KR102402329B1 - 비침습 방식 심전도 모니터링 장치 및 방법 - Google Patents

Abstract

본 발명은 관찰 대상자가 위치하는 기구에 부착되는 적어도 하나의 진동계 센서를 포함하여, 비접촉, 비침습 방식으로 기구를 통해 전달되는 진동을 감지하여 진동 신호를 획득하는 진동계 센서부, 진동 신호를 인가받고, 인가된 진동 신호에서 기지정된 주파수 대역을 필터링하여 관찰 대상자의 심장 진동에 의해 발생되는 심진동 신호를 추출하는 필터부 및 패턴 추정 방식이 미리 학습된 인공 신경망을 포함하여, 인가되는 심진동 신호의 패턴을 추정하고, 추정된 심진동 신호의 패턴에 대응하는 패턴의 ECG 신호를 생성하는 심전도 파형 획득부를 포함하여, 고가의 ECG 측정 장비가 구비할 수 없는 각 가정에서 저비용으로 관찰 대상자에게 불편함을 초래하거나 수면 패턴을 방해하지 않으면서 심전도를 정확하게 모니터링할 수 있어 응급 상황에 용이하게 대처할 수 있도록 하는 심전도 모니터링 장치 및 방법을 제공할 수 있다.

Description

비침습 방식 심전도 모니터링 장치 및 방법{NON-INVASIVE TYPE ECG MONITORING DEVICE AND METHOD}

본 발명은 심전도 모니터링 장치 및 방법에 관한 것으로, 소형 진동계 센서를 이용한 비침습 방식 심전도 모니터링 장치 및 방법에 관한 것이다.

일반적으로 부정맥, 심근경색과 같은 심장 관련 질환은 심전도(Electrocardiogram: 이하 ECG) 파형을 활용하여 진단한다. 심장 질환을 조기에 정확하게 진단하기 위해서는 단기간의 단편적인 측정보다는 지속적인 심전도 파형 분석이 요구된다. 특히 고위험 환자의 경우 지속적인 의료진 관찰이 가능한 낮 시간대 외에 수면중인 밤 시간대에 심장관련 질환으로 급사하는 사례들이 대형 병원에서도 발생한다.

현재 지속적인 심전도 파형 모니터링에 사용되는 홀터 테스트(Holter test) 방식은 관찰 대상자의 신체에 다수의 심전도 모니터링 센서를 부착한 후 24-48시간 주기로 환자에 대한 관찰을 한다. 하지만 수면 중인 관찰 대상자에게 부착하여 지속적 생체 정보 수집을 하기에 홀터 테스트 장비는 착용의 불편함, 동적 잡음의 혼재 등의 이유로 수면의 패턴을 방해하므로, 관찰 대상 환자로부터 수면 중 안정적으로 지속적인 데이터 수집을 현실적으로 어렵게 한다

또한 홀터 모니터와 같은 ECG 측정 장비는 매우 고가로서, 대형 병원에서조차 대량으로 보유하기 어렵다. 따라서 병원을 퇴원한 환자나 심장 질환 위험이 있는 일반인들이 가정에서 ECG 측정 장비를 사용하는 것은 매우 어렵다. 이로 인해 가정에서 수면 중 심장 이상이 발생되는 경우, 응급 대처를 할 수 없다는 문제가 있다.

이러한 문제를 보완하기 위해 최근 일부 웨어러블 기기는 심박수를 측정할 수 있도록 구현되고 있으나, 심박수를 측정하는 것만으로는 부정맥이나 심근 경색과 같은 다양한 심장 상태를 감지하기에 충분하지 않다.

이에 저비용으로 관찰 대상자의 신체에 추가적인 센서의 부착 없이 비침습형 센서 장비를 활용하여 수면 중 심전도 파형을 지속적으로 추출할 수 있는 기술의 확보가 필요한 상황이다.

한국 공개 특허 제10-2020-0017536호 (2020.02.18 공개)

본 발명의 목적은 저비용으로 관찰 대상자의 심전도를 모니터링할 수 있는 심전도 모니터링 장치 및 방법을 제공하는데 있다.

본 발명의 다른 목적은 비침습 및 비접촉 방식으로 관찰 대상자에게 불편함을 초래하지 않으면서 심전도를 정확하게 모니터링할 수 있는 심전도 모니터링 장치 및 방법을 제공하는데 있다.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 심전도 모니터링 장치는 관찰 대상자가 위치하는 기구에 부착되는 적어도 하나의 진동계 센서를 포함하여, 비접촉, 비침습 방식으로 기구를 통해 전달되는 진동을 감지하여 진동 신호를 획득하는 진동계 센서부; 상기 진동 신호를 인가받고, 인가된 진동 신호에서 기지정된 주파수 대역을 필터링하여 상기 관찰 대상자의 심장 진동에 의해 발생되는 심진동 신호를 추출하는 필터부; 및 패턴 추정 방식이 미리 학습된 인공 신경망을 포함하여, 인가되는 상기 심진동 신호의 패턴을 추정하고, 추정된 심진동 신호의 패턴에 대응하는 패턴의 ECG 신호를 생성하는 심전도 파형 획득부를 포함한다.

상기 필터부는 상기 진동 신호를 인가받아 기지정된 제1 주파수를 초과하는 주파수 대역을 필터링하는 로우 패스 필터로 구현되는 제1 필터부; 및 상기 제1 필터부에서 필터링된 신호를 인가받아 기지정된 제2 주파수 미만의 주파수 대역을 필터링하는 하이 패스 필터로 구현되는 제2 필터부를 포함할 수 있다.

상기 필터부는 상기 적어도 하나의 진동계 센서의 자체 노이즈 또는 상기 기구의 주변 환경에서 발생되는 노이즈 중 적어도 하나에 따라 상기 제1 주파수와 상기 제2 주파수를 설정하여 상기 제1 필터부와 상기 제2 필터부로 전달하는 노이즈 분석부를 더 포함할 수 있다.

상기 노이즈 분석부는 상기 기구에 상기 관찰 대상자가 위치하지 않는 기지정된 시간에 인가되는 상기 진동 신호의 주파수 또는 인가되는 진동 신호에서 특정 주파수 대역의 신호의 세기가 기준 세기 이하인 동안 감지되는 주파수에 따라 상기 제1 주파수와 상기 제2 주파수를 설정할 수 있다.

상기 노이즈 분석부는 상기 적어도 하나의 진동계 센서의 자체 노이즈의 주파수 대역이 미리 측정되어 저장되고, 저장된 노이즈의 주파수 대역에 따라 상기 제1 주파수와 상기 제2 주파수를 설정할 수 있다.

상기 적어도 하나의 진동계 센서는 지오폰으로 구현되고, 상기 노이즈 분석부는 상기 제1 주파수를 30Hz로 설정하고, 상기 제2 주파수를 5Hz로 설정할 수 있다.

상기 심전도 파형 획득부는 상기 심진동 신호를 기지정된 샘플링 레이트로 샘플링하여 심진동 데이터로 변환하는 샘플링부; 및 패턴 추정 방식이 미리 학습된 Bi-LSTM(Bidirectional Long-Short Term Memory) 신경망으로 구현되어, 시계열 데이터인 상기 심진동 데이터의 시간에 따른 패턴 변화를 추정하고, 추정된 패턴 변화에 대응하는 패턴을 갖는 ECG 데이터를 획득하는 심전도 패턴 추정부를 포함할 수 있다.

상기 심전도 패턴 추정부는 상기 심진동 데이터에 대해 기지정된 크기의 슬라이딩 윈도우를 시간 순서로 이동시키면서 대응하는 영역에 포함된 심진동 데이터를 인가받고, 미리 학습된 패턴 추정 방식에 따라 인가된 심진동 데이터의 특징을 추출하는 다수의 LSTM 셀을 각각 포함하는 순방향 레이어와 역방향 레이어 및 상기 순방향 레이어와 상기 역방향 레이어의 출력을 정규화하여 출력하는 활성화 레이어를 포함하는 제1 Bi-LSTM 레이어; 상기 제1 Bi-LSTM 레이어의 출력을 인가받고, 미리 학습된 패턴 추정 방식에 따라 인가된 제1 Bi-LSTM 레이어의 출력의 특징을 추출하는 다수의 LSTM 셀을 각각 포함하는 순방향 레이어와 역방향 레이어 및 상기 순방향 레이어와 상기 역방향 레이어의 출력을 정규화하여 출력하는 활성화 레이어를 포함하는 제2 Bi-LSTM 레이어; 및 다수의 완전 연결 레이어를 포함하여 미리 학습된 패턴 추정 방식에 따라 인가되는 상기 제2 Bi-LSTM 레이어의 출력을 대응하는 값으로 분류하여 상기 ECG 데이터를 획득하는 회귀 레이어를 포함할 수 있다.

상기 심전도 패턴 추정부는 별도의 ECG 측정 장치를 이용하여 미리 획득된 다수의 심진동 데이터와 이에 맵핑된 다수의 ECG 데이터를 포함하는 학습 데이터에서 상기 다수의 심진동 데이터를 입력으로 인가받아 획득되는 ECG 데이터와 학습 데이터에서 맵핑된 ECG 데이터 사이의 오차를 기지정된 방식으로 계산하고, 계산된 오차를 역전파하여 학습될 수 있다.

상기 심전도 파형 획득부는 상기 관찰 대상자에 대해 별도의 ECG 측정 장치를 이용하여 미리 획득된 다수의 심진동 데이터와 이에 맵핑된 다수의 ECG 데이터를 포함하는 개인 데이터를 저장하는 개인 데이터 저장부를 더 포함하고, 상기 심전도 패턴 추정부는 상기 개인 데이터 저장부에 저장된 개인 데이터를 이용하여 추가 학습이 수행될 수 있다.

상기 심전도 파형 획득부는 상기 ECG 데이터를 인가받아 아날로그 신호로 변환하여 상기 ECG 신호를 획득하거나, 상기 ECG 데이터를 분석하여 기지정된 다수의 임상 지표를 추출하는 심전도 파형 분석부를 더 포함할 수 있다.

상기 다른 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 심전도 모니터링 방법은 관찰 대상자가 위치하는 기구에 부착되는 적어도 하나의 진동계 센서를 이용하여 비접촉, 비침습 방식으로 기구를 통해 전달되는 진동을 감지하여 진동 신호를 획득하는 단계; 상기 진동 신호를 인가받고, 인가된 진동 신호에서 기지정된 주파수 대역을 필터링하여 상기 관찰 대상자의 심장 진동에 의해 발생되는 심진동 신호를 추출하는 단계; 및 패턴 추정 방식이 미리 학습된 인공 신경망을 이용하여, 인가되는 상기 심진동 신호의 패턴을 추정하고, 추정된 심진동 신호의 패턴에 대응하는 패턴의 ECG 신호를 생성하는 단계를 포함한다.

따라서, 본 발명의 실시예에 따른 심전도 모니터링 장치 및 방법은 ECG 측정 장비 대신 지오폰과 같은 소형 진동계 센서를 관찰 대상자가 수면을 취하는 침대 등에 부착하고 진동을 감지하여 저비용, 비접촉 및 비침습 방식으로 관찰 대상자의 심전도를 추출할 수 있다. 그러므로 고가의 ECG 측정 장비가 구비할 수 없는 각 가정에서 저비용으로 관찰 대상자에게 불편함을 초래하거나 수면 패턴을 방해하지 않으면서 심전도를 정확하게 모니터링할 수 있어 응급 상황에 용이하게 대처할 수 있도록 한다.

도 1은 본 발명의 일 실시예에 따른 심전도 모니터링 장치의 개략적 구조를 나타낸다.
도 2는 도 1의 모니터링 장치의 각 구성 요소별 동작을 설명하기 위한 도면이다.
도 3은 다수의 관찰 대상자로부터 측정된 심진동 신호 파형의 주파수 분포를 나타낸다.
도 4는 도 1의 진동계 센서부에 포함되는 진동계 센서의 자체 노이즈를 측정한 결과를 나타낸다.
도 5는 심장의 동작에 따른 심전도 및 심진동 신호의 파형의 일 예를 나타낸다.
도 6은 도 1의 심전도 파형 획득부의 상세 구성의 일 예를 나타낸다.
도 7은 도 1의 진동계 센서부에서 획득된 진동 신호와 필터부에서 필터링된 심진동 신호 및 심전도 파형 획득부에서 추출된 심전도 신호의 파형을 나타낸다.
도 8은 심전도 신호 파형에 따른 중요 임상 지표를 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 심전도 모니터링 방법을 나타낸다.

본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.

이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써, 본 발명을 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 설명하는 실시예에 한정되는 것이 아니다. 그리고, 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략되며, 도면의 동일한 참조부호는 동일한 부재임을 나타낸다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈", "블록" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

도 1은 본 발명의 일 실시예에 따른 심전도 모니터링 장치의 개략적 구조를 나타내고, 도 2는 도 1의 모니터링 장치의 각 구성 요소별 동작을 설명하기 위한 도면이다.

도 1을 참조하면, 본 실시예에 따른 심전도 모니터링 장치는 진동계 센서부(110), 필터부(120), 샘플링부(130), 심전도 파형 획득부(140) 및 심전도 파형 분석부(150)를 포함할 수 있다.

우선 진동계 센서부(110)는 소형의 진동 센서로 구현되어 관찰 대상자에게서 발생되는 진동을 감지한다. 본 실시예에서 진동계 센서부(110)는 일 예로 소형 진동계 센서인 지오폰(Geophone)으로 구현될 수 있다. 지오폰은 코일, 자석, 상하단에 배치되는 두 개의 스프링을 포함하여 구성되어, 스프링에 가해지는 관성 질량으로부터 진동량을 측정할 수 있다. 특히 여기서는 주변 환경 지진 감지에 광범위하게 이용되고 있으며, 소형이고 저가의 SM-24 지오폰 센서를 사용할 수 있다. SM-24 지오폰 센서는 저비용으로 0.5 ~ 50Hz 주파수 범위에서 28.8V/m/s의 신뢰할 수 있는 감도를 제공할 수 있다.

또한 진동계 센서부(110)는 기존의 ECG 측정 장비와 달리 관찰 대상자의 신체에 직접 접촉되지 않는다.

일반적인 사람의 심장은 혈액을 공급하는 과정에서 수축과 이완 작용을 반복하고, 이 과정에서 미세한 진동이 생성된다. 즉 관찰 대상자의 심진동 (seismocardiography: SCG)에 따라 진동이 발생한다. 기존에는 진동 센서로 직접 접촉되지 않은 관찰 대상자의 심진동과 같은 미약한 진동을 검출하기는 어려웠으나, 최근에는 지오폰과 같은 소형 진동계 센서의 민감도가 향상됨에 따라 관찰 대상자와의 직접 접촉 없이 간접 접촉만으로도 관찰 대상자의 심진동을 감지할 수 있게 되었다.

이에 본 실시예에서 진동계 센서부(110)는 침대, 의자 등과 같이 관찰 대상자가 위치하는 다양한 가구 등에 부착되어 관찰 대상자에게 간접 접촉만으로 진동을 감지한다. 진동계 센서부(110)가 배치되는 위치는 제약되지 않으나, 여기서는 일 예로 도 3의 (a)에 도시된 바와 같이, 관찰 대상자가 누워있는 침대에 설치되는 것으로 가정한다. 진동계 센서부(110)는 관찰 대상자의 심장 진동을 효과적으로 감지할 수 있도록 매트리스 상단 패널에 배치될 수 있다. 특히 관찰 대상자의 왼쪽 어께 위치에 따라서 본 실시예의 심전도 모니터링 장치는 관찰 대상자의 수면 중 심전도를 용이하게 모니터링할 수 있다.

진동계 센서부(110)는 감지된 진동에 대응하는 진동 신호를 유선 또는 무선 방식으로 필터부(120)로 전송할 수 있다.

필터부(120)는 진동계 센서부(110)에서 인가되는 진동 신호에 포함된 노이즈를 필터링하여 제거함으로써 심진동 신호를 획득한다. 진동계 센서부(110)에서 획득된 진동 신호에는 관찰 대상자의 심장에서 발생하는 진동뿐만 아니라, 다양한 노이즈가 함께 포함된다. 진동계 센서부(110)가 관찰 대상자에게 직접 접촉되는 경우에도, 진동계 센서부(110)에는 관찰 대상자의 심장 진동과 함께 관찰 대상자의 호흡(respiration) 또는 움직임에 의한 진동 등 각종 진동이 함께 감지되어 노이즈로서 포함될 수 있다.

특히 본 실시예에서는 진동계 센서부(110)가 관찰 대상자에게 직접 접촉되거나 침습되지 않고, 간접 접촉되어 진동을 감지한다. 따라서 직접 접촉 방식에 비해, 획득된 진동 신호에 관찰 대상자의 심장 박동에 의해 생성된 진동 이외에 다양한 노이즈가 포함될 수 있다. 일 예로 진동 센서가 침대에 부착된 경우, 매트리스의 진동, 주변에서 이동 중인 사람의 발걸음 등에 의한 주변 환경에서 발생되는 진동 등이 노이즈로 더 포함될 수 있다. 뿐만 아니라 경우에 따라서는 진동 센서 자체의 관성 노이즈(inertial noise) 등도 포함될 수도 있다.

따라서 필터부(120)는 진동계 센서부(110)에서 인가되는 진동 신호에서 심장 진동 성분을 제외한 나머지 노이즈 성분을 필터링하여 제거함으로써 심진동 신호를 획득한다.

필터부(120)는 진동계 센서부(110)로부터 진동 신호를 인가받고, 인가된 진동 신호에서 기지정된 주파수 대역의 신호만을 통과시키고 나머지 주파수 대역의 신호를 차단하여 진동 신호에 포함된 노이즈를 제거하도록 구성될 수 있다.

도 3은 다수의 관찰 대상자로부터 측정된 심진동 신호 파형의 주파수 분포를 나타낸다.

도 3에서는 다수의 관찰 대상자에 대해 심진동 신호를 측정한 결과로서, (a)는 기존의 측정 장비를 이용하여 측정된 심진동 신호를 고속 푸리에 변환(Fast Fourier Transform)한 심진동 신호의 주파수 신호를 나타내고, (b)는 (a)의 주파수 신호에 대한 주파수에 따른 누적 분포를 나타낸다. 도 3의 (a)와 (b)에 도시된 바와 같이, 심진동 신호는 관찰 대상자에 무관하게 0 ~ 45Hz 의 주파수 대역에 대부분의 신호 성분이 포함되어 있음을 알 수 있다. 또한 측정 장비를 이용하여 심진동 신호를 획득하는 경우에도, 관찰 대상자의 호흡 등과 같은 노이즈가 포함되며, 이에 일반적으로 5Hz 이하 대역의 신호 성분은 노이즈로 취급된다.

따라서 필터부(120)는 인가된 진동 신호에서 5Hz ~ 45Hz 주파수 대역의 신호 성분만을 남기고 나머지 신호 성분은 차단하는 밴드 패스 필터(BPF)로 구현될 수 있다.

그러나 밴드 패스 필터의 경우, 중심 주파수(center frequency, f_c)를 기준으로 양측 주파수 대역이 대칭을 이루도록 필터링이 수행된다. 따라서 여러 주파수 대역에 비대칭적으로 노이즈가 분포하는 경우에 적용이 용이하지 않다.

이에 본 실시예에서 필터부(120)는 제1 필터부(121)와 제2 필터부(122)를 포함할 수 있다. 여기서 제1 필터부(121)는 로우 패스 필터(LPF)로 구현될 수 있으며, 제2 필터부(122)는 하이패스 필터(HPF)로 구현될 수 있으며, 또는 반대로 구현될 수 있다.

즉 필터부(120)는 로우 패스 필터와 하이 패스 필터를 조합하여 노이즈를 필터링하도록 구성된다. 여기서 제1 및 제2 필터부(121, 122)를 구성하는 로우 패스 필터와 하이 패스 필터는 각각 수학식 1과 수학식 2의 함수로 필터링하도록 구현될 수 있다.

여기서 s는 s-도메인 주파수 신호이고, Q는 Quality Factor이며, ω₀ 는 차단 주파수(f_cut)에 따른 차단 각 주파수(ω₀ = 2πf_cut)이다.

상기한 바와 같이 필터부(120)가 5Hz ~ 45Hz 주파수 대역의 신호만을 통과시키기 위해서는 제1 필터부(121)가 로우 패스 필터(LPF)로 구현되고, 제2 필터부(122)가 하이패스 필터(HPF)로 구현되는 경우, 수학식 1의 로우 패스 필터(LPF)의 차단 주파수(f_cut)는 45Hz로 설정될 수 있으며, 수학식 2의 하이패스 필터(HPF)의 차단 주파수(f_cut)는 5Hz로 설정될 수 있다. 즉 3Hz 미만의 저주파수 대역과 35Hz 이상의 고주파수 대역을 필터링하여 제거할 수 있다.

그러나 상기한 바와 같이, 본 실시예에 따른 심전도 모니터링 장치에서 진동계 센서부(110)는 관찰 대상자에게 직접 접촉되거나 침습되지 않고, 간접 접촉되어 진동을 감지한다. 따라서 주변 환경에 의한 진동이 함께 감지되어 노이즈로 포함될 수 있다. 뿐만 아니라, ECG 측정 장치를 대체하여 진동계 센서부(110)를 이용하므로, 진동계 센서부(110)를 구성하는 진동계 센서 자체에 관성 노이즈(inertial noise)와 같은 노이즈가 발생될 수 있다. 이에 필터부(120)는 진동계 센서에서 발생하는 노이즈 및 주변 환경에 의해 발생하는 노이즈를 고려하여, 진동계 센서 및 주변 환경에 따라 필터링 주파수를 가변하여 적응적으로 필터링을 수행할 수 있도록 구현되는 것이 바람직하다.

따라서 본 실시예에서 필터부(120)는 적응적 필터링을 수행할 수 있도록 필터부(120)가 필터링해야 하는 주파수 대역이 설정되어 저장되는 노이즈 분석부(123)를 더 포함할 수 있다.

노이즈 분석부(123)에는 우선 진동계 센서부(110)를 구성하는 진동계 센서 자체의 노이즈에 대한 주파수 성분이 미리 측정되어 저장될 수 있다.

도 4는 도 1의 진동계 센서부에 포함되는 진동계 센서의 자체 노이즈를 측정한 결과를 나타낸다.

도 4는 상기한 SM-24 지오폰 센서 자체의 관성 노이즈를 측정한 결과를 나타낸다. 도 4에서도 측정된 노이즈 신호를 고속 푸리에 변환하여 주파수 도메인의 신호로 변환한 결과로서 (a) 내지 (d)는 서로 다른 4개의 SM-24 지오폰 센서에 대해 측정된 노이즈를 주파수 도메인으로 변환한 결과를 나타낸다.

도 4의 (a) 내지 (d)를 참조하면, 4개의 SM-24 지오폰 센서는 모두 유사한 노이즈 신호 패턴을 나타내며, 주로 0 ~ 5Hz 주파수 대역에서 많은 노이즈가 발생하고, 30Hz 주파수 부근에서 높은 피크 노이즈가 발생함을 나타낸다.

이는 필터부(120)가 5Hz 미만의 주파수 대역과 30Hz를 초과하는 주파수 대역의 신호를 필터링하여 제거하는 경우, SM-24 지오폰 센서의 자체 노이즈 대부분을 제거할 수 있음을 의미한다. 다만 5Hz 미만의 주파수 대역과 30Hz를 초과하는 주파수 대역은 SM-24 지오폰 센서의 노이즈 대역으로서 진동계 센서부(110)가 SM-24 지오폰 센서가 아닌 다른 진동계 센서로 구현되는 경우, 변경될 수 있다.

또한 노이즈 분석부(123)는 진동계 센서부(110)가 부착된 침대나 소파 등의 기구에 관찰 대상자가 위치하지 않는 동안 감지되는 신호로부터 주변 환경에 의해 발생되는 노이즈의 주파수 성분이 미리 분석되어 저장될 수 있다. 노이즈 분석부(123)는 일 예로 기지정된 시간대에 인가되는 진동 신호 또는 인가되는 진동 신호에서 특정 주파수 대역의 신호가 포함되지 않는 경우에 주변 환경 노이즈를 분석할 수 있다. 여기서 노이즈 분석부(123)는 관찰 대상자가 수면 상태에 들어가지 않는 오전이나 낮시간대에 인가된 진동 신호를 분석하여, 주변 환경 노이즈를 분석할 수 있다. 또한 노이즈 분석부(123)는 관찰 대상자가 진동계 센서부(110)가 부착된 침대 등에 위치하지 않아, 심진동 신호에 대응하는 5Hz ~ 35Hz 주파수 대역의 신호의 세기가 기지정된 기준 세기 이하로 인가되는 진동 신호를 감지하여 주변 환경 노이즈를 분석할 수 있다.

다만 일반적으로 주변 환경 노이즈 또한 대부분 기지정된 주파수 대역(예를 들면 5Hz 미만)을 가지므로, 노이즈 분석부(123)에는 진동 센서 자체의 노이즈와 주변 환경 노이즈를 필터링하기 위한 주파수 대역이 미리 입력되어 저장될 수 있다.

이때, 노이즈 분석부(123)는 획득되어야 하는 심진동 신호 성분이 필터링되어 추후 ECG 신호가 부정확하게 획득되는 것을 방지하기 위해, 가능한 심진동 신호는 필터링되지 않으면서 노이즈가 필터링될 수 있는 주파수 대역을 설정할 수 있어야 한다.

이에 다시 도 3을 참조하면, 심진동 신호는 5Hz ~ 30Hz 주파수 대역에서 전체 신호 성분의 대략 80% 이상이 포함된다. 따라서 노이즈 분석부(123)는 제1 및 제2 필터부(121, 122)에서 5Hz ~ 30Hz 주파수 대역이 통과되고 나머지 주파수 대역의 신호는 제거되도록 필터링 주파수 대역을 설정함으로써, 진동 신호에서 심진동파 성분을 보존하면서 노이즈를 제거할 수 있도록 할 수 있다.

진동 신호가 필터부(120)를 거쳐 필터링된 신호는 도 2의 (d)에 도시된 바와 같이 심진동 신호가 획득되면, 샘플링부(130)는 획득된 심진동 신호를 인가받아 샘플링하여 디지털 변환하여 심진동 데이터를 획득한다. 샘플링부(130)는 필터부(120)의 필터링 주파수보다 높은 기지정된 주파수(예를 들면 250Hz)의 샘플링 레이트(sampling rate)로 심진동 신호를 샘플링함으로써, 심진동 데이터를 획득할 수 있다. 이때, 샘플링부(130)는 샘플링되는 심진동 데이터를 기지정된 범위(여기서는 일 예로 [-1 : 1])로 정규화할 수 있다.

여기서는 설명의 편의를 위해 샘플링부(130)를 별도로 구분하였으나, 샘플링부(130)는 심전도 파형 획득부(140)에 포함될 수 있다.

심전도 파형 획득부(140)는 심진동 데이터로부터 ECG 데이터를 추출한다.

도 5는 심장의 동작에 따른 심전도 및 심진동 신호의 파형의 일 예를 나타낸다.

도 5를 참조하면, 심진동 신호는 관찰 대상자의 심장에서 발생한 진동을 감지한 신호로서, ECG 신호가 아니다. 비록 심진동 신호 또한 관찰 대상자의 심장 활동을 분석하는데 유익한 신호이지만, 심진동 신호의 패턴만으로 관찰 대상자의 심장 활동을 정확하게 이해하는데 한계가 있다.

다만 도 5에 도시된 바와 같이, 심진동 신호의 파형과 ECG 신호의 파형 사이에 관련성이 높다는 것은 잘 알려져 있다. 심진동 신호와 ECG 신호는 모두 사람의 심장에서 수집되는 시계열적 신호로서, 심진동 신호는 심장의 주기적인 운동과 혈류로 인한 진동을 나타내고 ECG는 이에 대응하는 전기 신호를 나타낸다. 이는 임상적 관점에서 심상의 전기적인 활동은 주기적인 탈분극 및 재분극을 일으켜 주기적인 심장 근육 수축, 이완 및 혈류를 유발하기 때문이다.

도 5에서 ECG 신호의 P,Q, R, S 및 T 피크는 심장의 전기적 활동에 의해 생성되고, 4개의 핵심적인 심음(S1 ~ S4)는 심진동 신호에서도 검출이 된다. 구체적으로 제1 심음(S1)은 좌심방과 좌심실 사이의 판막인 승모판 폐쇄음이고, 제2 심음(S2)은 심실을 연결하는 반달모양 밸브인 대동맥판 폐쇄음이다. 그리고 제3 심음(S3)은 대동맥의 빠른 충만에 의한 외래성 소리이고, 제4 심음(S4)은 동맥 수축 전 과정의 갤럽 리듬으로 모두 심장의 전기적 활동에 의해 발생된다.

그러나 심진동 신호 패턴의 다양성 및 노이즈의 복잡도로 인해 아직 심진동 신호 패턴과 ECG 신호 패턴 사이의 정확한 관계가 현재까지 밝혀지지 않았다. 이로 인해 심진동 신호를 획득하더라도 별도로 ECG 신호를 모니터링 해야만 하였으며, 기존에는 상기한 바와 같이 홀터 테스트 방식과 같이 고가의 직접 부착형 기기를 이용하여 ECG를 측정해야만 했다.

이에 본 실시예의 심전도 파형 획득부(140)는 도 2의 (e)에 도시된 바와 같이, 미리 학습된 인공 신경망을 이용하여 디지털 변환된 심진동 데이터로부터 ECG 데이터를 추출할 수 있도록 한다.

심전도 파형 획득부(140)는 심전도 패턴 추정부(141)를 포함할 수 있다. 여기서 심전도 패턴 추정부(141)는 미리 학습된 인공 신경망으로 구현될 수 있다. 특히 심전도 패턴 추정부(141)는 일 예로 양방향 LSTM(bidirectional long short term memory: 이하 Bi-LSTM)으로 구현될 수 있다.

Bi-LSTM은 시간에 기초하여 순방향(Forward)으로 정보를 전달하여 처리하는 다수의 LSTM 셀을 포함하는 순방향 레이어(Forward Layer)와 역방향(Backward)으로 정보를 전달하여 처리하는 다수의 LSTM 셀을 포함하는 역방향 레이어(Backward Layer)을 포함하여 구성됨으로써, 관찰 대상자 개개인에 따라 서로 상이하게 나타나는 심전도 패턴을 용이하게 추출할 수 있도록 한다.

도 6은 도 1의 심전도 파형 획득부의 상세 구성의 일 예를 나타낸다.

도 6을 참조하면, 본 실시예에서 심전도 패턴 추정부(141)는 2개의 Bi-LSTM 레이어(Bi-LSTM layer-1, Bi-LSTM layer-2)와 회귀 레이어(Regression layer)를 포함할 수 있다.

2개의 Bi-LSTM 레이어(Bi-LSTM layer-1, Bi-LSTM layer-2) 각각은 다수의 LSTM 셀을 포함하는 순방향 레이어(Forward Layer)와 역방향 레이어(Backward Layer) 및 활성화 레이어(Activation Layer)를 포함할 수 있다.

만일 심전도 패턴 추정부(141)가 Bi-LSTM 레이어가 아닌 순방향 레이어만을 포함하는 LSTM 레이어를 이용하는 경우, 인가되는 심진동 신호가 LSTM 레이어의 다수의 LSTM셀를 통과하는 동안 심진동 신호에서 초기 시퀀스(x_t-1)가 나중에 인가되는 후기 시퀀스(x_T)에 비해 상대적으로 덜 중요하게 처리될 수 있다. 그에 반해, Bi-LSTM 레이어는 순방향 레이어와 역방향 레이어를 모두 포함함으로써, 심진동 신호에서 시간적으로 순방향 시퀀스들(x_t-1, x_t, x_t+1, … x_T)과 역방향 시퀀스(x_T, x_T-1, … x_t-1)들이 균등하게 처리될 수 있도록 한다. 즉 Bi-LSTM 레이어는 인가되는 심진동 신호의 모든 영역이 동등한 중요도를 갖도록 한다.

그리고 활성화 레이어는 쌍곡 탄젠트 함수(tanh)로 구현되어 2개의 Bi-LSTM 레이어의 출력이 입력되는 심진동 데이터와 마찬가지로 기지정된 범위(여기서는 일 예로 [-1 : 1])로 정규화되어 출력되도록 할 수 있다.

심전도 패턴 추정부(141)는 샘플링부(130)에서 전달되는 심진동 데이터에 대해 슬라이딩 윈도우(sliding window)를 시간 순서로 이동시키면서, 대응하는 영역의 심진동 데이터를 추출하여 2개의 Bi-LSTM 레이어(Bi-LSTM layer-1, Bi-LSTM layer-2) 중 제1 Bi-LSTM 레이어(Bi-LSTM layer-1)의 순방향 레이어와 역방향 레이어 각각으로 전달한다.

이때, 슬라이딩 윈도우의 크기는 심진동 신호의 2 주기 이상의 크기로 설정되어야 한다. 이는 심진동 신호에서 2주기에 대응하는 심진동 데이터가 동시에 제1 Bi-LSTM 레이어(Bi-LSTM layer-1)로 인가되도록 하여, 심진동 신호의 패턴과 ECG 데이터에 따른 ECG 신호의 패턴 사이의 관계가 정확하게 추정될 수 있도록 하기 위해서이다. 특히 ECG 신호에서 중요 지표 중 하나인 RR 간격과 같이 ECG 신호의 연속되는 두 개의 주기 사이의 시간 관계가 정확하게 추정될 수 있도록 하기 위해서도 슬라이딩 윈도우의 크기는 심진동 신호의 2 주기 이상의 크기로 설정되어야 한다.

이에 본 실시예에서는 슬라이딩 윈도우의 크기가 지정된 샘플링 레이트의 2배 이상(여기서는 일 예로 3배)의 길이에 해당하는 심진동 데이터가 포함되는 크기로 설정되는 것으로 가정한다.

또한 심전도 패턴 추정부(141)가 2개의 Bi-LSTM 레이어(Bi-LSTM layer-1, Bi-LSTM layer-2)를 구비하여, 제2 Bi-LSTM 레이어(Bi-LSTM layer-2)가 제1 Bi-LSTM 레이어(Bi-LSTM layer-1)의 출력을 인가받는 것은 다양한 패턴의 심진동 신호와 ECG 신호 사이의 비선형 관계를 정확하게 맵핑할 수 있도록 하기 위해서이다. 특히 이전 슬라이딩 윈도우에서 추출된 심진동 데이터와 다음 슬라이딩 윈도우에서 추출된 심진동 데이터와의 관계를 반영할 수 있도록 하기 위해서이다.

즉 2개의 Bi-LSTM 레이어(Bi-LSTM layer-1, Bi-LSTM layer-2)가 적층 구조로 배치되어 있으므로, 심전도 패턴 추정부(141)는 넓은 시간 구간에서의 심박 신호의 변화 패턴 관계를 명확하게 추정할 수 있다.

회귀 레이어(Regression layer)의 다수의 완전 연결 레이어(FC)를 포함하는 제1 및 제2 Bi-LSTM 레이어(Bi-LSTM layer-1, Bi-LSTM layer-2)를 거치며 추출된 심진동 데이터의 특징을 분류하여 특정 시점(T)에서의 ECG 데이터를 획득한다. 슬라이딩 윈도우가 시간의 흐름에 따라 연속하여 인가되는 심진동 데이터로부터 지정된 크기의 심진동 데이터를 추출하여 전달하므로, 회귀 레이어(Regression layer)는 각 시점에 따른 ECG 데이터를 연속하여 획득할 수 있다. 이때, 다수의 완전 연결 레이어(FC)는 직렬로 연결되어 점차적으로 크기가 감소하는 구조를 가져 최종적으로는 특정 시점(T)에서의 ECG 데이터를 출력하도록 구성될 수 있다.

여기서 심전도 패턴 추정부(141)는 별도의 측정 장비 등을 이용하여 측정된 심진동 데이터와 ECG 데이터가 미리 맵팽되어 획득된 다수의 학습 데이터를 이용하여 학습될 수 있다. 심전도 패턴 추정부(141)는 학습 데이터의 미리 측정되어 획득된 심진동 데이터를 입력으로 인가받고, 인가된 심진동 데이터에 대응하는 ECG 데이터를 출력한다. 대응하는 ECG 데이터가 출력되면, 대응하는 ECG 데이터와 학습 데이터에서 입력된 심진동 데이터에 맵핑된 ECG 데이터 사이의 오차를 계산하고 계산된 오차를 심전도 패턴 추정부(141)로 역전파하여 오차가 기지정된 기준 오차 이하가 되도록 반복함으로써 인공 신경망으로 구현된 심전도 패턴 추정부(141)가 학습될 수 있다.

즉 심전도 패턴 추정부(141)는 학습 데이터의 심진동 데이터와 ECG 데이터를 이용하여 학습됨으로써, 도 2의 (f)에 도시된 바와 같이, 샘플링부(130)에서 인가되는 심진동 데이터에 대응하는 ECG 데이터를 출력할 수 있다.

도 7은 도 1의 진동계 센서부에서 획득된 진동 신호와 필터부에서 필터링된 심진동 신호 및 심전도 파형 획득부에서 추출된 심전도 신호의 파형을 나타낸다.

도 7에서 (a)는 진동계 센서부(110)에서 획득된 진동 신호를 나타내고, (b)는 필터부(120)에서 필터링된 심진동 신호를 나타내며, (c)는 심전도 패턴 추정부(141)에서 추출된 ECG 데이터에 따른 ECG 신호를 나타낸다.

(a)에 도시된 바와 같이, 진동계 센서부(110)에서 획득된 진동 신호에는 다수의 노이즈가 포함되어 있으나, (b)의 심진동 신호에는 필터부(120)에 의해 노이즈가 제거됨으로써, 파형의 패턴이 더욱 명확해졌음을 알 수 있다. 그리고 심진동 신호로부터 추출된 ECG 신호는 관찰 대상자의 심장 상태를 추정할 수 있도록 매우 규칙적인 파형으로 추출이 되었음을 알 수 있다. 즉 의료 종사자가 관찰 대상자의 심장 상태를 용이하게 판단할 수 있다.

한편 개인 데이터 저장부(142)는 관찰 대상자 개개인에 대해 별도로 측정된 심진동 데이터와 ECG 데이터가 저장될 수 있다. 상기한 바와 같이, 인공 신경망으로 구현되는 심전도 패턴 추정부(141)는 대량의 학습 데이터를 이용하여 학습될 수 있다. 그러나 심진동 신호와 ECG 신호의 패턴은 개인마다 편차가 존재한다. 따라서 심전도 패턴 추정부(141)가 만일 관찰 대상자에 대해 이전 획득된 심진동 신호와 ECG 신호를 기반으로 학습을 수행할 수 있다면, 심전도 패턴 추정부(141)는 심진동 데이터로부터 더욱 정확한 ECG 데이터를 추출할 수 있다.

그리고 심장 질환을 가진 환자가 관찰 대상자인 경우, 대부분의 관찰 대상자에 대해서는 병원에서 ECG 측정 장비를 이용하여 이미 획득된 심진동 데이터와 ECG 데이터가 존재할 수 있다. 따라서 ECG 측정 장비를 이용하여 이미 획득된 심진동 데이터와 ECG 데이터를 학습 데이터로 이용하여 심전도 패턴 추정부(141)를 학습시키는 경우, 특정 관찰 대상자를 위해 개인화된 심전도 패턴 추정부(141)를 획득할 수 있다.

이에 본 발명에서는 심전도 파형 획득부(140)는 ECG 측정 장비를 이용하여 획득된 심진동 데이터와 ECG 데이터가 저장되는 개인 데이터 저장부(142)를 더 포함할 수 있다. 여기서 개인 데이터 저장부(142)는 심전도 패턴 추정부(141)를 학습시키기 위한 구성 요소로서, 학습이 완료된 이후에는 제거될 수 있다.

다만 심전도 패턴 추정부(141)를 정상적으로 학습시키기 위해서는 대량의 학습 데이터가 필요하므로, 특정 관찰 대상자 개인에 대해 수집된 심진동 신호와 ECG 신호만으로는 심전도 패턴 추정부(141)를 정상적으로 학습시킬 수 없다. 이에 본 발명에서는 심전도 파형 획득부(140)가 대량의 학습 데이터를 기반으로 미리 학습되고, 이후 특정 관찰 대상자 개인에 대해 획득된 학습 데이터를 이용하여 추가 학습시킴으로써, 심전도 패턴 추정부(141)를 개인화 시킬 수 있다.

심전도 파형 분석부(150)는 심전도 파형 획득부(140)에서 획득된 ECG 데이터로부터 ECG 신호를 획득할 수 있다. 심전도 파형 분석부(150)는 ECG 데이터를 아날로그 신호로 변환하여 ECG 신호를 획득할 수 있다. 그리고 심전도 파형 분석부(150)는 획득된 ECG 신호로부터 임상적으로 중요한 다수의 지표를 추출할 수 있다.

도 8은 심전도 신호 파형에 따른 중요 임상 지표를 설명하기 위한 도면이다.

도 8에 도시된 바와 같이, 심전도 파형 분석부(150)는 ECG 신호로부터 5개의 피크(P, Q, R, S, T)를 포함한 다양한 임상 지표(예를 들면 P, Q, R, S, T, RR 간격, QRS 세그먼트 길이 등의 타임 스탬프)를 추출하여 출력할 수 있다.

여기서 RR 간격과 QRS 세그먼트 길이와 같은 타임 스탬프는 도 8에 도시된 바와 같이, 심전도 파형의 5개의 피크(P, Q, R, S, T)에 따른 시간 구간을 의미한다. 도 8에서는 심장 질환을 갖지 않은 정상인에 대한 타임 스탬프를 함께 표시하였다.

여기서 심전도 파형 분석부(150)는 ECG 데이터로부터 심장 상태를 용이하게 판단할 수 있도록 하기 위해 기지정된 다수의 임상 지표를 추출하며, 경우에 따라 생략될 수도 있다. 또한 상기에서는 심전도 파형 분석부(150)가 ECG 데이터를 ECG 신호로 아날로그 변환하고, 임상 지표를 추출하는 것으로 설명하였으나, 심전도 파형 분석부(150)는 ECG 데이터로부터 직접 임상 지표를 추출하도록 구성될 수도 있다.

그리고 심전도 파형 분석부(150) 또한 설명의 편의를 위하여 별도로 도시한 것으로서, 심전도 파형 분석부(150)는 심전도 파형 획득부(140)에 포함될 수 있다.

기존의 ECG 측정 장비는 임상 등급의 경우, 10,000 ~ 30,000 달러 이상의 고가 장비이며, 비교적 저렴한 장비일 지라도 3,000달러 이상의 비용으로 가정에서 이용하기에는 매우 부담스러운 가격이다. 그에 반해, 상기한 본 실시예에 따른 심전도 모니터링 장치는 지오폰과 같은 저가의 소형 진동계 센서를 이용하여 구현됨에 따라 100달러 이내의 저비용으로 구현될 수 있다. 따라서 관찰 대상자의 각 가정에서도 큰 부담없이 ECG 모니터링 장치를 배치할 수 있고, 대형 병원과 소형 병원 등에서도 각각 병실에 ECG 모니터링 장치를 배치할 수 있으므로, 심장 이상에 대한 모니터링을 상시적으로 수행할 수 있다. 따라서 응급 시에 조기 대처가 가능하도록 한다.

도 9는 본 발명의 일 실시예에 따른 심전도 모니터링 방법을 나타낸다.

도 1 내지 도 8을 참조하여, 본 실시예에 따른 심전도 모니터링 방법을 설명하면, 우선 관찰 대상자가 위치하는 기구에 부착된 적어도 하나의 진동 센서를 통해 관찰 대상자에게 비접촉, 비침습적으로 진동을 감지하여 진동 신호를 획득한다(S10). 이때 획득되는 진동 신호에는 관찰 대상자의 심장 진동과 함께 관찰 대상자의 호흡, 움직임 등에 의한 진동과 진동계 센서 자체 및 주변 환경에 따른 노이즈가 포함될 수 있다.

그리고 관찰 대상자가 기구에 위치하지 않는 동안, 이전 획득된 진동 신호를 분석하여 노이즈를 제거하기 위한 필터링 주파수를 설정한다(S20). 여기서 노이즈에는 상기한 진동계 센서 자체의 노이즈와 주변 환경에 따른 노이즈가 포함될 수 있으며, 진동계 센서 자체의 노이즈는 사용자 명령 등의 형태로 직접 입력되어 저장될 수도 있다. 다만 설정되는 필터링 주파수에 의해 진동 신호에 포함된 심진동 신호 성분이 크게 훼손되지 않도록 심진동 신호 성분을 유지할 수 있는 최소한 주파수 대역이 미리 설정될 수도 있으며, 경우에 따라서는 노이즈에 대한 분석 없이 심진동 신호에 대한 최소한 주파수 대역이 필터링 주파수로 설정될 수도 있다.

필터링 주파수가 설정되면, 설정된 필터링 주파수에 따라 진동 신호를 필터링하여 심진동 신호를 획득한다(S40). 여기서 노이즈 필터링은 로우 패스 필터와 하이 패스 필터의 조합으로 수행될 수 있다. 그리고 획득된 심진동 신호를 기지정된 샘플링 레이트로 샘플링하여 디지털 변환함으로써 심진동 데이터를 획득한다(S50).

한편 심진동 신호가 획득되면, 패턴 추정 방식이 미리 학습된 인공 신경망을 이용하여 심진동 신호의 패턴을 추정함으로써 ECG 데이터를 추출한다(S50). 이때, 인공 신경망은 Bi-LSTM이 이용될 수 있으며, 2개의 Bi-LSTM 레이어(Bi-LSTM layer-1, Bi-LSTM layer-2)가 적층된 인공 신경망을 이용함으로써, 넓은 시간 구간에서의 심진동 신호의 변화 패턴에 따른 정확한 ECG 데이터를 추출할 수 있도록 한다.

ECG 데이터가 추출되면, 추출된 ECG 데이터로부터 임상적으로 중요한 다수의 임상 지표(예를 들면 P, Q, R, S, T, RR 간격, QRS 세그먼트 길이 등의 타임 스탬프)를 추출한다(S70).

본 발명에 따른 방법은 컴퓨터에서 실행시키기 위한 매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다. 여기서 컴퓨터 판독가능 매체는 컴퓨터에 의해 액세스 될 수 있는 임의의 가용 매체일 수 있고, 또한 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함하며, ROM(판독 전용 메모리), RAM(랜덤 액세스 메모리), CD(컴팩트 디스크)-ROM, DVD(디지털 비디오 디스크)-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등을 포함할 수 있다.

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.

따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적 사상에 의해 정해져야 할 것이다.

110: 센서부 120: 필터부
121: 제1 필터부 122: 제2 필터부
123: 노이즈 분석부 130: 샘플링부
140: 심전도 파형 획득부 141: 심전도 패턴 추정부
142: 개인 데이터 저장부 150: 심전도 파형 분석부

Claims (20)

1. 관찰 대상자가 위치하는 기구에 부착되는 적어도 하나의 진동계 센서를 포함하여, 비접촉, 비침습 방식으로 기구를 통해 전달되는 진동을 감지하여 진동 신호를 획득하는 진동계 센서부;
   상기 진동 신호를 인가받고, 인가된 진동 신호에서 기지정된 주파수 대역을 필터링하여 상기 관찰 대상자의 심장 진동에 의해 발생되는 심진동 신호를 추출하는 필터부; 및
   패턴 추정 방식이 미리 학습된 인공 신경망을 포함하여, 인가되는 상기 심진동 신호의 패턴을 추정하고, 추정된 심진동 신호의 패턴에 대응하는 패턴의 ECG 신호를 생성하는 심전도 파형 획득부를 포함하되,
   상기 필터부는
   상기 진동 신호를 인가받아 기지정된 제1 주파수를 초과하는 주파수 대역을 필터링하는 로우 패스 필터로 구현되는 제1 필터부; 및
   상기 제1 필터부에서 필터링된 신호를 인가받아 기지정된 제2 주파수 미만의 주파수 대역을 필터링하는 하이 패스 필터로 구현되는 제2 필터부를 포함하고,
   상기 필터부는
   상기 적어도 하나의 진동계 센서의 자체 노이즈 및 상기 기구의 주변 환경에서 발생되는 노이즈에 따라 상기 제1 주파수와 상기 제2 주파수를 설정하여 상기 제1 필터부와 상기 제2 필터부로 전달하는 노이즈 분석부를 더 포함하는 심전도 모니터링 장치.
   
2. 삭제
3. 삭제
4. 제1항에 있어서, 상기 노이즈 분석부는
   상기 기구에 상기 관찰 대상자가 위치하지 않는 기지정된 시간에 인가되는 상기 진동 신호의 주파수 또는 인가되는 진동 신호에서 특정 주파수 대역의 신호의 세기가 기준 세기 이하인 동안 감지되는 주파수에 따라 상기 제1 주파수와 상기 제2 주파수를 설정하는 심전도 모니터링 장치.
5. 제1항에 있어서, 상기 노이즈 분석부는
   상기 적어도 하나의 진동계 센서의 자체 노이즈의 주파수 대역이 미리 측정되어 저장되고, 저장된 노이즈의 주파수 대역에 따라 상기 제1 주파수와 상기 제2 주파수를 설정하는 심전도 모니터링 장치.
6. 제5항에 있어서, 상기 적어도 하나의 진동계 센서는
   지오폰으로 구현되고,
   상기 노이즈 분석부는
   상기 제1 주파수를 30Hz로 설정하고, 상기 제2 주파수를 5Hz로 설정하는 심전도 모니터링 장치.
7. 제1항에 있어서, 상기 심전도 파형 획득부는
   상기 심진동 신호를 기지정된 샘플링 레이트로 샘플링하여 심진동 데이터로 변환하는 샘플링부; 및
   패턴 추정 방식이 미리 학습된 Bi-LSTM(Bidirectional Long-Short Term Memory) 신경망으로 구현되어, 시계열 데이터인 상기 심진동 데이터의 시간에 따른 패턴 변화를 추정하고, 추정된 패턴 변화에 대응하는 패턴을 갖는 ECG 데이터를 획득하는 심전도 패턴 추정부를 포함하는 심전도 모니터링 장치.
8. 제7항에 있어서, 상기 심전도 패턴 추정부는
   상기 심진동 데이터에 대해 기지정된 크기의 슬라이딩 윈도우를 시간 순서로 이동시키면서 대응하는 영역에 포함된 심진동 데이터를 인가받고, 미리 학습된 패턴 추정 방식에 따라 인가된 심진동 데이터의 특징을 추출하는 다수의 LSTM 셀을 각각 포함하는 순방향 레이어와 역방향 레이어 및 상기 순방향 레이어와 상기 역방향 레이어의 출력을 정규화하여 출력하는 활성화 레이어를 포함하는 제1 Bi-LSTM 레이어;
   상기 제1 Bi-LSTM 레이어의 출력을 인가받고, 미리 학습된 패턴 추정 방식에 따라 인가된 제1 Bi-LSTM 레이어의 출력의 특징을 추출하는 다수의 LSTM 셀을 각각 포함하는 순방향 레이어와 역방향 레이어 및 상기 순방향 레이어와 상기 역방향 레이어의 출력을 정규화하여 출력하는 활성화 레이어를 포함하는 제2 Bi-LSTM 레이어; 및
   다수의 완전 연결 레이어를 포함하여 미리 학습된 패턴 추정 방식에 따라 인가되는 상기 제2 Bi-LSTM 레이어의 출력을 대응하는 값으로 분류하여 상기 ECG 데이터를 획득하는 회귀 레이어를 포함하는 심전도 모니터링 장치.
9. 제8항에 있어서, 상기 심전도 패턴 추정부는
   별도의 ECG 측정 장치를 이용하여 미리 획득된 다수의 심진동 데이터와 이에 맵핑된 다수의 ECG 데이터를 포함하는 학습 데이터에서 상기 다수의 심진동 데이터를 입력으로 인가받아 획득되는 ECG 데이터와 학습 데이터에서 맵핑된 ECG 데이터 사이의 오차를 기지정된 방식으로 계산하고, 계산된 오차를 역전파하여 학습되는 심전도 모니터링 장치.
10. 제9항에 있어서, 상기 심전도 파형 획득부는
    상기 관찰 대상자에 대해 별도의 ECG 측정 장치를 이용하여 미리 획득된 다수의 심진동 데이터와 이에 맵핑된 다수의 ECG 데이터를 포함하는 개인 데이터를 저장하는 개인 데이터 저장부를 더 포함하고,
    상기 심전도 패턴 추정부는
    상기 개인 데이터 저장부에 저장된 개인 데이터를 이용하여 추가 학습이 수행되는 심전도 모니터링 장치.
11. 제7항에 있어서, 상기 심전도 파형 획득부는
    상기 ECG 데이터를 인가받아 아날로그 신호로 변환하여 상기 ECG 신호를 획득하거나, 상기 ECG 데이터를 분석하여 기지정된 다수의 임상 지표를 추출하는 심전도 파형 분석부를 더 포함하는 심전도 모니터링 장치.
12. 관찰 대상자가 위치하는 기구에 부착되는 적어도 하나의 진동계 센서를 이용하여 비접촉, 비침습 방식으로 기구를 통해 전달되는 진동을 감지하여 진동 신호를 획득하는 단계;
    상기 진동 신호를 인가받고, 인가된 진동 신호에서 기지정된 주파수 대역을 필터링하여 상기 관찰 대상자의 심장 진동에 의해 발생되는 심진동 신호를 추출하는 단계; 및
    패턴 추정 방식이 미리 학습된 인공 신경망을 이용하여, 인가되는 상기 심진동 신호의 패턴을 추정하고, 추정된 심진동 신호의 패턴에 대응하는 패턴의 ECG 신호를 생성하는 단계를 포함하되,
    상기 심진동 신호를 추출하는 단계는
    상기 진동 신호를 인가받아 기지정된 제1 주파수를 초과하는 주파수 대역이 제거되도록 로우 패스 필터링하는 단계; 및
    로우 패스 필터링된 신호를 인가받아 기지정된 제2 주파수 미만의 주파수 대역이 제거되도록 하이 패스 필터링하는 단계를 포함하고,
    상기 심진동 신호를 추출하는 단계는
    상기 적어도 하나의 진동계 센서의 자체 노이즈 및 상기 기구의 주변 환경에서 발생되는 노이즈에 따라 상기 제1 주파수와 상기 제2 주파수를 설정하는 단계를 포함하는 심전도 모니터링 방법.
    
13. 삭제
14. 제12항에 있어서, 상기 심진동 신호를 추출하는 단계는
    상기 기구에 상기 관찰 대상자가 위치하지 않는 기지정된 시간에 인가되는 상기 진동 신호의 주파수 또는 인가되는 진동 신호에서 특정 주파수 대역의 신호의 세기가 기준 세기 이하인 동안 감지되는 주파수에 따라 상기 제1 주파수와 상기 제2 주파수를 설정하는 단계를 더 포함하는 심전도 모니터링 방법.
15. 제12항에 있어서, 상기 심진동 신호를 추출하는 단계는
    상기 적어도 하나의 진동계 센서의 자체 노이즈의 주파수 대역이 미리 측정되어 저장되고, 저장된 노이즈의 주파수 대역에 따라 상기 제1 주파수와 상기 제2 주파수를 설정하는 단계를 더 포함하는 심전도 모니터링 방법.
16. 제12항에 있어서, 상기 ECG 신호를 생성하는 단계는
    상기 심진동 신호를 기지정된 샘플링 레이트로 샘플링하여 심진동 데이터로 변환하는 단계; 및
    패턴 추정 방식이 미리 학습된 Bi-LSTM(Bidirectional Long-Short Term Memory) 신경망을 이용하여 시계열 데이터인 상기 심진동 데이터의 시간에 따른 패턴 변화를 추정하고, 추정된 패턴 변화에 대응하는 패턴을 갖는 ECG 데이터를 획득하는 단계를 포함하는 심전도 모니터링 방법.
17. 제16항에 있어서, 상기 ECG 데이터를 획득하는 단계는
    다수의 LSTM 셀을 각각 포함하는 순방향 레이어와 역방향 레이어 및 상기 순방향 레이어와 상기 역방향 레이어의 출력을 정규화하여 출력하는 활성화 레이어를 포함하는 제1 Bi-LSTM 레이어에 상기 심진동 데이터에 대해 기지정된 크기의 슬라이딩 윈도우를 시간 순서로 이동시키면서 대응하는 영역에 포함된 심진동 데이터를 인가하여 미리 학습된 패턴 추정 방식에 따라 인가된 심진동 데이터의 특징을 추출하는 단계;
    다수의 LSTM 셀을 각각 포함하는 순방향 레이어와 역방향 레이어 및 상기 순방향 레이어와 상기 역방향 레이어의 출력을 정규화하여 출력하는 활성화 레이어를 포함하는 제2 Bi-LSTM 레이어에 상기 제1 Bi-LSTM 레이어의 출력을 인가하여 미리 학습된 패턴 추정 방식에 따라 인가된 제1 Bi-LSTM 레이어의 출력의 특징을 추출하는 단계; 및
    다수의 완전 연결 레이어를 포함하는 회귀 레이어를 이용하여 상기 제2 Bi-LSTM 레이어의 출력을 대응하는 값으로 분류하여 상기 ECG 데이터를 추출하는 단계를 포함하는 심전도 모니터링 방법.
18. 제17항에 있어서, 상기 Bi-LSTM 신경망은
    미리 수행되는 학습 단계에 의해 미리 학습되고,
    상기 학습 단계는
    별도의 ECG 측정 방법을 이용하여 미리 획득된 다수의 심진동 데이터와 이에 맵핑된 다수의 ECG 데이터를 포함하는 학습 데이터에서 상기 다수의 심진동 데이터를 입력으로 인가받아 ECG 데이터를 획득하는 단계;
    획득된 ECG 데이터와 학습 데이터에서 입력된 심진동 데이터에 맵핑된 ECG 데이터 사이의 오차를 기지정된 방식으로 계산하는 단계; 및
    계산된 오차를 역전파하는 단계를 포함하는 심전도 모니터링 방법.
19. 제18항에 있어서, 상기 Bi-LSTM 신경망은
    상기 학습 단계 이후, 상기 관찰 대상자에 대해 별도의 ECG 측정 방법을 이용하여 미리 획득된 다수의 심진동 데이터와 이에 맵핑된 다수의 ECG 데이터를 포함하는 개인 데이터를 이용하여 추가 학습이 수행되는 개인화 단계를 더 포함하는 심전도 모니터링 방법.
20. 제16항에 있어서, 상기 ECG 신호를 생성하는 단계는
    상기 ECG 데이터를 획득하는 단계 이후, 획득된 상기 ECG 데이터를 인가받아 아날로그 신호로 변환하여 상기 ECG 신호를 획득하는 단계; 및
    상기 ECG 데이터를 분석하여 기지정된 다수의 임상 지표를 추출하는 단계를 더 포함하는 심전도 모니터링 방법.

Images