KR102324471B1 - 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법 - Google Patents

휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법 Download PDF

Info

Publication number
KR102324471B1
KR102324471B1 KR1020190065623A KR20190065623A KR102324471B1 KR 102324471 B1 KR102324471 B1 KR 102324471B1 KR 1020190065623 A KR1020190065623 A KR 1020190065623A KR 20190065623 A KR20190065623 A KR 20190065623A KR 102324471 B1 KR102324471 B1 KR 102324471B1
Authority
KR
South Korea
Prior art keywords
sleep apnea
signal processing
processing unit
ecg
feature points
Prior art date
Application number
KR1020190065623A
Other languages
English (en)
Other versions
KR20200139049A (ko
Inventor
이종하
Original Assignee
계명대학교 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 계명대학교 산학협력단 filed Critical 계명대학교 산학협력단
Priority to KR1020190065623A priority Critical patent/KR102324471B1/ko
Publication of KR20200139049A publication Critical patent/KR20200139049A/ko
Application granted granted Critical
Publication of KR102324471B1 publication Critical patent/KR102324471B1/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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명은 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법에 관한 것으로서, 보다 구체적으로는 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치로서, 수면자의 심전도 데이터를 검출하기 위한 ECG 센서; 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하기 위한 3축 가속도 센서; 상기 ECG 센서에서 검출되는 심전도 데이터와 상기 3축 가속도 센서에서 검출되는 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 신호 처리부; 및 상기 신호 처리부의 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별하는 판단부를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법에 따르면, 수면자의 심전도 데이터를 검출하기 위한 ECG 센서와, 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하기 위한 3축 가속도 센서와, ECG 센서에서 검출되는 심전도 데이터와 3축 가속도 센서에서 검출되는 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 신호 처리부와, 신호 처리부의 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별하는 판단부를 포함하여 구성함으로써, 기존의 표준 수면 타원 검사 방법에서의 장비 부착의 번거로움 및 불편함과 비용의 부담 및 장소의 제약 없이 폐쇄성 수면 무호흡증을 쉽고 빠르게 진단할 수 있도록 할 수 있다.
또한, 본 발명의 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법에 따르면, 3축 가속도 센서에 심전도(ECG)를 측정할 수 있도록 ECG 센서를 결합하고, 수면자의 호흡 시 흉부의 움직임과 ECG를 동시에 측정하고, 획득된 심전도 데이터와 3차원 가속도 데이터에 대한 신호 처리를 통해 추출된 특징점에 기초하여 폐쇄성 수면 무호흡증을 판별할 수 있도록 함으로써, 수면자의 계측되는 생체신호의 종류를 줄여 환자의 불편함을 최소화하면서도, 폐쇄성 수면 무호흡증의 진단의 편의성 및 휴대성이 더욱 향상될 수 있도록 할 수 있다.

Description

휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법{PORTABLE SLEEP APNEA COMPUTER ASSISTED DIAGNOSIS SENSOR DEVICE AND ITS CONTROL METHOD}
본 발명은 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법에 관한 것으로서, 보다 구체적으로는 3축 가속도 센서에 심전도(ECG) 데이터를 측정할 수 있도록 ECG 센서를 결합하고, 수면자의 호흡 시 흉부의 움직임과 심전도 데이터를 동시에 측정하여 폐쇄성 수면 무호흡증을 진단할 수 있도록 하는 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법에 관한 것이다.
일반적으로 폐쇄성 수면 무호흡증(Obstructive Sleep Apnea, OSA)은 잠을 자는 도중에 상부 기도를 통한 공기 흐름의 장애로 인하여 잦은 각성과 혈중 산소 포화 농도의 저하가 반복적으로 일어나는 수면호흡장애이다. 이러한 폐쇄성 수면 무호흡증은 성인 질환과 소아질환의 발병 원인이 될 수 있다는 보고가 나오면서 OSA에 대한 관심이 증가되고 있다.
도 1은 수면자의 정상기도와 폐쇄성 수면 무호흡증(OSA)의 기도의 비교를 도시한 도면이다. 도 1의 (a)는 수면자의 기도가 열리고 공기가 원활하게 통과되는 정상기도 상태를 나타내고 있으며, 도 1의 (b)는 수면자의 기도가 막히고 공기가 원활하게 통과되지 못하고 공기가 막힌 폐쇄성 수면 무호흡증(OSA) 상태를 나타내고 있다.
이와 같이, 폐쇄성 수면 무호흡증(OSA)는 상부기도 폐쇄로 인한 수면 관련 호흡 장애로서, 이러한 상태에서는 심혈관 질환, 고혈압, 뇌졸중, 당뇨병 및 임상 우울증과 같은 많은 임상 후유증과 관련되고 유발할 수 있다.
종래의 OSA를 진단하는 가장 기본적인 검사방법은 표준 수면 다원검사가 대표적이다. 이러한 수면 다원검사는 수면의 구조와 기능, 수면 중 발생한 사견 등을 개관적으로 평가하는 것으로, 수면 8시간동안 뇌파, 안구운동, 하악 근전도, 다리 근전도, 심전도, 코골이, 혈압, 호흡 운동, 동맥혈 내 산소 포화도 등을 종합적으로 측정하고, 동시에 비디오로 환자의 수면 중 행동 이상을 기록하게 된다. 이러한 기록들을 수면 검사 전문기사와 수면 의학 전문의가 판독하여 코골이가 어느 정도 심한가, 부정맥 발생 여부, 혈압 상승 여부, 수면 중에 다른 문제가 발생하는지의 여부, 정상인의 수면과 어떤 점에서 차이가 있는지 등에 관한 포괄적인 결과를 얻을 수 있다. 그러나 종래의 표준 수면 다원검사 방법은 장비 부착의 번거로움과 불편함, 비용의 부담, 그리고 장소의 제약 등 많은 단점이 있었다. 대한민국 등록특허공보 제10-1796871호가 선행기술 문헌으로 개시되고 있다.
본 발명은 기존에 제안된 방법들의 상기와 같은 문제점들을 해결하기 위해 제안된 것으로서, 수면자의 심전도 데이터를 검출하기 위한 ECG 센서와, 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하기 위한 3축 가속도 센서와, ECG 센서에서 검출되는 심전도 데이터와 3축 가속도 센서에서 검출되는 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 신호 처리부와, 신호 처리부의 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별하는 판단부를 포함하여 구성함으로써, 기존의 표준 수면 타원 검사 방법에서의 장비 부착의 번거로움 및 불편함과 비용의 부담 및 장소의 제약 없이 폐쇄성 수면 무호흡증을 쉽고 빠르게 진단할 수 있도록 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법을 제공하는 것을 그 목적으로 한다.
또한, 본 발명은, 3축 가속도 센서에 심전도(ECG)를 측정할 수 있도록 ECG 센서를 결합하고, 수면자의 호흡 시 흉부의 움직임과 ECG를 동시에 측정하고, 획득된 심전도 데이터와 3차원 가속도 데이터에 대한 신호 처리를 통해 추출된 특징점에 기초하여 폐쇄성 수면 무호흡증을 판별할 수 있도록 함으로써, 수면자의 계측되는 생체신호의 종류를 줄여 환자의 불편함을 최소화하면서도, 폐쇄성 수면 무호흡증의 진단의 편의성 및 휴대성이 더욱 향상될 수 있도록 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법을 제공하는 것을 또 다른 목적으로 한다.
상기한 목적을 달성하기 위한 본 발명의 특징에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치는,
휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치로서,
수면자의 심전도 데이터를 검출하기 위한 ECG 센서;
수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하기 위한 3축 가속도 센서;
상기 ECG 센서에서 검출되는 심전도 데이터와 상기 3축 가속도 센서에서 검출되는 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 신호 처리부; 및
상기 신호 처리부의 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별하는 판단부를 포함하는 것을 그 구성상의 특징으로 한다.
바람직하게는, 상기 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치는,
상기 수면자의 호흡 시 흉부의 움직임과 ECG를 동시에 측정할 수 있도록 상기 3축 가속도 센서에 ECG 센서를 결합하여 구성할 수 있다.
바람직하게는, 상기 신호 처리부는,
상기 ECG 센서로부터 검출되는 수면자의 심전도 데이터에서 HRV(heart rate variability)를 구하는 알고리즘 처리를 수행할 수 있다.
더욱 바람직하게는, 상기 신호 처리부는,
HRV(heart rate variability)를 구하는 알고리즘 처리를 수행하는 과정으로, BPF(band-pass filter)를 사용하여 데이터의 잡음을 없앤 후 Pan Tompkins 알고리즘을 이용하여 R-peak를 찾아내고 심전도 데이터의 R-R 간격을 구하는 알고리즘 처리를 수행할 수 있다.
더욱 더 바람직하게는, 상기 신호 처리부는,
심박변동신호를 유도하기 위해 4㎐의 등간격으로 다운 샘플링한 후 HRV tachogram을 구하고, STFT(Short Time Fourier Transform)를 사용하여 스펙트로그램을 계산하여 구할 수 있다.
