 심각도도 알려줄 수 있을 것이다.
반면, 통계치 분포 영역이 AF 발생 영역과 CHF 발생 영역이 아닌 NSR 영역에 속하면(S6), 심장 질환 진단장치는 현재 진단중인 환자에 정상임을 진단하도록 한다(S8).
도6에서는 심장 질환 진단 동작이 일회성으로 수행되도록 하였으나, 필요한 경우 도7에서와 같이 기 설정된 시간 동안 심장 질환 진단 동작을 반복 수행하고, 심장 질환 진단을 수렴하여 최종적으로 진단 동작이 수행되도록 할 수도 있다. 이러한 경우, 진단의 신뢰성은 향상될 수 있을 것이다. 즉, 심장 질환 진단 결과, AF 증상 또는 CHF 증상의 검출 비율이 기 설정된 비율(예를 들어, 60%)이상인 경우에 한해 AF 증상 또는 CHF 증상이 검출되었음을 통보하도록 할 수 있다. 또 다르게는 AF 증상 또는 CHF 증상 검출 여부와 함께 AF 증상 또는 CHF 증상의 검출 비율을 함께 알려줌으로써, 의료진의 판별에 도움을 주도록 할 수도 있다.
이하, 표5 및 표6을 참고하여 본 발명의 심장 질환 방법의 성능을 살펴보면 다음과 같다.
분류 민감도
(sensitivity)		 특이도
(specificity) 		정확도
(accuracy)
단일 검사 RMSSD 0.9522 0.9649 0.9607
SpEn 0.9350 0.9684 0.9583
SnEn 0.8336 0.7738 0.7771
복합 검사 RMSSD&SpEn 0.9506 0.9712 0.9643
RMSSD&SpEn&SnEn 0.9495 0.9724 0.9648
분류 민감도
(sensitivity)		 특이도
(specificity) 		정확도
(accuracy)
단일 검사 RMSSD 0.9522 0.9649 0.9607
SpEn 0.9350 0.9684 0.9583
SnEn 0.8336 0.7738 0.7771
복합 검사 RMSSD&SpEn 0.9506 0.9712 0.9643
RMSSD&SpEn&SnEn 0.9495 0.9724 0.9648
상기의 표5 및 표6에 나타난 바와 같이, 본 발명에서 RMSSD 통계치 산출부(21), 표본 엔트로피 통계치 산출부(22), 및 셰넌 엔트로피 통계치 산출부(23)를 하나씩 이용하는 경우, RMSSD 통계치 산출부(21)와 표본 엔트로피 통계치 산출부(22)를 함께 이용하는 경우, RMSSD 통계치 산출부(21)와 표본 엔트로피 통계치 산출부(22)와 셰넌 엔트로피 통계치 산출부(23) 모두를 이용하는 경우, 높은 민감도, 특이도, 정확도를 가짐을 알 수 있다.
이에 앞서 설명한 바와 같이, 본 발명에서는 RMSSD 통계치 산출부(21), 표본 엔트로피 통계치 산출부(22), 및 셰넌 엔트로피 통계치 산출부(23) 중 적어도 하나를 이용함으로써, 심장 질환 진단 동작의 민감도, 특이도, 정확도를 안정적으로 확보할 수 있도록 한다.
이상에서 전술한 바와 같은 이를 구현하기 위한 프로그램 명령어로서 구현될 수 있으며, 이러한 프로그램 명령어를 기록한 컴퓨터로 읽힐 수 있는 기록매체는, 일 예로, ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 미디어 저장장치 등이 있다.
또한 전술한 바와 같은 프로그램을 기록한 컴퓨터로 읽힐 수 있는 기록매체는 네트워크로 커넥션된 컴퓨터 장치에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 이 경우, 다수의 분산된 컴퓨터 중 어느 하나 이상의 컴퓨터는 상기에 제시된 기능들 중 일부를 실행하고, 그 결과를 다른 분산된 컴퓨터들 중 하나 이상에 그 실행 결과를 전송할 수 있으며, 그 결과를 전송받은 컴퓨터 역시 상기에 제시된 기능들 중 일부를 실행하여, 그 결과를 역시 다른 분산된 컴퓨터들에 제공할 수 있다.
본 발명의 각 실시예에 따른 심장 질환 진단장치 및 방법을 구동시키기 위한 프로그램인 애플리케이션을 기록한 기록매체를 읽을 수 있는 컴퓨터는, 일반적인 데스크 탑이나 노트북 등의 일반 PC뿐 만 아니라, 스마트 폰, 태블릿 PC, PDA(Personal Digital Assistants) 및 이동통신 단말 등의 모바일 단말을 포함할 수 있으며, 이뿐만 아니라, 컴퓨팅(Computing) 가능한 모든 기기로 해석되어야 할 것이다.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 등이 포함될 수 있다.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재될 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥 상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (7)

