KR102258168B1 - 마비환자 동작 분석 모니터링 시스템 및 방법 - Google Patents

Abstract

마비환자 동작 분석 모니터링 방법에 관한 것이며, 마비환자 동작 분석 모니터링 방법은 복수의 센서를 포함하고, 환자의 신체 일부에 부착되어 환자의 상태 정보를 수집하는 측정 단말로부터 상기 상태 정보를 수신하는 단계, 상기 상태 정보에 포함된 움직임 정보 및 근전도 신호를 전처리하는 단계, 상기 전처리된 상기 움직임 정보 및 상기 근전도 신호를 패턴 분석 추적 알고리즘에 적용하여 마비 진행 여부를 도출하는 단계 및 상기 패턴 분석 추적 알고리즘의 분석 결과 및 상기 환자의 움직임의 시간 간격을 고려하여 상기 환자의 마비 진행 여부를 판단하는 단계를 포함할 수 있다.

Description

마비환자 동작 분석 모니터링 시스템 및 방법{PARALYSIS PATIENT MOTION ANALYSIS MONITORING SYSTEM AND METHOD}

본원은 마비환자 동작 분석 모니터링 시스템 및 방법에 관한 것이다.

현대사회에서는 고령화 및 성인병 증가로 인한 신경계질환 환자의 수와 신경계질환 관련 수술의 수가 증가하고 있다. 신경계 질환 환자가 늘어남에 따라, Motor Grade(모터 그레이드) 평가의 중요성이 증가하고 있다. 신경계는 신체의 활동을 상황에 맞게 조절 및 통제하는 역할을 하는데, 신경계 중 특히 말초신경계에 문제가 생기면 운동 신경세포에 퇴행성 변화가 생겨 서서히 사지의 쇠약 및 위축이 일어나며 결국 근 마비로 사망하고 된다.

현재는 신경계 질환 환자의 상태를 파악하기 위하여 Manual Muscle Testing(MMT) Grading Scale을 사용한 모터그레이드 측정법을 사용하고 있다. Motor Grade(운동기능사정)란 신경계질환 환자를 대상으로 Glasgow Coma Scale(GCS) 중 가장 큰 비중인 Motor Response의 평가 등급을 나타내는 척도이다.

모터그레이드 측정법이란 임상의 또는 간호사가 임의로 환자에게 자극을 가해 환자의 반응과 움직임을 주관적으로 판단하여 등급을 매기는 방법이다. 이는 의료진의 주관으로 판단하는 아날로그 방식으로 진행되기 때문에 각 임상의 혹은 간호사마다 측정 등급이 다르게 나타날 수 있으며, 이로 인해 환자에 대한 진료가 통일되지 않는 문제점이 발생한다.

본원의 배경이 되는 기술은 한국등록특허공보 제10-1814293호에 개시되어 있다.

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 자극 세기의 정량화와 이에 따른 환자의 사지 움직임 패턴과 근전도에 기반을 둔 모터그레이드를 평가할 수 있는 운동기능 평가 시스템 및 방법을 제공하려는 것을 목적으로 한다.

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 생체신호 및 생체물리량 정보 측정을 통해 임상적 분석결과를 제공하는 임상의사결정 지원기기를 포함하는 운동기능 평가 시스템 및 방법을 제공하려는 것을 목적으로 한다.

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 환자의 움직임을 객관화 및 정량화 가능한 운동기능 평가 시스템 및 방법을 제공하려는 것을 목적으로 한다.

다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 마비환자 동작 분석 모니터링 방법은, 복수의 센서를 포함하고, 환자의 신체 일부에 부착되어 환자의 상태 정보를 수집하는 측정 단말로부터 상기 상태 정보를 수신하는 단계, 상기 상태 정보에 포함된 움직임 정보 및 근전도 신호를 전처리하는 단계, 상기 전처리된 상기 움직임 정보 및 상기 근전도 신호를 패턴 분석 추적 알고리즘에 적용하여 마비 진행 여부를 도출하는 단계 및 상기 패턴 분석 추적 알고리즘의 분석 결과 및 상기 환자의 움직임의 시간 간격을 고려하여 상기 환자의 마비 진행 여부를 판단하는 단계를 포함할 수 있다.

또한, 마비환자 동작 분석 모니터링 방법은, 자극 단말기를 이용하여 상기 환자의 신체 일부에 가한 자극의 세기 정보를 상기 자극 단말기로부터 수신하는 단계 및 상기 자극 단말기를 이용하여 상기 환자에게 일정한 자극을 가한 이후 수신되는 상기 상태 정보를 고려하여 환자의 운동반응(Motor Response)을 평가하는 단계를 더 포함할 수 있다.

또한, 상기 환자의 운동반응을 평가하는 단계는, 상기 패턴 분석 추적 알고리즘의 분석 결과와 복수의 단계별로 구분된 상기 환자의 운동반응 척도를 비교하여 상기 환자의 운동반응을 평가할 수 있다.

또한, 상기 전처리하는 단계는, 상기 상태 정보에 포함된 움직임 정보를 제1필터에 적용하여 중력 성분을 제거하는 전처리를 수행하는 단계, 중력 성분이 제거된 움직임 정보를 신호벡터크기 알고리즘에 적용하여 움직임 세기 데이터를 추출하는 단계, 상기 중력 성분이 제거된 움직임 정보를 제2필터에 적용하고, 사다리꼴(Trapezoidal) 연산을 수행하여 거리 데이터를 추출하는 단계, 상기 상태 정보에 포함된 근전도 신호를 제3필터에 적용하여 잡음을 제거하는 전처리를 수행하는 단계 및 상기 움직임 세기 데이터, 상기 거리 데이터 및 상기 근전도 신호를 제4필터에 적용하는 전처리를 수행하는 단계를 포함할 수 있다.

또한, 상기 마비 진행 여부를 도출하는 단계는, 상기 움직임 세기 데이터가 미리 설정된 기준 세기 값을 초과하는지 여부를 판단하는 단계를 포함하되, 상기 미리 설정된 기준 세기 값을 초과하는지 여부를 판단하는 단계는, 상기 움직임 세기 데이터가 상기 미리 설정된 기준 세기 값을 초과하는 경우, 센서상 움직임이 발생한 것으로 판별하고, 상기 움직임 세기 데이터가 미리 설정된 기준 세기 값을 초과하지 않는 경우, 센서상 움직임이 발생하지 않은 것으로 판별하고, 전처리된 상기 상태 정보의 수신을 대기하는 것일 수 있다.

또한, 상기 마비 진행 여부를 도출하는 단계는, 상기 센서상 움직임이 발생한 것으로 판별된 경우, 상기 근전도 신호가 미리 설정된 기준 근전도 신호 값을 초과하는지 여부를 판단하는 단계를 더 포함하되, 상기 근전도 신호가 미리 설정된 기준 근전도 신호 값을 초과하는지 여부를 판단하는 단계는, 상기 근전도 신호가 상기 미리 설정된 기준 근전도 신호 값을 초과하는 경우, 상기 센서상 움직임이 환자의 자발적 움직임인 것으로 판별하고, 상기 근전도 신호가 상기 미리 설정된 기준 근전도 신호 값을 초과하지 않는 경우, 환자의 자발적 움직임이 아닌 것으로 판별하고, 전처리된 상기 상태 정보 수신을 대기하는 것일 수 있다.

또한, 상기 마비 진행 여부를 도출하는 단계는, 상기 센서상 움직임이 환자의 자발적 움직임인 것으로 판별된 경우, n번째 움직임 정보와 n-1번째 움직임 정보를 비교하여 환자의 움직임의 시간 간격을 도출하는 단계, n번째 근전도 신호와 n-1번째 근전도 신호를 비교하여 환자의 근전도 신호 세기 추이를 도출하는 단계 및 도출된 상기 환자의 움직임의 시간 간격 및 상기 환자의 근전도 신호 세기 추이를 기반으로 상기 환자의 움직임 추세를 분석하는 단계를 더 포함할 수 있다.

또한, 상기 환자의 마비 진행 여부를 판단하는 단계는, 과거 움직임이 측정된 시간을 기준으로 현재 움직임이 발생한 시점을 비교하여 움직인 시간의 시간 간격이 지속적으로 증가하는 추세인 경우 마비 진행으로 판단할 수 있다.

또한, 마비환자 동작 분석 모니터링 방법은 상기 환자의 움직임의 추세 분석 결과 마비 진행으로 판단된 경우 중앙 통제 관리 단말로 알림을 제공하는 단계를 더 포함할 수 있다.

또한, 마비환자 동작 분석 모니터링 방법은 환자의 팔에 부착된 상기 측정 단말로부터 수집된 상기 움직임 정보에 기반하여 상기 환자의 팔의 움직임 궤적을 추적하는 단계를 더 포함하되, 상기 환자의 팔의 움직임 궤적을 추적하는 단계는, 상기 복수의 센서 중 6축 모션 센서로부터 가속도, 각속도 및 쿼터니언 값을 수신하는 단계, 상기 가속도의 값 및 상기 각속도의 값을 통해 상기 환자의 팔의 움직인 거리를 도출하는 단계, 상기 쿼터니언 값을 이용하여 상기 측정 단말이 회전한 축 및 회전한 각도를 도출하는 단계 및 도출된 상기 환자의 팔의 움직인 거리, 상기 회전한 축 및 회전한 각도를 고려하여 상기 환자의 팔의 움직임 궤적을 추적하는 단계를 포함할 수 있다.

