KR102123149B1 - 침 근전도 신호를 이용한 말초신경병증 감별 장치 - Google Patents

Abstract

본 발명은 침 근전도 신호를 이용한 말초신경병증 감별 장치에 관한 것으로, 더욱 상세하게는 한 사람에게서 추출하는 여러 개의 침 근전도 신호를 통계처리하고, 침 근전도 신호의 시간-주파수 분석이 가능한 웨이블렛 변환 방법을 제시하여 더욱 신뢰도 높고 진단의 오류를 줄일 수 있으며 근전도검사 직후 말초신경병증에 대한 진단을 내릴 수 있는 말초신경병증 감별장치에 관한 기술이다.

Description

침 근전도 신호를 이용한 말초신경병증 감별 장치{A device for diagnosis of peripheral neuropathy using wavelet transform of needle electromyography signal}

본 발명은 침 근전도 신호를 이용한 말초신경병증 감별 장치에 관한 것으로, 더욱 상세하게는 한 사람에게서 추출하는 여러 개의 침 근전도 신호를 통계처리하고, 침 근전도 신호의 시간-주파수 분석이 가능한 웨이블렛 변환 방법을 제시하여 더욱 신뢰도 높고 진단의 오류를 줄일 수 있으며 근전도검사 직후 말초신경병증에 대한 진단을 내릴 수 있는 말초신경병증 감별장치에 관한 기술이다.

근육에서 발생하는 활동전위는 말초신경병증에서 특징적인 양상을 보인다. 이에 따라 신경병증의 평가에 임상적으로 널리 사용하고 있는 방법으로, 침근전도검사가 있다. 검사의 목적은 병변의 존재 유무를 확인하고, 병변이 말초 신경계 운동 단위 혹은 중추 신경계 중 어느 곳을 침범하고 있는가, 병변이 국소적 혹은 전신적인가, 병변의 병태 생리와 중증도는 어떠한가, 그리고 병변이 호전 혹은 악화되고 있는가 등을 판별하는 데 있다. 성인과 소아 모두에서 임상진단과 전기진단검사의 일치도는 약 73~98%의 높은 진단율을 보이는 것으로 알려져 있다.

근전도검사에서 추출한 근전도신호는 하나의 운동 단위 모양을 통해 신경병증을 진단하기 위한 피쳐가 추출된다. 여기서, 운동단위(motor unit)는 하나의 전각세포(anterior horn cell)와 신경섬유, 그리고 이에 연결된 모든 근섬유들(muscle fibers)을 총칭하며, 근육을 수축할 때 발생되는 운동단위에서 발생되는 전위를 근전도신호로 검출하는 것이다. 근전도신호는 도 1에 도시된 바와 같이, 크기, 지속시간, 극점, 영점 지난 횟수 등으로 운동단위의 활동전위 양상을 분석할 수 있다.

말초신경병증을 진단하기 위해 근전도신호를 처리하는 종래의 기술인 Tkach이 대표저자로 연구한 학회문헌 ‘Research Study of stability of time-domain features for electromyographic pattern recognition’을 살펴보면, 상기 근전도신호의 특징을 파악하여 다수 개의 피쳐를 추출할 수 있는데, 이때 진단에 핵심적인 5개를 뽑자면 지속시간(파장길이, WL, Waveform Length), 영점 지난 횟수(ZC, Zero Crossings), 기울기변경(SSC, Slope Sign Changes), 크기(WA, Willison Amplitude), 평균입방근(RMS, Root Mean Square)이다.

상기 5개의 피쳐를 사용하여 정상인 10세트와 환자 10세트에 대한 진단을 수행한 결과를 도 2에 나타내었다. 도 2는 지속시간에 대한 영점지난횟수, 영점지난횟수에 대한 기울기변경, 기울기변경에 대한 평균입방근, 크기에 대한 평균입방근을 나타낸 그래프로, 이를 분석하면 정상데이터와 신경병증데이터가 구분이 되지 않는 경우도 발생하는 것을 알 수 있다.

이렇듯, 근전도검사를 통한 신경병증 진단법은 운동단위의 특징을 정량적으로 표현하고 기술하기가 어려워, 숙련된 전문가가 아니라면 진단하는 것이 쉽지 않은 것이 현실이다.

Tkach 등, ‘Research Study of stability of time-domain features for electromyographic pattern recognition’, Journal of NeuroEngineering and Rehabilitation 2010, 7:21

지금까지 근전도 신호를 이용하여 말초신경병증을 진단하기 위해 피쳐를 추출하는 것에 관한 연구가 이루어진 바 있지만, 근전도 검사의 결과를 정량화하여 진단의 용이성을 높이고 오류를 줄이기 위한 연구는 부족하다. 본 발명은 말초신경병증의 진단에 근전도 신호를 신호의 특성에 맞는 기저함수를 이용하여 웨이블릿 변환한 후 피쳐를 추출하고 정상인 기준수치와 비교하는 방식으로 근전도 검사 후 즉시 진단을 내릴 수 있는 침 근전도 신호를 이용한 말초신경병증 감별 장치를 제공하고자 한다.

또한, 본 발명은 한 사람에게서 추출하는 다수 개의 근전도 신호를 통계처리 함으로써 진단의 오류를 줄일 수 있어 신뢰도가 높은 침 근전도 신호를 이용한 말초신경병증 감별 장치를 제공하고자 한다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제로 제한되지 않으며, 여기에 언급되지 않은 본 발명이 해결하려는 또 다른 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 장치는, 침상전극을 피검사근육에 삽입한 후, 상기 피검사근육이 수축될 때 하나의 운동단위에 대한 활동전위 신호들만이 발생되도록 반복하여 하나의 운동단위에 대한 다수 개의 활동전위 신호를 검출하는 근전도검출부; 시간-주파수 신호의 특성을 시각화할 수 있도록 상기 활동전위 신호를 가공하여 정량화된 수치를 도출하는 신호처리부; 및 상기 정량화된 수치를 기 저장된 정상인을 나타내는 기준수치와 비교하여 상기 활동전위 신호의 양상이 말초신경병증에 해당하는지 혹은 정상인지에 관한 진단정보를 생성하는 감별부;를 포함하고, 상기 신호처리부는 시간-주파수 분석이 가능하도록 상기 활동전위 신호를 웨이블릿변환하는 것을 특징으로 한다.

본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 장치에 있어서, 상기 신호처리부는, 상기 검출된 다수 개의 활동전위 신호를 하나의 활동전위 신호로 각각 분할하는 전처리부; 상기 분할된 활동전위 신호들에 대해 모아렛(Morlet)을 기저함수로 설정한 웨이블릿변환을 실시하는 웨이블릿변환부; 상기 웨이블릿변환된 활동전위 신호들 중에서 시간샘플이 정해진 범위에 존재하는 신호들만 분리하여, 스케일에 대해서 상기 정해진 시간샘플 범위에 대한 웨이블릿계수를 더한 웨이블릿계수합을 계산한 후 상기 웨이블릿계수합으로부터 상기 진단정보를 감별할 수 있는 피쳐를 추출하는 피쳐추출부; 및 상기 다수 개의 활동전위 신호에 대해 각각 추출되는 상기 피쳐를 평균하여 동일한 운동단위에 대한 상기 피쳐의 대푯값을 상기 정량화된 수치로 선정하는 데이터선정부;를 포함하는 것을 특징으로 한다.

본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 장치에 있어서, 상기 피쳐추출부는, 상기 웨이블릿계수합으로부터 제1피쳐와 제2피쳐를 추출한 후, 상기 웨이블릿계수합과 정상인 데이터의 비교분석을 실시하여 제3피쳐를 추출하는 것을 특징으로 한다.

본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 장치에 있어서, 상기 제1피쳐는 수학식 4를 이용하여 상기 웨이블릿계수합의 실효치로 계산되고, 상기 제2피쳐는 수학식 5를 이용하여 상기 웨이블릿계수합에 대한 중심 스케일로 계산되며, 상기 제3피쳐는 수학식 6을 이용하여 정상인 데이터의 정규화된 정상인 대표 웨이블릿계수합과 상기 웨이블릿계수합 간의 상관분석으로부터 계산되는 것을 특징으로 한다.

본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 장치에 있어서, 상기 감별부는, 상기 제1피쳐가 0 내지 3000인 제1조건, 상기 제2피쳐가 15 내지 23인 제2조건, 상기 제3피쳐가 0.8 내지 1인 제3조건을 만족하는 지 여부를 각각 감별하고, 상기 제1조건 내지 상기 제3조건을 모두 만족하면 ‘정상’결과를, 상기 제1조건 내지 상기 제3조건 중 어느 하나라도 만족하지 못하면 ‘말초신경병증’결과를 포함하는 진단정보를 생성하는 것을 특징으로 한다.

상기 과제의 해결 수단에 의해, 본 발명의 침 근전도 신호를 이용한 말초신경병증 감별 장치는, 말초신경병증의 진단에 근전도 신호를 신호의 특성에 맞는 기저함수를 이용하여 웨이블릿 변환한 후 피쳐를 추출하고 정상인 기준수치와 비교하는 방식으로 근전도 검사 후 즉시 진단을 내릴 수 있는 효과가 있다.

또한, 본 발명의 침 근전도 신호를 이용한 말초신경병증 감별 장치는, 한 사람에게서 추출하는 다수 개의 근전도 신호를 통계처리 함으로써 진단의 오류를 줄일 수 있어 검사의 신뢰도를 높일 수 있는 효과가 있다.

도 1은 운동단위활동전위의 양상에 대해 구분할 수 있는 파라미터를 나타낸 도면이다.
도 2는 종래의 기술에 따라 정상인과 말초신경병증 환자가 근전도검사를 실시하였을 때 나타난 결과그래프이다.
도 3은 본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 장치의 구성도이다.
도 4는 본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 장치의 감별프로세스를 나타낸 도면이다.
도 5는 본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 과정에서 각각의 운동단위에 대한 정상데이터(NR)와 신경병증데이터(NR)를 나타낸 그래프이다.
도 6은 Db2, Db4, Meyer, Morlet 기저함수 각각의 기본파형과, 웨이블릿변환 그래프, 및 정상 데이터와 말초신경병증 데이터에 대한 피쳐를 도시한 그래프이다.
도 7은 본 발명에 따른 근전도 신호의 특성을 잘 나타내기 위해 사용되는 웨이블릿 변환의 기저함수를 나타낸 그래프이다.
도 8은 본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 과정에서 분할된 근전도 신호를 웨이블릿 변환한 결과를 나타낸 도면이다.
도 9는 운동단위와 웨이블릿함수의 중심이 일치하는 곳의 웨이블릿 계수가 신호의 특성을 가장 잘 나타내는 것을 설명하기 위한 도면이다.
도 10은 본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 과정에서 웨이블릿계수합을 도출하는 과정을 나타낸 도면이다.
도 11은 본 발명에 따른 정해진 시간 범위에 대해 각각 정상인 신호와 말초신경병증 환자 신호의 피쳐를 도시한 그래프이다.
도 12는 본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 과정에서 정상인 데이터와의 상관계수를 추출하기 위해 다수 개의 정상인 데이터 중에서 대표 정상인 데이터가 선정된 그래프이다.
도 13은 본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 과정에서 신경병증 환자의 근전도검사 시 반복하였던 동일한 운동단위에 대한 다수 개의 활동전위에 대한 각각의 피쳐에 있어서 대푯값이 선정된 그래프이다.
도 14는 본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 과정에서 정상인을 나타내는 기준수치를 판별하기 위한 그래프이다.

이상과 같은 본 발명에 대한 해결하고자 하는 과제, 과제의 해결 수단, 발명의 효과를 포함한 구체적인 사항들은 다음에 기재할 실시예 및 도면들에 포함되어 있다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다.

본 발명의 일 실시예에 따른 침 근전도 신호를 이용한 말초말초신경병증 감별 장치는 도 3에 도시된 바와 같이, 침상전극을 피검사근육에 삽입한 후, 상기 피검사근육이 수축될 때 하나의 운동단위에 대한 활동전위 신호들만이 발생되도록 반복하여 하나의 운동단위에 대한 다수 개의 활동전위 신호를 검출하는 근전도검출부(10); 시간-주파수 신호의 특성을 시각화할 수 있도록 상기 활동전위 신호를 가공하여 정량화된 수치를 도출하는 신호처리부(20); 및 상기 정량화된 수치를 기 저장된 정상인을 나타내는 기준수치와 비교하여 상기 활동전위 신호의 양상이 말초신경병증에 해당하는지 혹은 정상인지에 관한 진단정보를 생성하는 감별부(30);를 포함한다.

먼저, 상기 근전도검출부(10)는, 통상적으로 알려져 있는 침 근전도 검사의 방법을 이용하며, 전달되는 전기자극을 확인하고자 하는 피검사근육에 침상전극을 삽입하고, 하나의 운동단위에 대한 운동단위활동전위만이 나오도록 반복하여 검출한다. 여기서, 운동단위활동전위란 하나의 운동단위가 수축될 때 발생되는 전기신호이다.

다음으로, 상기 신호처리부(20)는, 시간-주파수 분석이 가능하도록 상기 활동전위 신호를 웨이블릿변환하고 말초신경병증 진단을 위한 피쳐를 추출하는 것을 주된 특징으로 하며, 도 4에 도시된 말초신경병증 감별 프로세스를 수행한다.

또한, 상기 신호처리부(20)는 검출된 다수 개의 상기 활동전위 신호를 하나의 활동전위 신호로 각각 분할하는 전처리부(21); 상기 분할된 활동전위 신호들에 대해 모아렛(Morlet)을 기저함수로 설정한 웨이블릿변환을 실시하는 웨이블릿변환부(22); 상기 웨이블릿변환된 활동전위 신호들 중에서 시간샘플이 정해진 범위에 존재하는 신호들만 분리하여, 스케일에 대해서 상기 정해진 시간샘플 범위에 대한 웨이블릿계수를 더한 웨이블릿계수합을 계산한 후 상기 웨이블릿계수합으로부터 상기 진단정보를 감별할 수 있는 피쳐를 추출하는 피쳐추출부(23); 및 상기 다수 개의 활동전위 신호에 대해 각각 추출되는 상기 피쳐를 평균하여 동일한 운동단위에 대한 상기 피쳐의 대푯값을 상기 정량화된 수치로 선정하는 데이터선정부(24);를 포함한다.

상기 전처리부(21)는, 하나의 운동단위에 대한 다수 개의 활동전위 신호를 하나의 데이터들로 분할한다. 근전도 신호를 1번 측정하여 나온 데이터는 1개의 세트로 정의되고, 1개의 세트는 1개의 운동단위에 대해 다수 개의 활동 전위 데이터를 포함하는 것이다. 예를 들면, 정상인 10세트와 말초신경병증 환자 10세트의 데이터가 있다면 각 세트당 1개의 운동단위에 대한 활동전위 신호 개수가 약 30 내지 70개 존재하므로, 약 1000개의 데이터가 나올 수 있다. 도 5는 각각의 운동단위에 대한 정상데이터(NR)와 신경병증데이터(NP)를 2세트 씩 그래프로 나타낸 것이다.

상기 웨이블릿변환부(22)는, 모양, 크기, 주파수 특성으로 동시에 분류 가능하도록 상기 활동전위 신호를 웨이블릿변환하는 것을 특징으로 한다.

웨이블릿변환은 신호를 기저함수(mother wavelet function)이라고 불리는 작은 파로 표현하는 신호처리 기법으로, 기저함수의 확대 및 축소의 스케일과 위치 이동을 통하여 신호를 표현한다.

웨이블릿변환의 식은 하기 수학식 1과 같다.

[수학식 1]

이때, C는 웨이블릿 계수이다.

웨이블릿 변환의 기저함수는 Db2, Db4, Meyer, Morlet 등이 존재한다. 기저함수는 활동전위의 기본형태를 잘 표현하여, 정상인 데이터와 말초신경병증 데이터의 구분이 명확할 수 있는 종류를 선택하여야 한다.

도 6은 각 기저함수의 기본파형과, 웨이블릿변환 그래프, 및 정상 데이터와 말초신경병증 데이터에 대한 피쳐를 도시한 그래프를 나타내며, 이를 참조하면, 모아렛(Morlet)이 활동전위의 기본형태를 가장 잘 표현할 수 있는 기저함수임을 알 수 있다.

즉, 운동단위에 의한 근전도신호의 기본형태와 말초신경병증환자의 형태의 차이를 고려하였을 때, 상기 차이를 잘 구분할 수 있는 기저함수는 모아렛(Morlet)이었다.

본 발명에서는 웨이블릿변환을 위한 기저함수는 운동단위의 활동전위 기본형태를 잘 표현할 수 있는 모아렛(Morlet)으로 설정하였다. 모아렛(Morlet) 기저함수의 식은 하기의 수학식 2와 같으며, 파형 그래프는 도 7에 도시된 바와 같다.

[수학식 2]

웨이블릿 변환에 있어서, 신호의 특성을 잘 나타내기 위해서는 기저함수를 적절하게 선택하는 것은 매우 중요하다. 분석할 신호와 형태가 유사하다면 웨이블릿 변환 결과에서 신호의 특성을 잘 관찰할 수 있기 때문이다. 모아렛(Morlet) 웨이블릿변환은 임펄스신호와 유사한 형태를 지닌 기저함수를 사용하는 것이며, 기계시스템의 고장신호, 심전도, 근전도 신호와 같은 인체 신호는 임펄스 형태의 신호이다.

상기 웨이블릿변환부(22)는 정상인과 말초신경병증 환자의 근전도 신호를 모아렛(Morlet) 웨이블릿 변환하여 도 8에 도시한 바와 같이 나타낼 수 있다. 좌측 그래프는 근전도 시간신호 그래프이고, 이를 웨이블릿 변환한 결과인 우측 그래프는 시간-스케일(주파수)에 대한 웨이블릿 계수를 색으로 표시한 그래프이다. 여기서, 주파수는 슈도주파수를 의미하고, 슈도주파수는 기저함수마다 정해지는 중심주파수에 의해, 슈도주파수의 역수에 비례하는 변수인 스케일로 대체되어 도 8과 같이 웨이블렛 변환 그래프로 도시되며, 슈도주파수와 스케일의 관계는 하기의 수학식 3과 같다.

[수학식 3]

여기서,

는 스케일

에 해당하는 슈도 주파수(Hz)이고,

는 웨이블릿의 중심 주파수(Hz)이고,

는 스케일이며,

는 샘플링 시간(

)을 의미한다.

하기 표 1은 슈도주파수를 스케일로 변환시킨 값을 나타낸다. 본 발명에서는 슈도주파수를 스케일의 범위 1~70까지 변환하였으므로, 분석가능한 주파수의 범위는 58Hz 내지 4060Hz이다.

스케일	슈도주파수(Hz)
10	406
20	203
40	102
70	58

상기 피쳐추출부(23)는, Morlet 웨이블릿변환된 활동전위 신호들 중에서 상기 진단정보를 감별할 수 있는 피쳐를 추출하도록 마련된다.

운동단위의 활동전위신호는 도 9에 도시된 바와 같이, 가장 큰 값을 가지는 시간샘플이 0인 특성을 가지고 있다. 따라서, 도 10에 도시된 바와 같이, 웨이블릿함수의 중심이 0 근처일 때를 비교하는 것이 적절할 것이며, 웨이블릿계수합을 도출하기 위해 신호들을 분리하는 시간샘플의 정해진 범위를 설정해야 할 것이다.

상기 웨이블릿계수합은 시간샘플이 상기 정해진 범위 내의 신호 웨이블릿계수들을 스케일에 대해 합산하여 계산된다.

본 발명의 상기 정해진 범위는 일 실시예에 따르면 -1 내지 1, 다른 일 실시예에 따르면 -2 내지 2, 또 다른 일 실시예에 따르면 -3 내지 3으로 설정될 수 있다.

도 11은 상술한 3개의 범위(-1 내지 1, 또는 -2 내지 2, 또는 -3 내지 3)에 대해 각각 정상인 신호와 말초신경병증 환자 신호의 피쳐를 도시한 그래프를 나타내는 것으로, 3개의 범위 모두 명확하게 구분될 수 있음을 알 수 있다.

이때, 상기 피쳐추출부(23)는 상기 계산된 웨이블릿계수합으로부터 제1피쳐와 제2피쳐를 추출할 수 있다.

또한, 상기 피쳐추출부(23)는 말초신경병증과 정상인의 신호를 더욱 확실히 구분하기 위해, 도 12에 도시된 바와 같이, 정상인의 근전도 신호를 웨이블릿 변환한 정상인의 다수 개의 신호에 대한 웨이블릿계수합을 정규화하여 정상인 대표 웨이블릿계수합을 도출한다.

이때, 상기 피쳐추출부(23)는 상기 도출된 정상인 대표 웨이블릿계수합과 상기 웨이블릿계수합 간의 비교분석, 구체적으로 상관분석을 실시하여 제3피쳐를 추출할 수 있다.

상기 제1피쳐는 하기의 수학식 4를 이용하여 상기 웨이블릿계수합의 실효치로 계산될 수 있다.

[수학식 4]

여기서, n은 스케일의 개수이고,

(상술한 바에 따르면, 본 발명에서는 스케일의 범위를 1~70으로 설정하였으므로, n은 70)

C는 신호 각각의 웨이블릿계수합이다.

상기 제2피쳐는 하기의 수학식 5를 이용하여 상기 웨이블릿계수합에 대한 중심 스케일로 계산될 수 있다.

[수학식 5]

여기서, s는 스케일이고,

C(s)는 각 스케일에 대한 웨이블릿계수합이다.

상기 제3피쳐는 하기의 수학식 6을 이용하여 상기 정상인 대표 웨이블릿계수합과 상기 웨이블릿계수합 간의 상관분석으로부터 계산될 수 있다.

[수학식 6]

여기서, x는 웨이블릿계수합이고,

는 x(웨이블릿계수합)의 평균이고,

y는 정상인 대표 웨이블릿계수합이며,

는 y(정상인 대표 웨이블릿계수합)의 평균이다.

상기 데이터추출부(24)는 말초신경병증 환자의 모든 운동 단위 신호가 전부 말초신경병증 특징을 띄는 것은 아니기 때문에, 도 13에 도시된 바와 같이 동일한 운동단위에 대한 다수 개의 활동전위 신호로부터 추출되는 상기 피쳐들을 평균하여 동일한 운동단위에 대한 피쳐들의 대푯값을 선정하여, 상기 대푯값으로 하여금 말초신경병증에 대한 진단을 실시할 수 있도록 한다.

한편, 말초신경병증에 대한 신속하고 효율적인 진단을 위해서는, 정량화된 피쳐의 대푯값이 임계값으로 설정될 수 있는 정상인 기준 수치와 비교하는 것이 바람직할 것이다. 이를 위해, 본 발명에서는 정상인 기준 수치를 도출하기 위해 정상인의 데이터로 상술한 모든 과정을 거쳐, 도 14에 정상인과 말초신경병증 데이터를 함께 나타내었다. 그 결과, 정상인 신호는 말초신경병증 신호에 대비하여 상기 제1피쳐인 실효치는 0 내지 3000, 상기 제2피쳐인 중심 스케일은 15 내지 23, 상기 제3피쳐인 상관계수는 0.8 내지 1을 모두 만족하는 결론을 세울 수 있었다. 따라서, 상술한 수치들은 피검자가 정상인지 말초신경병증인지 구분할 수 있는 정상인 판별기준으로 사용될 수 있음은 물론이다.

다음으로, 상기 감별부(30)는 피검자의 근전도검사 직후 신속하고 신뢰도가 높은 말초신경병증 진단을 위하여 상술한 정상인 판별기준에 따라, 상기 제1피쳐가 0 내지 3000인 제1조건, 상기 제2피쳐가 15 내지 23인 제2조건, 상기 제3피쳐가 0.8 내지 1인 제3조건을 만족하는 지 여부를 감별한다. 그 후, 상기 감별부(30)는 상기 제1조건 내지 상기 제3조건을 모두 만족하면 ‘정상’결과를, 상기 제1조건 내지 상기 제3조건 중 어느 하나라도 만족하지 못하면 ‘말초신경병증’결과를 포함하는 진단정보를 생성할 수 있다.

여기서, 상기 진단정보는 단순히 ‘정상’인지 ‘말초신경병증’인지 감별하는 것뿐만 아니라, 지난 검사 시 시간에 따른 변화를 포함하여 치료에 따른 완화되는 모습을 용이하게 관찰할 수 있고, 또한 ‘정상’데이터로부터 얼마나 벗어나 있는지에 따라 수치에 대한 레벨을 설정하여 질병의 중증도 또한 포함될 수 있을 것이다.

상술한 바와 같이, 본 발명에 따른 침 근전도 신호를 이용한 말초신경병증 감별 장치는 말초신경병증을 진단하기 위해 숙련되지 않은 사람이라도 신뢰도 높고 진단의 오류를 줄일 수 있으며 근전도검사 직후 빠른 진단을 내릴 수 있다.

또한, 말초신경병증과 근육병은 신호가 또 다른 특성을 가지고 있기 때문에, 본 발명의 침 근전도 신호를 이용한 말초신경병증 감별 장치를 활용하여 말초신경병증 뿐만 아니라 근육병에서의 특징적인 활동전위 또한 시각화 및 정량화할 수 있어 임상적으로 활용도가 더욱 높아질 것이다.

상술한 본 발명의 기술적 구성은 본 발명이 속하는 기술분야의 당업자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.

그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해되어야 하고, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타나며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

10 : 근전도검출부
20 : 신호처리부
21 : 전처리부
22 : 웨이블렛변환부
23 : 피쳐추출부
24 : 데이터선정부
30 : 감별부

Claims (5)

1. 침상전극을 피검사근육에 삽입한 후, 상기 피검사근육이 수축될 때 하나의 운동단위에 대한 활동전위 신호들만이 발생되도록 반복하여 하나의 운동단위에 대한 다수 개의 활동전위 신호를 검출하는 근전도검출부;
   시간-주파수 신호의 특성을 시각화할 수 있도록 상기 활동전위 신호를 가공하여 정량화된 수치를 도출하는 신호처리부; 및
   상기 정량화된 수치를 기 저장된 정상인을 나타내는 기준수치와 비교하여 상기 활동전위 신호의 양상이 말초신경병증에 해당하는지 혹은 정상인지에 관한 진단정보를 생성하는 감별부;를 포함하고,
   상기 신호처리부는,
   상기 검출된 다수 개의 활동전위 신호를 하나의 활동전위 신호로 각각 분할하는 전처리부;
   상기 분할된 활동전위 신호들에 대해 모아렛(Morlet)을 기저함수로 설정한 웨이블릿변환을 실시하는 웨이블릿변환부;
   상기 웨이블릿변환된 활동전위 신호들 중에서 시간샘플이 정해진 범위에 존재하는 신호들만 분리하여, 스케일에 대해서 상기 정해진 시간샘플 범위에 대한 웨이블릿계수를 더한 웨이블릿계수합을 계산한 후 상기 웨이블릿계수합으로부터 상기 진단정보를 감별할 수 있는 피쳐를 추출하는 피쳐추출부; 및
   상기 다수 개의 활동전위 신호에 대해 각각 추출되는 상기 피쳐를 평균하여 동일한 운동단위에 대한 상기 피쳐의 대푯값을 상기 정량화된 수치로 선정하는 데이터선정부;를 포함하고,
   상기 신호처리부는 시간-주파수 분석이 가능하도록 상기 활동전위 신호를 웨이블릿변환하는 것을 특징으로 하는 침 근전도 신호를 이용한 말초신경병증 감별 장치.
2. 제1항에 있어서,
   상기 피쳐추출부는,
   상기 웨이블릿계수합으로부터 제1피쳐와 제2피쳐를 추출한 후,
   상기 웨이블릿계수합과 정상인 데이터의 비교분석을 실시하여 제3피쳐를 추출하는 것을 특징으로 하는 침 근전도 신호를 이용한 말초신경병증 감별 장치.
3. 제2항에 있어서,
   상기 제1피쳐는 하기의 수학식 4를 이용하여 상기 웨이블릿계수합의 실효치로 계산되고,
   [수학식 4]
   

   

   
   여기서, n은 스케일의 개수이고,
   C는 상기 웨이블릿계수합이며,
   상기 제2피쳐는 하기의 수학식 5를 이용하여 상기 웨이블릿계수합에 대한 중심 스케일로 계산되고,
   [수학식 5]
   

   

   
   여기서, s는 스케일이고,
   C(s)는 스케일 s에 대한 웨이블릿계수합이며,
   상기 제3피쳐는 하기의 수학식 6을 이용하여 정상인 데이터의 정규화된 정상인 대표 웨이블릿계수합과 상기 웨이블릿계수합 간의 상관분석으로부터 계산되고,
   [수학식 6]
   

   

   
   여기서, x는 웨이블릿계수합이고,
   

   

   는 x의 평균이고,
   y는 정상인 대표 웨이블릿계수합이며,
   

   

   는 y의 평균인 것을 특징으로 하는 침 근전도 신호를 이용한 말초신경병증 감별 장치.
4. 제3항에 있어서,
   상기 감별부는,
   상기 제1피쳐가 0 내지 3000인 제1조건,
   상기 제2피쳐가 15 내지 23인 제2조건,
   상기 제3피쳐가 0.8 내지 1인 제3조건을 만족하는 지 여부를 각각 감별하고,
   상기 제1조건 내지 상기 제3조건을 모두 만족하면 ‘정상’결과를,
   상기 제1조건 내지 상기 제3조건 중 어느 하나라도 만족하지 못하면 ‘말초신경병증’결과를 포함하는 진단정보를 생성하는 것을 특징으로 하는 침 근전도 신호를 이용한 말초신경병증 감별 장치.
5. 삭제

Images