  1. AF 발생 영역과 CHF 발생 영역에 대한 정보가 제곱평균제곱근, 표본 엔트로피, 셰넌 엔트로피 알고리즘 각각에 대응하여 설정된 진단 기준 정보를 획득 및 저장 단계;
    심박 신호로부터 RRI(RR Interval) 추출하는 단계;
    제곱평균제곱근, 표본 엔트로피, 셰넌 엔트로피 중 적어도 하나의 알고리즘을 통계치 산출 알고리즘으로 선택한 후, 상기 통계치 산출 알고리즘을 통해 상기 RRI에 대한 통계치를 산출하는 단계; 및
    상기 진단 기준 정보를 검색하여 상기 통계치 산출 알고리즘의 종류에 대응되는 AF 발생 영역과 CHF 발생 영역에 대한 정보를 획득하고, 상기 획득된 AF 발생 영역과 CHF 발생 영역에 대한 정보와 상기 RRI에 대한 통계치를 비교 분석하여, 상기 RRI에 대한 통계치의 분포 영역이 AF(Atrial Fibrillation) 발생 영역에 속하는 경우에는 AF 증상인 것으로 판정하고, CHF(Congestive Heart Failure) 발생 영역에 속하는 경우에는 CHF 증상인 것으로 판정한 후, 판정 결과를 출력하는 단계를 포함하는 심장 질환 진단을 위한 정보 제공 방법.
  2. 삭제
  3. 제1항에 있어서, 상기 RRI에 대한 통계치를 산출하는 단계는
    제곱평균제곱근 알고리즘을 통해 상기 RRI에 대한 통계치를 산출하는 경우, "
    Figure 112015015430553-pat00018
    "의 식에 따라 상기 RRI에 대한 통계치를 산출하며,
    상기 l은 RRI 시계열 정보의 세그먼트, rr(i)은 i번째 RRI 신호, rr(i+1)은 i+1번째 RRI 신호인 것을 특징으로 하는 심장 질환 진단을 위한 정보 제공 방법.
  4. 제1항에 있어서, 상기 RRI에 대한 통계치를 산출하는 단계는
    표본 엔트로피 알고리즘을 통해 상기 RRI에 대한 통계치를 산출하는 경우, "
    Figure 112015015430553-pat00019
    "의 식에 따라 상기 RRI에 대한 통계치를 산출하는 것을 특징으로 하며,
    상기 l은 RRI 시계열 정보의 세그먼트, Ni(l,r)는 l의 길이를 가진 RRI 시계열 정보로부터 기 설정된 임계치 r 보다 작은 거리내에서 발견되는 길이 l을 가지는 패턴 수를 의미하고, Ni(l+l,r)는 l+l 의 길이를 가진 RRI 시계열 정보로부터 기 설정된 임계치 r 보다 작은 거리내에서 발견되는 길이 l+l를 가지는 패턴 수를 의미하는 것을 특징으로 하는 심장 질환 진단을 위한 정보 제공 방법.
  5. 제1항에 있어서, 상기 통계치를 산출하는 단계는
    셰넌 엔트로피 알고리즘을 통해 상기 RRI에 대한 통계치를 산출하는 경우, "
    Figure 112015015430553-pat00010
    , p(i)=Nbin(i)/(l-Nbin(i))"의 식에 따라 상기 RRI에 대한 통계치를 산출하는 것을 특징으로 하며,
    상기 Nbin은 빈의 개수를 의미하며, 상기 Nbin(i) 는 i번째 빈에 속한 비트의 개수인 것을 특징으로 하는 심장 질환 진단을 위한 정보 제공 방법.
  6. 제1항, 제3항 내지 제5항 중 어느 한 항에 기재된 심장 질환 진단을 위한 정보 제공 방법을 실행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  7. AF 발생 영역과 CHF 발생 영역에 대한 정보가 제곱평균제곱근, 표본 엔트로피, 셰넌 엔트로피 알고리즘 각각에 대응하여 설정된 진단 기준 정보를 획득 및 저장하는 진단 기준 설정부;
    심박 신호로부터 RRI(RR Interval)을 추출하는 RRI 추출부;
    제곱평균제곱근, 표본 엔트로피, 셰넌 엔트로피 중 적어도 하나의 알고리즘을 통계치 산출 알고리즘으로 선택한 후, 상기 통계치 산출 알고리즘을 통해 상기 RRI에 대한 통계치를 산출하는 통계치 산출부; 및
    상기 진단 기준 정보를 검색하여 상기 통계치 산출 알고리즘의 종류에 대응되는 AF 발생 영역과 CHF 발생 영역에 대한 정보를 획득하고, 상기 획득된 AF 발생 영역과 CHF 발생 영역에 대한 정보와 상기 RRI에 대한 통계치를 비교 분석하여, 상기 RRI에 대한 통계치의 분포 영역이 AF(Atrial Fibrillation) 발생 영역에 속하는 경우에는 AF 증상을 진단하고, CHF(Congestive Heart Failure) 발생 영역에 속하는 경우에는 CHF 증상을 진단하는 진단부를 포함하는 심장 질환 진단 장치.
KR1020130167385A 2013-12-30 2013-12-30 심장 질환 진단 장치 및 방법 KR101515725B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130167385A KR101515725B1 (ko) 2013-12-30 2013-12-30 심장 질환 진단 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130167385A KR101515725B1 (ko) 2013-12-30 2013-12-30 심장 질환 진단 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101515725B1 true KR101515725B1 (ko) 2015-04-27

Family

ID=53054239

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130167385A KR101515725B1 (ko) 2013-12-30 2013-12-30 심장 질환 진단 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101515725B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109620209A (zh) * 2018-12-31 2019-04-16 南京茂森电子技术有限公司 一种动态心电、呼吸和运动监测系统和方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009540953A (ja) * 2006-06-20 2009-11-26 ヴィヴォメトリクス・インク うっ血性心不全患者の携帯型自動モニタリング

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009540953A (ja) * 2006-06-20 2009-11-26 ヴィヴォメトリクス・インク うっ血性心不全患者の携帯型自動モニタリング

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109620209A (zh) * 2018-12-31 2019-04-16 南京茂森电子技术有限公司 一种动态心电、呼吸和运动监测系统和方法
CN109620209B (zh) * 2018-12-31 2023-12-19 南京茂森电子技术有限公司 一种动态心电、呼吸和运动监测系统和方法

Similar Documents

Publication Publication Date Title
US20210275046A1 (en) Peak Detection System and Method for Calculation of Signal-Derived Metrics
US11723576B2 (en) Detecting atrial fibrillation using short single-lead ECG recordings
US10149625B2 (en) Patient signal analysis based on vector analysis
US8755876B2 (en) Methods and systems for atrial fibrillation detection
Babaeizadeh et al. Improvements in atrial fibrillation detection for real-time monitoring
US8396541B2 (en) Signal analysis of cardiac and other patient medical signals
US8868168B2 (en) System for cardiac condition characterization using electrophysiological signal data
US8684942B2 (en) System for cardiac impairment detection based on signal regularity
US9050014B2 (en) System for cardiac arrhythmia detection and characterization
US10278602B2 (en) System and method for rapid ECG acquisition
US8364248B2 (en) System for cardiac pathology detection and characterization
US10172563B2 (en) Method and system for analyzing noise in an electrophysiology study
WO2021103796A1 (zh) 心电信号处理方法、心电信号处理装置和电子设备
Kruger et al. Bimodal classification algorithm for atrial fibrillation detection from m-health ECG recordings
US9962103B2 (en) Systems and methods for assessing electrocardiogram reliability
KR101515725B1 (ko) 심장 질환 진단 장치 및 방법
US9020583B2 (en) Patient signal analysis and characterization
CN115770054A (zh) 心电信号处理方法、便携式心电采集设备和存储介质
Wrobel et al. Optimizing the automated detection of atrial fibrillation episodes in long-term recording instrumentation
TWM530126U (zh) 基於擬合曲線之心跳訊號的檢測裝置
CN116616790B (zh) 心脏风险评估方法、装置、计算机设备与存储介质
CN114343666B (zh) 针对长程心电监测的阵发性房颤扫描方法、系统、存储介质及电子设备
TWI630903B (zh) 基於擬合曲線之心跳訊號的檢測方法、檢測裝置以及處理方法
Tien et al. A Low-Complexity R-peak Detection Based on Exponential Weight Mean-Variance for Wearable ECG Devices
CN116649985A (zh) 心电数据处理方法、装置、计算机设备与存储介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190401

Year of fee payment: 5