또한, 상기 중력 성분을 제거하기 위한 상기 제1필터는 IIR Highpass 필터이고, 상기 중력 성분을 제거하는 전처리를 수행하는 단계는, 상기 제1필터를 적용하여 중력성분을 제거하고 상기 환자의 움직임의 세기 값이 미리 설정된 값으로 표현되도록 전처리를 수행할 수 있다.

본원의 일 실시예에 따르면, 마비환자 동작 분석 모니터링 시스템으로서, 복수의 센서를 포함하고, 환자의 신체 일부에 부착되어 환자의 상태 정보를 수집하는 측정 단말 및 상기 측정 단말로부터 수집된 상태 정보를 패턴 분석 추적 알고리즘에 적용하여 상기 환자의 마비 진행 여부를 도출하는 동작 분석 장치를 포함하되, 상기 분석 장치는, 상기 측정 단말로부터 획득된 상기 상태 정보를 수신하는 수신부, 상기 상태 정보를 복수의 필터 및 전처리 알고리즘에 적용하여 전처리를 수행하는 전처리부, 상기 전처리부에서 전처리된 상기 상태 정보를 패턴 분석 추적 알고리즘에 적용하여 마비 진행 여부를 분석하는 분석부를 포함할 수 있다.

또한, 마비환자 동작 분석 모니터링 시스템은, 상기 환자의 신체 일부에 자극을 가하는 자극 단말기를 더 포함하고, 상기 분석 장치는, 상기 자극 단말기를 이용하여 상기 환자에게 일정한 자극을 가했을 때 수신되는 상기 상태 정보를 고려하여 환자의 운동반응(Motor Response)을 평가하는 평가부를 더 포함할 수 있다.

또한, 마비환자 동작 분석 모니터링 시스템은, 상기 환자의 움직임의 추세 분석 결과가 마비 진행으로 판단된 경우 중앙 통제 관리 단말로 알림을 제공하는 제공부를 더 포함할 수 있다.

상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.

전술한 본원의 과제 해결 수단에 의하면, 자극 세기, 생체 신호, 생체물리량의 객관화를 통해 모터그레이드(Motor Grade) 평가 시스템을 구축함으로써, 객관적 평가를 수행할 수 있다.

전술한 본원의 과제 해결 수단에 의하면, 생체신호 및 생체물리량 정보 측정을 통해 임상적 분석결과를 제공할 수 있다.

전술한 본원의 과제 해결 수단에 의하면, 의료기관 임상실험을 통해 시스템 검증 및 신뢰성을 확보할 수 있다.

전술한 본원의 과제 해결 수단에 의하면, 로드셀을 기반으로 자극강도를 측정하고, 6축 모션센서를 기반으로 생체물리량을 측정하고, 근전도 센서를 기반으로 생체 신호를 측정할 수 있다.

전술한 본원의 과제 해결 수단에 의하면, 환자(사용자)의 신체 일부에 착용되는 기기를 이용하여 공간 제약성이 낮으며, 블루투스로 통신이 가능하며, 의료용으로 사용 가능한 운동기능 평가 시스템을 제공할 수 있다.

전술한 본원의 과제 해결 수단에 의하면, 사지의 움직임을 각도로 정량화함으로써 정확한 모터그레이드 평가를 수행할 수 있다.

다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.

도 1은 본원의 일 실시예에 따른 마비환자 동작 분석 모니터링 시스템의 개략적인 구성도이다.
도 2는 본원의 일 실시예에 따른 동작 분석 장치의 개략적인 블록도이다.
도 3은 본원의 일 실시예에 따른 마비환자 동작 분석 모니터링 방법의 전처리 방법에 대한 개략적인 동작 흐름도이다.
도 4는 본원의 일 실시예에 따른 마비환자 동작 분석 모니터링 방법의 패턴 분석 추적 알고리즘에 대한 개략적인 동작 흐름도이다.
도 5는 본원의 일 실시예에 따른 마비환자 동작 분석 모니터링 방법에 대한 개략적인 동작 흐름도이다

아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결" 또는 "간접적으로 연결"되어 있는 경우도 포함한다.

본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.

본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.

도 1은 본원의 일 실시예에 따른 마비환자 동작 분석 모니터링 시스템의 개략적인 구성도이다.

본원의 일 실시예에 따르면, 마비환자 동작 분석 모니터링 시스템(1)은 신경 수술(예를 들어, 뇌, 척추) 환자가 수술 후 중환자실 입실 중 진행될 수 있는 마비를 정량적으로 측정하여 의료진에게 즉각적으로 알림을 제공해줄 수 있다. 또한, 마비환자 동작 분석 모니터링 시스템(1)은 가속도 센서를 이용하여 환자의 움직임을 측정하고, EMG(근전도) 센서를 이용하여 환자의 근전도를 측정하며 두 데이터를 기반으로 환자의 실제 움직임의 인터벌을 정량적으로 제공할 수 있다.

한편, 신경 수술 환자의 경우 간호사가 한 시간에 1번씩 의식 사정을 측정하기 위해 환자에게 일정 자극을 가하여 환자의 반응 속도 및 자세를 측정하여야 한다. (GCS 측정) 그러나, 의료진 부족 현상으로 인해 실제 측정이 5~6시간에 한 번씩 측정이 진행되고 있으며, 환자 마비 진행 후 평균 2시간이 회복 가능한 골든 타임이다. 마비환자 동작 분석 모니터링 시스템(1)은 의료진의 부재에도 환자의 마비 진행을 즉각적으로 병원 시스템에 알려주어 의료사고 예방할 수 있다.

도 1을 참조하면, 마비환자 동작 분석 모니터링 시스템(1)은 동작 분석 장치(10), 측정 단말(20) 및 자극 단말기(30)를 포함할 수 있다. 다만, 마비환자 동작 분석 모니터링 시스템(1)의 구성이 이에 한정되는 것은 아니다. 예를 들어, 마비환자 동작 분석 모니터링 시스템(1)은 외부 서버(미도시)를 포함할 수 있다. 외부 서버(미도시)는 병원 서버, 병원 단말, 임상실험 획득 서버 등을 포함할 수 있다. 마비환자 동작 분석 모니터링 시스템(1)은 네트워크를 통해서 외부 서버(미도시)로부터 환자의 의료기록 정보 및 임상실험 정보를 획득할 수 있다.

또한, 마비환자 동작 분석 모니터링 시스템(1)은 동작 분석 장치(10)의 검증을 위해 외부 서버(미도시)로부터 IRB (Institutional Review Board) 획득 후 환자의 안전을 보정하여 임상시험 평가를 진행할 수 있다.

본원의 일 실시예에 따르면, 동작 분석 장치(10)는 측정 단말(20)로부터 수집된 상태 정보를 분석 추척 알고리즘에 적용하여 환자의 마비 진행 여부를 도출할 수 있다. 패턴 분석 추적 알고리즘은 환자의 사지 패턴을 분석하기 위한 알고리즘일 수 있다. 패턴 분석 추적 알고리즘은 환자의 자발적 움직임을 추정하기 위한 알고리즘일 수 있다. 또한, 동작 분석 장치(10)는 가속도 센서가 내장된 모듈(측정 단말(20))이 환자의 사지(예를 들어, 팔, 다리)에 부착되어 환자의 움직임을 측정한 움직임 정보를 수집할 수 있다. 또한, 동작 분석 장치(10)는 근전도 센서가 내장된 모듈(측정 단말(20))이 환자의 사지(예를 들어, 팔, 다리)에 부착되어 환자의 근전도 신호를 측정한 근전도 신호를 수집할 수 있다.

또한, 동작 분석 장치(10)는 환자의 움직임(가속도)이 일정 값(threshold)을 넘어서 발생하되, 근전도 신호가 일정 값을 넘지 못할 경우, 환자 본인의 자발적 움직임이 아닌 것으로 판별할 수 있다. 또한, 동작 분석 장치(10)는 환자의 움직임(가속도)이 일정 값(threshold)을 넘어서 발생하되, 근전도 신호가 일정 값을 넘을 경우, 환자 본인의 자발적 움직임으로 판별할 수 있다. 또한, 동작 분석 장치(10)는 환자 본인의 자발적 움직임일 경우, 움직임의 인터벌(시간 간격)을 측정하여 인터벌의 시간이 길어지거나 혹은 짧아지는지 측정하고, 일정 시간 이상으로 인터벌(시간 간격)이 길어지는 경우, 현재 마비가 진행되고 있는 것으로 판별할 수 있다.

또한, 동작 분석 장치(10)는 마비 진행으로 판별되는 경우(예를 들어, 인터벌이 일정시간 이상으로 길어질 경우) 중앙 통제 관리 시스템(예를 들어, 의료진 대기 서버 또는 단말)으로 알림을 제공할 수 있다. 또한, 동작 분석 장치(10)는 환자의 팔에 부착된 모듈(측정 단말(20))에서 수집된 데이터에 기반하여 환자의 팔의 궤적(움직임 궤적)을 추적할 수 있다. 또한, 동작 분석 장치(10)는 환자에게 자극을 가하는 자극 단말기(30)의 자극(예를 들어, 물리적 압박)의 세기의 정보를 수집할 수 있다. 또한, 동작 분석 장치(10)는 압박 세기(자극 세기)에 대응하여 환자의 반응을 측정하고 판별할 수 있다.