더더욱 바람직하게는, 상기 신호 처리부는,
자율신경계의 균형을 나타내는 지료로서 사용되는 스펙트로그램의 LF(low frequency)/HF(high frequency)를 시간별로 나타내고, 이로부터 최댓값(max(LF/HF)), 최솟값(min(LF/HF)), 평균값(avg(LF/HF))의 총 3개의 특징점을 계산하여 구할 수 있다.
바람직하게는, 상기 신호 처리부는,
상기 3축 가속도 센서로부터 검출되는 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하되, 3축 데이터의 평균값 x, y, z의 특징점을 추출할 수 있다.
더욱 바람직하게는, 상기 신호 처리부는,
상기 3축 가속도 센서로부터 검출되는 호흡 상태와 무호흡 상태에서의 흉부의 움직임의 차이를 측정하기 위해 90㎐의 샘플링 주파수와 1㎐의 저역 통과 필터 및 0.1㎐의 고역 통과 필터를 사용하여 잡음을 제거하고, 측정된 3축 데이터의 평균값 x(avg(accel.x)), y(avg(accel.y)), z(avg(accel.z))의 총 3개의 특징점을 계산하여 구할 수 있다.
더욱 더 바람직하게는, 상기 판단부는,
상기 신호처리부에서 추출한 심전도 데이터에 대한 3개의 특징점과 3축 데이터의 평균값 x, y, z의 3개의 특징점에 기초한 머신 러닝 기법을 통한 축적되어 학습된 정상 수면과 수면 무호흡증의 비교를 통해 폐쇄성 수면 무호흡증(OSA)을 비교 판단할 수 있다.
더더욱 바람직하게는, 상기 판단부는,
상기 신호 처리부에서 추출된 6개의 특징점들은 Adaboost 학습에 사용되고, 생성된 특징점들의 분류(classifier)는 10배 교차 검증(10-folds cross validation)이 적용될 수 있다.
상기한 목적을 달성하기 위한 본 발명의 특징에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 제어 방법은,
휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 제어 방법으로서,
(1) ECG 센서가 수면자의 심전도 데이터를 검출하는 단계;
(2) 3축 가속도 센서가 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하는 단계;
(3) 신호 처리부가 상기 단계 (1)에서의 상기 ECG 센서에서 검출되는 심전도 데이터와 상기 단계 (2)에서의 상기 3축 가속도 센서에서 검출되는 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 단계; 및
(4) 상기 단계 (3) 이후, 판단부가 상기 신호 처리부의 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별하는 단계를 포함하는 것을 그 구성상의 특징으로 한다.
바람직하게는, 상기 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치는,
상기 수면자의 호흡 시 흉부의 움직임과 ECG를 동시에 측정할 수 있도록 상기 3축 가속도 센서에 ECG 센서를 결합하여 구성할 수 있다.
바람직하게는, 상기 신호 처리부는,
상기 ECG 센서로부터 검출되는 수면자의 심전도 데이터에서 HRV(heart rate variability)를 구하는 알고리즘 처리를 수행할 수 있다.
더욱 바람직하게는, 상기 신호 처리부는,
HRV(heart rate variability)를 구하는 알고리즘 처리를 수행하는 과정으로, BPF(band-pass filter)를 사용하여 데이터의 잡음을 없앤 후 Pan Tompkins 알고리즘을 이용하여 R-peak를 찾아내고 심전도 데이터의 R-R 간격을 구하는 알고리즘 처리를 수행할 수 있다.
더욱 더 바람직하게는, 상기 신호 처리부는,
심박변동신호를 유도하기 위해 4㎐의 등간격으로 다운 샘플링한 후 HRV tachogram을 구하고, STFT(Short Time Fourier Transform)를 사용하여 스펙트로그램을 계산하여 구할 수 있다.
더더욱 바람직하게는, 상기 신호 처리부는,
자율신경계의 균형을 나타내는 지료로서 사용되는 스펙트로그램의 LF(low frequency)/HF(high frequency)를 시간별로 나타내고, 이로부터 최댓값(max(LF/HF)), 최솟값(min(LF/HF)), 평균값(avg(LF/HF))의 총 3개의 특징점을 계산하여 구할 수 있다.
바람직하게는, 상기 신호 처리부는,
상기 3축 가속도 센서로부터 검출되는 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하되, 3축 데이터의 평균값 x, y, z의 특징점을 추출할 수 있다.
더욱 바람직하게는, 상기 신호 처리부는,
상기 3축 가속도 센서로부터 검출되는 호흡 상태와 무호흡 상태에서의 흉부의 움직임의 차이를 측정하기 위해 90㎐의 샘플링 주파수와 1㎐의 저역 통과 필터 및 0.1㎐의 고역 통과 필터를 사용하여 잡음을 제거하고, 측정된 3축 데이터의 평균값 x(avg(accel.x)), y(avg(accel.y)), z(avg(accel.z))의 총 3개의 특징점을 계산하여 구할 수 있다.
더욱 더 바람직하게는, 상기 판단부는,
상기 신호처리부에서 추출한 심전도 데이터에 대한 3개의 특징점과 3축 데이터의 평균값 x, y, z의 3개의 특징점에 기초한 머신 러닝 기법을 통한 축적되어 학습된 정상 수면과 수면 무호흡증의 비교를 통해 폐쇄성 수면 무호흡증(OSA)을 비교 판단할 수 있다.
더더욱 바람직하게는, 상기 판단부는,
상기 신호 처리부에서 추출된 6개의 특징점들은 Adaboost 학습에 사용되고, 생성된 특징점들의 분류(classifier)는 10배 교차 검증(10-folds cross validation)이 적용될 수 있다.
본 발명에서 제안하고 있는 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법에 따르면, 수면자의 심전도 데이터를 검출하기 위한 ECG 센서와, 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하기 위한 3축 가속도 센서와, ECG 센서에서 검출되는 심전도 데이터와 3축 가속도 센서에서 검출되는 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 신호 처리부와, 신호 처리부의 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별하는 판단부를 포함하여 구성함으로써, 기존의 표준 수면 타원 검사 방법에서의 장비 부착의 번거로움 및 불편함과 비용의 부담 및 장소의 제약 없이 폐쇄성 수면 무호흡증을 쉽고 빠르게 진단할 수 있도록 할 수 있다.
또한, 본 발명의 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법에 따르면, 3축 가속도 센서에 심전도(ECG)를 측정할 수 있도록 ECG 센서를 결합하고, 수면자의 호흡 시 흉부의 움직임과 ECG를 동시에 측정하고, 획득된 심전도 데이터와 3차원 가속도 데이터에 대한 신호 처리를 통해 추출된 특징점에 기초하여 폐쇄성 수면 무호흡증을 판별할 수 있도록 함으로써, 수면자의 계측되는 생체신호의 종류를 줄여 환자의 불편함을 최소화하면서도, 폐쇄성 수면 무호흡증의 진단의 편의성 및 휴대성이 더욱 향상될 수 있도록 할 수 있다.
도 1은 수면자의 정상기도와 폐쇄성 수면 무호흡증(OSA)의 기도의 비교를 도시한 도면.
도 2는 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 구성을 기능블록으로 도시한 도면.
도 3은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 설치 일례의 구성을 도시한 도면.
도 4는 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 신호 처리부에서의 심전도 데이터의 처리 과정을 도시한 도면.
도 5는 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 신호 처리부에서의 3축 가속도 데이터의 처리 과정을 도시한 도면.
도 6은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 심박수 변화의 STFT 분석 결과를 도시한 도면.
도 7은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 LF/HF 비율의 변화를 도시한 도면.
도 8은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 가속도 센서 데이터의 진폭 변화를 도시한 도면.
도 9는 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 3초 동안의 수면 무호흡 상태에 있는 ECG 신호 및 가속도 센서 데이터의 그래프를 도시한 도면.
도 10은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 5초 동안의 수면 무호흡 상태에 있는 ECG 신호 및 가속도 센서 데이터의 그래프를 도시한 도면.
도 11은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 제어 방법에 대한 흐름을 도시한 도면.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 연결 되어 있다고 할 때, 이는 직접적으로 연결 되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 간접적으로 연결 되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 포함 한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
도 2는 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 구성을 기능블록으로 도시한 도면이고, 도 3은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 설치 일례의 구성을 도시한 도면이며, 도 4는 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 신호 처리부에서의 심전도 데이터의 처리 과정을 도시한 도면이고, 도 5는 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 신호 처리부에서의 3축 가속도 데이터의 처리 과정을 도시한 도면이며, 도 6은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 심박수 변화의 STFT 분석 결과를 도시한 도면이고, 도 7은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 LF/HF 비율의 변화를 도시한 도면이며, 도 8은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 가속도 센서 데이터의 진폭 변화를 도시한 도면이고, 도 9는 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 3초 동안의 수면 무호흡 상태에 있는 ECG 신호 및 가속도 센서 데이터의 그래프를 도시한 도면이며, 도 10은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 5초 동안의 수면 무호흡 상태에 있는 ECG 신호 및 가속도 센서 데이터의 그래프를 도시한 도면이다. 도 2 내지 도 10에 각각 도시된 바와 같이, 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치(100)는, ECG 센서(110), 3축 가속도 센서(120), 신호 처리부(130), 및 판단부(140)를 포함하여 구성될 수 있다.
ECG 센서(110)는, 수면자의 심전도 데이터를 검출하기 위한 구성이다. 이러한 ECG 센서(110)는 수면자의 신체에 접촉하여 심장의 리듬을 측정할 수 있다. 여기서, ECG 센서(110)는 심근이 각 심장 박동마다 탈분극을 할 때 피부에서 감지되는 미세한 전기 신호를 검출하고 증폭시켜 출력할 수 있다.
3축 가속도 센서(120)는, 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하기 위한 구성이다. 이러한 3축 가속도 센서(120)는 수면자의 정상적인 호흡 상태와 비정상적인 무호흡 상태에서의 수면자의 흉부의 움직임 차이를 측정할 수 있다. 이러한 3축 가속도 센서(120)는 도 3에 도시된 바와 같이, 수면자의 호흡 시 흉부의 움직임과 ECG를 동시에 측정할 수 있도록 ECG 센서(110)를 결합하여 구성할 수 있다.
신호 처리부(130)는, ECG 센서(110)에서 검출되는 심전도 데이터와 3축 가속도 센서(120)에서 검출되는 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 구성이다. 이러한 신호 처리부(130)는 도 4에 도시된 바와 같이, ECG 센서(110)로부터 검출되는 수면자의 심전도 데이터에서 HRV(heart rate variability)를 구하는 알고리즘 처리를 수행할 수 있다.
또한, 신호 처리부(130)는 HRV(heart rate variability)를 구하는 알고리즘 처리를 수행하는 과정으로, BPF(band-pass filter)를 사용하여 데이터의 잡음을 없앤 후 Pan Tompkins 알고리즘을 이용하여 R-peak를 찾아내고 심전도 데이터의 R-R 간격을 구하는 알고리즘 처리를 수행할 수 있다. 이때, 검출한 심박동 시리즈들은 등간격 신호가 아니기 때문에 일반적인 주파수 분석 방법에 바로 적용할 수 없다. 이에 따라 심박동 시리즈로부터 등간격으로 구성된 심박변동 신호를 유도하기 위한 신호 처리가 요구된다.
즉, 신호 처리부(130)는 심박변동신호를 유도하기 위해 4㎐의 등간격으로 다운 샘플링한 후 HRV tachogram을 구하고, STFT(Short Time Fourier Transform)를 사용하여 스펙트로그램을 계산하여 구할 수 있다. 이어, 신호 처리부(130)는 자율신경계의 균형을 나타내는 지료로서 사용되는 스펙트로그램의 LF(low frequency)/HF(high frequency)를 시간별로 나타내고, 이로부터 최댓값(max(LF/HF)), 최솟값(min(LF/HF)), 평균값(avg(LF/HF))의 총 3개의 특징점을 계산하여 구하게 된다. 여기서, 스펙트로그램의 LF/HF 비율의 증가는 교감 신경의 활성 증가를 나타내고, LF/HF 비율의 감소는 교감 신경의 활성 감소를 나타내게 된다. 대부분의 수면 무호흡증(OSA) 환자에게서 매우 높게 증가하는 교감 신경 활동을 특징점으로 추출하여 이용하게 된다.
또한, 신호 처리부(130)는 3축 가속도 센서(120)로부터 검출되는 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하되, 3축 데이터의 평균값 x, y, z의 특징점을 추출할 수 있다. 이러한 신호 처리부(130)는 도 5에 도시된 바와 같이, 3축 가속도 센서(120)로부터 검출되는 호흡 상태와 무호흡 상태에서의 흉부의 움직임의 차이를 측정하기 위해 90㎐의 샘플링 주파수와 1㎐의 저역 통과 필터 및 0.1㎐의 고역 통과 필터를 사용하여 잡음을 제거하고, 측정된 3축 데이터의 평균값 x(avg(accel.x)), y(avg(accel.y)), z(avg(accel.z))의 총 3개의 특징점을 계산하여 구할 수 있다.
판단부(140)는, 신호 처리부(130)의 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별할 수 있다. 이러한 판단부(140)는 신호 처리부(130)에서 추출한 심전도 데이터에 대한 3개의 특징점과 3축 데이터의 평균값 x, y, z의 3개의 특징점에 기초한 머신 러닝 기법을 통한 축적되어 학습된 정상 수면과 수면 무호흡증의 비교를 통해 폐쇄성 수면 무호흡증(OSA)을 비교 판단할 수 있다. 여기서, 판단부(140)는 신호 처리부(130)에서 추출된 6개의 특징점들은 Adaboost 학습에 사용되고, 생성된 특징점들의 분류(classifier)는 10배 교차 검증(10-folds cross validation)이 적용될 수 있다.
도 6은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 심박수 변화의 STFT 분석 결과를 나타내고 있다. 도 6의 (a)는 STFT 분석에 따른 정상적인 심박수 변화를 나타내고, 도 6의 (b)는 STFT 분석에 따른 폐쇄성 수면 무호흡증(OSA)의 심박수 변화를 나타내고 있다.
도 7은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 LF/HF 비율의 변화를 나타내고 있다. 도 7의 (a)는 정상적인 수면 상태에서 LF/HF(저주파 성분과 고주파 성분의 비율)의 비율을 나타내고 있으며, 도 7의 (b)는 비정상적인 폐쇄성 수면 무호흡증 상태에서의 LF/HF(저주파 성분과 고주파 성분의 비율)의 비율을 나타내고 있다.
도 8은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 가속도 센서 데이터의 진폭 변화를 나타내고 있다. 도 8의 (a)는 정상 호흡 상태에서의 가속 데이터의 진폭 변화를 나타내고 있으며, 도 8의 (b)는 비정상적인 폐쇄성 수면 무호흡증 상태에서의 가속 데이터의 진폭 변화를 나타내고 있다.
도 9는 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 3초 동안의 수면 무호흡 상태에 있는 ECG 신호 및 가속도 센서 데이터의 그래프를 나타내고, 도 10은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 5초 동안의 수면 무호흡 상태에 있는 ECG 신호 및 가속도 센서 데이터의 그래프를 나타내고 있다. 즉, 도 9는 3초 동안 수면 무호흡 상태에 있는 ECG 신호와 가속 데이터를 나타내고 있으며, 도 10은 5초 동안의 수면 무호흡 상태에 있는 ECG 신호와 가속 데이터를 나타내고 있다.
도 11은 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 제어 방법에 대한 흐름을 도시한 도면이다. 도 11에 도시된 바와 같이, 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 제어 방법은, 심전도 데이터를 검출하는 단계(S110), 흉부의 움직임 차이를 측정하는 단계(S120), 심전도 데이터와 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 단계(S130), 및 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별하는 단계(S14)를 포함하여 구현될 수 있다.
단계 S110에서는, ECG 센서(110)가 수면자의 심전도 데이터를 검출한다. 이러한 단계 S110에서의 ECG 센서(110)는 수면자의 신체에 접촉하여 심장의 리듬을 측정할 수 있다. 여기서, ECG 센서(110)는 심근이 각 심장 박동마다 탈분극을 할 때 피부에서 감지되는 미세한 전기 신호를 검출하고 증폭시켜 출력할 수 있다.
단계 S120에서는, 3축 가속도 센서(120)가 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정한다. 이러한 단계 S120에서의 3축 가속도 센서(120)는 수면자의 정상적인 호흡 상태와 비정상적인 무호흡 상태에서의 수면자의 흉부의 움직임 차이를 측정할 수 있다. 여기서, 3축 가속도 센서(120)는 도 3에 도시된 바와 같이, 수면자의 호흡 시 흉부의 움직임과 ECG를 동시에 측정할 수 있도록 ECG 센서(110)를 결합하여 구성할 수 있다.
단계 S130에서는, 신호 처리부(130)가 단계 S110에서의 ECG 센서(110)에서 검출되는 심전도 데이터와 단계 S120에서의 3축 가속도 센서(120)에서 검출되는 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출한다. 이러한 신호 처리부(130)는 ECG 센서(110)로부터 검출되는 수면자의 심전도 데이터에서 HRV(heart rate variability)를 구하는 알고리즘 처리를 수행할 수 있다.
또한, 단계 S130에서의 심전도 데이터의 특징점을 추출하는 과정은, 도 4에 도시된 바와 같이, 신호 처리부(130)에서 HRV(heart rate variability)를 구하는 알고리즘 처리를 수행하는 과정으로, BPF(band-pass filter)를 사용하여 데이터의 잡음을 없앤 후 Pan Tompkins 알고리즘을 이용하여 R-peak를 찾아내고 심전도 데이터의 R-R 간격을 구하는 알고리즘 처리를 수행할 수 있다. 이때, 검출한 심박동 시리즈들은 등간격 신호가 아니기 때문에 일반적인 주파수 분석 방법에 바로 적용할 수 없다. 이에 따라 심박동 시리즈로부터 등간격으로 구성된 심박변동 신호를 유도하기 위한 신호 처리가 요구된다. 이에 따라, 신호 처리부(130)는 심박변동신호를 유도하기 위해 4㎐의 등간격으로 다운 샘플링한 후 HRV tachogram을 구하고, STFT(Short Time Fourier Transform)를 사용하여 스펙트로그램을 계산하여 구할 수 있다. 이어, 신호 처리부(130)는 자율신경계의 균형을 나타내는 지료로서 사용되는 스펙트로그램의 LF(low frequency)/HF(high frequency)를 시간별로 나타내고, 이로부터 최댓값(max(LF/HF)), 최솟값(min(LF/HF)), 평균값(avg(LF/HF))의 총 3개의 특징점을 계산하여 구하게 된다. 여기서, 스펙트로그램의 LF/HF 비율의 증가는 교감 신경의 활성 증가를 나타내고, LF/HF 비율의 감소는 교감 신경의 활성 감소를 나타내게 된다. 대부분의 수면 무호흡증(OSA) 환자에게서 매우 높게 증가하는 교감 신경 활동을 특징점으로 추출하여 이용하게 된다.
한편, 단계 S130에서의 3축 데이터 신호의 특징점을 추출하는 과정은, 도 5에 도시된 바와 같이, 신호 처리부(130)가 3축 가속도 센서(120)로부터 검출되는 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하되, 3축 데이터의 평균값 x, y, z의 특징점을 추출할 수 있다. 이러한 신호 처리부(130)는 3축 가속도 센서(120)로부터 검출되는 호흡 상태와 무호흡 상태에서의 흉부의 움직임의 차이를 측정하기 위해 90㎐의 샘플링 주파수와 1㎐의 저역 통과 필터 및 0.1㎐의 고역 통과 필터를 사용하여 잡음을 제거하고, 측정된 3축 데이터의 평균값 x(avg(accel.x)), y(avg(accel.y)), z(avg(accel.z))의 총 3개의 특징점을 계산하여 구할 수 있다.
단계 S140에서는, 단계 S130 이후, 판단부(140)가 신호 처리부(130)의 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별한다. 이러한 단계 S140에서의 판단부(140)는 신호 처리부(130)에서 추출한 심전도 데이터에 대한 3개의 특징점과 3축 데이터의 평균값 x, y, z의 3개의 특징점에 기초한 머신 러닝 기법을 통한 축적되어 학습된 정상 수면과 수면 무호흡증의 비교를 통해 폐쇄성 수면 무호흡증(OSA)을 비교 판단할 수 있다. 여기서, 판단부(140)는 신호 처리부(130)에서 추출된 6개의 특징점들은 Adaboost 학습에 사용되고, 생성된 특징점들의 분류(classifier)는 10배 교차 검증(10-folds cross validation)이 적용될 수 있다.
상술한 바와 같이, 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법은, 수면자의 심전도 데이터를 검출하기 위한 ECG 센서와, 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하기 위한 3축 가속도 센서와, ECG 센서에서 검출되는 심전도 데이터와 3축 가속도 센서에서 검출되는 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 신호 처리부와, 신호 처리부의 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별하는 판단부를 포함하여 구성함으로써, 기존의 표준 수면 타원 검사 방법에서의 장비 부착의 번거로움 및 불편함과 비용의 부담 및 장소의 제약 없이 폐쇄성 수면 무호흡증을 쉽고 빠르게 진단할 수 있으며, 특히, 3축 가속도 센서에 심전도(ECG)를 측정할 수 있도록 ECG 센서를 결합하고, 수면자의 호흡 시 흉부의 움직임과 ECG를 동시에 측정하고, 획득된 심전도 데이터와 3차원 가속도 데이터에 대한 신호 처리를 통해 추출된 특징점에 기초하여 폐쇄성 수면 무호흡증을 판별할 수 있도록 함으로써, 수면자의 계측되는 생체신호의 종류를 줄여 환자의 불편함을 최소화하면서도, 폐쇄성 수면 무호흡증의 진단의 편의성 및 휴대성이 더욱 향상될 수 있도록 할 수 있게 된다.
이상 설명한 본 발명은 본 발명이 속한 기술분야에서 통상의 지식을 가진 자에 의하여 다양한 변형이나 응용이 가능하며, 본 발명에 따른 기술적 사상의 범위는 아래의 특허청구범위에 의하여 정해져야 할 것이다.
100: 본 발명의 일실시예에 따른 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치
110: ECG 센서
120: 3축 가속도 센서
130: 신호 처리부
140: 판단부
S110: 심전도 데이터를 검출하는 단계
S120: 흉부의 움직임 차이를 측정하는 단계
S130: 심전도 데이터와 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 단계
S140: 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별하는 단계

Claims (20)

  1. 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치(100)로서,
    수면자의 심전도 데이터를 검출하기 위한 ECG 센서(110);
    수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하기 위한 3축 가속도 센서(120);
    상기 ECG 센서(110)에서 검출되는 심전도 데이터와 상기 3축 가속도 센서(120)에서 검출되는 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 신호 처리부(130); 및
    상기 신호 처리부(130)의 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별하는 판단부(140)를 포함하되,
    상기 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치(100)는,
    상기 수면자의 호흡 시 흉부의 움직임과 ECG를 동시에 측정할 수 있도록 상기 3축 가속도 센서(120)에 ECG 센서(110)를 결합하여 구성하고,
    상기 신호 처리부(130)는,
    상기 ECG 센서(110)로부터 검출되는 수면자의 심전도 데이터에서 HRV(heart rate variability)를 구하는 알고리즘 처리를 수행하며,
    상기 신호 처리부(130)는,
    HRV(heart rate variability)를 구하는 알고리즘 처리를 수행하는 과정으로, BPF(band-pass filter)를 사용하여 데이터의 잡음을 없앤 후 Pan Tompkins 알고리즘을 이용하여 R-peak를 찾아내고 심전도 데이터의 R-R 간격을 구하는 알고리즘 처리를 수행하고,
    상기 신호 처리부(130)는,
    심박변동신호를 유도하기 위해 4Hz의 등간격으로 다운 샘플링한 후 HRV tachogram을 구하고, STFT(Short Time Fourier Transform)를 사용하여 스펙트로그램을 계산하여 구하며,
    상기 신호 처리부(130)는,
    자율신경계의 균형을 나타내는 지료로서 사용되는 스펙트로그램의 LF(low frequency)/HF(high frequency)를 시간별로 나타내고, 이로부터 최댓값(max(LF/HF)), 최솟값(min(LF/HF)), 평균값(avg(LF/HF))의 총 3개의 특징점을 계산하여 구하고,
    스펙트로그램의 LF/HF 비율의 증가는 교감 신경의 활성 증가를 나타내고, LF/HF 비율의 감소는 교감 신경의 활성 감소를 나타내며, 특징점은 수면 무호흡증(OSA) 환자에게서 증가하는 교감 신경 활동의 추출인 것을 특징으로 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 제1항에 있어서, 상기 신호 처리부(130)는,
    상기 3축 가속도 센서(120)로부터 검출되는 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하되, 3축 데이터의 평균값 x, y, z의 특징점을 추출하는 것을 특징으로 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치.
  8. 제7항에 있어서, 상기 신호 처리부(130)는,
    상기 3축 가속도 센서(120)로부터 검출되는 호흡 상태와 무호흡 상태에서의 흉부의 움직임의 차이를 측정하기 위해 90㎐의 샘플링 주파수와 1㎐의 저역 통과 필터 및 0.1㎐의 고역 통과 필터를 사용하여 잡음을 제거하고, 측정된 3축 데이터의 평균값 x(avg(accel.x)), y(avg(accel.y)), z(avg(accel.z))의 총 3개의 특징점을 계산하여 구하는 것을 특징으로 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치.
  9. 제8항에 있어서, 상기 판단부(140)는,
    상기 신호 처리부(130)에서 추출한 심전도 데이터에 대한 3개의 특징점과 3축 데이터의 평균값 x, y, z의 3개의 특징점에 기초한 머신 러닝 기법을 통한 축적되어 학습된 정상 수면과 수면 무호흡증의 비교를 통해 폐쇄성 수면 무호흡증(OSA)을 비교 판단하는 것을 특징으로 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치.
  10. 제9항에 있어서, 상기 판단부(140)는,
    상기 신호 처리부(130)에서 추출된 6개의 특징점들은 Adaboost 학습에 사용되고, 생성된 특징점들의 분류(classifier)는 10배 교차 검증(10-folds cross validation)이 적용되는 것을 특징으로 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치.
  11. 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치(100)의 제어 방법으로서,
    (1) ECG 센서(110)가 수면자의 심전도 데이터를 검출하는 단계;
    (2) 3축 가속도 센서(120)가 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하는 단계;
    (3) 신호 처리부(130)가 상기 단계 (1)에서의 상기 ECG 센서(110)에서 검출되는 심전도 데이터와 상기 단계 (2)에서의 상기 3축 가속도 센서(120)에서 검출되는 3축 가속도 신호의 각각에 대한 알고리즘 처리 수행을 통해 수면 무호흡증(OSA)의 진단을 위한 유의미한 특징점을 추출하는 단계; 및
    (4) 상기 단계 (3) 이후, 판단부(140)가 상기 신호 처리부(130)의 추출된 특징점을 통한 머신 러닝 기법을 통해 폐쇄성 수면 무호흡증을 판별하는 단계를 포함하되,
    상기 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치(100)는,
    상기 수면자의 호흡 시 흉부의 움직임과 ECG를 동시에 측정할 수 있도록 상기 3축 가속도 센서(120)에 ECG 센서(110)를 결합하여 구성하고,
    상기 신호 처리부(130)는,
    상기 ECG 센서(110)로부터 검출되는 수면자의 심전도 데이터에서 HRV(heart rate variability)를 구하는 알고리즘 처리를 수행하며,
    상기 신호 처리부(130)는,
    HRV(heart rate variability)를 구하는 알고리즘 처리를 수행하는 과정으로, BPF(band-pass filter)를 사용하여 데이터의 잡음을 없앤 후 Pan Tompkins 알고리즘을 이용하여 R-peak를 찾아내고 심전도 데이터의 R-R 간격을 구하는 알고리즘 처리를 수행하고,
    상기 신호 처리부(130)는,
    심박변동신호를 유도하기 위해 4Hz의 등간격으로 다운 샘플링한 후 HRV tachogram을 구하고, STFT(Short Time Fourier Transform)를 사용하여 스펙트로그램을 계산하여 구하며,
    상기 신호 처리부(130)는,
    자율신경계의 균형을 나타내는 지료로서 사용되는 스펙트로그램의 LF(low frequency)/HF(high frequency)를 시간별로 나타내고, 이로부터 최댓값(max(LF/HF)), 최솟값(min(LF/HF)), 평균값(avg(LF/HF))의 총 3개의 특징점을 계산하여 구하고,
    스펙트로그램의 LF/HF 비율의 증가는 교감 신경의 활성 증가를 나타내고, LF/HF 비율의 감소는 교감 신경의 활성 감소를 나타내며, 특징점은 수면 무호흡증(OSA) 환자에게서 증가하는 교감 신경 활동의 추출인 것을 특징으로 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 제어 방법.
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
  17. 제11항에 있어서, 상기 신호 처리부(130)는,
    상기 3축 가속도 센서(120)로부터 검출되는 수면자의 호흡 상태와 무호흡 상태에서의 흉부의 움직임 차이를 측정하되, 3축 데이터의 평균값 x, y, z의 특징점을 추출하는 것을 특징으로 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 제어 방법.
  18. 제17항에 있어서, 상기 신호 처리부(130)는,
    상기 3축 가속도 센서(120)로부터 검출되는 호흡 상태와 무호흡 상태에서의 흉부의 움직임의 차이를 측정하기 위해 90㎐의 샘플링 주파수와 1㎐의 저역 통과 필터 및 0.1㎐의 고역 통과 필터를 사용하여 잡음을 제거하고, 측정된 3축 데이터의 평균값 x(avg(accel.x)), y(avg(accel.y)), z(avg(accel.z))의 총 3개의 특징점을 계산하여 구하는 것을 특징으로 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 제어 방법.
  19. 제18항에 있어서, 상기 판단부(140)는,
    상기 신호 처리부(130)에서 추출한 심전도 데이터에 대한 3개의 특징점과 3축 데이터의 평균값 x, y, z의 3개의 특징점에 기초한 머신 러닝 기법을 통한 축적되어 학습된 정상 수면과 수면 무호흡증의 비교를 통해 폐쇄성 수면 무호흡증(OSA)을 비교 판단하는 것을 특징으로 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 제어 방법.
  20. 제19항에 있어서, 상기 판단부(140)는,
    상기 신호 처리부(130)에서 추출된 6개의 특징점들은 Adaboost 학습에 사용되고, 생성된 특징점들의 분류(classifier)는 10배 교차 검증(10-folds cross validation)이 적용되는 것을 특징으로 하는, 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치의 제어 방법.
KR1020190065623A 2019-06-03 2019-06-03 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법 KR102324471B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190065623A KR102324471B1 (ko) 2019-06-03 2019-06-03 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190065623A KR102324471B1 (ko) 2019-06-03 2019-06-03 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법

Publications (2)

Publication Number Publication Date
KR20200139049A KR20200139049A (ko) 2020-12-11
KR102324471B1 true KR102324471B1 (ko) 2021-11-10

Family

ID=73786334

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190065623A KR102324471B1 (ko) 2019-06-03 2019-06-03 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법

Country Status (1)

Country Link
KR (1) KR102324471B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220134714A (ko) 2021-03-26 2022-10-05 ㈜엠에스엘 실시간 생체신호기반 수면 자세 개선 시스템
KR102645586B1 (ko) 2021-12-07 2024-03-11 경북대학교 산학협력단 생체신호를 이용한 수면 호흡 상태 분류 장치 및 방법
KR102429256B1 (ko) * 2021-12-31 2022-08-04 주식회사 에이슬립 음향 정보를 통해 사용자의 수면 상태를 분석하기 위한 방법, 컴퓨팅 장치 및 컴퓨터 프로그램

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101647431B1 (ko) 2015-01-07 2016-08-10 순천향대학교 산학협력단 스마트폰을 이용한 실시간 수면 모니터링 시스템
JP2016537115A (ja) 2013-11-22 2016-12-01 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 無呼吸安全管理

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016537115A (ja) 2013-11-22 2016-12-01 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 無呼吸安全管理
KR101647431B1 (ko) 2015-01-07 2016-08-10 순천향대학교 산학협력단 스마트폰을 이용한 실시간 수면 모니터링 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Jong-Ha Lee, Monitoring Obstructive Sleep ApneaWith Electrocardiography and 3-Axis Acceleration Sensor, 8th ACM international conference, 2015. 1부.*

Also Published As

Publication number Publication date
KR20200139049A (ko) 2020-12-11

Similar Documents

Publication Publication Date Title
US6363270B1 (en) Monitoring the occurrence of apneic and hypopneic arousals
US6893405B2 (en) Analysis of Sleep Apnea
EP3334337B1 (en) Monitoring of sleep phenomena
KR101656611B1 (ko) 무구속적으로 측정한 생체신호를 이용하여 산소탈포화지수를 획득하는 방법
CN110035691B (zh) 用于测量睡眠呼吸暂停的方法和设备
JP5303802B2 (ja) 心電図から導出された無呼吸／低呼吸指数
Heise et al. Monitoring pulse and respiration with a non-invasive hydraulic bed sensor
EP3927234B1 (en) A sleep monitoring system and method
KR102324471B1 (ko) 휴대형 수면 무호흡증 컴퓨터 보조 진단 센서 장치 및 그 제어 방법
WO2006082589A2 (en) Detection and monitoring of stress events during sleep
KR102068330B1 (ko) 수면 무호흡 중증도 검사 장치
JP2019512368A (ja) 睡眠時無呼吸症の検出装置
US11291406B2 (en) System for determining a set of at least one cardio-respiratory descriptor of an individual during sleep
JP6589108B2 (ja) 無呼吸及び／又は低呼吸診断装置
Chung et al. Noninvasive heart rate variability analysis using loadcell-installed bed during sleep
JP2001258855A (ja) 健康状態判定方法およびその判定装置
CN112512419B (zh) 提供对象的时间信息
JP2005160650A (ja) 無呼吸症候群判定装置
JP6487081B2 (ja) 生体情報モニタリングシステム
WO2023048158A1 (ja) 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判定方法およびプログラム
JP6535770B2 (ja) 生体情報モニタリングシステム
AU743765B2 (en) Monitoring the occurence of apneic and hypopneic arousals
Baek et al. Computer-aided detection with a portable electrocardiographic recorder and acceleration sensors for monitoring obstructive sleep apnea
VON WICHERT et al. An Apnea-Monitoring Device Based on Variation of Heart Rate and Snoring* J. H PETER, E. FUCHS, M. HÜGENS, U. Koehler, K. Meinzer, U. MÜLLER
AU3819002A (en) Monitoring the occurence of apneic and hypopneic arousals

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant