KR101645212B1 - 일상생활 중 심부 체온 일주기 리듬 추정 방법 - Google Patents

일상생활 중 심부 체온 일주기 리듬 추정 방법 Download PDF

Info

Publication number
KR101645212B1
KR101645212B1 KR1020140132690A KR20140132690A KR101645212B1 KR 101645212 B1 KR101645212 B1 KR 101645212B1 KR 1020140132690 A KR1020140132690 A KR 1020140132690A KR 20140132690 A KR20140132690 A KR 20140132690A KR 101645212 B1 KR101645212 B1 KR 101645212B1
Authority
KR
South Korea
Prior art keywords
data
body temperature
deep body
mhr
predetermined time
Prior art date
Application number
KR1020140132690A
Other languages
English (en)
Other versions
KR20160039506A (ko
Inventor
박광석
심수영
김희찬
노승우
윤희남
유호석
Original Assignee
서울대학교 산학협력단
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 서울대학교 산학협력단 filed Critical 서울대학교 산학협력단
Priority to KR1020140132690A priority Critical patent/KR101645212B1/ko
Publication of KR20160039506A publication Critical patent/KR20160039506A/ko
Application granted granted Critical
Publication of KR101645212B1 publication Critical patent/KR101645212B1/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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

본 발명은 인체의 건강을 평가하는데 반드시 필요한 생체 신호 중 하나인 심부 체온을 일상 생활 중에 비침습 및 무구속적으로 모니터링 하고, 그로부터 다양한 건강정보를 추출할 수 있는 심부 체온의 일주기 리듬을 획득할 수 있는 방법에 관한 것이다.
본 발명에 따른 일상생활 중 심부 체온 일주기 리듬 추정 방법은 일상생활 중 연속적, 비침습적 및 무구속적으로 생체신호를 측정하는 단계; 상기 측정된 생체신호로부터 심부 체온을 추정하기 위한 파라미터 데이터를 추출하는 단계; 상기 추출된 각각의 파라미터 데이터와 심부 체온 추정 알고리즘을 이용하여 소정시간당 심부 체온을 추정하여 심부 체온 데이터를 추출하는 단계; 및 상기 추출된 심부 체온 데이터로부터 심부 체온 일주기 리듬을 추정하는 단계;를 포함할 수 있다.

Description

일상생활 중 심부 체온 일주기 리듬 추정 방법{Method of estimating deep body temperature circadian rhythm in daily life}
본 발명은 연속적, 비침습 및 무구속적으로 측정이 가능한 다양한 생체 신호들을 이용하여 일상 생활 중 심부 체온을 추정하고, 추정된 심부 체온 데이터로부터 심부 체온 일주기 리듬을 추정하는 방법에 관한 것이다.
종래의 심부 체온 측정 방법은 중환자실에서 주로 사용되는 항문 체온계나 식도 체온계를 이용하여 측정하는 방법, 적외선 체온계나 겨드랑이 체온계를 이용하여 측정하는 방법, 적외선 카메라를 이용하여 장기간의 체온을 모니터링하여 측정하는 방법 등이 있다.
항문 체온계나 식도 체온계를 이용하여 측정하는 방법은 센서를 직접 체내에 삽입하므로 매우 침습적이기 때문에 의식 있는 사람의 장기간 심부 체온 모니터링에 적합하지 않으며 항문천공 등의 위험이 있으며, 또한 일회용 센서를 이용해야 하므로 경제적이지 않다는 문제가 있다.
적외선 체온계나 겨드랑이 체온계를 이용하여 측정하는 방법은 측정시간이 짧다는 장점은 있으나 피측정자의 활동을 구속하므로 장기간의 심부 체온 모니터링에 적합하지 않으며, 심부 체온 측정을 위해 간호사가 일정 주기마다 환자를 방문해 심부 체온을 측정하고 수동적으로 심부 체온을 기록하여야 하기 때문에 심부 체온을 자동적으로 모니터링 하기에는 한계가 있다.
적외선 카메라를 이용하여 장기간의 체온을 모니터링하여 측정하는 방법은 외부 환경에 따라 심부 체온을 제대로 반영하지 못하는 문제가 있다.
따라서, 최근에는 비침습적이고 무구속적으로 측정이 가능한 다양한 생체신호들과 심부 체온 추정 모델을 이용하여 심부 체온을 추정하는 방법에 관한 연구가 이루어지고 있다.
그러나, 수면 관련 질환의 진단 및 치료, 생리 주기 진단 및 예측, 업무 효율성 증대, 가축의 질병 평가 등에 유용하게 활용할 수 있는 일상생활 중의 심부 체온의 일주기 리듬을 추정하는 방법에 관한 연구는 이루어지지 않고 있는 실정이다.
US 2010/0280331 A1 (2010. 11. 4. 공개) US 2014/0180027 A1 (2014. 6. 26. 공개)
본 발명은 일상생활 중 연속적, 비침습 및 무구속적으로 측정 가능한 다양한 생체 신호들을 이용하여 심부 체온과 심부 체온의 일주기 리듬을 추정하는 방법을 제공한다.
본 발명에 따른 일상생활 중 심부 체온 일주기 리듬 추정 방법은 일상생활 중 연속적으로 ECG(Electrocardiogram) 신호를 측정하는 단계; 상기 측정된 ECG 신호로부터 심부 체온을 추정하기 위한 파라미터 데이터를 추출하는 단계; 상기 추출된 각각의 파라미터 데이터와 심부 체온 추정 알고리즘을 이용하여 소정시간당 심부 체온을 추정하여 심부 체온 데이터를 추출하는 단계; 및 상기 추출된 심부 체온 데이터로부터 심부 체온 일주기 리듬을 추정하는 단계;를 포함할 수 있다.
또한, 상기 파라미터 데이터는 상기 측정된 ECG 신호로부터 소정시간당 산출되어 추출된 nMHR(normalized Mean Heart Rate) 데이터일 수 있다.
이 경우, 상기 파라미터 데이터 추출 단계는, 상기 측정된 ECG 신호로부터 단위시간당 심박수(heart rate)를 산출하여 심박수 데이터를 추출하는 단계; 상기 추출된 심박수 데이터로부터 소정시간당 평균심박수(MHR:Mean Heart Rate)를 산출하여 MHR(Mean Heart Rate) 데이터를 추출하는 단계; 및 상기 추출된 각각의 MHR 데이터를 정규화하여 상기 nMHR 데이터를 추출하는 단계;를 포함할 수 있다.
여기서, 상기 각각의 MHR 데이터 정규화는 다음 식에 의해 이루어질 수 있다.
nMHR = [MHR - min(MHR)] / [max(MHR) - min(MHR)]
(단, min(MHR): 상기 추출된 MHR 데이터 중 최소값, max(MHR): 상기 추출된 MHR 데이터 중 최대값)
또한, 상기 파라미터 데이터는 상기 측정된 ECG 신호로부터 소정시간당 산출되어 추출된 심박수 변이도(HRV:Heart Rate Variability) 데이터일 수 있다.
바람직하게, 상기 심박수 변이도 데이터는 nLF(normalized Low Frequency) 데이터, nHF(normalized High Frequency) 데이터, LF/HF ratio(Low Frequency to High Frequency ratio) 데이터 중 적어도 어느 하나를 포함할 수 있다.
또한, 상기 파라미터 데이터가 nLF(normalized Low Frequency) 데이터인 경우에, 상기 파라미터 데이터 추출 단계는, 상기 측정된 ECG 신호로부터 소정시간당 nLF(normalized Low Frequency)를 산출하여 nLF 데이터를 추출하는 단계를 포함할 수 있다.
여기서, 상기 nLF는 다음 식에 의해 계산될 수 있다.
nLF = LF / (Total Power - VLF)
(단, LF: 소정시간당 ECG 신호 중 0.04 ~ 0.15 Hz 대역의 Low Frequency power, Total Power: 소정시간당 ECG 신호 중 0 ~ 0.4 Hz 대역의 total power, VLF: 0 ~ 0.04 Hz 대역의 Very Low Frequency power)
또한, 상기 파라미터 데이터가 nHF(normalized High Frequency) 데이터인 경우에, 상기 파라미터 데이터 추출 단계는, 상기 측정된 ECG 신호로부터 소정시간당 nHF(normalized High Frequency)를 산출하여 nHF 데이터를 추출하는 단계를 포함할 수 있다.
여기서, 상기 nHF는 다음 식에 의해 계산될 수 있다.
nHF = HF / (Total Power - VLF)
(단, HF: 소정시간당 ECG 신호 중 0.15 ~ 0.4 Hz 대역의 High Frequency power, Total Power: 소정시간당 ECG 신호 중 0 ~ 0.4 Hz 대역의 total power, VLF: 0 ~ 0.04 Hz 대역의 Very Low Frequency power)
또한, 상기 파라미터 데이터가 LF/HF ratio(Low Frequency to High Frequency ratio) 데이터인 경우에, 상기 파라미터 데이터 추출 단계는, 상기 측정된 ECG 신호로부터 소정시간당 LF/HF ratio(Low Frequency to High Frequency ratio)를 산출하여 LF/HF ratio 데이터를 추출하는 단계를 포함할 수 있다.
여기서, LF는 소정시간당 ECG 신호 중 0.04 ~ 0.15 Hz 대역의 Low Frequency power이고, HF는 소정시간당 ECG 신호 중 0.15 ~ 0.4 Hz 대역의 High Frequency power이다.
한편, 본 발명에 따른 일상생활 중 심부 체온 일주기 리듬 추정 방법에 있어서, 상기 심부 체온 추정 알고리즘은 회귀 분석, 칼만 필터, 파티클 필터, 은닉마르코프 모델 중 어느 하나일 수 있다.
또한, 본 발명에 따른 일상생활 중 심부 체온 일주기 리듬 추정 방법은 일상생활 중 상기 ECG 신호 외에 호흡, 피부체온, 움직임 신호 중 적어도 어느 하나의 신호를 연속적으로 더 측정할 수 있다.
이 경우, 상기 파라미터 데이터 추출단계는, 상기 측정된 ECG 신호로부터 MHR(Mean Hear Rate) 데이터, nMHR(normalized Mean Heart Rate) 데이터, nLF(normalized Low Frequency) 데이터, nHF(normalized High Frequency) 데이터, LF/HF ratio(Low Frequency to High Frequency ratio) 데이터 중 적어도 어느 하나의 데이터를 소정시간당 추출하고, 상기 측정된 호흡, 피부체온, 움직임 신호 중 적어도 어느 하나의 신호로부터 호흡 데이터, 피부체온 데이터, 움직임 신호 데이터를 소정시간당 추출할 수 있다.
여기서, 상기 심부 체온 추정 알고리즘은 다음 식으로 이루어질 수 있다.
CTt= a1 + a2*MHRt +a3*nMHRt + a4*nLFt + a5*nHFt + a6*LF/HF ratiot + a7*Respiration ratet + a8*Temperaturet + a9*Movementt
(단, CTt: 소정시간당 추정된 심부 체온, a1,a2,a3,a4,a5,a6,a7,a8,a9: 모델파라미터, MHRt: 소정시간당 추출된 MHR 데이터, nMHRt: 소정시간당 추출된 MHR 데이터 각각을 정규화한 nMHR 데이터, nLFt: 소정시간당 측정된 ECG 신호 중 0.04 ~ 0.15 Hz 대역의 LF 데이터 각각을 정규화한 nLF 데이터, nHFt: 소정시간당 ECG 신호 중 0.15 ~ 0.4 Hz 대역의 HF 데이터 각각을 정규화한 nHF 데이터, LF/HF ratiot: 소정시간당 추출된 LF/HF ratio 데이터, Respiration ratet: 상기 측정된 호흡 신호로부터 소정시간당 추출된 파라미터 데이터, Temperaturet: 상기 측정된 피부체온 신호로부터 소정시간당 추출된 데이터, Movementt: 상기 측정된 움직임 신호로부터 소정시간당 추출된 파라미터 데이터)
한편, 다른 측면에서의 본 발명에 따른 일상생활 중 심부 체온 일주기 리듬 추정 방법은 일상생활 중 연속적, 비침습적 및 무구속적으로 생체신호를 측정하는 단계; 상기 측정된 생체신호로부터 심부 체온을 추정하기 위한 파라미터 데이터를 추출하는 단계; 상기 추출된 각각의 파라미터 데이터와 심부 체온 추정 알고리즘을 이용하여 소정시간당 심부 체온을 추정하여 심부 체온 데이터를 추출하는 단계; 및 상기 추출된 심부 체온 데이터로부터 심부 체온 일주기 리듬을 추정하는 단계;를 포함할 수 있다.
여기서, 상기 생체신호는 ECG 신호 외에 호흡, 피부체온, 움직임 신호 중 적어도 어느 하나의 신호를 더 포함할 수 있다.
본 발명에 따른 심부 체온 일주기 리듬 추정 방법은 일상생활 중 비침습 및 무구속적인 방법으로 측정이 이루어지기 때문에, 사용자가 스스로 쉽게 그리고 연속적이고 자동적으로 다양한 건강정보를 추출할 수 있는 심부 체온의 일주기 리듬을 획득할 수 있는 효과가 있다.
도 1은 본 발명의 일실시 예에 따른 심부 체온 일주기 리듬 추정 방법을 나타내는 도면이고,
도 2는 본 실시 예에서 파라미터를 MHR, nMHR, nLF, nHF, LF/HF ratio의 각 파라미터와 심부 체온 간의 상관관계를 나타내는 그래프이고,
도 3은 도 2의 파라미터를 이용하여 심부 체온을 추정한 결과를 나타내는 도표이고,
도 4는 MHR 파라미터를 이용하여 심부 체온 일주기 리듬을 추정한 경우와, nMHR 파라미터를 이용하여 심부 체온 일주기 리듬을 추정한 경우를 나타내는 그래프이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 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.
또한, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 이외의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.
도 1은 본 발명의 일실시 예에 따른 심부 체온 일주기 리듬 추정 방법을 나타내는 도면이다.
도 1을 참조하면, 본 발명의 일실시 예에 따른 심부 체온 일주기 리듬 추정 방법은 일상생활 중 생체신호 측정 단계(S10), 파라미터 데이터 추출 단계(S20), 심부 체온 데이터 추출 단계(S30), 심부 체온 일주기 리듬 추정 단계(S40)를 포함할 수 있다.
이하, 각 단계에 대하여 상세히 설명한다.
1. 일상생활 중 다양한 생체 신호 측정
생체신호 측정 단계(S10)는 일상생활 중 연속적, 비침습적 및 무구속적으로 다양한 생체신호를 측정하는 단계이다.
상기 생체신호는 심장활동 모니터링을 통한 ECG 신호 외에 호흡, 피부체온, 움직임 신호 중 적어도 어느 하나의 신호를 더 포함할 수 있다.
예를 들어, 일상생활 중 ECG monitoring module을 통해 ECG 신호를, Respiration monitoring module을 통해 호흡 신호를, Skin temperature sensor를 통해 피부체온을, 3-axis Accelerometer를 통해 움직임 신호를 연속적, 비침습적 및 무구속적으로 모니터링하여 측정할 수 있다.
2. 파라미터 데이터 추출
파라미터 데이터 추출 단계(S20)는 생체신호 측정 단계(S10)에서 측정된 생체신호로부터 심부 체온을 추정하기 위한 파라미터 데이터를 추출하는 단계이다.
심부 체온을 추정을 위한 파라미터 데이터는 ECG monitoring module에서 일상생활 중 연속적으로 측정된 ECG 신호로부터 소정시간당 산출되어 추출된 MHR(Mean Heart Rate) 데이터, nMHR(normalized Mean Heart Rate) 데이터, 심박수 변이도(HRV:Heart Rate Variability) 데이터 중 적어도 어느 하나를 포함할 수 있다.
또한, 상기 심박수 변이도 데이터는 nLF(normalized Low Frequency) 데이터, nHF(normalized High Frequency) 데이터, LF/HF ratio(Low Frequency to High Frequency ratio) 데이터 중 적어도 어느 하나를 포함할 수 있다.
또한, 생체신호 측정 단계(S10)에서 ECG 신호 외에 호흡, 피부체온, 움직임 신호 중 적어도 어느 하나의 신호를 더 측정하는 경우에, 상기 파라미터 데이터는 Respiration monitoring module에서 일상생활 중 연속적으로 측정된 호흡신호로부터 소정시간당 추출된 respiratory frequency 데이터 및 respiratory frequency variability 데이터, Skin temperature sensor에서 일상생활 중 연속적으로 측정된 피부체온 신호로부터 소정시간당 추출된 피부체온 데이터, 3-aixs Accelerometer에서 일상생활 중 연속적으로 측정된 움직임 신호로부터 소정시간당 추출된 움직임 강도 데이터(ex. IAA:Integrals of the absolute value of accelerometer output from all the 3 measurement directions) 중 적어도 어느 하나를 더 포함할 수 있다.
3. 심부 체온 데이터 추출
심부 체온 데이터 추출 단계(S30)는 파라미터 데이터 추출 단계(S20)에서 추출된 각각의 파라미터 데이터와 심부 체온 추정 알고리즘을 이용하여 소정시간당 심부 체온을 추정하여 심부 체온 데이터를 추출하는 단계이다.
심부 체온 추정 알고리즘은 일상생활 중 연속적으로 측정된 생체신호로부터 추출된 파라미터 데이터들과 심부 체온 간의 관계를 도출하여 심부 체온을 추정할 수 있는 알고리즘이다.
이러한 심부 체온 추정 알고리즘으로는 회귀 분석, 칼만 필터, 파티클 필터, 은닉마르코프 모델 중 어느 하나가 이용될 수 있다.
바람직하게, 본 발명에 따른 일상생활 중 심부 체온 일주기 리듬 추정 방법에 있어서, 심부 체온 추정 알고리즘은 다음 식으로 이루어질 수 있다.
Figure 112014094208248-pat00001
여기서, CTt는 소정시간당 추정된 심부 체온이고, a1,a2,a3,a4,a5,a6,a7,a8,a9는 모델파라미터이고, MHRt는 소정시간당 추출된 MHR 데이터이고, nMHRt는 소정시간당 추출된 MHR 데이터 각각을 정규화한 nMHR 데이터이고, nLFt는 소정시간당 측정된 ECG 신호 중 0.04 ~ 0.15 Hz 대역의 LF 데이터 각각을 정규화한 nLF 데이터이고, nHFt는 소정시간당 ECG 신호 중 0.15 ~ 0.4 Hz 대역의 HF 데이터 각각을 정규화한 nHF 데이터이고, LF/HF ratiot는 소정시간당 추출된 LF/HF ratio 데이터이고, Respiration ratet는 상기 측정된 호흡 신호로부터 소정시간당 추출된 파라미터 데이터이고, Temperaturet는 상기 측정된 피부체온 신호로부터 소정시간당 추출된 데이터이고, Movementt는 상기 측정된 움직임 신호로부터 소정시간당 추출된 파라미터 데이터이고, t는 time point를 나타낸다.
4. 심부 체온 일주기 리듬 추정
심부 체온 일주기 리듬 추정 단계(S40)는 심부 체온 데이터 추출 단계(S30)에서 추출된 심부 체온 데이터로부터 심부 체온 일주기 리듬을 추정하는 단계이다.
이와 같이, 일상생활 중 소정시간당 연속적으로 추정된 심부 체온 데이터로부터 이상 데이터 즉, 노이즈를 제거하면 심부 체온 일주기 리듬을 추정할 수 있다.
상술한 바와 같이, 본 발명에 따른 심부 체온 일주기 리듬 추정 방법은 일상생활 중 비침습 및 무구속적인 방법으로 측정이 이루어지기 때문에, 사용자가 스스로 쉽게 그리고 연속적이고 자동적으로 다양한 건강정보를 추출할 수 있는 심부 체온의 일주기 리듬을 획득할 수 있다.
또한, 본 발명에 따른 심부 체온 일주기 리듬 추정 방법은 다양한 건강정보와 관련이 있는 심부 체온의 일주기 리듬을 일상생활 중에 비침습, 무구속적 및 자동적으로 추정할 수 있기 때문에, 스마트폰 등과 같은 Wearable device의 생체계측 모듈에 적용되어 활력 징후 모니터링, 심부 체온 모니터링, 생리 주기 진단 및 예측, 일주기 리듬의 획득, 수면 관련 질환의 진단 및 치료, 업무 효율성 증대, 가축의 질병 평가 등에 유용하게 활용될 수 있다.
이하, 본 발명에 따른 일상생활 중 심부 체온 일주기 리듬의 일 실시 예들을 상세히 설명한다.
본 실시 예들에서는 일상생활 중 심장활동을 모니터링하여 연속적, 비침습적 및 무구속적으로 측정된 ECG 신호를 이용하여 심부 체온 일주기 리듬을 추정한다.
즉, 본 발명의 일실시 예에 따른 일상생활 중 심부 체온 일주기 리듬 추정 방법은 일상생활 중 연속적으로 ECG 신호를 측정하는 단계, 상기 측정된 ECG 신호로부터 심부 체온을 추정하기 위한 파라미터 데이터를 추출하는 단계, 상기 추출된 각각의 파라미터 데이터와 심부 체온 추정 알고리즘을 이용하여 소정시간당 심부 체온을 추정하여 심부 체온 데이터를 추출하는 단계, 상기 추출된 심부 체온 데이터로부터 심부 체온 일주기 리듬을 추정하는 단계를 포함할 수 있다.
또한, 본 실시 예에 있어서, 심부 체온을 추정하기 위한 파라미터 데이터는 일상생활 중에 연속적으로 측정된 ECG 신호로부터 소정시간당 산출되어 추출된 nMHR(normalized Mean Heart Rate) 데이터, 심박수 변이도(HRV:Heart Rate Variability) 데이터를 이용하였다.
또한, 심박수 변이도 데이터는 nLF(normalized Low Frequency) 데이터, nHF(normalized High Frequency) 데이터, LF/HF ratio(Low Frequency to High Frequency ratio) 데이터 중 어느 하나를 각각 이용하였다.
1. 일상생활 중 ECG 신호 측정
심장 활동을 모니터링하기 위해 흉부에 Wet 전극(예. Ag/AgCl전극 등)을 부착하여 ECG 신호를 모니터링 하여 측정하였다. 샘플링 주파수는 250Hz 로 하였다. 이외에도 심장 활동을 모니터링하여 측정하는 방법으로는, Dry 전극을 사용하여 ECG 신호를 모니터링하는 방법, 손가락 혹은 손목에 빛을 통과시켜 혈류량의 흐름을 감지함으로써 PPG신호를 모니터링하는 방법, 그리고 Microwave 센서를 활용한 비접촉 심박 모니터링 등의 기술을 활용할 수도 있다.
2. 파라미터 데이터 추출
전술한 바와 같이, 본 실시 예에서는 심부 체온을 추정하기 위한 파라미터 데이터를 MHR(Mean Heart Rate), nMHR(normalized Mean Heart Rate) 데이터, nLF(normalized Low Frequency) 데이터, nHF(normalized High Frequency) 데이터, LF/HF ratio(Low Frequency to High Frequency ratio) 데이터를 각각 이용하였으며, 이하 각각의 데이터를 산출하여 추출하는 방법에 관하여 상세히 설명한다.
먼저, Wet 전극을 이용하여 획득된 ECG 신호를 0.5 Hz High Pass Filter 와 30 Hz Low Pass Filter를 이용하여 잡음을 제거한 후, R 피크들을 검출하여 R-R interval을 계산한다.
이후, R-R interval을 이용하여 단위시간당(ex.1분) 심박수(Heart Rate)를 계산한다.
심박수는 아래와 같이 계산할 수 있다.
Figure 112014094208248-pat00002
한편, 심박수를 계산한 이후에는, 파라미터를 계산하기 이전에 Savitzky-Golay filter를 적용하여 Heart rate 리듬을 스무딩하여 노이즈를 제거한다. 또한, 상기 파라미터들은 소정시간(ex. 5분) 길이의 데이터를 중첩되는 구간 없이 이동시키면서 데이터 내의 스무딩된 데이터를 이용하여 계산한다.
본 실시예에 있어서, 심부 체온을 추정하기 위한 파라미터로는 nMHR, nLF, nHF, LF/HF ratio 각각을 단일 파라미터로 이용하였다.
먼저, 심부 체온을 추정하기 위한 파라미터가 nMHR(normalized Mean Heart Rate)인 경우에, nMHR 파라미터 데이터 추출 단계는, 일상생활 중 측정된 ECG 신호로부터 단위시간당 심박수(heart rate)를 산출하여 심박수 데이터를 추출하는 단계, 상기 추출된 심박수 데이터로부터 소정시간당 평균심박수(MHR:Mean Heart Rate)를 산출하여 MHR(Mean Heart Rate) 데이터를 추출하는 단계, 상기 추출된 각각의 MHR 데이터를 정규화하여 상기 nMHR 데이터를 추출하는 단계를 포함할 수 있다.
MHR(Mean Heart Rate)는 소정시간당(ex. 5분) Heart rate 값들의 평균을 구한 값으로서, 소정시간당 평균심박수를 의미한다. 일반적으로, MHR이 증가할수록 교감 신경에 의한 자극이 증가함을 의미하고, 감소할수록 부교감 신경에 의한 자극이 증가함을 의미한다.
nMHR(Normalized mean heart rate)는 소정시간(ex. 5분) 간의 평균심박수를 계산한 후, 전체 값들 중 최대값을 1로, 최소값을 0으로 정규화한 파라미터로서, 다음 식에 의해 계산할 수 있다.
Figure 112014094208248-pat00003
(단, min(MHR): 상기 추출된 MHR 데이터 중 최소값, max(MHR): 상기 추출된 MHR 데이터 중 최대값)
또한, 심부 체온을 추정하기 위한 파라미터가 nLF(normalized Low Frequency)인 경우에 nLF 데이터 추출 단계는, 일상생활 중 측정된 ECG 신호로부터 소정시간당(ex.5분) nLF(normalized Low Frequency)를 산출하여 nLF 데이터를 추출하는 단계를 포함할 수 있다.
nLF(normalized Low Frequency)는 0.04 ~ 0.4 Hz 대역의 total power 중 LF(Low Frequency) 대역(0.04 ~ 0.15Hz) power의 비율을 의미하는 것으로서, VLF(Very Low Frequency) 대역(0 ~ 0.04Hz)의 변화에 의한 영향을 축소하고 교감 신경의 변화를 부각시키는 파라미터이다.
nLF(normalized Low Frequency)는 주파수 도메인에서 심박수 변이도를 분석한 파라미터 중 하나로 다음 식에 의해 계산될 수 있다.
Figure 112014094208248-pat00004
(단, LF: 소정시간당 ECG 신호 중 0.04 ~ 0.15 Hz 대역의 Low Frequency power, Total Power: 소정시간당 ECG 신호 중 0 ~ 0.4 Hz 대역의 total power, VLF: 0 ~ 0.04 Hz 대역의 Very Low Frequency power)
또한, 심부 체온을 추정하기 위한 파라미터가 nHF(normalized High Frequency)인 경우에 nHF 데이터 추출 단계는, 상기 측정된 ECG 신호로부터 소정시간당(ex.5분) nHF(normalized High Frequency)를 산출하여 nHF 데이터를 추출하는 단계를 포함할 수 있다.
nHF(normalized High Frequency)는 0.04 ~ 0.4 Hz 대역의 total power 중 HF(High Frequency) 대역(0.15 ~ 0.4 Hz) power의 비율을 의미하는 것으로서, VLF(Very Low Frequency) 대역(0 ~ 0.04Hz)의 변화에 의한 영향을 축소하고 부교감 신경의 변화를 부각시키는 파라미터이다.　
nHF(normalized High Frequency)는 주파수 도메인에서 심박수 변이도를 분석한 파라미터 중 하나로 다음 식에 의해 계산될 수 있다.
Figure 112014094208248-pat00005
(단, HF: 소정시간당 ECG 신호 중 0.15 ~ 0.4 Hz 대역의 High Frequency power, Total Power: 소정시간당 ECG 신호 중 0 ~ 0.4 Hz 대역의 total power, VLF: 0 ~ 0.04 Hz 대역의 Very Low Frequency power)
또한, 심부 체온을 추정하기 위한 파라미터가 LF/HF ratio(Low Frequency to High Frequency ratio)인 경우에, LF/HF ratio 데이터 추출 단계는, 상기 측정된 ECG 신호로부터 소정시간당(ex.5분) LF/HF ratio(Low Frequency to High Frequency ratio)를 산출하여 LF/HF ratio 데이터를 추출하는 단계를 포함할 수 있다.
여기서, LF는 소정시간당 ECG 신호 중 0.04 ~ 0.15 Hz 대역의 Low Frequency power이고, HF는 소정시간당 ECG 신호 중 0.15 ~ 0.4 Hz 대역의 High Frequency power이다.
LF/HF ratio(Low Frequency to High Frequency ratio)는 LF(Low Frequency) 대역(0.04 ~ 0.15Hz) power의 HF(High Frequency) 대역(0.15 ~ 0.4Hz) power에 대한 비율을 의미하는 것으로서, 교감-부교감 신경의 균형을 의미하며 증가하면 이 균형이 교감신경 쪽으로 편향되었음을 의미한다.
3. 심부 체온 데이터 추출 및 심부 체온 일주기 리듬 추정
이후, 상기 추출된 각각의 파라미터 데이터와 심부 체온 추정 알고리즘을 이용하여 소정시간당 심부 체온을 추정하여 심부 체온 데이터를 추출한다. 그리고 이와 같이 추출된 심부 체온 데이터로부터 심부 체온 일주기 리듬을 추정한다.
본 발명에 따른 일상생활 중 심부 체온 일주기 리듬 추정 방법에 있어서, 상기 심부 체온 추정 알고리즘은 Extended Kalman Filter 모델을 이용하였다.
MHR(Mean Heart Rate)를 기반으로 심부 체온을 추정하기 위한 Extended Kalman Filter 모델은 다음 식에서와 같이 Time update model과 Observation model로 구성된다.
Figure 112014094208248-pat00006
여기서, CT는 심부 체온(core body temperature) 이고, t는 time point 이고, ai는 time update model coefficients 이고, f는 noise 이고, γ는 Standard deviation of the discrete probability distribution of ΔCT, bi는 observation model coefficients 이고, g는 noise 이고, σi는 Mean of the standard deviations of heart-related parameter values binned by CT at 0.1˚C interval 이다.
도 2는 본 실시 예에 활용되는 파라미터(MHR, nMHR, nLF, nHF, LF/HF ratio)와 심부 체온 간의 상관관계를 나타내는 그래프이고, 그래프 내의 r은 Spearman rank correlation coefficient 값이다.
도 3은 도 2의 파라미터들을 사용하여 심부 체온을 추정한 결과를 나타내며 RMSE(Root mean square error)와 Bias는 정확도를 나타내는 지표이다. 추정 결과, nMHR, nLF, nHF, LF/HF ratio 는 평균 RMSE 0.4C 이내로 심부 체온을 추정할 수 있었다. 사람마다 심박 수 베이스라인이 다르기 때문에 nMHR을 이용해 심부 체온을 추정하는 방법이 MHR을 이용하는 경우보다 정확도가 높았다. Standardized spectral compound인 nLF와 nHF는 2차식 observation model을 적용할 경우, 평균 RMSE 0.4C 이내로 심부 체온을 추정할 수 있었다.
도 4는 MHR 파라미터를 이용하여 심부 체온 일주기 리듬을 추정한 경우와, nMHR 파라미터를 이용하여 심부 체온 일주기 리듬을 추정한 경우를 나타내는 그래프이다.
도 4를 참조하면, 빨간 점선이 reference 신호로서 실제 심부 체온의 일주기 리듬을 나타내며, MHR(1), MHR(2) 및 MHR(3)이 MHR 파라미터를 이용하여 추정된 심부 체온 일주기 리듬을 나타내며, nMHR(1), nMHR(2) 및 nMHR(3)이 nMHR 파라미터를 이용하여 추정된 심부 체온 일주기 리듬을 나타낸다. 괄호 안의 숫자는 observation model의 차수를 의미한다.
도 4에서 알 수 있는 바와 같이, 심부 체온 일주기 리듬을 추정하기 위한 파라미터로서 MHR 파라미터를 이용하는 경우보다, nMHR 파라미터를 이용하는 경우가 더 정확한 심부 체온 일주기 리듬 추정이 가능함을 알 수 있다.
한편, 본 발명에 따른 일상생활 중 심부 체온 일주기 리듬 추정 방법은 일상생활 중 연속적, 비침습적 및 무구속적으로 측정 가능한 ECG(Electrocardiogram) 신호로부터 추출할 수 있는 파라미터 즉, MHR, nMHR, nLF, nHF 및 LF/HF ratio 파라미터 외에, ECG 신호와 마찬가지로 일상생활 중 연속적, 비침습적 및 무구속적으로 측정 가능한 호흡, 피부체온, 움직임 신호 등으로부터 추출할 수 있는 파라미터를 더 추가함으로써, 일상생활 중 더 정확하게 심부 체온 및 심부 체온 일주기 리듬을 추정할 수 있다.
이상에서 살펴본 바와 같이, 본 발명은 일상생활 중 연속적, 비침습적 및 무구속적으로 측정 가능한 생체신호를 이용하여 일상생활 중 심부 체온 및 심부 체온 일주기 리듬을 추정하는 방법에 관한 것으로서, 그 실시 형태는 다양한 형태로 변경가능하다 할 것이다. 따라서 본 발명은 본 명세서에서 개시된 실시 예에 의해 한정되지 않으며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 변경 가능한 모든 형태도 본 발명의 권리범위에 속한다 할 것이다.
본 발명은 인체의 건강을 평가하는데 반드시 필요한 생체 신호 중 하나인 심부 체온을 일상 생활 중에 비침습 및 무구속적으로 모니터링 하고, 그로부터 다양한 건강정보를 추출할 수 있는 심부 체온의 일주기 리듬을 획득할 수 있는 방법에 관한 것이다.
따라서, 본 발명에 따른 심부 체온 일주기 리듬 추정 방법은 다양한 건강정보와 관련이 있는 심부 체온의 일주기 리듬을 일상생활 중에 비침습, 무구속적 및 자동적으로 추정할 수 있기 때문에, 스마트폰 등과 같은 Wearable device의 생체계측 모듈에 적용되어 활력 징후 모니터링, 심부 체온 모니터링, 생리 주기 진단 및 예측, 일주기 리듬의 획득, 수면 관련 질환의 진단 및 치료, 업무 효율성 증대, 가축의 질병 평가 등에 유용하게 활용될 수 있다.

Claims (11)

  1. 일상생활 중 연속적으로 ECG 신호를 측정하는 단계;
    상기 측정된 ECG(Electrocardiogram) 신호로부터 심부 체온을 추정하기 위한 파라미터 데이터를 추출하는 단계;
    상기 추출된 각각의 파라미터 데이터와 심부 체온 추정 알고리즘을 이용하여 소정시간당 심부 체온을 추정하여 심부 체온 데이터를 추출하는 단계; 및
    상기 추출된 심부 체온 데이터로부터 심부 체온 일주기 리듬을 추정하는 단계;를 포함하고,
    일상생활 중 상기 ECG 신호 외에 호흡, 피부체온, 움직임 신호 중 적어도 어느 하나의 신호를 연속적으로 더 측정하고,
    상기 파라미터 데이터 추출단계는,
    상기 측정된 ECG 신호로부터 MHR(Mean Hear Rate) 데이터, nMHR(normalized Mean Heart Rate) 데이터, nLF(normalized Low Frequency) 데이터, nHF(normalized High Frequency) 데이터, LF/HF ratio 데이터 중 적어도 어느 하나의 데이터를 소정시간당 추출하고,
    상기 측정된 호흡, 피부체온, 움직임 신호 중 적어도 어느 하나의 신호로부터 호흡 데이터, 피부체온 데이터, 움직임 신호 데이터를 소정시간당 추출하고,
    상기 심부 체온 추정 알고리즘은 다음 식으로 이루어지는 것을 특징으로 하는 일상생활 중 심부 체온 일주기 리듬 추정 방법.
    CTt= a1 + a2*MHRt +a3*nMHRt + a4*nLFt + a5*nHFt + a6*LF/HF ratiot + a7*Respiration ratet + a8*Temperaturet + a9*Movementt
    (단, CTt: 소정시간당 추정된 심부 체온, a1,a2,a3,a4,a5,a6,a7,a8,a9: 모델파라미터, MHRt: 소정시간당 추출된 MHR 데이터, nMHRt: 소정시간당 추출된 MHR 데이터 각각을 정규화한 nMHR 데이터, nLFt: 소정시간당 측정된 ECG 신호 중 0.04 ~ 0.15 Hz 대역의 LF 데이터 각각을 정규화한 nLF 데이터, nHFt: 소정시간당 ECG 신호 중 0.15 ~ 0.4 Hz 대역의 HF 데이터 각각을 정규화한 nHF 데이터, LF/HF ratiot: 소정시간당 추출된 LF/HF ratio 데이터, Respiration ratet: 상기 측정된 호흡 신호로부터 소정시간당 추출된 파라미터 데이터, Temperaturet: 상기 측정된 피부체온 신호로부터 소정시간당 추출된 데이터, Movementt: 상기 측정된 움직임 신호로부터 소정시간당 추출된 파라미터 데이터)
  2. 삭제
  3. 제 1 항에 있어서,
    상기 파라미터 데이터 추출 단계는,
    상기 측정된 ECG 신호로부터 단위시간당 심박수(heart rate)를 산출하여 심박수 데이터를 추출하는 단계;
    상기 추출된 심박수 데이터로부터 소정시간당 평균심박수(MHR:Mean Heart Rate)를 산출하여 MHR(Mean Heart Rate) 데이터를 추출하는 단계; 및
    상기 추출된 각각의 MHR 데이터를 정규화하여 상기 nMHR 데이터를 추출하는 단계;를 포함하고,
    상기 각각의 MHR 데이터 정규화는 다음 식에 의해 이루어지는 것을 특징으로 하는 일상생활 중 심부 체온 일주기 리듬 추정 방법.
    nMHR = [MHR - min(MHR)] / [max(MHR) - min(MHR)]
    (단, min(MHR): 상기 추출된 MHR 데이터 중 최소값, max(MHR): 상기 추출된 MHR 데이터 중 최대값)
  4. 삭제
  5. 제 1 항에 있어서,
    상기 파라미터 데이터 추출 단계는,
    상기 측정된 ECG 신호로부터 소정시간당 nLF(normalized Low Frequency)를 산출하여 nLF 데이터를 추출하는 단계;를 포함하고,
    상기 nLF은 다음 식에 의해 계산되는 것을 특징으로 하는 일상생활 중 심부 체온 일주기 리듬 추정 방법.
    nLF = LF / (Total Power - VLF)
    (단, LF: 소정시간당 ECG 신호 중 0.04 ~ 0.15 Hz 대역의 Low Frequency power, Total Power: 소정시간당 ECG 신호 중 0 ~ 0.4 Hz 대역의 total power, VLF: 0 ~ 0.04 Hz 대역의 Very Low Frequency power)
  6. 제 1 항에 있어서,
    상기 파라미터 데이터 추출 단계는,
    상기 측정된 ECG 신호로부터 소정시간당 nHF(normalized High Frequency)를 산출하여 nHF 데이터를 추출하는 단계;를 포함하고,
    상기 nHF은 다음 식에 의해 계산되는 것을 특징으로 하는 일상생활 중 심부 체온 일주기 리듬 추정 방법.
    nHF = HF / (Total Power - VLF)
    (단, HF: 소정시간당 ECG 신호 중 0.15 ~ 0.4 Hz 대역의 High Frequency power, Total Power: 소정시간당 ECG 신호 중 0 ~ 0.4 Hz 대역의 total power, VLF: 0 ~ 0.04 Hz 대역의 Very Low Frequency power)
  7. 제 1 항에 있어서,
    상기 파라미터 데이터 추출 단계는, 상기 측정된 ECG 신호로부터 소정시간당 LF/HF ratio(Low Frequency to High Frequency ratio)를 산출하여 LF/HF ratio 데이터를 추출하는 단계를 포함하는 것을 특징으로 하는 일상생활 중 심부 체온 일주기 리듬 추정 방법.
    (단, LF: 소정시간당 ECG 신호 중 0.04 ~ 0.15 Hz 대역의 Low Frequency power, HF: 소정시간당 ECG 신호 중 0.15 ~ 0.4 Hz 대역의 High Frequency power)
  8. 제 1 항, 제 3 항, 제 5 항 내지 제 7 항 중 어느 한 항에 있어서,
    상기 심부 체온 추정 알고리즘은 회귀 분석, 칼만 필터, 파티클 필터, 은닉마르코프 모델 중 어느 하나인 것을 특징으로 하는 일상생활 중 심부 체온 일주기 리듬 추정 방법.
  9. 삭제
  10. 삭제
  11. 삭제
KR1020140132690A 2014-10-01 2014-10-01 일상생활 중 심부 체온 일주기 리듬 추정 방법 KR101645212B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140132690A KR101645212B1 (ko) 2014-10-01 2014-10-01 일상생활 중 심부 체온 일주기 리듬 추정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140132690A KR101645212B1 (ko) 2014-10-01 2014-10-01 일상생활 중 심부 체온 일주기 리듬 추정 방법

Publications (2)

Publication Number Publication Date
KR20160039506A KR20160039506A (ko) 2016-04-11
KR101645212B1 true KR101645212B1 (ko) 2016-08-03

Family

ID=55800621

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140132690A KR101645212B1 (ko) 2014-10-01 2014-10-01 일상생활 중 심부 체온 일주기 리듬 추정 방법

Country Status (1)

Country Link
KR (1) KR101645212B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113545756A (zh) * 2020-04-02 2021-10-26 广东小天才科技有限公司 核心体温的测量方法、装置、可穿戴设备及存储介质
CN113520333A (zh) * 2020-04-13 2021-10-22 广东小天才科技有限公司 核心体温的确定方法、装置、设备及可读介质
CN113576423A (zh) * 2020-04-15 2021-11-02 广东小天才科技有限公司 一种核心体温的确定方法、装置、设备及存储介质
CN113545757A (zh) * 2020-04-26 2021-10-26 广东小天才科技有限公司 核心温度的测量方法、装置、终端及存储介质
CN113662516B (zh) * 2020-04-30 2024-04-12 广东小天才科技有限公司 基于体温测量进行作息管理的方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100280331A1 (en) * 2007-11-28 2010-11-04 Department Of The Navy Method and apparatus for non-invasively estimating body core temperature
US20140180027A1 (en) * 2012-12-20 2014-06-26 U.S. Government, As Represented By The Secretary Of The Army Estimation of Human Core Temperature based on Heart Rate System and Method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100280331A1 (en) * 2007-11-28 2010-11-04 Department Of The Navy Method and apparatus for non-invasively estimating body core temperature
US20140180027A1 (en) * 2012-12-20 2014-06-26 U.S. Government, As Represented By The Secretary Of The Army Estimation of Human Core Temperature based on Heart Rate System and Method

Also Published As

Publication number Publication date
KR20160039506A (ko) 2016-04-11

Similar Documents

Publication Publication Date Title
US10770182B2 (en) Systems and methods for assessing the health status of a patient
Charlton et al. Breathing rate estimation from the electrocardiogram and photoplethysmogram: A review
Yoon et al. Cuff-less blood pressure estimation using pulse waveform analysis and pulse arrival time
KR101656611B1 (ko) 무구속적으로 측정한 생체신호를 이용하여 산소탈포화지수를 획득하는 방법
KR101512076B1 (ko) 다중 생체신호를 이용한 혈당 측정 방법 및 혈당 측정 장치
CN106999065B (zh) 使用加速度测量术的可穿戴疼痛监测器
US10405791B2 (en) Method and continuously wearable noninvasive apparatus for automatically detecting a stroke and other abnormal health conditions
Thomas et al. BioWatch—A wrist watch based signal acquisition system for physiological signals including blood pressure
KR101645212B1 (ko) 일상생활 중 심부 체온 일주기 리듬 추정 방법
US11666229B2 (en) Monitoring device for monitoring of vital signs
EP2042083A2 (en) Necklace type of detector for electrocardiographic and temperature information
US20140378849A1 (en) Method and apparatus to monitor physiologic and biometric parameters using a non-invasive set of transducers
CN106132297A (zh) 在线实时采集分析用于评估每搏输出量、心输出量和全身性炎症的电压体积描记法、心电图和脑电图的方法及装置
Wijaya et al. Data storage based heart and body temperature measurement device
Soman et al. Analysis of physiological signals in response to stress using ECG and respiratory signals of automobile drivers
Carbonaro et al. Wearable biomonitoring system for stress management: A preliminary study on robust ECG signal processing
Byfield et al. Towards robust blood pressure estimation from pulse wave velocity measured by photoplethysmography sensors
WO2016185931A1 (ja) 生体情報測定装置
Zhang et al. Study of cuffless blood pressure estimation method based on multiple physiological parameters
JP6784368B2 (ja) うつ状態判別方法及びうつ状態判定装置
WO2020160058A1 (en) Systems and methods for computationally efficient non-invasive blood quality measurement
EP3203900A1 (en) Weaning readiness indicator, sleeping status recording device, and air providing system applying nonlinear time-frequency analysis
US20180055373A1 (en) Monitoring device to identify candidates for autonomic neuromodulation therapy
KR20180043517A (ko) 생체/운동 신호 기반의 에너지 소모량 측정 방법 및 장치
WO2021054186A1 (ja) 行動タスク評価システムおよび行動タスク評価方法

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: 20190625

Year of fee payment: 4