본원의 일 실시예에 따르면, 측정 단말(20)은 복수의 센서를 포함할 수 있다. 또한, 측정 단말(20)은 환자의 신체 일부에 부착 또는 착용되어 환자의 상태 정보를 수집할 수 있다. 복수의 센서는, 가속도 센서, G-센서, 3축 가속도 센서, 6축 모션센서, 근전도 센서, 온도 센서, 광학 센서 등을 포함할 수 있다. 예시적으로, 측정 단말(20)은 암 밴드타입(팔찌)으로 형성되어 환자의 신체 일부에 착용되어 환자의 상태 정보를 수집할 수 있다. 또한, 측정 단말(20)은 패치 형상으로 형성되어 환자의 신체 일부에 부착되어 환자의 상태 정보를 수집할 수 있다.

환자의 상태 정보는, 움직임 정보, 근전도 신호, 생체 신호 등을 포함할 수 있다. 움직임 정보는 움직인 거리, 각도, 세기, 방향, 가속도, 각속도, 쿼터니언 정보 등을 포함할 수 있다. 일예로, 생체 신호는, 심박수 정보, 호흡량 정보, 동공크기 정보, 혈중 산소 농도 정보, 혈압 정보, 맥박 정보, 체온 정보, 심전도 정보, 혈류 이미지 정보, 체성분 분석 정보 중 적어도 어느 하나를 포함할 수 있다.

본원의 일 실시예에 따르면, 측정 단말(20)은 가속도 센서(6축 모션센서)를 이용하여 움직임 정보를 측정할 수 있다. 가속도 센서(6축 모션센서)를 이용하여 획득된 움직임 정보에는 가속도, 각속도 및 쿼터니언 값이 포함될 수 있다. 예를 들어, 측정 단말(20)은 3축 가속도계만을 사용했을 때 발생했던 동잡음에 대한 오차를 개선하기 위하여 6축 모션센서를 사용할 수 있으나, 이에 한정되는 것은 아니다. 6축 모션센서를 사용함으로써 동적인 상태에서 방향 전환이 생기면 발생되는 오차를 최소화할 수 있다. 6축 가속도 센서는 3축 가속도계와 3축 자이로스코프가 내장된 센서일 수 있다. 측정 단말(20)은 6축 모션 센서로부터 가속도 신호를 획득할 수 있다. 측정 단말(20)은 6축 모션 센서로부터 중력 가속도를 획득할 수 있다. 또한, 측정 단말(20)은 측정 단말(20)의 중심점의 위치 변화를 감지할 수 있다. 또한, 가속도 센서는 물체의 가속도 진동, 충격 등의 동적 힘을 측정하는 센서로서, 물체의 운동 상태를 감지할 수 있게 만드는 센서를 말한다.

또한, 측정 단말(20)은 운동 기능 측정을 위해 동작하는 사용자의 손과 팔의 움직임을 측정하기 위해 6축 가속도계 구동 회로로 설계될 수 있으며, 운동 기능 측정을 시행하는 과정에서 산출되는 복수의 파라미터들을 측정할 수 있다. 일예로, 측정되는 복수의 파라미터들은 6축 모션 센서로부터 획득되는 가로축(X축), 세로축(Y축), 세로축(Y축)에 대하여 직각이 되는 제3의 축(Z축), G센서로부터 획득되는 G1, G2, G3 각각에 해당하는 파라미터를 포함할 수 있으나, 이에 한정되는 것은 아니다.

다른 일예로, 측정 단말(20)은 Pulse Oximetry라는 기술에 근거한 광학적인 심박 측정 센서를 이용하여 환자의 생체 신호를 측정할 수 있다. 이때, 측정되는 환자의 생체 신호는 심박수 정보일 수 있다. 심박 측정 센서는, 혈액 속에 헤모글로빈이 산소를 머금을 때와 산소가 빠졌을 때의 광학적인 반응이 다르게 나타나는 원리를 이용하여 손목 부분에서 적외선 혹은 붉은 LED를 피부로 주기적으로 쏘아서 반사 정도의 차이를 이용하여 심박을 계산하는 센서일 수 있다.

또 다른 일예로, 측정 단말(20)은 블루투스(Bluetooth)를 기반으로 동작 분석 장치(10)와 통신할 수 있다. 측정 단말(20)은 동작 분석 장치(10)와 네트워크 통신이 불가할 경우, 측정 단말(20)에 포함된 저장부(미도시)에 센서를 통해 수집된 상태 정보를 저장할 수 있다. 측정 단말(20)은 동작 분석 장치(10)와 네트워크 통신이 가능한 경우, 측정 단말(20)에 포함된 저장부(미도시)에 센서를 통해 수집된 상태 정보를 제공할 수 있다. 즉, 측정 단말(20)은 네트워크 통신이 단절된 상황에서도 상태 정보를 수집할 수 있다.

한편, 측정 단말(20)은 6축 모션센서 기반 밴드타입 단말기 회로로 설계될 수 있으며, 밴드타입 단말기 무선통신회로를 포함할 수 있다. 또한, 측정 단말(20)은 근전도 전극 기반 암 밴드타입 단말일 수 있다. 측정 단말(20)은 암 밴드타입 단말기로 무선통신회로를 포함할 수 있다.

본원의 다른 일 실시예에 따르면, 측정 단말(20)은 카메라 모듈(미도시)을 포함하며 환자의 신체 중 움직임을 촬영하여 사용자의 상태 정보를 획득할 수 있다. 일예로, 카메라 모듈(미도시)은 환자의 신체 일부에 부착 또는 착용된 측정 단말(20)을 기준으로 측정 단말(20)의 위치 및 각도 변화를 추정하기 위한 동작 정보를 수집할 수 있다.

본원의 일 실시예에 따르면, 자극 단말기(30)는 환자의 신체 일부에 자극을 가할 수 있다. 일예로, 자극 단말기(30)는 환자의 머리 또는 가슴 부위에 자극을 가할 수 있다. 자극 단말기(30)는 환자의 자발적 움직임의 정도를 판단하기 위한 도구일 수 있다. 자극 단말기(30)는 의사 또는 간호사가 자극 단말기(30)를 이용하여 환자의 신체 일부에 가한 압력의 세기의 값을 측정할 수 있다. 자극 단말기(30)는 로드셀 기반으로 형성될 수 있다. 자극 단말기(30)가 로드셀 기반으로 형성됨으로써, 자극 세기를 정량화할 수 있다. 로드셀(Load Cell)은 로드, 즉 하중, 부하, 힘을 측정하는 센서로 측정 압력치를 전기적 신호로 변환 출력할 수 있다. 자극 단말기(30)는 무선통신회로를 포함할 수 있으며, 네트워크를 통해 자극 단말기(30)에서 가한 자극의 세기 정보를 동작 분석 장치(10)로 제공할 수 있다.

본원의 다른 일 실시예에 따르면, 도면에는 동작 분석 장치(10)가 따로 구분되어 있는 것으로 도시되어 있으나, 동작 분석 장치(10)는 측정 단말(20) 내부에 구비되어 있을 수 있다. 사지에 부착된 모듈(가속도센서, 근전도센서 내장)이 환자 본인의 자발적 움직임 진위 여부를 판별할 수 있다.

한편, 마비환자 동작 분석 모니터링 시스템(1)은 판단된 환자의 마비 진행 여부 및 평가된 환자의 운동반응 정보를 저장하기 위한 동작 분석 서버(미도시)를 더 포함할 수 있다. 동작 분석 서버(미도시)는 측정 단말(20)로부터 획득되는 상태 정보 및 동작 분석 장치(10)로부터 판단된 환자의 마비 진행 여부 및 평가된 환자의 운동반응 정보를 저장할 수 있다. 또한, 동작 분석 서버(미도시)는 측정 단말(20)로부터 획득된 상태 정보를 데이터 셋으로 변환하여 저장할 수 있다.

또한, 동작 분석 서버(미도시)는 분산된 마비환자 동작 분석 모니터링 시스템(1)의 데이터 수집을 위해 웹 서버를 구축할 수 있다. 동작 분석 서버(미도시)는 동작 분석 장치(10)로부터 수신되는 데이터 수집할 수 있다. 또한, 동작 분석 서버(미도시)는 수집된 데이터의 체계적 관리를 위해 데이터베이스를 구축할 수 있다. 또한, 동작 분석 서버(미도시)는 측정 단말(20)로부터 수집된 데이터의 관리 및 보관을 위한 데이터베이스를 구축할 수 있다.

도 2는 본원의 일 실시예에 따른 동작 분석 장치의 개략적인 블록도이다.

도 2를 참조하면, 동작 분석 장치(10)는 수신부(11), 전처리부(12), 분석부(13), 평가부(14) 및 제공부(15)를 포함할 수 있다.

본원의 일 실시예에 따르면, 수신부(11)는 측정 단말(20)로부터 획득된 상태 정보를 수신할 수 있다. 수신부(11)는 측정 단말(20)로부터 움직임 정보 및 근전도 신호를 포함하는 상태 정보를 수신할 수 있다. 예를 들어, 움직임 정보는 환자의 팔 또는 다리의 움직인 거리, 각도, 세기, 방향 등을 포함하는 정보로서 측정 단말(20)의 가속도, 각속도, 쿼터니언 값이 포함될 수 있다. 또한, 근전도 신호는 근전도 센서를 이용하여 수집된 정보일 수 있다. 근전도 검사는 신경과 근육에서 발생하는 전기적 신호를 기계를 통해 분석해 말초신경이나 신경 주변 및 근육의 이상이 있는지 보기 위한 검사이다.

또한, 수신부(11)는 자극 단말기(30)를 이용하여 환자의 신체 일부에 가한 자극의 세기 정보를 자극 단말기(30)로부터 수신할 수 있다. 자극의 세기 정보는 의사 또는 간호사가 자극 단말기(30)를 이용하여 환자의 신체 일부(예를 들어, 머리 또는 가슴)에 압박을 가한 세기와 관련된 정보일 수 있다. 수신부(11)는 자극의 세기 정보를 수신함으로써, 의사 또는 간호사가 환자의 운동반응을 평가하기 위해 자극(압박)하는 세기의 정도가 일정하게 유지되도록 할 수 있다.

한편, 수신부(11)는 외부 서버(미도시)로부터 환자(사용자)의 인적 사항 정보, 진료 정보 등을 수신할 수 있다. 일예로, 인적 사항 정보는, 환자(사용자)의 나이, 이름, 주소, 주민등록 번호, 보험증번호 등을 포함할 수 있다. 진료 정보는, 환자(사용자)가 병원을 방문하고, 의사가 진료한 결과, MRI, CT, X-ray, 초음파 검사를 수행한 결과 등을 포함할 수 있다.

본원의 실시예에 관한 설명에서 외부 서버(미도시)는 병원 서버일 수 있다. 병원 서버(미도시)는 병원에 방문한 복수의 환자의 인적 사항 정보, 진료 정보 등을 보유하여 통합 관리하고, 소정의 사용자에 대한 진료 접수 및 진료 예약 절차 등을 처리하기 위해 병원 측이 보유하는 단말 또는 서버일 수 있다.

도면에 도시하진 않았으나, 동작 분석 장치(10)는 통신부(미도시)를 포함할 수 있다. 일예로, 통신부(미도시) 이동 통신망, 와이파이 등을 이용하여 직접적으로 통신할 수 있으며, 블루투스로 마련되어, 측정 단말(20)과 근거리 통신하여 상태 정보를 수신할 수 있다. 또한, 통신부(미도시)는 측정 단말(20)과 스마트 기기 어플리케이션 등의 동작 분석 장치(10) 간의 데이터 동기화를 위해 블루투스 기반의 무선 통신 회로로 설계될 수 있다. 블루투스 통신 기반의 무선 네트워크 형성을 위해 더미 파일을 이용한 가상 네트워크가 구축될 수 있으며, 블루투스 저전력 프로파일을 이용하여 전력 소모를 최소화하고, 측정 단말(20)과 동작 분석 장치(10)와 연결되는 네트워크를 구축할 수도 있다.

본원의 일 실시예에 따르면, 전처리부(12)는 상태 정보를 복수의 필터 및 전처리 알고리즘에 적용하여 전처리를 수행할 수 있다. 전처리부(12)는 상태 정보에 포함된 복수의 파라미터들을 정량화하기 위해 전처리를 수행할 수 있다. 일예로, 전처리부(12)는 측정 단말(20)로부터 획득된 시계열 형태의 측정 데이터인 움직임 정보를 전처리할 수 있다. 전처리부(12)는 시계열 형태의 측정 데이터인 움직임 정보를 N 개의 반복 주기(Cycle) 형태로 전처리할 수 있다. 시간에 따라 변화하는 시계열 형태의 측정 데이터는 데이터 패턴을 추적하기 어렵기 때문에, 전처리부(12)는 시간의존성을 회피하기 위해 시계열 형태의 측정 데이터를 주기(Cycle) 형태로 전처리할 수 있다.

도 3은 본원의 일 실시예에 따른 마비환자 동작 분석 모니터링 방법의 전처리 방법에 대한 개략적인 동작 흐름도이다.

예시적으로 도 3을 참조하면, 단계 S210에서 전처리부(12)는 측정 단말(20)을 이용하여 획득된 상태 정보에 포함된 움직임 정보를 수신할 수 있다. 달리 말해, 전처리부(12)는 측정 단말(20)의 6축 모션센서로부터 획득된 움직임 정보와 관련된 Raw Data(원자료)를 수신할 수 있다.

단계 S211에서 전처리부(12)는 상태 정보에 포함된 움직임 정보를 제1필터에 적용하여 중력 성분을 제거하는 전처리를 수행할 수 있다. 중력 성분을 제거하기 위한 제1필터는 IIR Highpass필터일 수 있다. 전처리부(12)는 제1필터를 적용하여 중력성분을 제거하고, 환자의 움직임의 세기가 미리 설정된 값(예를 들어, 0 내지 2 사이의 값)으로 표현되도록 전처리를 수행할 수 있다. 달리 말해, 전처리부(12)는 상태 정보에 포함된 움직임 정보를 IIR Highpass 에 적용하여 중력 성분을 제거할 수 있다. IIR Filter(Infinite impulse response Filter)는 디지털 필터의 한 종류로 입력 신호의 값이고 출력 신호의 값이 재귀적으로 적용되어 필터링이 수행된다. 구현식의 형태로 반복식이 되며 특성 함수인 임펄스 응답은 무한한 길이를 갖는다. 예를 들어, 전처리부(12)는 상태 정보를 차단 주파수(cutoff frequency)가 0.25Hz인 IIR Highpass 필터에 적용하여 중력성분을 제거해 환자의 움직임의 세기 값을 0 내지 2 사이의 값으로 표현되도록 하는 전처리를 수행할 수 있다.

단계 S212에서 전처리부(12)는 중력 성분이 제거된 움직임 정보를 신호 벡터크기 알고리즘에 적용하여 움직임 세기 데이터를 추출할 수 있다. 달리 말해, 전처리부(12)는 제1필터에 적용하여 중력 성분이 제거된 움직임 정보(움직임 세기 값)를 신호벡터크기(Signal Vector Machine) 알고리즘에 적용하여 움직임 세기 데이터를 추출할 수 있다. 예를 들어, 전처리부(12)는 환자의 움직임을 가속도 값의 세기로 나타내어 수치화할 수 있다. 가속도 값은 세 개의 x, y, z축의 값으로 센서로부터 나오며 전처리부(12)는 이를 하나의 대표 값으로 처리하는 신호벡터크기(Signal Vector Machine) 알고리즘을 통해 환자의 움직임의 세기로 표현할 수 있다.

단계 S213에서 전처리부(12)는 단계 S212에서 추출된 움직임 세기 데이터를 제4필터에 적용하는 전처리를 수행할 수 있다. 달리 말해, 전처리부(12)는 데이터의 변화 움직임이 심한 움직임 세기 데이터의 데이터 원 값(Raw Data)을 부드럽게 만들기 위해 MAF(Moving Average Filter)를 사용하여 전처리를 수행할 수 있다.

단계 S221에서 전처리부(12)는 중력 성분이 제거된 움직임 정보를 제2필터에 적용하여 전처리를 수행할 수 있다. 달리 말해, 전처리부(12)는 제1필터에 적용하여 중력 성분이 제거된 움직임 정보를 제2필터(예를 들어, 칼만 필터)에 적용하는 전처리를 수행할 수 있다. 움직임 정보에는 가속도, 각속도 등의 값이 포함되어 있으며, 가속도 값에는 운동가속도와 중력 가속도가 포함될 수 있다. 중력가속도가 작용하는 방향으로 운동하게 되면 운동가속도는 중령가속도에 의해 변형된다. 이를 해결하기 위해 전처리부(12)는 칼만 필터를 적용하여 가속도 값과 각속도 값을 각각 얻은 후, 칼만필터를 통하여 기울기의 값이 더해지지 않은 가속도 값을 획득할 수 잇다.

또한, 전처리부(12)는 움직임 정보에 포함된 가속도 값과 기울기 값을 칼만필터에 적용하여 기울기 값이 제거된 가속도 값을 계산할 수 있다. 이때, 칼만필터는 예측(Predict)과 보완(Update) 과정으로 구성될 수 있다. 참고로, 전처리부(12)는 칼만 필터를 이용하여 잡음을 제거할 수 있다. 일반적으로, 가속도 값에는 운동 가속도와 중력 가속도가 포함될 수 있다. 중력 가속도가 작용하는 방향으로 운동하게 되면 운동 가속도는 중력 가속도에 의해 변형될 수 있다. 이를 해결하기 위해 본원에서는 칼만 필터를 적용하여 가속도 값을 추정할 수 있다. 적분을 통하여 예측되는 거리는 노이즈(예를 들어, 중력가속도 값 등)로 인하여 발산이 될 경우 심각한 문제를 유발할 수 있기 때문에 필터처리가 꼭 필요하다. 본원에서는 칼만필터를 적용하여 노이즈를 해결하고자 한다. 예시적으로, 칼만필터는 잡음이 포함되어 있는 기존의 측정된 값을 재귀적으로 처리하는 필터이다. 전처리부(12)는 칼만필터를 이용하여 현재 상태에 대한 최적의 통계적 예측을 진행할 수 있다. 또한, 전처리부(12)는 칼만 필터에 포함된 예측(Predict)과정 및 보완(Update) 과정을 통하여 추정값을 계산할 수 있다.

단계 S222에서 전처리부(12)는 칼만 필터에 적용하여 전처리된 움직임 정보를 사다리꼴(Trapezoidal) 연산을 수행하여 거리 데이터를 추출할 수 있다. 달리 말해, 전처리부(12)는 칼만 필터에 적용하여 전처리된 움직임 정보를 사다리꼴 연산 방법에 2번 적용하여 거리 데이터를 추출할 수 있다. 전처리부(12)는 칼만 필터에 적용하여 전처리된 움직임 정보에 포함된 가속도 값을 두 번 적분하는 과정을 통해 움직인 거리를 획득하되, 일반적인 적분은 샘플링의 한계로 양자화 과정 중에 오차가 발생하므로, 발생하는 오차를 보완하기 위해 사다리꼴(Trapezoidal) 연산 방법을 적용하여 이중적분 중 발생하는 오차를 해결할 수 있다.

Trapezoidal Method는 이전 값과 현재 값에 대하여 사다리꼴의 긴 변과 작은 변의 차를 구한 후, 높이에 해당하는 시간을 곱하여 사다리꼴의 넓이를 도출하여 현재 거리에 대한 값을 도출하는 방법이다. 달리 말해, 전처리부(12)는 사다리꼴(Trapezoidal) 연산 방법에 칼만 필터에 적용하여 전처리된 움직임 정보를 사다리꼴 긴 변과 작은 변의 차의 값을 도출하고, 높이(시간)를 곱하고, 평행사변형 넓이를 도출한 후 현재 속력(거리)의 값을 도출할 수 있다.

단계 S223에서 전처리부(12)는 단계 S222에서 추출된 움직임 세기 데이터를 제4필터에 적용하여 전처리를 수행할 수 있다. 달리 말해, 전처리부(12)는 데이터의 변화 움직임이 심한 거리 데이터의 데이터 원 값(Raw Data)을 부드럽게 만들기 위해 MAF(Moving Average Filter)를 사용하여 전처리를 수행할 수 있다.

단계 S231에서 전처리부(12)는 측정 단말(20)을 이용하여 획득된 상태 정보에 포함된 근전도 신호를 수신할 수 있다. 달리 말해, 전처리부(12)는 측정 단말(20)에 포함된 근전도 센서로부터 획득된 근전도 신호와 관련된 Raw Data(원자료)를 수신할 수 있다.

단계 S332에서 전처리부(12)는 상태 정보에 포함된 근전도 신호를 제3필터에 적용하여 잡음을 제거하는 전처리를 수행할 수 있다. 달리 말해, 전처리부(12)는 근전도 신호를 High Pass Filter 적용하여 잡음을 제거하는 전처리를 수행할 수 있다. 또한, 전처리부(12)는 근전도 센서로부터 나온 데이터 원 값(Raw Data)의 고주파 잡음(Noise)을 없애기 위해 LPF(Low Pass Filter)에 근전도 신호를 적용하여 전처리를 수행할 수 있다.

단계 S333에서 전처리부(12)는 단계 S232에서 추출된 근전도 신호를 제4필터에 적용하여 전처리를 수행할 수 있다. 달리 말해, 전처리부(12)는 데이터의 변화 움직임이 심한 근전도 센서의 데이터 원 값(Raw Data)을 부드럽게 만들기 위해 MAF(Moving Average Filter)를 사용하여 전처리를 수행할 수 있다.

단계 S240에서 분석부(13)는 전처리부(12)에서 전처리된 움직임 세기, 거리 데이터, 쿼터니언, 근전도 신호를 패턴 분석 추적 알고리즘에 적용할 수 있다.

단계 S250에서 분석부(13)는 패턴 분석 추적 알고리즘에 기반하여 환자의 마비 진행 여부를 도출할 수 있다.

본원의 일 실시예에 따르면, 분석부(13)는 전처리부(12)에서 전처리된 상태 정보를 패턴 분석 추적 알고리즘에 적용하여 마비 진행 여부를 분석할 수 있다. 분석부(13)는 전처리부(12)에서 전처리가 완료된 움직임 세기, 거리 데이터, 쿼터니언 및 근전도 신호를 패턴 분석 추적 알고리즘에 적용하여 마비 진행 여부를 분석할 수 있다.

도 4는 본원의 일 실시예에 따른 마비환자 동작 분석 모니터링 방법의 패턴 분석 추적 알고리즘에 대한 개략적인 동작 흐름도이다.

예시적으로 도 4를 참조하면, 단계 S241에서 분석부(13)는 전처리부(12)에서 전처리가 완료된 움직임 세기, 거리 데이터, 쿼터니언, 근전도 신호를 수신할 수 있다. 분석부(13)는 앞서 설명된 단계 S210 내지 S233 과정을 거친 움직임 세기 데이터, 거리 데이터, 쿼터니언, 근저도 신호를 수신할 수 있다. 쿼터니언은, 차원 공간에서 자세각을 표현하기 위해 도출되는 값일 수 있다. 쿼터니언은 강체(Rigid body)의 6자유도 운동(6DOF: 6 Degree of Freedom)을 정의할 때 자주 사용된다. 쿼터니언(Quaternion; 사원수)은 물체의 회전이나 방향 설정에서 뛰어난 성능을 발휘하고, 특히, 오일러 각(Euler Angles)의 연산에서 발생하는 짐벌락(Gimbal Lock)과 같은 각종 문제점들을 극복하기 위해 쿼터니언을 사용한다. 9개의 원소를 사용하는 회전행렬에 비해 4개의 원소로 간결하게 표현할 수 있다.

단계 S242에서 분석부(13)는 움직임 세기 데이터가 미리 설정된 기준 세기(Threshold) 값을 초과하는지 여부를 판단할 수 있다. 일예로, 분석부(13)는 환자에게 가해지는 의료적 행위(예를 들어, 주사, 토닥이 등)에 의해 발생하는 세기의 크기를 판별하여 미리 설정된 기준 세기 값을 선정할 수 있다. 움직임의 세기 값은 앞선 신호벡터크기 알고리즘(SVM 알고리즘)과 제1필터(IIR 필터)의 필터링을 통해 0 내지 2 사이의 값으로 나타낼 수 있다. 다른 일예로, 분석부(13)는 미리 설정된 기준 세기 값을 0 내지 2 사이의 일정 값(threshold)으로 설정할 수 있다. 분석부(13)는 환자에게 가해지는 의료적 행위로 인한 흔들림을 0 내지 2 사이의 일정 값(threshold)으로 설정할 수 있다.

예시적으로, 환자에게 가해지는 의료적 행위의 예로는 주사, 토닥이 등을 포함할 수 있다. 측정 단말을 착용 또는 부착하고 있는 환자로부터 발생하는 움직임은 환자 본인의 자발적 움직임 또는 환자에게 가해지는 의료적 행위로 인한 움직임 즉, 타인에 의한 움직임을 포함할 수 있다. 분석부(13)는 환자의 움직임 세기 데이터를 기반으로 환자의 자발적 움직임을 판단함으로써, 보다 정확한 마비 진행 여부를 도출할 수 있다.

단계 S243에서 분석부(13)는 단계 S242의 판단 결과 움직임 세기 데이터가 미리 설정된 기준 세기 값을 초과하는 경우 센서상 움직임이 발생한 것으로 판별할 수 있다. 달리 말해, 분석부(13)는 환자의 움직임(가속도)이 일정 값(threshold)을 넘어서 발생하되, 근전도 신호가 일정 값을 넘는 경우 환자의 자발적 움직임으로 판별할 수 있다. 예를 들어, 분석부(13)는 전처리가 완료된 움직임 세기의 값이 2를 초과하는지 여부를 판단하고, 움직임 세기의 값이 미리 설정된 기준 세기의 값(예를 들어, 2)을 초과하는 경우, 센서상 움직임이 발생한 것으로 판별할 수 있다. 센서상 움직임은 측정 단말의 거리, 각도, 세기 방향 중 적어도 어느 하나에 대한 변화가 발생한 것을 포함할 수 있다.

단계 S244에서 분석부(13)는 단계 S242의 판단 결과 움직임 세기 데이터가 미리 설정된 기준 세기 값을 초과하지 않는 경우, 센서상 움직임이 발생하지 않은 것으로 판별하고 전처리된 상태 정보의 수신을 대기할 수 있다. 달리 말해, 분석부(13)는 환자의 움직임(가속도)이 일정 값(threshold)을 넘어서 발생하되, 근전도 신호가 일정 값을 넘지 못하는 경우 환자의 자발적 움직임이 아닌 것으로 판별할 수 있다. 분석부(13)는 전처리가 완료된 움직임 세기 값이 일정 값(예를 들어, 2) 미만인 경우, 센서상 움직임이 발생하지 않은 것으로 판단하고, 전처리된 움직임 세기의 값의 수신을 대기할 수 있다.

단계 S245에서 분석부(13)는 단계 S243에서 센서상 움직임이 발생한 것으로 판별한 경우, 근전도 신호가 미리 설정된 기준 근전도 신호 값을 초과하는지 여부를 판단할 수 있다. 일예로, 분석부(13)는 환자에게 가해지는 의료적 행위(예를 들어, 주사, 토닥이 등)에 의해 발생하는 근전도의 신호를 판별하여 미리 설정된 근전도 신호 값을 선정할 수 있다. 달리 말해, 분석부(13)는 센서상 움직임이 환자의 자발적 움직임인 것인지 환자에게 가해지는 의료적 행위인 것인지를 판별할 수 있다. 또한, 분석부(13)는 단계 S243에서 근전도 신호가 미리 설정된 기준 근전도 신호 값을 초과하지 않는 경우, 환자의 자발적 움직임이 아닌 것으로 판별하고, 전처리된 상태 정보 수신을 대기할 수 있다.

단계 S246에서 분석부(13)는 단계 S245에서 근전도 신호가 미리 설정된 기준 근전도 신호 값을 초과하는 경우, 센서상 움직임이 환자의 자발적 움직임인 것으로 판별할 수 있다. 환자의 자발적 움직임은 타인의 도움없이 환자 본인이 팔 들기, 다리 들기 등을 수행하는 것을 의미할 수 있다.

단계 S247에서 분석부(13)는 단계 S246에서 센서상 움직임이 환자의 자발적 움직임인 것으로 판별된 경우, n번째 움직임 정보와 n-1번째 움직임 정보를 비교하여 환자의 움직임의 시간 간격을 도출할 수 있다. 분석부(13)는 수신부(11)에서 수신한 현재 움직임 정보와 현재 시점에서의 이전 시간에 수신한 움직임 정보를 비교하여 근전도 세기 추이를 도출할 수 있다. 움직임 정보는 움직인 거리, 각도, 세기, 방향 등을 포함할 수 있다.

단계 S248에서 분석부(13)는 n 번째 근전도 신호와 n-1번째 근전도 신호를 비교하여 환자의 근전도 신호 세기 추이를 도출할 수 있다. 분석부(13)는 수신부(11)에서 수신한 현재 근전도 신호와 현재 시점에서의 이전 시간에 수신한 근전도 신호를 비교하여 환자의 근전도 신호 세기 추이를 도출할 수 있다.

단계 S249에서 분석부(13)는 도출된 환자의 움직임의 시간 간격 및 환자의 근전도 신호 세기 추이를 기반으로 환자의 움직임 추세를 분석할 수 있다. 분석부(13)는 환자 본인의 움직임일 경우 움직임의 인터벌(시간간격)을 측정하여 인터벌의 시간이 길어지는지 짧아지는지를 측정할 수 있다.

단계 S250에서 분석부(13)는 단계 S249의 분석 결에 기반하여 환자의 마비 진행 여부를 도출할 수 있다. 분석부(13)는 과거 움직임이 측정된 시간을 기준으로 현재 움직임이 발생한 시점을 비교하여 움직인 시간의 시간 간격이 지속적으로 증가하는 추세인 경우 마비 진행으로 판단할 수 있다.

또한, 분석부(13)는 과거 움직임이 측정된 시간을 기준으로 현재 움직임이 발생한 시점을 비교하여 움직인 시간의 인터벌이 계속적으로 증가하는 추세를 보이면 환자의 마비가 가속된다고 판단할 수 있다. 반면, 분석부(13)는 움직임 인터벌이 짧아지는 경우 마비 증세가 호전적으로 완화된다고 판단할 수 있다.

본원의 일 실시예에 따르면, 평가부(14)는 자극 단말기(30)를 이용하여 환자에게 일정한 자극을 가한 이후 수신되는 상태 정보를 고려하여 환자의 운동반응(Motor Response)을 평가할 수 있다. 일예로, 자극 단말기(30)를 이용하여 환자에게 일정한 자극을 가한 이후 수신되는 상태 정보는 관절가동범위(ROM: Range Of Motion)와 관련된 정보일 수 있다.

관절가동범위(Range Of Motion, ROM)는 치료적 중재를 위한 프로그램에서 움직임을 평가하기 위해 그리고 움직임을 시작하기 위해 이용되는 기초적 기술이다. 움직임은 다양한 패턴이나 다양한 관절가동범위에서 근육이나 외부의 힘에 의해 뼈를 움직이는 것으로써 기능적 활동을 수행하기 위해서는 필수적이다. 사람이 움직일 때, 이것은 중추신경계로부터 오는 정보를 수행하고 조절하는 근육 활동의 복잡한 조절이다. 뼈는 인접한 관절에서 두 뼈가 서로 관련하여 움직인다. 관절 위를 지나는 연부조직의 통합성과 유연성뿐만 아니라 관절의 구조는 인접한 두 뼈 사이에서 일어나는 움직임의 범위에 영향을 미친다. 일반적으로 가능한 최고의 운동범위를 관절가동범위(ROM)라 부른다.

관절가동범위를 통해 신체 분절이 움직일 때 그 부분에 있는 근육, 관절의 표면, 관절낭, 인대, 근막, 혈관, 신경 등에 의해 영향을 받는다. 관절가동범위의 활동은 관절범위와 근육범위로 쉽게 설명된다. 관절범위를 설명하는 데 굴곡, 실전, 외전, 내전 그리고 회전과 같은 용어가 사용된다. 관절가동범위는 일반적으로 관절각도계(Goniometer)로 측정되며, 도(Degree)로 기록된다. 본원에서는 관절가동범위를 측정 단말(20)을 이용하여 환자(사용자)의 관절가동범위를 측정할 수 있다. 측정 단말(20)은 복수의 센서를 기반으로 환자(사용자)의 관절가동범위를 수치화하여 제공할 수 있다.

본원의 일 실시예에 따르면, 수신부(11)는 측정 단말(20)의 6축 모션 센서를 사용하여 획득된 가속도, 각속도, 쿼터니언 값을 수신할 수 있다. 수신부(11)는 복수의 센서 중 6축 모션 센서로부터 가속도, 각속도 및 쿼터니언 값을 수신할 수 있다. 전처리부(12)는 6축 모션 센서를 이용하여 획득된 가속도, 각속도, 쿼터니언 값의 전처리를 수행할 수 있다. 분석부(13)는 전처리된 가속도, 각속도 및 쿼터니언 값의 사용하여 움직임 세기 및 움직인 거리를 획득할 수 있다. 분석부(13)는 수신부(11)에서 수신한 가속도, 각속도 및 쿼터니언 값에 기반하여 가속도의 값 및 각속도의 값을 통해 환자의 팔의 움직인 거리를 도출할 수 있다. 또한, 평가부(14)는 환자의 부착된 측정 단말(20)로부터 수집된 움직임 정보에 기반하여 환자의 팔의 움직임 궤적을 추적할 수 있다. 분석부(13)는 전처리된 가속도, 각속도 및 쿼터니언 값을 팔의 패턴 분석 추적 알고리즘에 적용하여 환자의 팔의 궤적을 추적할 수 있다. 분석부(13)는 쿼터니언 값을 이용하여 측정 단말(20)이 회전한 축 및 회전한 각도를 도출할 수 있다. 분석부(13)는 쿼터니언 값을 사용하여 센서가 회전한 축 및 회전한 각도를 획득할 수 있다. 분석부(13)는 도출된 환자의 팔의 움직인 거리, 회전한 축 및 회전한 각도를 고려하여 환자의 팔의 움직임 궤적을 추적할 수 있다. 가속도 값, 각속도 값을 통해 움직인 거리를 계산하고, 쿼터니언 값을 통해 회전축과 각을 계산하여 통합하여 팔의 궤적을 추적할 수 있다.

평가부(14)는 분석부(13)에서 패턴 분석 추적 알고리즘에 기반하여 i) 꼬집어서 바깥으로 나가냐, ii) 안쪽으로 말리나 돌아오지 못하냐, iii) 반응속도가 간호사(의사)의 손을 치지 못하고 한쪽으로 떠느냐 등의 상황으로 환자의 팔의 궤적(움직임 궤적)을 평가할 수 있다.

또한, 평가부(14)는 패턴 분석 추적 알고리즘의 분석 결과와 복수의 단계별로 구분된 환자의 운동반응 척도를 비교하여 환자의 운동반응을 평가할 수 있다. 운동반응(Motor Response)은 1단계 내지 6단계로 구분될 수 있다. 운동반응의 각 단계는 1점 내지 6점 각각에 대응하며, Motor Grade(운동기능사정)은 근육의 운동량을 사정하는 것으로 척추 수술 후 가장 많이 사용하여 BEST motor로 사정하며 근력도 함께 사정한다. Motor Grade와 함께 SLR(straight leg raising, 수술 후 허리 아픈 사람에게 다리를 몇 도 들어올릴 수 있는가를 사정), dorsi flexion도 함께 사정한다. Grade가 낮아질수록 마비가 나타난다.

평가부(14)는 Motor Grade 1 = Non Contraction 환자 움직일 수 없음, Motor Grade 2 = Flicker or trace of Contraction 환자 움직일 수 없으나 근육의 수축은 보임(근육을 움찔거리는 정도), Motor Grade 3 = Active movement, with gravity eliminated, 환자가 누워있는 상태에서 수평으로 움직이는 정도(중력을 이길 수 없다.), Motor Grade 4 = Active movement against gravity, 중력을 이길 수 있어서 팔다리는 위로 들 수 있음(저항을 이길 수 없음), Motor grade 5 = Active movement against gravity and resistance, 중력을 이길 수 있고 약간의 저항도 이길 수 있음, Motor grade 6 = 정상적인 근력 중 적어도 어느 하나로 환자(사용자)의 운동 기능을 평가할 수 있다.

Motor Grade 1은 무반응(No Motor Response)으로서, 자가 호흡을 하지 않고 완전 반응이 없을 경우를 의미한다. 예를 들어, 자극 단말기(30)를 이용하여 환자에게 일정한 세기의 자극(압력)을 가하였으나, 환자의 상태 정보에 변화가 없을 경우, 평가부(14)는 Motor Grade 1로 환자의 운동반응을 평가할 수 있다.

또한, Motor Grade 2는 통증에 이상 신전(Extension To Pain), Decerebrate Response를 의미한다. 예를 들어, 자극 단말기(30)를 이용하여 환자에게 일정한 세기의 자극(압력)을 가하였으나, 환자의 움직임 정보에는 변화가 없으나, 호흡을 하는 경우, 평가부(14)는 Motor Grade 2로 환자의 운동반응을 평가할 수 있다. 달리 말해, 평가부(14)는 반응이 제로인데 자가 호흡을 하는 경우, 자가 호흡도 있고 반응이 미비하게 있을 경우, Motor Grade 2로 환자의 운동반응을 평가할 수 있다.

또한, Motor Grade 3은 통증에 이상 굴곡 반응(Abnomal Flexion To Pain), Decorticate Response를 의미한다. 예를 들어, 자극 단말기(30)를 이용하여 환자에게 일정한 자극(압력)을 가할 경우, 환자의 움직임 궤적에 팔꿈치나 무릎같이 구부릴 수 있는 곳이 살짝이라도 구부려질 때 평가부(14)는 Motor Grade 3으로 환자의 운동반응을 평가할 수 있다. 달리 말해, 평가부(14)는 환자의 움직임 궤적이 Motor Grade 3에 대응한 미리 설정된 범위에 포함되는 경우, Motor Grade 3으로 환자의 운동반응을 평가할 수 있다.

또한, Motor Grade 4는 통증 자극에 움츠림(Flexion / Withdrawal From Pain)을 의미한다. 예를 들어, 자극 단말기(30)를 이용하여 환자에게 일정한 자극(압력)을 가하거나, 의사 또는 간호사가 환자의 팔을 들거나 다리를 들어올릴 때 통증을 주는 걸 피하려고는 하지만, 통증 주는 사람의 손을 치우려 하고 하지 않았으면 Motor Grade 3으로 환자의 운동반응을 평가할 수 있다. 달리 말해, 평가부(14)는 환자의 움직임 궤적이 Motor Grade 4에 대응한 미리 설정된 범위에 포함되는 경우, Motor Grade 4로 환자의 운동반응을 평가할 수 있다.

또한, Motor Grade 5는 통증에 국재성 반응(Localizing Pain)을 의미할 수 있다. 예를 들어, 자극 단말기(30)를 이용하여 환자에게 일정한 자극(압력)을 가할 때 자극 단말기(30)를 치우려고 하는 경우, 의사 또는 간호사의 손을 치우려고 본인(환자)의 손을 가지고 와서 치우는 경우, Motor Grade 5로 환자의 운동반응을 평가할 수 있다. 달리 말해, 평가부(14)는 환자의 움직임 궤적이 Motor Grade 5에 대응한 미리 설정된 범위에 포함되는 경우, Motor Grade 5로 환자의 운동반응을 평가할 수 있다.

또한, Motor Grade 6은 명령에 따른다(Obey Commands)를 의미할 수 있다. 예를 들어, 의사 또는 간호사가 손가락으로 숫자세기, 눈 깜빡하기, 주먹 쥐기, 가위 해보기 등 움직임의 명령을 요청하였을 때 해당 동작을 수행하는 경우, Motor Grade 6으로 환자의 운동반응을 평가할 수 있다. 달리 말해, 평가부(14)는 환자의 움직임 궤적이 Motor Grade 6에 대응한 미리 설정된 범위에 포함되는 경우, Motor Grade 6으로 환자의 운동반응을 평가할 수 있다.

본원의 일 실시예에 따르면, 제공부(15)는 환자의 움직임의 추세 분석 결과가 마비 진행으로 판단된 경우 중앙 통제 관리 단말(미도시)로 알림을 제공할 수 있다. 예를 들어, 중앙 통제 관리 단말(미도시)은 의료진 단말 또는 서버일 수 있다. 일예로, 제공부(15)는 환자 개개인에 부여된 미리 설정된 값에 대응하여 환자의 움직임의 추세 분석 결과가 마비 진행으로 판단된 경우, 중앙 통제 관리 단말(미도시)에 해당 환자의 위치, 식별번호, 환자 정보 등을 제공할 수 있다.

본원의 일 실시예에 따르면, 동작 분석 장치(10)는 중앙 통제 관리 단말(미도시)로 환자 관리 메뉴를 제공할 수 있다. 예를 들어, 동작 분석 장치(10)가 제공하는 어플리케이션 프로그램을 중앙 통제 관리 단말(미도시)이 다운로드하여 설치하고, 설치된 어플리케이션을 통해 말 선발 메뉴 및 말 관리 메뉴가 제공될 수 있다.

동작 분석 장치(10)는 중앙 통제 관리 단말(미도시)과 데이터, 콘텐츠, 각종 통신 신호를 네트워크를 통해 송수신하고, 데이터 저장 및 처리의 기능을 가지는 모든 종류의 서버, 단말, 또는 디바이스를 포함할 수 있다.

중앙 통제 관리 단말(미도시)은 네트워크를 통해 동작 분석 장치(10)와 연동하는 디바이스로서, 예를 들면, 스마트폰(Smartphone), 스마트패드(Smart Pad), 태블릿 PC, 웨어러블 디바이스 등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치 및 데스크탑 컴퓨터, 스마트 TV와 같은 고정용 단말기일 수도 있다.

동작 분석 장치(10) 및 중앙 통제 관리 단말(미도시) 간의 정보 공유를 위한 네트워크의 일 예로는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 유무선 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, Wifi 네트워크, NFC(Near Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함될 수 있으며, 이에 한정된 것은 아니다.

이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.

도 5는 본원의 일 실시예에 따른 마비환자 동작 분석 모니터링 방법에 대한 개략적인 동작 흐름도이다

도 5에 도시된 마비환자 동작 분석 모니터링 방법은 앞서 설명된 마비환자 동작 분석 모니터링 시스템(1)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 마비환자 동작 분석 모니터링 시스템(1)에 대하여 설명된 내용은 마비환자 동작 분석 모니터링 방법에 대한 설명에도 동일하게 적용될 수 있다.

단계 S101에서 마비환자 동작 분석 모니터링 시스템(1)은 복수의 센서를 포함하고, 환자의 신체 일부에 부착되어 환자의 상태 정보를 수집하는 측정 단말(20)로부터 상태 정보를 수신할 수 잇다.

단계 S102에서 마비환자 동작 분석 모니터링 시스템(1)은 상태 정보에 포함된 움직임 정보 및 근전도 신호를 전처리할 수 있다.

단계 S103에서 마비환자 동작 분석 모니터링 시스템(1)은 전처리된 움직임 정보 및 근전도 신호를 패턴 분석 추적 알고리즘에 적용하여 마비 진행 여부를 도출할 수 있다.

단계 S014에서 마비환자 동작 분석 모니터링 시스템(1)은 패턴 분석 추적 알고리즘의 분석 결과 및 환자의 움직임의 시간 간격을 고려하여 환자의 마비 진행 여부를 판단할 수 있다.

도면에 도시하진 않았으나, 단계 S101 이전에 마비환자 동작 분석 모니터링 시스템(1)은 자극 단말기(30)를 이용하여 환자의 신체 일부에 가한 자극의 세기 정보를 자극 단말기(30)로부터 수신할 수 있다. 마비환자 동작 분석 모니터링 시스템(1)은 자극 단말기(30)를 이용하여 환자에게 일정한 자극을 가한 이후 수신되는 상태 정보를 고려하여 환자의 운동반응(Motor Response)을 평가할 수 있다.

상술한 설명에서, 단계 S101 내지 S104는 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.

본원의 일 실시 예에 따른 마비환자 동작 분석 모니터링 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

또한, 전술한 마비환자 동작 분석 모니터링 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.

전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.

1: 마비환자 동작 분석 모니터링 시스템
10: 동작 분석 장치
11: 수신부 12: 전처리부
13: 분석부 14: 평가부
15: 제공부
20: 측정 단말
30: 자극 단말기

Claims (15)

1. 컴퓨터로 구현되는 결함 예측 시스템에 의해 각 단계가 수행되는 마비환자 동작 분석 모니터링 방법에 있어서,
   복수의 센서를 포함하고, 환자의 신체 일부에 부착되어 환자의 상태 정보를 수집하는 측정 단말로부터 상기 상태 정보를 수신하는 단계;
   상기 상태 정보에 포함된 움직임 정보 및 근전도 신호를 전처리하는 단계;
   상기 전처리된 상기 움직임 정보 및 상기 근전도 신호를 패턴 분석 추적 알고리즘에 적용하여 마비 진행 여부를 도출하는 단계; 및
   상기 패턴 분석 추적 알고리즘의 분석 결과 및 상기 환자의 움직임의 시간 간격을 고려하여 상기 환자의 마비 진행 여부를 판단하는 단계,
   를 포함하되,
   상기 전처리하는 단계는,
   상기 상태 정보에 포함된 움직임 정보를 제1필터에 적용하여 중력 성분을 제거하는 전처리를 수행하는 단계;
   중력 성분이 제거된 움직임 정보를 신호벡터크기 알고리즘에 적용하여 움직임 세기 데이터를 추출하는 단계; 및
   를 포함하는 것인, 마비환자 동작 분석 모니터링 방법.
2. 제1항에 있어서,
   자극 단말기를 이용하여 상기 환자의 신체 일부에 가한 자극의 세기 정보를 상기 자극 단말기로부터 수신하는 단계; 및
   상기 자극 단말기를 이용하여 상기 환자에게 일정한 자극을 가한 이후 수신되는 상기 상태 정보를 고려하여 환자의 운동반응(Motor Response)을 평가하는 단계를 더 포함하는 것인, 마비환자 동작 분석 모니터링 방법.
3. 제2항에 있어서,
   상기 환자의 운동반응을 평가하는 단계는,
   상기 패턴 분석 추적 알고리즘의 분석 결과와 복수의 단계별로 구분된 상기 환자의 운동반응 척도를 비교하여 상기 환자의 운동반응을 평가하는 것인, 마비환자 동작 분석 모니터링 방법.
4. 제1항에 있어서,
   상기 전처리하는 단계는,
   상기 중력 성분이 제거된 움직임 정보를 제2필터에 적용하고, 사다리꼴(Trapezoidal) 연산을 수행하여 거리 데이터를 추출하는 단계;
   상기 상태 정보에 포함된 근전도 신호를 제3필터에 적용하여 잡음을 제거하는 전처리를 수행하는 단계; 및
   상기 움직임 세기 데이터, 상기 거리 데이터 및 상기 근전도 신호를 제4필터에 적용하는 전처리를 수행하는 단계,
   를 포함하는, 마비환자 동작 분석 모니터링 방법.
5. 제4항에 있어서,
   상기 마비 진행 여부를 도출하는 단계는,
   상기 움직임 세기 데이터가 미리 설정된 기준 세기 값을 초과하는지 여부를 판단하는 단계를 포함하되,
   상기 미리 설정된 기준 세기 값을 초과하는지 여부를 판단하는 단계는,
   상기 움직임 세기 데이터가 상기 미리 설정된 기준 세기 값을 초과하는 경우, 센서상 움직임이 발생한 것으로 판별하고,
   상기 움직임 세기 데이터가 미리 설정된 기준 세기 값을 초과하지 않는 경우, 센서상 움직임이 발생하지 않은 것으로 판별하고, 전처리된 상기 상태 정보의 수신을 대기하는 것인, 마비환자 동작 분석 모니터링 방법.
6. 제5항에 있어서,
   상기 마비 진행 여부를 도출하는 단계는,
   상기 센서상 움직임이 발생한 것으로 판별된 경우, 상기 근전도 신호가 미리 설정된 기준 근전도 신호 값을 초과하는지 여부를 판단하는 단계를 더 포함하되,
   상기 근전도 신호가 미리 설정된 기준 근전도 신호 값을 초과하는지 여부를 판단하는 단계는,
   상기 근전도 신호가 상기 미리 설정된 기준 근전도 신호 값을 초과하는 경우, 상기 센서상 움직임이 환자의 자발적 움직임인 것으로 판별하고,
   상기 근전도 신호가 상기 미리 설정된 기준 근전도 신호 값을 초과하지 않는 경우, 환자의 자발적 움직임이 아닌 것으로 판별하고, 전처리된 상태 정보 수신을 대기하는 것인, 마비환자 동작 분석 모니터링 방법.
7. 제6항에 있어서,
   상기 마비 진행 여부를 도출하는 단계는,
   상기 센서상 움직임이 환자의 자발적 움직임인 것으로 판별된 경우,
   n번째 움직임 정보와 n-1번째 움직임 정보를 비교하여 환자의 움직임의 시간 간격을 도출하는 단계;
   n번째 근전도 신호와 n-1번째 근전도 신호를 비교하여 환자의 근전도 신호 세기 추이를 도출하는 단계; 및
   도출된 상기 환자의 움직임의 시간 간격 및 상기 환자의 근전도 신호 세기 추이를 기반으로 상기 환자의 움직임 추세를 분석하는 단계,
   를 더 포함하는 것인, 마비환자 동작 분석 모니터링 방법.
8. 제7항에 있어서,
   상기 환자의 마비 진행 여부를 판단하는 단계는,
   과거 움직임이 측정된 시간을 기준으로 현재 움직임이 발생한 시점을 비교하여 움직인 시간의 시간 간격이 지속적으로 증가하는 추세인 경우 마비 진행으로 판단하는 것인, 마비환자 동작 분석 모니터링 방법.
9. 제1항에 있어서,
   상기 환자의 움직임의 추세 분석 결과 마비 진행으로 판단된 경우 중앙 통제 관리 단말로 알림을 제공하는 단계를 더 포함하는 것인, 마비환자 동작 분석 모니터링 방법.
10. 제1항에 있어서,
    환자의 팔에 부착된 상기 측정 단말로부터 수집된 상기 움직임 정보에 기반하여 상기 환자의 팔의 움직임 궤적을 추적하는 단계를 더 포함하되,
    상기 환자의 팔의 움직임 궤적을 추적하는 단계는,
    상기 복수의 센서 중 6축 모션 센서로부터 가속도, 각속도 및 쿼터니언 값을 수신하는 단계;
    상기 가속도의 값 및 상기 각속도의 값을 통해 상기 환자의 팔의 움직인 거리를 도출하는 단계;
    상기 쿼터니언 값을 이용하여 상기 측정 단말이 회전한 축 및 회전한 각도를 도출하는 단계; 및
    도출된 상기 환자의 팔의 움직인 거리, 상기 회전한 축 및 회전한 각도를 고려하여 상기 환자의 팔의 움직임 궤적을 추적하는 단계,
    를 포함하는 것인, 마비환자 동작 분석 모니터링 방법.
11. 제4항에 있어서,
    상기 중력 성분을 제거하기 위한 상기 제1필터는 IIR Highpass 필터이고,
    상기 중력 성분을 제거하는 전처리를 수행하는 단계는,
    상기 제1필터를 적용하여 중력성분을 제거하고 상기 환자의 움직임의 세기 값이 미리 설정된 값으로 표현되도록 전처리를 수행하는 것인, 마비환자 동작 분석 모니터링 방법.
12. 마비환자 동작 분석 모니터링 시스템으로서,
    복수의 센서를 포함하고, 환자의 신체 일부에 부착되어 환자의 상태 정보를 수집하는 측정 단말; 및
    상기 측정 단말로부터 수집된 상태 정보를 패턴 분석 추적 알고리즘에 적용하여 상기 환자의 마비 진행 여부를 도출하는 동작 분석 장치,
    를 포함하되,
    상기 분석 장치는,
    상기 측정 단말로부터 획득된 상기 상태 정보를 수신하는 수신부;
    상기 상태 정보를 복수의 필터 및 전처리 알고리즘에 적용하여 전처리를 수행하는 전처리부;
    상기 전처리부에서 전처리된 상기 상태 정보를 패턴 분석 추적 알고리즘에 적용하여 마비 진행 여부를 분석하는 분석부,
    를 포함하고,
    상기 전처리부는,
    상기 상태 정보에 포함된 움직임 정보를 제1필터에 적용하여 중력 성분을 제거하는 전처리를 수행하고,
    중력 성분이 제거된 움직임 정보를 신호벡터크기 알고리즘에 적용하여 움직임 세기 데이터를 추출하는 것인, 마비환자 동작 분석 모니터링 시스템.
13. 제12항에 있어서,
    상기 환자의 신체 일부에 자극을 가하는 자극 단말기를 더 포함하고,
    상기 분석 장치는,
    상기 자극 단말기를 이용하여 상기 환자에게 일정한 자극을 가했을 때 수신되는 상기 상태 정보를 고려하여 환자의 운동반응(Motor Response)을 평가하는 평가부를 더 포함하는 것인, 마비환자 동작 분석 모니터링 시스템.
14. 제13항에 있어서,
    상기 환자의 움직임의 추세 분석 결과가 마비 진행으로 판단된 경우 중앙 통제 관리 단말로 알림을 제공하는 제공부를 더 포함하는 것인, 환자 동작 분석 모니터링 시스템.
15. 제1항 내지 제11항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.

Images