KR102439240B1 - 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법 및 장치 - Google Patents
몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법 및 장치 Download PDFInfo
- Publication number
- KR102439240B1 KR102439240B1 KR1020210157563A KR20210157563A KR102439240B1 KR 102439240 B1 KR102439240 B1 KR 102439240B1 KR 1020210157563 A KR1020210157563 A KR 1020210157563A KR 20210157563 A KR20210157563 A KR 20210157563A KR 102439240 B1 KR102439240 B1 KR 102439240B1
- Authority
- KR
- South Korea
- Prior art keywords
- glycated hemoglobin
- monte carlo
- model
- measurement
- carlo simulation
- Prior art date
Links
- 238000000342 Monte Carlo simulation Methods 0.000 title claims abstract description 86
- 238000000691 measurement method Methods 0.000 title claims description 5
- 102000017011 Glycated Hemoglobin A Human genes 0.000 claims abstract description 128
- 108091005995 glycated hemoglobin Proteins 0.000 claims abstract description 125
- 238000005259 measurement Methods 0.000 claims abstract description 85
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 49
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 49
- 239000001301 oxygen Substances 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000033001 locomotion Effects 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 16
- 238000010521 absorption reaction Methods 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 2
- 210000004369 blood Anatomy 0.000 description 18
- 239000008280 blood Substances 0.000 description 18
- 210000003491 skin Anatomy 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 8
- 206010012601 diabetes mellitus Diseases 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 102000001554 Hemoglobins Human genes 0.000 description 5
- 108010054147 Hemoglobins Proteins 0.000 description 5
- 210000001736 capillary Anatomy 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 210000003462 vein Anatomy 0.000 description 5
- 210000001367 artery Anatomy 0.000 description 4
- 210000004207 dermis Anatomy 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 108010014663 Glycated Hemoglobin A Proteins 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 230000004064 dysfunction Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000003041 ligament Anatomy 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 210000002435 tendon Anatomy 0.000 description 2
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 101100070137 Seriola quinqueradiata hbab gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 108010002255 deoxyhemoglobin Proteins 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 208000016097 disease of metabolism Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000003811 finger Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036252 glycation Effects 0.000 description 1
- 230000002641 glycemic effect Effects 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 208000012113 pregnancy disease Diseases 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 210000000434 stratum corneum Anatomy 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1495—Calibrating or testing of in-vivo probes
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Abstract
본 발명은 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법 및 장치에 관한 것으로, 상기 방법은 특정 신체부위에 대한 2차원 스캔 이미지를 획득하는 단계; 상기 2차원 스캔 이미지를 이용하여 상기 특정 신체부위에 대응되는 가상의 3차원 모델을 생성하는 단계; 상기 3차원 모델을 기초로 몬테카를로 시뮬레이션(MCS, Monte Carlo Simulation)을 수행하는 단계; 상기 몬테카를로 시뮬레이션에 따라 측정되는 광자 세기(photon intensity)를 수집하는 단계; 상기 광자 세기에 따른 맥파(PPG) 신호, 산소포화도(SpO2) 및 당화혈색소(HbA1c)를 학습하여 당화혈색소 추정을 위한 측정 모델을 구축하는 단계; 및 상기 측정 모델을 이용하여 측정 대상자의 산소포화도와 당화혈색소를 추정하는 단계;를 포함한다.
Description
본 발명은 비침습적 당화혈색소 측정 기술에 관한 것으로, 보다 상세하게는 가상의 신체부위 모델을 기초로 몬테카를로 시뮬레이션을 수행하여 정확하고 용이하게 비침습적으로 당화혈색소(HbA1c)의 농도를 측정할 수 있는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법 및 장치에 관한 것이다.
당뇨병은 신체 내에서 혈당 조절에 필요한 인슐린의 분비나 기능 장애로 인해 발생된 고혈당을 특징으로 하는 대사성 질환이다. 당뇨병으로 인한 만성적 고혈당은 신체 각 기관의 손상과 기능 부전을 초래하게 되는데 특히, 망막, 신장, 신경에 나타나는 미세혈관 합병증과 동맥경화, 심혈관, 뇌혈관질환과 같은 거대 혈관 합병증을 유발하고 이로 인한 사망률을 증가시킨다.
그러나, 당뇨병은 혈당조절, 체중 감량 및 투약으로 인해 당뇨병의 악화 또는 합병증 발생률을 저하시킬 수 있다. 따라서, 당뇨병 환자들은 혈당 관리를 위하여 수시로 자가 혈당을 측정하고, 당뇨병 환자의 혈당만큼 중요한 치료지표인 당화혈색소(HbA1C) 검사를 주기적으로 받아야 한다.
당화혈색소(HbA1c) 검사는 혈액 내에서 산소를 운반해 주는 역할을 하는 적혈구 내의 혈색소가 어느 정도로 당화(糖化)되었는지를 보는 검사이며, 적혈구의 평균 수명기간에 따라 최근 3~4개월 정도의 혈당 변화를 반영한다. 정상인에서도 당연히 포도당이 존재하므로 우리의 혈액 내에는 혈색소가 어느 정도 당화되어 있는데, 검사 방법에 따라 정상치의 차이가 있으나 대개 5.6%까지가 정상이다.
당뇨병 환자의 경우 혈액 내 포도당의 농도가 높아지므로 당화된 혈색소, 즉 당화혈색소 수치 역시 올라가게 된다. 따라서 그 동안의 혈당 관리 정도가 고스란히 드러나는 이 결과를 보고 추후 치료 방향을 결정하게 된다.
한편, 종래의 당화혈색소(HbA1c)을 측정하는 방법은 측정 대상자 팔의 정맥에서 채혈하거나 손가락 끝을 작고 뾰족한 침으로 찔러 모세혈 검체를 획득하고, 획득한 혈액을 이용하여 당화혈색소(HbA1c)의 농도를 측정하였다. 이러한 침습적 당화혈색소 측정 방법은 측정 대상자들로 하여금 채혈 부담을 가중시키고, 적혈구 수명이 짧거나 임신, 신장질환이 있는 경우에는 부정확한 수치를 제공하는 문제점이 있었다.
본 발명의 일 실시예는 가상의 신체부위 모델을 기초로 몬테카를로 시뮬레이션을 수행하여 정확하고 용이하게 비침습적으로 당화혈색소(HbA1c)의 농도를 측정할 수 있는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법 및 장치를 제공하고자 한다.
실시예들 중에서, 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법은 특정 신체부위에 대한 2차원 스캔 이미지를 획득하는 단계; 상기 2차원 스캔 이미지를 이용하여 상기 특정 신체부위에 대응되는 가상의 3차원 모델을 생성하는 단계; 상기 3차원 모델을 기초로 몬테카를로 시뮬레이션(MCS, Monte Carlo Simulation)을 수행하는 단계; 상기 몬테카를로 시뮬레이션에 따라 측정되는 광자 세기(photon intensity)를 수집하는 단계; 상기 광자 세기에 따른 맥파(PPG) 신호, 산소포화도(SpO2) 및 당화혈색소(HbA1c)를 학습하여 당화혈색소 추정을 위한 측정 모델을 구축하는 단계; 및 상기 측정 모델을 이용하여 측정 대상자의 산소포화도와 당화혈색소를 추정하는 단계;를 포함한다.
상기 특정 신체부위는 피부의 두께에 따라 해당 피부 아래에 존재하는 모세혈관의 감지가 가능한 부위를 포함할 수 있다.
상기 2차원 스캔 이미지를 획득하는 단계는 상기 특정 신체부위에 대한 MRI 이미지 또는 CT 이미지를 상기 2차원 스캔 이미지로서 수신하는 단계를 포함할 수 있다.
상기 3차원 모델을 생성하는 단계는 상기 2차원 스캔 이미지에 3D 변환 알고리즘을 적용하여 상기 3차원 모델을 생성하는 단계를 포함할 수 있다.
상기 몬테카를로 시뮬레이션을 수행하는 단계는 상기 3차원 모델의 일측에 위치한 가상의 LED 모듈을 통해 특정 파장값을 갖는 가상의 입사광을 상기 3차원 모델을 향해 조사하는 단계; 및 상기 LED 모듈에 대응되어 위치한 가상의 광검지부를 통해 상기 입사광으로부터 상기 3차원 모델을 경유하여 파생되는 가상의 파생광(derived lights)을 검지하는 단계를 포함할 수 있다.
상기 몬테카를로 시뮬레이션을 수행하는 단계는 가상의 광자(photon)들에 대해 몬테카를로 규칙을 적용한 결과로서 상기 입사광 및 상기 파생광의 움직임 각각을 시뮬레이션 하는 단계를 포함할 수 있다.
상기 몬테카를로 규칙은 특정 광자와 특정 매체 간의 충돌에 따른 반사(reflection), 투과(transmission) 및 흡수(absorption) 중 적어도 하나에 관한 횡단 규칙(traversing rule)을 포함할 수 있다.
상기 몬테카를로 시뮬레이션을 수행하는 단계는 상기 3차원 모델을 기초로 서로 다른 적어도 2개의 파장에 대해 상기 몬테카를로 시뮬레이션을 독립적으로 수행하는 단계를 포함할 수 있다.
상기 측정 모델을 구축하는 단계는 복수의 파장들에 대해 상기 광자 세기, 상기 산소포화도 및 상기 당화혈색소에 관한 룩업테이블(LUT)을 구축하는 단계를 포함할 수 있다.
상기 측정 모델을 구축하는 단계는 상기 광자 세기에 맞춰 상기 맥파 신호의 스케일(scale)을 조정한 다음 상기 룩업테이블을 기초로 상기 맥파 신호를 보정하는 단계; 및 기계학습을 적용하여 상기 측정 모델을 구축하는 단계를 포함할 수 있다.
상기 산소포화도와 당화혈색소를 추정하는 단계는 상기 측정 대상자의 측정 맥파 신호를 수신하는 단계; 상기 측정 맥파 신호에 대응되는 후보 광자 세기를 결정하는 단계; 상기 후보 광자 세기를 상기 측정 모델에 입력하여 후보 산소포화도와 후보 당화혈색소를 획득하는 단계; 및 상기 후보 산소포화도와 상기 후보 당화혈색소를 보정하여 상기 측정 대상자의 산소포화도와 당화혈색소를 최종 결정하는 단계를 포함할 수 있다.
실시예들 중에서, 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 장치는 특정 신체부위에 대한 2차원 스캔 이미지를 획득하여 가상의 3차원 모델을 생성하는 3D 모델링부; 상기 3차원 모델을 기초로 몬테카를로 시뮬레이션(MCS, Monte Carlo Simulation)을 수행하는 시뮬레이션 수행부; 상기 몬테카를로 시뮬레이션에 따라 측정되는 광자 세기(photon intensity)를 수집하고 상기 광자 세기에 따른 맥파(PPG) 신호, 산소포화도(SpO2) 및 당화혈색소(HbA1c)를 학습하여 당화혈색소 추정을 위한 측정 모델을 구축하는 측정모델 구축부; 및 상기 측정 모델을 이용하여 측정 대상자의 산소포화도와 당화혈색소를 추정하는 당화혈색소 측정부;를 포함한다.
상기 측정모델 구축부는 복수의 파장들에 대해 상기 광자 세기, 상기 산소포화도 및 상기 당화혈색소에 관한 룩업테이블(LUT)을 구축하고 상기 광자 세기에 따른 맥파(PPG) 신호, 산소포화도(SpO2) 및 당화혈색소(HbA1c)를 학습하여 당화혈색소 추정을 위한 측정 모델을 구축할 수 있다.
상기 측정모델 구축부는 상기 광자 세기에 맞춰 상기 맥파 신호의 스케일(scale)을 조정한 다음 상기 룩업테이블을 기초로 상기 맥파 신호를 보정하고 기계학습을 적용하여 상기 측정 모델을 구축할 수 있다.
상기 당화혈색소 측정부는 상기 측정 대상자의 측정 맥파 신호를 수신하고 상기 측정 맥파 신호에 대응되는 후보 광자 세기를 결정하며 상기 후보 광자 세기를 상기 측정 모델에 입력하여 후보 산소포화도와 후보 당화혈색소를 획득하고 상기 후보 산소포화도와 상기 후보 당화혈색소를 보정하여 상기 측정 대상자의 산소포화도와 당화혈색소를 최종 결정할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법 및 장치는 가상의 신체부위 모델을 기초로 몬테카를로 시뮬레이션을 수행하여 정확하고 용이하게 비침습적으로 당화혈색소(HbA1c)의 농도를 측정할 수 있다.
도 1은 본 발명에 따른 당화혈색소 측정 시스템을 설명하는 도면이다.
도 2는 도 1의 당화혈색소 측정 장치의 기능적 구성을 설명하는 도면이다.
도 3은 본 발명에 따른 비침습적 당화혈색소 측정 과정을 설명하는 순서도이다.
도 4는 몬테카를로 시뮬레이션에 의한 광자의 횡단 규칙을 설명하기 위한 흐름도이다.
도 5a 내지 5e는 몬테카를로 시뮬레이션에 의한 광자의 움직임을 설명하는 도면이다.
도 6은 몬테카를로 시뮬레이션에 의한 광자의 세기 규칙을 설명하는 도면이다.
도 7은 본 발명에 따른 당화혈색소 추정을 위한 학습 모델의 구축 과정을 설명하는 도면이다.
도 8은 학습 모델을 이용하여 당화혈색소의 농도를 추정하는 과정을 설명하는 도면이다.
도 9는 측정 대상자의 PPG 신호를 기초로 당화혈색소의 농도를 추정하는 과정을 간략하게 표현한 도면이다.
도 2는 도 1의 당화혈색소 측정 장치의 기능적 구성을 설명하는 도면이다.
도 3은 본 발명에 따른 비침습적 당화혈색소 측정 과정을 설명하는 순서도이다.
도 4는 몬테카를로 시뮬레이션에 의한 광자의 횡단 규칙을 설명하기 위한 흐름도이다.
도 5a 내지 5e는 몬테카를로 시뮬레이션에 의한 광자의 움직임을 설명하는 도면이다.
도 6은 몬테카를로 시뮬레이션에 의한 광자의 세기 규칙을 설명하는 도면이다.
도 7은 본 발명에 따른 당화혈색소 추정을 위한 학습 모델의 구축 과정을 설명하는 도면이다.
도 8은 학습 모델을 이용하여 당화혈색소의 농도를 추정하는 과정을 설명하는 도면이다.
도 9는 측정 대상자의 PPG 신호를 기초로 당화혈색소의 농도를 추정하는 과정을 간략하게 표현한 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명에 따른 당화혈색소 측정 시스템을 설명하는 도면이다.
도 1을 참조하면, 당화혈색소 측정 시스템(100)은 사용자 단말(110), 당화혈색소 측정 장치(130) 및 데이터베이스(150)를 포함할 수 있다.
사용자 단말(110)은 사용자의 생체신호를 직접 측정하거나 관련 정보를 생성하여 제공할 수 있으며 비침습적 당화혈색소 측정의 결과를 확인할 수 있는 컴퓨팅 장치에 해당할 수 있다. 예를 들어, 사용자는 사용자 단말(110)을 통해 자신의 생체신호에 관한 정보를 입력할 수 있고, 측정된 당화혈색소 정보를 시각화 도구(tool)를 통해 직접 확인할 수 있다.
일 실시예에서, 사용자 단말(110)은 사용자로부터 생체신호를 직접 측정할 수 있도록 구현될 수 있다. 예를 들어, 사용자 단말(110)은 생체신호를 측정하기 위한 전용 어플리케이션을 설치하여 실행할 수 있으며, 이를 통해 사용자의 생체신호에 관한 PPG 신호를 수집할 수 있다. 다른 예로서, 사용자 단말(110)은 생체신호를 측정할 수 있는 외부 기기와 연동하여 동작할 수 있다. 즉, 사용자 단말(110)은 외부 기기의 동작을 제어할 수 있고, 외부 기기에 의해 측정된 생체신호를 외부 기기로부터 수신할 수 있다.
또한, 사용자 단말(110)은 당화혈색소 측정 장치(130)와 연결되어 동작 가능한 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등 다양한 디바이스로도 구현될 수 있다. 사용자 단말(110)은 당화혈색소 측정 장치(130)와 유선 또는 무선 네트워크를 통해 연결될 수 있으며, 복수의 사용자 단말(110)들은 당화혈색소 측정 장치(130)와 동시에 연결될 수 있다.
당화혈색소 측정 장치(130)는 산소포화도와 당화혈색소를 추정하기 위한 측정 모델을 구축하고 이를 기반으로 비침습적인 측정 동작을 수행할 수 있는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 당화혈색소 측정 장치(130)는 사용자 단말(110)과 블루투스, WiFi 등과 같은 무선 네트워크로 연결될 수 있고, 네트워크를 통해 사용자 단말(110)과 데이터를 송·수신할 수 있다. 또한, 당화혈색소 측정 장치(130)는 데이터의 수집이나 추가적인 기능을 제공하기 위하여 별도의 외부 시스템(도 1에 미도시함)과 연동하여 동작하도록 구현될 수도 있다.
여기에서는, 당화혈색소 측정 장치(130)가 사용자 단말(110)과 독립적으로 구현되어 동작하는 것으로 설명하지만, 반드시 이에 한정되지 않고, 당화혈색소 측정 장치(130) 또는 사용자 단말(110)이 논리적 구성으로서 타방에 포함되어 동작하는 형태로 구현될 수도 있다.
데이터베이스(150)는 당화혈색소 측정 장치(130)의 동작 과정에서 필요한 다양한 정보들을 저장하는 저장장치에 해당할 수 있다. 예를 들어, 데이터베이스(150)는 사용자로부터 수집된 생체신호에 관한 정보를 저장할 수 있고, 몬테카를로 시뮬레이션이나 학습 과정에 사용되는 정보를 저장할 수 있으며, 반드시 이에 한정되지 않고, 당화혈색소 측정 장치(130)가 몬테카를로 시뮬레이션을 이용하여 비침습적으로 당화혈색소 측정 방법을 수행하는 과정에서 다양한 형태로 수집 또는 가공된 정보들을 저장할 수 있다.
한편, 도 1에서, 데이터베이스(150)는 당화혈색소 측정 장치(130)와 독립적인 장치로서 도시되어 있으나, 반드시 이에 한정되지 않고, 당화혈색소 측정 장치(130)의 논리적인 저장장치로서 당화혈색소 측정 장치(130)에 포함되어 구현될 수 있음은 물론이다.
도 2는 도 1의 당화혈색소 측정 장치의 기능적 구성을 설명하는 도면이다.
도 2를 참조하면, 당화혈색소 측정 장치(130)는 3D 모델링부(210), 시뮬레이션 수행부(230), 측정모델 구축부(250), 당화혈색소 측정부(270) 및 제어부(290)를 포함할 수 있다.
3D 모델링부(210)는 특정 신체부위에 대한 2차원 스캔 이미지를 획득하여 가상의 3차원 모델을 생성할 수 있다. 여기에서, 특정 신체부위는 피부의 두께에 따라 해당 피부 아래에 존재하는 모세혈관의 감지가 가능한 부위를 포함할 수 있다. 예를 들어, 특정 신체부위는 손가락, 손목, 팔목, 이마, 뺨(볼), 귀 등을 포함할 수 있으며, 반드시 이에 한정되지 않고, 다양한 신체 부위가 포함될 수 있음은 물론이다.
또한, 2차원 스캔 이미지는 특정 신체부위에 대한 MRI 이미지 또는 CT 이미지를 포함할 수 있다. 예를 들어, 3D 모델링부(110)는 손가락에 대한 MRI 이미지들에 대해 3D 변환 알고리즘을 적용하여 손가락에 대한 가상의 3차원 모델을 생성할 수 있다. 당화혈색소 측정 시스템(100)은 가상의 손가락 모델을 기초로 몬테카를로 시뮬레이션을 수행함으로써 비침습적으로 당화혈색소를 측정하는 효과적인 방법을 제공할 수 있다.
시뮬레이션 수행부(230)는 3차원 모델을 기초로 몬테카를로 시뮬레이션(MCS, Monte Carlo Simulation)을 수행할 수 있다. 여기에서, 몬테카를로 시뮬레이션은 몬테카를로 방법 및 실험에 기초한 시뮬레이션에 해당할 수 있다.
이 때, 몬테카를로 방법 및 실험은 수치 결과를 얻기 위해 반복된 무작위 샘플링에 의존하는 광범위한 계산 클래스의 연산 알고리즘에 해당할 수 있다. 기본 개념은 원칙적으로 결정론적인(deterministic) 문제를 해결하기 위해 무작위(randomness)를 사용하는 것이며, 해당 방법은 물리 및 수학 문제의 해결에 있어 다른 접근법을 사용하기 어렵거나 불가능한 경우 매우 유용하게 활용될 수 있다. 또한, 몬테카를로 방법은 주로 최적화, 수치 적분, 확률 분포에서 승부 추첨의 세 가지 문제 클래스에 사용될 수 있다.
원칙적으로, 몬테카를로 방법은 확률론적 해석이 필요한 모든 문제를 해결하는데 사용될 수 있다. 무수히 많은 수에 대하여, 임의의 랜덤 변수의 기대 값에 의해 기술된 적분은 변수의 독립 샘플의 경험적 평균(즉, 샘플 평균)으로 근사화 시킬 수 있다. 한편, 수학자들은 변수의 확률 분포가 매개 변수화 된 경우 MCMC(Markov chain Monte Carlo) 샘플러를 사용할 수 있다. 이 경우 주된 아이디어는 규정된 고정 확률 분포를 가진 적절한 마코프(Markov) 체인 모델을 설계하는 것이다. 즉, 극한에서, MCMC 방법에 의해 생성되는 샘플은 원하는 (표적) 분포로부터의 샘플에 해당할 수 있다. 에르고딕(ergodic) 이론에 의해, 시불변 분포는 MCMC 샘플러의 랜덤 상태에 대한 경험적 측정에 의해 근사화 될 수 있다.
또한, 시뮬레이션 수행부(230)는 실제 인간 피부 모델 또는 팔다리(예를 들어, 손목, 손가락, 귓불 등)의 전체 모델을 기초로 몬테카를로 시뮬레이션을 수행할 수 있다. 이 때, MRI 이미지(또는 CT 이미지)가 사용될 수 있으며, MRI 이미지 슬라이스들은 특정 신체부위의 3차원 물리적 모델을 구축하는데 사용될 수 있다. 해당 모델은 뼈, 근육, 인대, 힘줄, 정맥, 동맥, 지방 및 피부층으로 구성될 수 있고, 동맥, 정맥 및 피부 모세 혈관에는 혈액이 포함될 수 있으며, 혈액은 HHb, HbO 및 HbA1c 헤모글로빈 세포로 구성될 수 있다.
한편, 평균적으로 피부층(skin layer)의 두께는 0.95mm이며, 6개의 레이어들을 포함할 수 있다. 예를 들어, 6개의 레이어들은 각질층(stratum corneum), 표피층(epidermis), 유두 진피(papillary dermis), 상혈망 진피(upper blood net dermis), 그물 진피(reticular dermis) 및 심혈망 진피(deep blood net dermis)를 포함할 수 있다. 또한, 해당 모델의 피부층 다음에는 지방층(fat layer)이 존재할 수 있으며, 그 다음에는 MRI 이미지 상의 근육, 뼈 및 기타 구성 요소들이 존재할 수 있다.
이때, 피부를 제외한 기타 구성 요소에는 손톱(Nail), 지방(Fat), 근육(Muscle), 힘줄(Tendon), 인대(Ligament), 뼈(Bone), 동맥(Artery) 및 정맥(Vein) 등이 포함될 수 있다. 몬테카를로 시뮬레이션에는 구성 요소별 특성 정보가 적용될 수 있다. 예를 들어, 구성 요소별 특성 정보는 흡수 계수(Absorption coefficient, 
), 감소된 산란 계수(Reduced scattering coefficient, 
), 비등방성(Anisotropy), 굴절률(Refractive index) 등이 포함될 수 있다.
또한, 시뮬레이션 수행부(230)는 3차원 모델의 특정 위치에 LED 송신기와 광자 수신기가 설치된 것을 조건으로 몬테카를로 시뮬레이션을 수행할 수 있다. 몬테카를로 시뮬레이션은 가상의 LED로부터 방출된 가상의 광자들의 움직임, 즉 가상의 3차원 모델과의 상호작용에 따른 반사, 투과 또는 흡수를 가상으로 실체화할 수 있다.
이 때, 가상의 광자들은 몬테카를로 규칙에 따라 움직이는 것으로 가정하며, 가상의 광자들의 움직임은 가상의 입사광 및 파생광의 움직임에 대응될 수 있다. 여기에서, 몬테카를로 규칙은 특정 광자와 특정 매체 간의 충돌에 따른 반사(reflection), 투과(transmission) 및 흡수(absorption) 중 적어도 하나에 관한 횡단 규칙(traversing rule)을 포함할 수 있다. 몬테카를로 규칙에 대해서는 도 4에서 보다 자세히 설명한다.
일 실시예에서, 시뮬레이션 수행부(230)는 몬테카를로 시뮬레이션을 통해 3차원 모델의 일측에 위치한 가상의 LED 모듈을 통해 특정 파장값을 갖는 가상의 입사광을 3차원 모델을 향해 조사하고, LED 모듈에 대응되어 위치한 가상의 광검지부를 통해 입사광으로부터 3차원 모델을 경유하여 파생되는 가상의 파생광(derived lights)을 검지할 수 있다.
일 실시예에서, 시뮬레이션 수행부(230)는 가상의 광자(photon)들에 대해 몬테카를로 규칙을 적용한 결과로서 입사광 및 파생광의 움직임 각각을 시뮬레이션 할 수 있다. 즉, 가상의 광자들은 LED의 물리적 한계에 따라 무작위로 생성될 수 있고, 가상의 광자들의 움직임은 몬테카를로 규칙에 따라 정의될 수 있다.
일 실시예에서, 시뮬레이션 수행부(230)는 3차원 모델을 기초로 서로 다른 적어도 2개의 파장에 대해 몬테카를로 시뮬레이션을 독립적으로 수행할 수 있다. 이를 위해, 시뮬레이션 수행부(230)는 가상의 LED 모듈을 복수로 적용할 수 있다. 즉, 몬테카를로 시뮬레이션을 통해 가상의 제1 내지 제3 LED 모듈들은 서로 다른 파장값을 갖는 가상의 제1 내지 제3 입사광들을 3차원 모델을 향해 각각 조사할 수 있다. 가상의 광검지부는 제1 내지 제3 LED 모듈들에 대응되어 위치할 수 있으며, 제1 내지 제3 입사광들로부터 3차원 모델을 경유하여 파생되는 가상의 제1 내지 제3 파생광들(derived lights)을 각각 검지할 수 있다. 이 때, 광검지부는 제1 내지 제3 LED 모듈들의 위치를 기준으로 대향되는 지점에 위치하거나 또는 동일 측면에 위치할 수 있다.
한편, 제1 내지 제3 LED 모듈들의 파장값은 각각 상이하게 설정될 수 있으며, 예를 들어, 제1 LED 모듈은 녹색 색상의 빛을 발광할 수 있고, 제2 LED 모듈은 붉은 색상의 빛을 발광할 수 있으며, 제3 LED 모듈은 적외선(IR)을 발광하는 것으로 설정될 수 있다.
측정모델 구축부(250)는 몬테카를로 시뮬레이션에 따라 측정되는 광자 세기(photon intensity)를 수집하고 광자 세기에 따른 맥파(PPG) 신호, 산소포화도(SpO2) 및 당화혈색소(HbA1c)를 학습하여 당화혈색소 추정을 위한 측정 모델을 구축할 수 있다. 동맥, 정맥 및 모세 혈관의 혈액량은 이상적인 PPG 신호에 따라 업데이트될 수 있으며, 혈액에는 사전에 정의된 SpO2 및 HbA1c 값이 포함될 수 있다. 측정모델 구축부(250)는 해당 레퍼런스 값과 몬테카를로 시뮬레이션을 통해 다양한 파장에 대한 PPG 신호를 수집할 수 있으며, 광자 세기에 따라 레퍼런스 값과 PPG 신호를 매칭시킬 수 있다. 즉, 측정모델 구축부(250)는 매칭된 데이터를 룩업테이블(Look Up Table, LUT)로 구성할 수 있다.
일 실시예에서, 측정모델 구축부(250)는 복수의 파장들에 대해 광자 세기, 산소포화도 및 당화혈색소에 관한 룩업테이블(LUT)을 구축할 수 있다. 예를 들어, 측정모델 구축부(250)에 의해 구축되는 룩업테이블은 I1, I2, I3, CHbA1c, CHbO 및 CHHb이 각 열로 구성될 수 있다. 여기에서, I1, I2 및 I3은 서로 다른 파장에서의 광자 세기이고, CHbA1c, CHbO 및 CHHb는 각각 당화혈색소, 산화 헤모글로빈 및 디옥시 헤모글로빈의 몰농도에 해당할 수 있다.
이때, 룩업테이블에 저장되는 몰농도들은 산소포화도(SpO2)와 당화혈색소(HbA1c)를 산출하는데 사용될 수 있으며, 다음의 수학식 1과 같이 표현될 수 있다.
[수학식 1]
또한, 측정모델 구축부(250)는 룩업테이블을 구성한 후 맥파 신호 및 기준 당화혈색소, 기준 산소포화도(필요하면 외부 입력 특징을 제공)에 상응하는 룩업테이블에서의 광자 세기를 구하기 위해 기계학습을 적용할 수 있다. 여기에서, 외부 입력 특징은 체질량 지수(BMI, Body Mass Index), 손가락 두께(FW, Finger Width) 및 산소포화도(SpO2, Saturation Pulse Oxygen) 등을 포함할 수 있다. 특징 벡터를 학습하여 구축되는 측정 모델은 맥파 신호를 입력으로 수신하여 산소포화도 및 당화혈색소를 출력으로 생성할 수 있다.
일 실시예에서, 측정모델 구축부(250)는 광자 세기에 맞춰 맥파 신호의 스케일(scale)을 조정한 다음 룩업테이블을 기초로 맥파 신호를 보정하고, 각 엔트리에 물리적 특성에 관한 적어도 하나의 외부 입력 특징을 추가하여 특징 벡터를 생성하며, XGBoost를 포함하는 기계학습 모델에 학습 데이터를 적용하여 측정 모델을 구축할 수 있다. 이때, 기계학습 모델에는 지도 학습(supervised machine-learning) 기반의 회귀 모델(regression model)이 사용될 수도 있다. 측정모델 구축부(250)에 의해 수행되는 학습 단계는 총 3 단계로 구분될 수 있으며, 이에 대해서는 도 7을 통해 보다 자세히 설명한다.
당화혈색소 측정부(270)는 측정 모델을 이용하여 측정 대상자의 산소포화도와 당화혈색소를 추정할 수 있다. 이를 위해, 당화혈색소 측정부(270)는 측정 대상자의 맥파 신호를 수신할 수 있으며, 측정 대상자의 맥파 신호는 측정 대상자로부터 직접 측정되거나 또는 측정 대상자에 의해 직접 입력될 수 있다. 당화혈색소 측정부(270)는 측정 대상자의 맥파 신호를 측정 모델에 입력하고 그 결과로서 측정 대상자의 산소포화도와 당화혈색소에 관한 예측값을 획득할 수 있다.
일 실시예에서, 당화혈색소 측정부(270)는 측정 대상자의 측정 맥파 신호를 수신하고, 측정 맥파 신호에 대응되는 후보 광자 세기를 결정하며, 후보 광자 세기를 측정 모델에 입력하여 후보 산소포화도와 후보 당화혈색소를 획득하고, 후보 산소포화도와 후보 당화혈색소를 보정하여 측정 대상자의 산소포화도와 당화혈색소를 최종 결정할 수 있다.
여기에서, 측정 맥파 신호는 측정 대상자로부터 직접 측정된 맥파 신호에 해당할 수 있다. 당화혈색소 측정부(270)는 사용자 단말(110)과 연동하여 사용자 단말(110)에 의해 측정된 맥파 신호를 측정 맥파 신호로서 수신할 수 있다. 당화혈색소 측정부(270)는 측정 맥파 신호를 광자 세기로 변환할 수 있으며, 후보 광자 세기는 변환된 광자 세기에 해당할 수 있다. 측정 모델은 후보 광자 세기를 입력으로 수신하면 이에 대응되는 출력으로서 후보 산소포화도와 후보 당화혈색소를 생성할 수 있다. 이후, 당화혈색소 측정부(270)는 후보 산소포화도와 후보 당화혈색소를 이용하여 측정 대상자의 산소포화도와 당화혈색소로 그대로 결정할 수도 있으나, 보다 정확도 높은 결과를 도출하기 위하여 후보 산소포화도와 후보 당화혈색소를 보정하는 동작을 추가적으로 수행할 수 있다.
제어부(290)는 당화혈색소 측정 장치(130)의 전체적인 동작을 제어하고, 3D 모델링부(210), 시뮬레이션 수행부(230), 측정모델 구축부(250) 및 당화혈색소 측정부(270) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 3은 본 발명에 따른 비침습적 당화혈색소 측정 과정을 설명하는 순서도이다.
도 3을 참조하면, 당화혈색소 측정 장치(130)는 3D 모델링부(210)를 통해 특정 신체부위에 대한 2차원 스캔 이미지를 획득하여 가상의 3차원 모델을 생성할 수 있다(단계 S310). 당화혈색소 측정 장치(130)는 시뮬레이션 수행부(230)를 통해 3차원 모델을 기초로 몬테카를로 시뮬레이션(MCS, Monte Carlo Simulation)을 수행할 수 있다(단계 S330).
보다 구체적으로, 시뮬레이션 수행부(230)는 몬테카를로 시뮬레이션을 통해 실제 손가락, 손목과 유사하게 모델링된 가상 모델에 가상 광자를 입사하여 빛이 이동 가능한 모든 경우를 시뮬레이션 할 수 있다. 이러한 모든 LED 및 PD 부문은 가상의 광자를 방출하고 방출된 광자는 피부와 팔다리 구성 요소를 통과할 수 있다. 가상의 광자는 LED의 물리적 한계를 사용하여 무작위로 생성될 수 있으며, 매체와 충돌하여 반사, 투과 또는 흡수될 수 있다. 몬테카를로 규칙이 적용된 이러한 모든 상호 작용 후 PD 표면에 닿는 광자에 대해 추가 분석이 이루어질 수 있다.
당화혈색소 측정 장치(130)는 측정모델 구축부(250)를 통해 몬테카를로 시뮬레이션에 따라 측정되는 광자 세기(photon intensity)를 수집하고(단계 S350), 광자 세기에 따른 맥파(PPG) 신호, 산소포화도(SpO2) 및 당화혈색소(HbA1c)를 학습하여 당화혈색소 추정을 위한 측정 모델을 구축할 수 있다(단계 S370). 마지막으로, 당화혈색소 측정 장치(130)는 당화혈색소 측정부(270)를 통해 측정 모델을 이용하여 측정 대상자의 산소포화도와 당화혈색소를 추정할 수 있다(단계 S390).
도 4는 몬테카를로 시뮬레이션에 의한 광자의 횡단 규칙을 설명하기 위한 흐름도이다.
도 4를 참조하면, 몬테카를로 시뮬레이션은 가상의 광자들 각각의 움직임을 몬테카를로 규칙에 따라 결정할 수 있다. 여기에서, 몬테카를로 규칙은 가상의 광자들의 움직임을 정의하는 횡단 규칙에 해당할 수 있다. 즉, 가상의 광자들 각각은 매체와의 충돌에 의해 반사, 투과 또는 흡수될 수 있으며, 각 이벤트로 인해 위치(position), 방향(direction) 및 무게(weight) 중 적어도 하나의 변경이 발생할 수 있다.
보다 구체적으로, 몬테카를로 시뮬레이션을 통해 초기 방향과 위치 좌표를 가지는 가상의 광자들(광자 패킷, photon packet)이 조직 표면을 향해 방출될 수 있다(S410). 이 때, 광자 패킷의 초기 통계적 무게(initial statistical weight)는 1로 설정될 수 있다(즉, w = 1).
조직 표면에서 반사에 대한 초기 보정(initial correction) 후 광자 패킷은 광자 산란 확률(probability of photon scattering)의 무작위 샘플링에 의해 계산된 단위 크기(
)에 따라 전파될 수 있으며, 단위 크기(
)은 다음의 수학식 2와 같이 표현될 수 있다.
[수학식 2]
여기에서, ξ(0<ξ<l)는 컴퓨터에 의해 생성된 의사난수(pseudo random number)이고, μs는 산란계수(scattering coefficient)를 나타낸다.
광자 패킷이 경계에 도달하면 안쪽으로 반사될지 또는 투과될지에 관한 결정이 이루어질 수 있다(S420). 만약 광자가 투과될 경우 광검지부에 의한 검지 기준 이하로 떨어지는지 여부를 결정할 수 있다. 광검지부에 의해 광자가 검지되면 기 정의된 변수들, 즉 광학경로(optical path), 감지강도(detected intensity) 및 침투깊이(penetration depth)에 관한 수치가 결정될 수 있고(S430), 해당 광자 패킷의 전파가 종료될 수 있다(S440).
또한, 광자가 자유 전파될 경우 흡수(absorption) 및 산란(scattering) 이벤트가 발생할 수 있다(S450). 즉, 광자 무게의 일부가 매체에 흡수될 수 있고 나머지 무게는 계속 전파될 수 있으며, 흡수된 무게(Δw)는 다음의 수학식 3과 같이 표현될 수 있다.
[수학식 3]
여기에서, μa는 흡수계수(absorption coefficient)이고, w는 광자의 무게를 나타낸다.
또한, 광자의 산란을 위해 광자 패킷의 방향은 무작위로 생성된 굴절각(deflection angle) 및 방위각(azimuthal angle)에 의해 결정될 수 있다. 구체적으로, 산란각 θ는 다음의 수학식 4를 사용하여 계산될 수 있다.
[수학식 4]
여기에서, g는 대칭성에 관한 변수를 나타낸다. 즉, g = 0의 경우 등방성에 해당하고, g = +1의 경우 양의 방향을 갖는 비등방성에 해당할 수 있다.
또한, 방위각 φ은 0과 2π 사이에서 무작위로 생성될 수 있으며, 다음의 수학식 5와 같이 표현될 수 있다.
[수학식 5]
이후, 몬테카를로 시뮬레이션은 광자 패킷이 검지되거나 폐기될 때까지 동일 과정을 반복적으로 수행할 수 있다. 만약 광자의 무게가 너무 작거나 광검지부에 의해 검지되지 않고 전파되는 경우 해당 광자는 폐기될 수 있으며, 새로운 광자 패킷이 생성되어 방출될 수 있다. 몬테카를로 시뮬레이션은 광검지부에서 원하는 수의 광자 패킷들이 검지될 때까지 프로세스를 반복적으로 수행할 수 있다.
도 5a 내지 5e는 몬테카를로 시뮬레이션에 의한 광자의 움직임을 설명하는 도면이다.
도 5a 내지 5e를 참조하면, 몬테카를로 시뮬레이션은 특정의 신체 부위에 대응되는 가상의 3차원 모델을 통과하는 가상의 광자들 각각의 움직임을 몬테카를로 규칙에 따라 결정할 수 있다. 이때, 몬테카를로 규칙은 가상의 광자들의 움직임을 정의하는 횡단 규칙에 해당할 수 있다. 즉, 가상의 광자들 각각은 매체와의 충돌에 의해 반사, 투과 또는 흡수될 수 있으며, 각 이벤트로 인해 위치(position), 방향(direction) 및 무게(weight) 중 적어도 하나의 변경이 발생할 수 있다.
보다 구체적으로, 몬테카를로 시뮬레이션을 통해 초기 방향(Direction vector, [x, y, z])과 위치 좌표(Position vector, [θx, θy, θz])를 가지는 가상의 광자(Generated photon)가 조직 표면을 향해 방출될 수 있다(도 5b의 그림 (a)). 이 때, 광자의 초기 무게(weight)는 1로 설정될 수 있다(즉, Weight = 1.0).
LED로부터 방출된 광자는 3차원 모델의 피부(Skin) 조직을 통과하는 움직임이 결정될 수 있으며(도 5b의 그림 (b)), 해당 움직임에 따라 위치 좌표가 변경될 수 있다([x1, y1, z1]).
가상의 광자가 손가락 피부면(Finger surface planes)에 도달하면 안쪽으로 반사될지 또는 투과될지에 관한 결정이 이루어질 수 있다(도 5c의 그림 (c)). 한편, 광자가 자유 전파될 경우 흡수(absorption) 및 산란(scattering) 이벤트가 발생할 수 있다. 흡수의 경우, 광자 무게의 일부가 매체에 흡수되고 나머지 무게는 계속 전파됨에 따라 광자의 무게(weight)가 변경될 수 있다. 산란의 경우, 광자의 방향(direction)이 변경될 수 있다.
만약 광자가 손가락 피부면에서 반사되는 경우 광자의 방향이 변경될 수 있다(도 5c의 그림 (d)). 이후, 몬테카를로 시뮬레이션은 광자의 움직임에 관한 변수들을 갱신할 수 있다(도 5d의 그림 (e)). 예를 들어, 광자의 반사는 광자의 방향([θx1, θy1, θz1])과 무게(0.95)에 관한 변수들을 각각 변경시킬 수 있다.
이후, 몬테카를로 시뮬레이션은 광자의 무게가 0이 될때까지 반복적으로 수행될 수 있다. 또한, 몬테카를로 시뮬레이션은 광자의 위치가 PD 영역(PD region)에 도달할 때까지 반복적으로 수행될 수 있다(도 5d의 그림 (f)). 즉, 몬테카를로 시뮬레이션은 광자가 검지되거나 폐기될 때까지 광자의 다음 움직임을 결정하고, 해당 움직임에 따른 위치, 방향 및 무게의 변화를 갱신할 수 있다(도 5e의 그림 (g)).
도 6은 몬테카를로 시뮬레이션에 의한 광자의 세기 규칙을 설명하는 도면이다.
도 6을 참조하면, 몬테카를로 시뮬레이션을 통해 광자의 세기는 1로 시작될 수 있으며(weight=1), 신체 모델을 통과하면서 점차적으로 감쇄될 수 있다. 광자는 각 모델층을 통과하며 피부 밖으로 이동하거나, 세기가 0이 되어 사라질 수 있다. 이후, 최종적으로 모델 밖으로 살아나온 광자만이 수집되어 광자 세기가 저장될 수 있다.
도 7은 본 발명에 따른 당화혈색소 추정을 위한 학습 모델의 구축 과정을 설명하는 도면이다.
도 7을 참조하면, 당화혈색소 측정 장치(130)는 측정모델 구축부(250)를 통해 측정 모델을 구축하기 위한 학습 동작을 수행할 수 있으며, 학습 단계는 총 3 단계로 구분될 수 있다. 즉, PPG 신호 보정 단계, HbA1c 추정 학습 단계 및 HbA1c 보정 단계로 이루어질 수 있다.
먼저, PPG 신호 보정 단계는 1차 보정 단계에 해당할 수 있다. PPG신호가 수신되면, PPG 신호는 몬테카를로 시뮬레이션 신호(광자 세기)의 진폭과 일치하도록 스케일이 조정될 수 있다. 해당 단계에서는 필터링 및 신호 정규화 등이 함께 수행될 수 있다. 이후, 룩업테이블을 이용하여 PPG 신호에 대한 보정 동작이 수행될 수 있다.
HbA1c 추정 학습 단계는 몬테카를로 시뮬레이션 결과 테이블을 이용한 학습 단계에 해당할 수 있다. 룩업테이블과 함께 물리적 특성(예를 들어, 체질량지수(BMI) 등)에 관한 외부 입력 특징을 추가하여 특징 추출 작업이 수행될 수 있다. 특징 추출이 완료되면 학습에 사용할 특징을 최종 확정하고 룩업테이블을 이용하여 기계학습(예를 들어, XGBoost 등)을 진행하여 HbA1c 및 SpO2를 추정하는 측정 모델을 생성할 수 있다.
HbA1c 보정 단계는 2차 보정 단계에 해당할 수 있다. 즉, 모델에 의해 추정된 값을 값 보정 모델을 사용하여 HbA1c 및 SpO2 값을 보다 정확하게 추정하는 동작이 수행될 수 있다. 이때, 값 보정 모델에는 레퍼런스 데이터(reference data)와 추정 데이터를 사용될 수 있다.
도 8은 학습 모델을 이용하여 당화혈색소의 농도를 추정하는 과정을 설명하는 도면이고, 도 9는 측정 대상자의 PPG 신호를 기초로 당화혈색소의 농도를 추정하는 과정을 간략하게 표현한 도면이다.
도 8 및 9를 참조하면, 도 7에서의 학습이 완료된 이후에는 테스트 동작이 수행될 수 있다. 임의의 PPG 신호가 수신되면, 먼저 학습된 1차 보정기를 통과시켜 PPG 신호에 대응되는 광자로 변환할 수 있다. 이후, 변환된 광자는 몬테카를로 시뮬레이션 기반 학습 모델에 입력될 수 있고, HbA1c 및 SpO2를 추정하는 과정에 사용될 수 있다. 마지막으로, 모델에 의해 추정된 HbA1c 및 SpO2 값은 학습된 2차 보정기에 통과됨으로써 최종 결과가 생성될 수 있다. 테스트 단계의 블록도는 도 8에 도시되어 있으며, 이를 보다 간략화한 테스트 단계의 블록도는 도 9에 도시되어 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 당화혈색소 측정 시스템
110: 사용자 단말 130: 당화혈색소 측정 장치
150: 데이터베이스
210: 3D 모델링부 230: 시뮬레이션 수행부
250: 측정모델 구축부 270: 당화혈색소 측정부
290: 제어부
110: 사용자 단말 130: 당화혈색소 측정 장치
150: 데이터베이스
210: 3D 모델링부 230: 시뮬레이션 수행부
250: 측정모델 구축부 270: 당화혈색소 측정부
290: 제어부
Claims (15)
- 3D 모델링부를 통해, 특정 신체부위에 대한 2차원 스캔 이미지를 획득하는 단계;
상기 3D 모델링부를 통해, 상기 2차원 스캔 이미지를 이용하여 상기 특정 신체부위에 대응되는 가상의 3차원 모델을 생성하는 단계;
시뮬레이션 수행부를 통해, 상기 3차원 모델을 기초로 가상의 광자(photon)들에 대해 몬테카를로 규칙을 적용한 결과로서 상기 3차원 모델에 관한 가상의 입사광 및 파생광의 움직임 각각을 시뮬레이션 하는 몬테카를로 시뮬레이션(MCS, Monte Carlo Simulation)을 수행하는 단계;
측정모델 구축부를 통해, 상기 몬테카를로 시뮬레이션에 따라 측정되는 광자 세기(photon intensity)를 수집하는 단계;
상기 측정모델 구축부를 통해, 상기 광자 세기에 따른 맥파(PPG) 신호, 산소포화도(SpO2) 및 당화혈색소(HbA1c)를 학습하여 당화혈색소 추정을 위한 측정 모델을 구축하는 단계; 및
당화혈색소 측정부를 통해, 상기 측정 모델을 이용하여 측정 대상자의 산소포화도와 당화혈색소를 추정하는 단계;를 포함하고,
상기 몬테카를로 규칙은 매체와의 충돌에 따른 반사, 투과 또는 흡수의 각 이벤트로 인한 위치(position), 방향(direction) 및 무게(weight) 중 적어도 하나의 변경에 따라 상기 가상의 광자들의 움직임을 정의하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법.
- 제1항에 있어서, 상기 특정 신체부위는
피부의 두께에 따라 해당 피부 아래에 존재하는 모세혈관의 감지가 가능한 부위를 포함하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법.
- 제1항에 있어서, 상기 2차원 스캔 이미지를 획득하는 단계는
상기 특정 신체부위에 대한 MRI 이미지 또는 CT 이미지를 상기 2차원 스캔 이미지로서 수신하는 단계를 포함하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법.
- 제1항에 있어서, 상기 3차원 모델을 생성하는 단계는
상기 2차원 스캔 이미지에 3D 변환 알고리즘을 적용하여 상기 3차원 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법.
- 제1항에 있어서, 상기 몬테카를로 시뮬레이션을 수행하는 단계는
상기 3차원 모델의 일측에 위치한 가상의 LED 모듈을 통해 특정 파장값을 갖는 가상의 입사광을 상기 3차원 모델을 향해 조사하는 단계; 및
상기 LED 모듈에 대응되어 위치한 가상의 광검지부를 통해 상기 입사광으로부터 상기 3차원 모델을 경유하여 파생되는 가상의 파생광(derived lights)을 검지하는 단계를 포함하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법.
- 삭제
- 제1항에 있어서, 상기 몬테카를로 규칙은
특정 광자와 특정 매체 간의 충돌에 따른 반사(reflection), 투과(transmission) 및 흡수(absorption) 중 적어도 하나에 관한 횡단 규칙(traversing rule)을 포함하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법.
- 제1항에 있어서, 상기 몬테카를로 시뮬레이션을 수행하는 단계는
상기 3차원 모델을 기초로 서로 다른 적어도 2개의 파장에 대해 상기 몬테카를로 시뮬레이션을 독립적으로 수행하는 단계를 포함하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법.
- 제1항에 있어서, 상기 측정 모델을 구축하는 단계는
복수의 파장들에 대해 상기 광자 세기, 상기 산소포화도 및 상기 당화혈색소에 관한 룩업테이블(LUT)을 구축하는 단계를 포함하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법.
- 제9항에 있어서, 상기 측정 모델을 구축하는 단계는
상기 룩업테이블을 기초로 상기 맥파 신호, 기준 당화혈색소 및 기준 산소포화도에 상응하는 광자 세기를 결정하기 위해 기계학습을 적용하여 상기 측정 모델을 구축하는 단계를 포함하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법.
- 제1항에 있어서, 상기 산소포화도와 당화혈색소를 추정하는 단계는
상기 측정 대상자의 측정 맥파 신호를 수신하는 단계;
상기 측정 맥파 신호에 대응되는 후보 광자 세기를 결정하는 단계;
상기 후보 광자 세기를 상기 측정 모델에 입력하여 후보 산소포화도와 후보 당화혈색소를 획득하는 단계; 및
상기 후보 산소포화도와 상기 후보 당화혈색소를 보정하여 상기 측정 대상자의 산소포화도와 당화혈색소를 최종 결정하는 단계를 포함하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법.
- 특정 신체부위에 대한 2차원 스캔 이미지를 획득하여 가상의 3차원 모델을 생성하는 3D 모델링부;
상기 3차원 모델을 기초로 가상의 광자(photon)들에 대해 몬테카를로 규칙을 적용한 결과로서 상기 3차원 모델에 관한 가상의 입사광 및 파생광의 움직임 각각을 시뮬레이션 하는 몬테카를로 시뮬레이션(MCS, Monte Carlo Simulation)을 수행하는 시뮬레이션 수행부;
상기 몬테카를로 시뮬레이션에 따라 측정되는 광자 세기(photon intensity)를 수집하고 상기 광자 세기에 따른 맥파(PPG) 신호, 산소포화도(SpO2) 및 당화혈색소(HbA1c)를 학습하여 당화혈색소 추정을 위한 측정 모델을 구축하는 측정모델 구축부; 및
상기 측정 모델을 이용하여 측정 대상자의 산소포화도와 당화혈색소를 추정하는 당화혈색소 측정부;를 포함하고,
상기 몬테카를로 규칙은 매체와의 충돌에 따른 반사, 투과 또는 흡수의 각 이벤트로 인한 위치(position), 방향(direction) 및 무게(weight) 중 적어도 하나의 변경에 따라 상기 가상의 광자들의 움직임을 정의하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 장치.
- 제12항에 있어서, 상기 측정모델 구축부는
복수의 파장들에 대해 상기 광자 세기, 상기 산소포화도 및 상기 당화혈색소에 관한 룩업테이블(LUT)을 구축하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 장치.
- 제13항에 있어서, 상기 측정모델 구축부는
상기 룩업테이블을 기초로 상기 맥파 신호, 기준 당화혈색소 및 기준 산소포화도에 상응하는 광자 세기를 결정하기 위해 기계학습을 적용하여 상기 측정 모델을 구축하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 장치.
- 제12항에 있어서, 상기 당화혈색소 측정부는
상기 측정 대상자의 측정 맥파 신호를 수신하고 상기 측정 맥파 신호에 대응되는 후보 광자 세기를 결정하며 상기 후보 광자 세기를 상기 측정 모델에 입력하여 후보 산소포화도와 후보 당화혈색소를 획득하고 상기 후보 산소포화도와 상기 후보 당화혈색소를 보정하여 상기 측정 대상자의 산소포화도와 당화혈색소를 최종 결정하는 것을 특징으로 하는 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210157563A KR102439240B1 (ko) | 2021-11-16 | 2021-11-16 | 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210157563A KR102439240B1 (ko) | 2021-11-16 | 2021-11-16 | 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102439240B1 true KR102439240B1 (ko) | 2022-09-02 |
Family
ID=83281206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210157563A KR102439240B1 (ko) | 2021-11-16 | 2021-11-16 | 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102439240B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11747348B2 (en) | 2021-09-29 | 2023-09-05 | Orange Biomed Ltd., Co. | Apparatus for measuring glycation of red blood cells and glycated hemoglobin level using physical and electrical characteristics of cells, and related methods |
| US11852577B2 (en) | 2021-09-29 | 2023-12-26 | Orange Biomed Ltd., Co. | Apparatus for measuring properties of particles in a solution and related methods |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004113353A (ja) * | 2002-09-25 | 2004-04-15 | Citizen Watch Co Ltd | 血液分析装置 |
| KR100871074B1 (ko) | 2007-02-01 | 2008-11-28 | 삼성전자주식회사 | 비침습형 혈당 측정 장치 및 그 방법 |
| JP2014016235A (ja) * | 2012-07-09 | 2014-01-30 | Seiko Epson Corp | 光吸収係数分布推定装置、濃度測定装置及び光吸収係数分布推定装置の制御方法 |
| KR20200029023A (ko) * | 2017-08-23 | 2020-03-17 | 가부시키가이샤 리코 | 측정 장치 및 측정 방법 |
| US20210212606A1 (en) * | 2020-01-15 | 2021-07-15 | Bao Tran | Glucose management |
-
2021
- 2021-11-16 KR KR1020210157563A patent/KR102439240B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004113353A (ja) * | 2002-09-25 | 2004-04-15 | Citizen Watch Co Ltd | 血液分析装置 |
| KR100871074B1 (ko) | 2007-02-01 | 2008-11-28 | 삼성전자주식회사 | 비침습형 혈당 측정 장치 및 그 방법 |
| JP2014016235A (ja) * | 2012-07-09 | 2014-01-30 | Seiko Epson Corp | 光吸収係数分布推定装置、濃度測定装置及び光吸収係数分布推定装置の制御方法 |
| KR20200029023A (ko) * | 2017-08-23 | 2020-03-17 | 가부시키가이샤 리코 | 측정 장치 및 측정 방법 |
| US20210212606A1 (en) * | 2020-01-15 | 2021-07-15 | Bao Tran | Glucose management |
Non-Patent Citations (1)
| Title |
|---|
| Haque, C.A. et al., "Noninvasive In Vivo Estimation of Blood-Glucose Concentration by Monte Carlo Simulation", Sensors 2021, 21, 4918. (2021.07.19.)* * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11747348B2 (en) | 2021-09-29 | 2023-09-05 | Orange Biomed Ltd., Co. | Apparatus for measuring glycation of red blood cells and glycated hemoglobin level using physical and electrical characteristics of cells, and related methods |
| US11852577B2 (en) | 2021-09-29 | 2023-12-26 | Orange Biomed Ltd., Co. | Apparatus for measuring properties of particles in a solution and related methods |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102219911B1 (ko) | 신체 내부 조직의 광학적인 검출 및 분석 방법 및 장치 | |
| KR102439240B1 (ko) | 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 방법 및 장치 | |
| US9459203B2 (en) | Systems and methods for generating and using projector curve sets for universal calibration for noninvasive blood glucose and other measurements | |
| JP4991431B2 (ja) | 脳機能計測による外部環境制御装置 | |
| US20110230744A1 (en) | System and apparatus for the non-invasive measurement of glucose levels in blood | |
| Chatterjee et al. | Investigating the origin of photoplethysmography using a multiwavelength Monte Carlo model | |
| CN106659392A (zh) | 非侵扰式皮肤组织水合确定设备及相关的方法 | |
| CN109414226A (zh) | 利用黑色素校正确定组织氧饱和度 | |
| CN109310374B (zh) | 确定绝对和相对组织氧饱和度 | |
| JP2016010717A (ja) | 濃度定量装置 | |
| Philip et al. | Continous monitoring of blood glucose using photophlythesmograph signal | |
| CN108697335A (zh) | 利用信号分析来检测活体组织的方法和设备 | |
| US20230172565A1 (en) | Systems, devices, and methods for developing a model for use when performing oximetry and/or pulse oximetry and systems, devices, and methods for using a fetal oximetry model to determine a fetal oximetry value | |
| JP5521199B2 (ja) | 濃度定量装置及び濃度定量方法並びにプログラム | |
| JP5626879B2 (ja) | 濃度定量装置及び濃度定量方法並びにプログラム | |
| JP2022134068A (ja) | 生体情報演算システム、サーバ、及びデータ構造 | |
| KR102403577B1 (ko) | 몬테카를로 시뮬레이션을 이용한 비침습적 당화혈색소 측정 시스템 및 방법 | |
| JP2022133922A (ja) | 生体情報演算システム | |
| JP5626880B2 (ja) | 濃度定量装置及び濃度定量方法並びにプログラム | |
| JP5733117B2 (ja) | 脳活動状態解析装置、リハビリテーション補助装置、思念制御型駆動装置、思念制御型表示装置、測定ポイント選択方法、測定ポイント選択プログラム | |
| Hu et al. | The effect of Skin Melanin Concentration on Wrist Reflectance Photoplethysmography based on Monte Carlo Simulation | |
| RU2793540C1 (ru) | Портативное устройство и способ для неинвазивного измерения элементов крови | |
| WO2023183621A1 (en) | Systems, devices, and methods for determining an oximetry value using an oximetry model | |
| Alvarez et al. | Using Monte Carlo simulated PPGs signals to train a deep learning model to predict hemoglobin levels | |
| US20230309932A1 (en) | Biometric information computing system, server, and data structure |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |