KR102501837B1 - 신호 특징 추출 방법 및 장치 - Google Patents

신호 특징 추출 방법 및 장치 Download PDF

Info

Publication number
KR102501837B1
KR102501837B1 KR1020150156348A KR20150156348A KR102501837B1 KR 102501837 B1 KR102501837 B1 KR 102501837B1 KR 1020150156348 A KR1020150156348 A KR 1020150156348A KR 20150156348 A KR20150156348 A KR 20150156348A KR 102501837 B1 KR102501837 B1 KR 102501837B1
Authority
KR
South Korea
Prior art keywords
signal
estimating
waveform
signals
parameters
Prior art date
Application number
KR1020150156348A
Other languages
English (en)
Other versions
KR20170053887A (ko
Inventor
박창순
권의근
김상준
윤승근
최창목
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020150156348A priority Critical patent/KR102501837B1/ko
Priority to US15/162,982 priority patent/US10152574B2/en
Priority to CN201610584251.8A priority patent/CN106681961B/zh
Priority to EP16188014.1A priority patent/EP3165158B1/en
Priority to JP2016205440A priority patent/JP6869691B2/ja
Publication of KR20170053887A publication Critical patent/KR20170053887A/ko
Application granted granted Critical
Publication of KR102501837B1 publication Critical patent/KR102501837B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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
    • A61B5/026—Measuring blood flow
    • A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives
    • 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
    • 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
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • 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
    • A61B5/026—Measuring blood flow
    • A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1102—Ballistocardiography
    • 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
    • A61B5/24—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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Abstract

신호 특징 추출 방법 및 장치가 개시된다. 일 실시예에 따른 신호 특징 추출 장치는 파라미터들에 의해 결정되는 신호 모델을 이용하여 입력 신호를 형성하는 복수의 엘리먼트 신호들을 추정하고, 추정된 엘리먼트 신호들로부터 신호 특징을 추출할 수 있다.

Description

신호 특징 추출 방법 및 장치{SIGNAL FEATURE EXTRACTION METHOD AND SIGNAL FEATURE EXTRACTION APPARATUS}
아래의 설명은 입력 신호로부터 신호 특징을 추출하는 기술에 관한 것이다.
최근, IT 기술과 의료 기술이 접목된 IT-의료 융합 기술에 대한 연구가 활발이 이루어지고 있다. 특히, 인체의 건강 상태에 대한 모니터링 행위가 병원에서만 국한되지 않고, 사무실 및 가정 등과 같이 일상 생활 속에서 움직이는 사용자의 건강 상태를 언제 어디서나 모니터링해주는 모바일 헬스케어 분야로 확대되고 있다. 모바일 헬스케어에서는, 시간 및 공간의 제약 없이 사용자의 생체 신호를 측정하고, 측정된 생체 신호를 분석하여 사용자의 현재 건강 상태를 추정할 수 있다.
1.미국 공개 특허공보(공개번호: US 2016/0331299A1 공개일: 2015.08.06) 2. 미국 공개 특허공보(공개번호: US 2016/0220128A1 공개일: 2015.04.09)
일 실시예에 따른 신호 특징 추출 방법은, 입력 신호의 엘리먼트 신호들을 추정하는 단계; 및 상기 엘리먼트 신호들로부터 신호 특징을 추출하는 단계를 포함하고, 상기 엘리먼트 신호들을 추정하는 단계는, 상기 입력 신호의 제1 엘리먼트 신호를 추정하는 단계; 및 상기 입력 신호로부터 상기 제1 엘리먼트 신호가 제거된 제1 중간 신호의 파형에 기초하여 상기 입력 신호의 제2 엘리먼트 신호를 추정하는 단계를 포함할 수 있다.
일 실시예에 따른 신호 특징 추출 방법에서, 상기 제1 엘리먼트 신호를 추정하는 단계는, 상기 엘리먼트 신호들을 모델링하기 위한 신호 모델 및 상기 입력 신호의 파형에 기초하여 상기 제1 엘리먼트 신호에 대한 파라미터들을 추정하는 단계; 및 상기 추정된 파라미터들을 상기 신호 모델에 적용하여 상기 제1 엘리먼트 신호를 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 신호 특징 추출 방법에서, 상기 파라미터들을 추정하는 단계는, 상기 입력 신호의 파형을 미분하여 서로 다른 차수의 미분 신호들을 결정하는 단계; 및 상기 미분 신호들의 특징점들을 이용하여 상기 제1 엘리먼트 신호에 대한 파라미터들을 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 신호 특징 추출 방법에서, 상기 제2 엘리먼트 신호를 추정하는 단계는, 상기 엘리먼트 신호들을 모델링하기 위한 신호 모델 및 상기 중간 신호의 파형에 기초하여 상기 제2 엘리먼트 신호에 대한 파라미터들을 추정하는 단계; 및 상기 추정된 파라미터들을 상기 신호 모델에 적용하여 상기 제2 엘리먼트 신호를 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 신호 특징 추출 방법에서, 상기 엘리먼트 신호들을 추정하는 단계는, 상기 제1 중간 신호로부터 상기 제2 엘리먼트 신호가 제거된 제2 중간 신호의 파형에 기초하여 상기 입력 신호의 제3 엘리먼트 신호를 추정하는 단계를 더 포함할 수 있다.
다른 실시예에 따른 신호 특징 추출 방법은, 파라미터들에 의해 결정되는 신호 모델을 이용하여 입력 신호를 형성하는 복수의 엘리먼트 신호들을 추정하는 단계; 및 상기 엘리먼트 신호들로부터 신호 특징을 추출하는 단계를 포함할 수 있다.
다른 실시예에 따른 신호 특징 추출 방법에서, 상기 엘리먼트 신호들을 추정하는 단계는, 상기 신호 모델 및 상기 입력 신호의 파형에 기초하여 상기 입력 신호의 제1 엘리먼트 신호를 추정하는 단계; 및 상기 입력 신호로부터 상기 제1 엘리먼트 신호가 제거된 중간 신호의 파형에 기초하여 상기 입력 신호의 제2 엘리먼트 신호를 추정하는 단계를 포함할 수 있다.
일 실시예에 따른 신호 특징 추출 장치는, 적어도 하나의 프로세서; 및 상기 프로세서에 의해 실행될 인스트럭션들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금, 입력 신호의 엘리먼트 신호들을 추정하는 동작; 및 상기 엘리먼트 신호들로부터 신호 특징을 추출하는 동작을 실행하도록 구성되고, 상기 엘리먼트 신호들을 추정하는 동작은, 상기 입력 신호의 제1 엘리먼트 신호를 추정하는 동작; 및 상기 입력 신호의 파형으로부터 상기 제1 엘리먼트 신호의 파형이 제거된 제1 중간 신호에 기초하여 상기 입력 신호의 제2 엘리먼트 신호를 추정하는 동작을 포함할 수 있다.
도 1a 및 도 1b는 PPG 파형의 일례들을 도시하는 도면들이다.
도 2 및 도 3은 일 실시예에 따른 신호 특징 추출 방법의 동작을 설명하기 위한 흐름도들이다.
도 4는 일 실시예에 따른 신호 특징 추출 장치의 구성을 설명하기 위한 도면이다.
도 5a 내지 도 5c는 일 실시예에 따른 엘리먼트 신호를 추정하는 과정을 설명하기 위한 도면들이다.
도 6은 일 실시예에 따른 입력 신호 및 입력 신호의 미분 신호들의 일례를 나타내는 도면이다.
도 7은 일 실시예에 따른 신호 특징 추출 방법의 동작을 구체적으로 설명하기 위한 흐름도이다.
도 8a 내지 도 8d는 일 실시예에 따른 입력 신호의 파형으로부터 엘리먼트 신호들을 추정하는 과정을 설명하기 위한 도면들이다.
도 9a 내지 도 9c는 일 실시예에 따른 입력 신호로부터 추정된 엘리먼트 신호들의 일례들을 나타내는 도면들이다.
도 10은 다른 실시예에 따른 신호 특징 추출 장치의 구성을 도시하는 도면이다.
아래의 특정한 구조적 내지 기능적 설명들은 단지 실시예들을 설명하기 위한 목적으로 예시된 것으로, 특허출원의 범위가 본 명세서에 설명된 내용에 한정되는 것으로 해석되어서는 안된다. 설명한 분야에 속하는 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 본 명세서에서 "일 실시예" 또는 "실시예"에 대한 언급은 그 실시예와 관련하여 설명되는 특정한 특징, 구조 또는 특성이 적어도 하나의 실시예에 포함된다는 것을 의미하며, "일 실시예" 또는 "실시예"에 대한 언급이 모두 동일한 실시예를 지칭하는 것이라고 이해되어서는 안된다.
제1 또는 제2 등의 용어가 다양한 구성요소들을 구분하기 위해 사용될 수 있지만, 구성요소들이 제1 또는 제2의 용어에 의해 한정되는 것으로 해석되어서는 안된다. 또한, 실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하의 실시예들은, 입력 신호로부터 해당 입력 신호를 구성하는 복수의 엘리먼트 신호들을 결정하고, 결정된 엘리먼트 신호들로부터 신호 특징을 추출하는데 적용될 수 있다. 본 명세서에서는 설명의 편의를 위해 입력 신호가 PPG(Photoplethysmogram) 신호라고 가정하여 PPG 신호로부터 신호 특징을 추출하는 실시예를 중심으로 설명하나, 실시예의 범위가 이에 한정되는 것은 아니다. 예를 들어, 실시예들은 심전도(ECG, Electrocardiography), 산소포화도, 심탄도(ballistocardiac, BCG) 등의 생체 신호뿐만 아니라 다른 유형의 신호로부터 신호 특징을 추출하는데에도 적용될 수 있다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1a 및 도 1b는 PPG 파형의 일례들을 도시하는 도면들이다.
PPG 신호는 심박에 의한 혈류량의 변화 정보를 포함하는 생체 신호 중 하나이다. PPG 신호는 심장에서 출발하여 신체 말단으로 향하는 진행파(propagation wave)와 신체 말단으로부터 심장으로 되돌아오는 반사파(reflection wave)가 중첩된 형태를 가질 수 있다. PPG 신호에서 진행파 또는 반사파의 형태와 관련된 다양한 특징들을 추출하고, 추출된 특징들에 기초하여 혈압과 같은 심혈관계 정보(cardiovascular information)의 추정이 가능하다.
예를 들어, 진행파의 진폭(amplitude) 극대점에 해당하는 수축기 피크점(systolic peak point), 반사파의 진폭 극대점에 해당하는 확장기 피크점(diastolic peak point) 간의 시간 차이를 계산하고, 계산된 시간 차이로 사용자의 키(height)를 나눈 결과에 기초하여 사용자의 혈압을 추정할 수 있다. 어느 혈관의 특정 지점에서 진행파가 먼저 도달한 이후에 반사파가 도달하는 시간 간격이 짧을수록 혈관 경화도(vessel stiffness index)가 높아지고, 혈관 경화도가 높을수록 혈압이 증가하는 경향이 있다. 따라서, PPG 신호에서 수축기 피크점과 확장기 피크점 간의 시간 차이에 기초하여 혈관 경화도를 추정할 수 있고, 추정한 혈관 경화도에 기초하여 사용자의 혈압을 추정할 수 있다.
도 1a는 이상적인 PPG 신호 파형의 일부분을 도시한다. 도 1a에서, 가로축은 시간축을 나타내고, 세로축은 PPG 신호의 진폭을 나타낸다. PPG 신호(110)에서 시간적으로 앞부분에 나타나는 위로 볼록한 부분이 진행파의 파형 성분을 나타내고, 시간적으로 뒷부분에 나타나는 위로 볼록한 부분이 반사파의 파형 성분을 나타낸다. 여기서는 반사파가 한 개라고 가정한 것이나, 복수의 반사파가 존재할 수도 있다. 특징점들(122, 124, 126, 128)은 PPG 신호(110)의 파형으로부터 다양한 정보를 도출해내는데 필요한 중요 특징점들이다. 특징점들(122, 124, 126, 128)의 진폭 값이나 시간 값을 이용하여 사용자의 건강 상태와 상관관계가 있는 특징들이 결정될 수 있다.
특징점(126)은 수축기 피크점에 대응하는 특징점(124)이 나타난 이후에 혈관의 압력이 감소하다가 다시 증가하기 시작하는 지점으로서, 중복 절흔(dicrotic notch)에 대응되는 특징점이다. PPG 신호(110)에서 중복 절흔이 명확하게 구별될 수 있다면 PPG 신호(110)에서 진행파와 반사파가 용이하게 구분될 수 있다. 예를 들어, PPG 신호(110)를 한 번 미분한 값이 0이 되는 지점들 중 시간상으로 두 번째로 나타나는 지점을 중복 절흔이라고 결정할 수 있고, 결정된 중복 절흔에 기초하여 PPG 신호(110)에서 진행파와 반사파가 용이하게 구분될 수 있다.
하지만, 실제 측정된 PPG 신호 파형에서는 다양한 요인들에 의해 중복 절흔에 대응되는 특징점이 불분명할 수 있고, 이로 인해 PPG 신호에서 진행파와 반사파의 구분이 어려우며 부정확한 신호 특징이 추출될 수 있다. 부정확한 신호 특징의 추출은 결과적으로 부정확한 추정 결과를 초래할 수 있다. PPG 신호 파형에서 특징점이 불분명하게 나타나는 다양한 예들이 도 1b에 도시되어 있다.
도 1b를 참조하면, (a) 및 (b)는 PPG 신호 파형에서 중복 절흔의 특징점이 불분명하게 나타나 진행파와 반사파의 구분이 어려운 경우를 나타낸다. (c) 및 (d)는 PPG 신호 파형의 극대값이 진행파 성분이 아닌 반사파 성분에 나타나 수축기 피크점과 확장기 피크점이 잘못 결정될 수 있는 경우를 나타낸다. 이와 같이, PPG 신호 파형에서 특징점들을 정확히 구별하기가 어려운 상황들이 존재할 수 있다. 또한, PPG 신호 파형에서 진행파는 한 개의 파형 성분으로 구성될 수 있지만, 반사파는 복수 개의 파형들이 중첩된 형태로 나타날 수 있다. 이 경우, PPG 신호 파형에서 중첩된 여러 반사파들을 구분하여 분석할 수 있다면 보다 다양한 신호 특징들의 추출이 가능하게 되고, 이로 인해 보다 정확하게 생체 정보를 추정할 수 있다.
이하에서 설명될 신호 특징 추출 방법 및 신호 특징 추출 장치는 PPG 신호와 같은 입력 신호의 파형으로부터 해당 입력 신호를 구성하는 엘리먼트 신호들을 추정하고, 추정한 엘리먼트 신호들로부터 신호 특징을 추출할 수 있다. 여기서, 신호 특징은 예를 들어, 신호 파형의 극대점, 극소점, 피크점, 변곡점, 기울기 극대점, 기울기 극소점 및 신호 파형의 면적 등을 포함할 수 있으나, 신호 특징의 종류가 이에 한정되는 것은 아니다.
도 2는 일 실시예에 따른 신호 특징 추출 방법의 동작을 설명하기 위한 흐름도이다. 신호 특징 추출 방법은 하나 이상의 프로세서를 포함하는 신호 특징 추출 장치에 의해 수행될 수 있다.
도 2를 참조하면, 단계(210)에서 신호 특징 추출 장치는 입력 신호의 엘리먼트 신호들을 추정한다. 신호 특징 추출 장치는 복수의 엘리먼트 신호들의 파형이 서로 중첩되어 입력 신호의 파형을 형성하는 것으로 모델링하는 신호 모델에 기초하여 엘리먼트 신호들을 추정할 수 있다. 신호 특징 추출 장치는 입력 신호의 파형 정보(시간에 따른 진폭의 변화)에 기초하여 신호 모델을 구성하는 파라미터들을 결정하고, 결정된 파라미터들에 기초하여 입력 신호를 형성하는 엘리먼트 신호들을 추정할 수 있다. 일 실시예에 따르면, 신호 모델은 엘리먼트 신호가 가우시안(Gaussian) 파형의 형태를 가지고, 입력 신호가 복수의 가우시안 파형들이 중첩되어 형성되는 것으로 모델링한다. 다만, 엘리먼트 신호의 파형 형태가 가우시안 파형에 한정되는 것은 아니며, 엘리먼트 신호는 다양한 형태의 파형으로 모델링될 수 있다.
신호 특징 추출 장치는 입력 신호의 파형으로부터 엘리먼트 신호를 순차적으로 추정할 수 있다. 신호 특징 추출 장치는 입력 신호의 파형으로부터 엘리먼트 신호를 추정하고, 추정한 엘리먼트 신호를 입력 신호에서 제거하여 중간 신호를 생성한 후 중간 신호의 파형으로부터 다음 엘리먼트 신호를 추정할 수 있다. 신호 특징 추출 장치가 입력 신호로부터 엘리먼트 신호들을 추정하는 과정은 도 3 및 도 4에서 보다 자세히 설명하도록 한다.
단계(220)에서, 신호 특징 추출 장치는 단계(210)에서 추정한 엘리먼트 신호들로부터 신호 특징을 추출한다. 예를 들어, 신호 특징 추출 장치는 각 엘리먼트 신호들로부터 극대값/극소값에 해당하는 지점에 대한 정보(예, 진폭 및 시간) 및 엘리먼트 신호 파형의 면적 정보를 추출할 수 있으나, 추출되는 신호 특징의 종류가 이에 한정되는 것은 아니다. 이렇게 추출된 신호 특징들에 기초하여 부가 정보가 추정될 수 있다. 예를 들어, 생체 신호로부터 추출된 신호 특징들은 사용자의 건강 상태 정보를 추정하는데 이용될 수 있다.
도 3은 일 실시예에 따른 엘리먼트 신호들을 순차적으로 추정하는 과정을 보다 상세히 설명하기 위한 흐름도이다.
도 3을 참조하면, 단계(310)에서 신호 특징 추출 장치는 입력 신호의 제1 엘리먼트 신호를 추정한다. 신호 특징 추출 장치는 엘리먼트 신호들을 모델링하기 위한 신호 모델 및 입력 신호의 파형에 기초하여 제1 엘리먼트 신호에 대한 파라미터들을 추정할 수 있다. 신호 특징 추출 장치는 입력 신호의 파형을 미분하여 서로 다른 차수의 미분 신호들을 결정하고, 미분 신호들의 특징점들에 대한 정보를 신호 모델에 적용하여 1 엘리먼트 신호에 대한 파라미터들을 결정할 수 있다. 신호 특징 추출 장치는 미분 신호들의 피크점들에 대응하는 시간 값들 및 시간 값들에서의 입력 신호의 진폭 값들에 기초하여 파라미터들을 추정할 수 있다. 이 때, 신호 특징 추출 장치는 제1 엘리먼트 신호의 피크점이 나타나는 시간 이전의 시간 구간에 기초하여 파라미터들을 추정할 수 있다. 일 실시예에 따르면, 신호 특징 추출 장치는 신호 모델과 입력 신호의 파형에 기초하여 시간축에서 가장 먼저 나타나는 엘리먼트 신호의 파라미터들을 결정할 수 있다.
단계(320)에서, 신호 특징 추출 장치는 입력 신호로부터 제1 엘리먼트 신호가 제거된 제1 중간 신호의 파형에 기초하여 제2 엘리먼트 신호를 추정한다. 제2 엘리먼트 신호는 시간축 상에서 제1 엘리먼트 신호 다음에 나타나는 엘리먼트 신호이다. 신호 특징 추출 장치는 단계(310)에서와 유사하게, 중간 신호의 파형을 미분하여 서로 다른 차수의 미분 신호들을 결정하고, 미분 신호들의 특징점들에 대한 정보를 신호 모델에 적용하여 제2 엘리먼트 신호에 대한 파라미터들을 결정할 수 있다. 이 때, 신호 특징 추출 장치는 제2 엘리먼트 신호의 피크점이 나타나는 시간 이전의 시간 구간에 기초하여 파라미터들을 추정할 수 있다. 일 실시예에 따르면, 신호 특징 추출 장치는 신호 모델과 제1 중간 신호의 파형에 기초하여 제1 중간 신호를 구성하는 엘리먼트 신호들 중 시간축에서 가장 먼저 나타나는 엘리먼트 신호의 파라미터들을 결정할 수 있다.
단계(330)에서, 신호 특징 추출 장치는 제1 중간 신호로부터 제2 엘리먼트 신호가 제거된 제2 중간 신호의 파형에 기초하여 제3 엘리먼트 신호를 추정한다. 여기서, 제2 중간 신호는 입력 신호로부터 제1 엘리먼트 신호 및 제2 엘리먼트 신호가 모두 제거된 신호이다. 일 실시예에 따르면, 단계(320)에서와 유사하게, 신호 특징 장치는 신호 모델과 제2 중간 신호의 파형에 기초하여 신호 모델에 적용될 파라미터들을 결정하고, 결정된 파라미터들을 신호 모델에 적용하여 제3 엘리먼트 신호를 결정할 수 있다. 이렇게 결정된 제3 엘리먼트 신호는 신호 모델에 기초하여 추정된 제1 및 제2 엘리먼트 신호들과 동일한 파형을 가질 수 있다. 다른 실시예에 따르면, 제3 엘리먼트 신호가 추정하고자 하는 마지막 엘리먼트 신호인 경우, 신호 모델을 이용하여 제3 엘리먼트 신호를 추정하는 과정 없이 제2 중간 신호가 제3 엘리먼트 신호로 결정될 수도 있다.
다른 실시예에 따르면, 신호 특징 추출 장치는 단계(310) 내지 단계(330)에서 시간축 상에서 맨 뒤에 나타나는 엘리먼트 신호부터 추정할 수도 있다. 신호 특징 추출 장치는 추정하고자 하는 엘리먼트 신호의 파형이 전체 파형 성분과 유사한 정도가 더 큰 엘리먼트 신호부터 먼저 추정하는 것으로 결정할 수 있다.
중간 신호로부터 엘리먼트 신호를 추정하는 과정은, 추정된 엘리먼트 신호의 개수가 입력 신호의 파형으로부터 추정하고자 하는 엘리먼트 신호의 개수에 도달할 때까지 반복적으로 수행될 수 있다. 예를 들어, 입력 신호로부터 추정하고자 하는 엘리먼트 신호의 개수가 L 개인 경우, 신호 특징 추출 장치는 L 개의 엘리먼트 신호들이 추정될 때까지 신호 모델에 기초하여 엘리먼트 신호들을 순차적으로 추정할 수 있다. 도 3의 실시예는 L이 3인 경우로서, 최종적으로 입력 신호로부터 제1, 제2 및 제3 엘리먼트 신호들이 추정될 수 있다. L이 2인 경우, 단계(330)은 수행되지 않고, 단계(320)까지 수행될 수 있다. 이 경우, 단계(330)에서 설명한 바와 같이, 마지막 엘리먼트 신호인 제2 엘리먼트 신호는 제1 엘리먼트 신호와 같이 신호 모델에 기초하여 결정되거나 또는 제1 중간 신호가 제2 엘리먼트 신호로 결정될 수 있다.
도 4는 일 실시예에 따른 신호 특징 추출 장치의 구성을 설명하기 위한 도면이다. 도 4를 참조하면, 신호 특징 추출 장치(400)는 미분기(410), 파라미터 결정기(420), 엘리먼트 신호 추정기(430), 중간 신호 결정기(440) 및 특징 추출기(450)를 포함한다.
미분기(410)는 입력 신호의 파형을 미분하여 미분 신호를 결정한다. 미분기(410)는 일차 미분 신호 및 이차 이상의 고차(higher order) 미분 신호를 결정할 수 있다. 일 실시예에 따르면, 입력 신호는 미분기(410)에 입력되기 이전에 필터링 처리 등을 통해 노이즈가 제거될 수 있다. 파라미터 결정기(420)는 미분기(410)에 의해 계산된 미분 신호와 신호 모델에 기초하여 추적하고자 하는 엘리먼트 신호에 대한 파라미터들을 결정한다. 엘리먼트 신호 추정기(430)는 파라미터 결정기(420)에 의해 결정된 파라미터들을 신호 모델에 적용하여 현재 엘리먼트 신호를 추정한다. 엘리먼트 신호의 파형 형태는 신호 모델에 적용되는 여러 파라미터들에 의해 결정될 수 있다.
중간 신호 결정기(440)는 입력 신호에서 엘리먼트 신호 추정기(430)에 의해 추정된 현재 엘리먼트 신호를 제거하여 중간 신호를 결정한다. 중간 신호는 미분기(410)에 입력되고, 미분기(410)는 중간 신호를 미분하여 미분 신호를 결정한다. 이후에, 미리 정해진 수의 엘리먼트 신호들이 추정될 때까지 위 과정이 반복적으로 수행된다. 예를 들어, 파라미터 결정기(420)는 미분 신호와 신호 모델에 기초하여 다음 엘리먼트 신호에 대한 파라미터들을 결정하고, 엘리먼트 신호 추정기(430)는 결정된 파라미터들을 신호 모델에 적용하여 다음 엘리먼트 신호를 추정한다. 중간 신호 결정기(440)는 추정된 엘리먼트 신호를 다시 이전에 결정된 중간 신호에서 제거하여 다른 중간 신호를 생성하고, 생성된 다른 중간 신호가 다시 미분기(410)에 입력될 수 있다. 이와 같은 반복 과정이 종료하면, 입력 신호의 파형을 형성하는 복수의 엘리먼트 신호들이 결정되고, 특징 추출기(450)는 결정된 엘리먼트 신호들로부터 특징점들을 추출한다.
이하에서는, 신호 특징 추출 장치(400)가 신호 모델을 이용하여 입력 신호로부터 복수의 엘리먼트 신호들을 추정하는 일 실시예를 보다 자세히 설명하도록 한다.
입력 신호로부터 추정하고자 하는 엘리먼트 신호의 개수가 L 개이고, 엘리먼트 신호들이 가우시안 파형의 형태를 가진다고 가정하면, L 개의 시간 이동된(time-shifted) 가우시안 파형들이 중첩하여 구성된 한 주기의 입력 신호 g(t)는 다음의 수학식 1과 같이 정의된 신호 모델로 나타낼 수 있다.
Figure 112015108566073-pat00001
여기서, g(t)는 L 개의 엘리먼트 신호들 g1(t), g2(t), ... , gL(t)의 합으로 이루어진 신호를 나타내고,
Figure 112015108566073-pat00002
는
Figure 112015108566073-pat00003
번째 엘리먼트 신호를 나타낸다. t는 시간을 나타내는 변수이다.
Figure 112015108566073-pat00004
는
Figure 112015108566073-pat00005
의 평균(mean)이고,
Figure 112015108566073-pat00006
는
Figure 112015108566073-pat00007
의 표준 편차(standard deviation)이다.
Figure 112015108566073-pat00008
는
Figure 112015108566073-pat00009
의 진폭 계수(amplitude coefficient)이고,
Figure 112015108566073-pat00010
는 오프셋(offset)이다. 신호 특징 추출 장치(400)는 입력 신호의 파형에 기초하여 수학식 1에서
Figure 112015108566073-pat00011
를 정의하는 파라미터들
Figure 112015108566073-pat00012
,
Figure 112015108566073-pat00013
,
Figure 112015108566073-pat00014
및
Figure 112015108566073-pat00015
를 결정함으로써 입력 신호를 구성하는 엘리먼트 신호의 파형을 결정할 수 있다.
신호 특징 추출 장치(400)는 미분 함수를 이용하여 엘리먼트 신호에 대한 파라미터들을 용이하게 결정할 수 있다. 수학식 1에서
Figure 112015108566073-pat00016
를 미분하는 것에 의해 수학식 1이 오프셋
Figure 112015108566073-pat00017
에 무관하게 되고, 미분 함수의 피크값에 대응하는 시간을 이용함으로써 수학식 1이 진폭 계수
Figure 112015108566073-pat00018
에 무관하게 될 수 있다. 신호 특징 추출 장치(400)는 미분 함수들을 이용하여 평균
Figure 112015108566073-pat00019
과 표준 편차
Figure 112015108566073-pat00020
를 추정한 이후에, 평균
Figure 112015108566073-pat00021
과 표준 편차
Figure 112015108566073-pat00022
와 무관하게 진폭 계수
Figure 112015108566073-pat00023
및 오프셋
Figure 112015108566073-pat00024
을 추정함으로써 엘리먼트 신호를 정의하는 신호 모델의 4개의 파라미터들을 결정할 수 있다. 이 때, 신호 특징 추출 장치(400)는 파라미터의 추정 오차를 줄이기 위해 각 엘리먼트 신호의 피크점보다 시간적으로 앞선 구간에 기초하여 파라미터들을 추정할 수 있다. 이에 대해서는, 도 5a 내지 도 5c를 통해 설명하도록 한다.
도 5a는 입력 신호(500)의 파형이 3개의 엘리먼트 신호들(510, 520, 530)의 파형들이 중첩하여 구성되었다고 가정한 일례를 도시한다. 입력 신호(500)의 파형은 엘리먼트 신호들(510, 520, 530)의 파형들의 단순합으로 나타낼 수 있다. 도 5a에 도시된 파형들을 살펴보면, 입력 신호(500)의 파형의 앞부분으로 갈수록 첫 번째 엘리먼트 신호(510)의 파형과 유사한 정도가 커짐을 알 수 있다. 시간축 상에서 앞부분으로 갈수록 첫 번째 엘리먼트 신호(510)의 파형의 크기에 비해 다른 엘리먼트 신호들(520, 530)의 파형들의 크기가 상대적으로 작아져서 입력 신호(500)의 파형과 첫 번째 엘리먼트 신호(510)의 파형의 형태가 서로 유사해짐을 알 수 있다.
도 5b를 참조하면, 시간 영역(540)에서 입력 신호(500)의 파형이 다른 엘리먼트 신호들(520, 530)보다 첫 번째 엘리먼트 신호(510)의 파형과 유사함을 알 수 있다. 도 5c는 입력 신호(500)에서 첫 번째 엘리먼트 신호(510)가 제거된 중간 신호(550)의 파형을 도시한다. 시간 영역(560)에서, 중간 신호(550)의 파형은 세 번째 엘리먼트 신호(530)보다 두 번째 엘리먼트 신호(520)의 파형과 유사함을 알 수 있다.
입력 신호로부터 각 엘리먼트 신호들의 파형을 구분하기 위해, 시간적으로 먼저 발생하는 엘리먼트 신호를 추정하는 경우, 신호 특징 추출 장치(400)는 추정 오차를 줄이기 위해 시간적으로 각 엘리먼트 신호의 파형의 피크점이 나타나는 시간 이전의 시간 구간에 기초하여 엘리먼트 신호를 추정할 수 있다. 수학식 1의 신호 모델에 따르면, 시간적으로 각 엘리먼트 신호의 파형의 피크점이 나타나는 시간보다 앞선 시간 구간은
Figure 112015108566073-pat00025
에 해당한다.
수학식 1의 신호 모델에 기초한 원(original) 함수
Figure 112015108566073-pat00026
및 일차, 이차, 삼차 미분 함수인
Figure 112015108566073-pat00027
,
Figure 112015108566073-pat00028
,
Figure 112015108566073-pat00029
의 각 피크점에서의 시간 t 값(t가
Figure 112015108566073-pat00030
보다 작은 시간 구간 기준)은 다음의 표 1과 같다.
함수식 피크점에서의 t 값
Figure 112015108566073-pat00031
Figure 112015108566073-pat00032
Figure 112015108566073-pat00033
Figure 112015108566073-pat00034
Figure 112015108566073-pat00035
Figure 112015108566073-pat00036
Figure 112015108566073-pat00037
Figure 112015108566073-pat00038
도 6은 각각 표 1의
Figure 112015108566073-pat00039
,
Figure 112015108566073-pat00040
,
Figure 112015108566073-pat00041
및
Figure 112015108566073-pat00042
에 대응하는 신호 파형 및 피크점에서의 t 값을 도시한다. 각 미분 신호 파형들에서 피크점은 파형의 기울기가 0이 되는 지점으로서, t가
Figure 112015108566073-pat00043
보다 작은 시간 구간 내에서 결정될 수 있다.
도 4로 돌아오면, 미분기(410)는 전체 신호의 파형을 미분하여 미분 차수가 서로 다른 2개의 미분 신호들을 결정할 수 있다. 여기서, 전체 신호는 처음에는 입력 신호에 해당하고, 첫 번째 엘리먼트 신호가 추정된 이후부터는 입력 신호로부터 그 동안 추정된 엘리먼트 신호들을 제거한 중간 신호에 해당한다. 전체 신호의 파형 함수 g(t)에서 시간 t 값이 1씩 증가하는 디지털 샘플 인덱스(digital sample index)라고 가정하는 경우, 미분기(410)는
Figure 112015108566073-pat00044
의 관계를 이용하여 일차 미분 함수
Figure 112015108566073-pat00045
를 결정할 수 있다. 이러한 방식을 n차 미분 함수
Figure 112015108566073-pat00046
까지 확장하는 경우, 미분기(410)는
Figure 112015108566073-pat00047
의 관계를 이용하여 n차 미분 함수를 결정할 수 있다.
파라미터 결정기(420)는 결정된 2개의 미분 신호들의 피크점에서의 시간 값들에 기초하여 신호 모델의
Figure 112015108566073-pat00048
과
Figure 112015108566073-pat00049
의 파라미터들을 추정할 수 있다. 그리고, 파라미터 결정기(420)는 위 시간 값들에서 입력 신호가 가지는 진폭 값들에 기초하여 나머지 파라미터들
Figure 112015108566073-pat00050
과
Figure 112015108566073-pat00051
를 추정할 수 있다.
파라미터들을 추정하기 위해 전체 신호의 일차 미분 함수 및 이차 미분 함수를 이용하는 경우, 파라미터 결정기(420)는 위 표 1에 나타난 각 미분 함수의 피크점의 시간 값 t1, t2를 이용할 수 있다. 여기서는 일차 미분 함수와 이차 미분 함수를 이용하는 실시예를 설명하나, 실시예의 범위가 이에 한정되는 것은 아니다. 예를 들어, 이차 미분 함수 대신 삼차 미분 함수 또는 사차 미분 함수가 이용될 수도 있고, 삼차 미분 함수와 사차 미분 함수에 기초하여 파라미터들이 결정될 수도 있다.
일차 미분 함수 및 이차 미분 함수를 이용하는 경우, 표 1에 따르면, 시간 값 t1, t2 및 파라미터
Figure 112015108566073-pat00052
,
Figure 112015108566073-pat00053
의 관계식은 다음의 수학식 2와 같이 나타낼 수 있다.
Figure 112015108566073-pat00054
파라미터 결정기(420)는 수학식 2의 두 개의 선형 방정식(linear equation)들로부터 파라미터
Figure 112015108566073-pat00055
과
Figure 112015108566073-pat00056
를 결정할 수 있고, 파라미터들
Figure 112015108566073-pat00057
과
Figure 112015108566073-pat00058
는 다음의 수학식 3과 같이 나타낼 수 있다.
Figure 112015108566073-pat00059
파라미터 결정기(420)는 수학식 3과 같이 서로 다른 차수의 미분 함수들에서의 피크점에 대응하는 시간 값들에 기초하여 파라미터들
Figure 112015108566073-pat00060
과
Figure 112015108566073-pat00061
를 결정할 수 있다.
파라미터 결정기(420)는 각 t1, t2에서의 전체 신호의 진폭 값 g(t1), g(t2)를 이용하여 다른 파라미터들
Figure 112015108566073-pat00062
및
Figure 112015108566073-pat00063
을 결정할 수 있다. 진폭 값 g(t1), g(t2)과 파라미터들
Figure 112015108566073-pat00064
,
Figure 112015108566073-pat00065
간의 관계식은 다음의 수학식 4와 같이 나타낼 수 있다.
Figure 112015108566073-pat00066
여기서, g(t)는
Figure 112015108566073-pat00067
번째 엘리먼트 신호를 추정하기 위한 단계에서의 전체 신호를 나타내고, 보다 자세하게는 최초 입력 신호에서 추정된 엘리먼트 신호 g1(t), g2(t), ...,
Figure 112015108566073-pat00068
를 제거한 신호를 나타낸다.
수학식 4에서,
Figure 112015108566073-pat00069
와
Figure 112015108566073-pat00070
의 관계는
Figure 112015108566073-pat00071
의 시간 구간에서
Figure 112015108566073-pat00072
번째 엘리먼트 신호의 추정 단계에서 전체 신호 g(t)의 파형과 g(t)에 대한 첫 번째 엘리먼트 신호
Figure 112015108566073-pat00073
의 파형이 서로 유사하다는 것을 나타낸다. 파라미터 결정기(420)는 수학식 4에 기초하여 다음의 수학식 5와 같이 파라미터들
Figure 112015108566073-pat00074
와
Figure 112015108566073-pat00075
를 결정할 수 있다.
Figure 112015108566073-pat00076
엘리먼트 신호 추정기(430)는 위와 같이 결정된 파라미터들
Figure 112015108566073-pat00077
,
Figure 112015108566073-pat00078
,
Figure 112015108566073-pat00079
및
Figure 112015108566073-pat00080
을 수학식 1의
Figure 112015108566073-pat00081
에 적용하여
Figure 112015108566073-pat00082
번째 엘리먼트 신호를 결정할 수 있다.
Figure 112015108566073-pat00083
번째 엘리먼트 신호가 결정되면, 중간 신호 결정기(440)는 전체 신호에서 해당
Figure 112015108566073-pat00084
번째 엘리먼트 신호를 제거하여 새로운 중간 신호를 생성하고, 새로운 중간 신호는
Figure 112015108566073-pat00085
번째 엘리먼트 신호를 추정하기 위해 다시 미분기(410)에 입력되어 위에 설명된 과정이 다시 수행될 수 있다. 위 과정은 입력 신호로부터 미리 정해진 수의 엘리먼트 신호들이 추정될 때까지 반복적으로 수행될 수 있다.
도 7은 일 실시예에 따른 신호 특징 추출 방법의 동작을 구체적으로 설명하기 위한 흐름도이다.
도 7을 참조하면, 단계(710)에서 신호 특징 추출 장치는 입력 신호를 수신하고,
Figure 112015108566073-pat00086
을 1로 설정할 수 있다. 단계(720)에서, 신호 특징 추출 장치는 전체 신호 g(t)를 미분하여 서로 다른 차수의 미분 함수들을 계산할 수 있다.
Figure 112015108566073-pat00087
이 1인 경우, 입력 신호가 전체 신호 g(t)가 된다.
단계(730)에서, 신호 특징 추출 장치는 각 미분 함수들의 피크점에 해당하는 시간 값 t1, t2 및 진폭 값 g(t1), g(t2)를 결정할 수 있다. 단계(740)에서, 신호 특징 추출 장치는 수학식 3에 시간 값 t1, t2을 적용하여
Figure 112015108566073-pat00088
번째 엘리먼트 신호에 대한 신호 모델의 평균 및 표준 편차를 추정하고, 수학식 5에 진폭 값 g(t1), g(t2)을 적용하여 신호 모델의 진폭 계수 및 오프셋을 추정할 수 있다. 단계(750)에서, 신호 특징 추출 장치는 추정한 평균, 표준 편차, 진폭 계수 및 오프셋에 기초하여
Figure 112015108566073-pat00089
번째 엘리먼트 신호
Figure 112015108566073-pat00090
를 결정할 수 있다. 신호 특징 추출 장치는 추정한 평균, 표준 편차, 진폭 계수 및 오프셋을 수학식 1의 신호 모델에 적용하여 엘리먼트 신호
Figure 112015108566073-pat00091
를 결정할 수 있다. 단계(760)에서, 신호 특징 추출 장치는 전체 신호 g(t)에서
Figure 112015108566073-pat00092
번째 엘리먼트 신호
Figure 112015108566073-pat00093
를 제거한 신호를 새로운 전체 신호 g(t)로 설정하고,
Figure 112015108566073-pat00094
을 1만큼 증가시킬 수 있다.
단계(770)에서, 신호 특징 추출 장치는
Figure 112015108566073-pat00095
이 미리 결정된 L보다 큰지 여부를 판단할 수 있다.
Figure 112015108566073-pat00096
이 L보다 크지 않은 경우, 신호 특징 추출 장치는 단계(760)에서 새로이 설정된 전체 신호 g(t)에 기초하여 단계(720)부터 다시 시작할 수 있다. 이후, 신호 특징 추출 장치는 단계(720) 내지 단계(770)의 과정을 반복적으로 수행하여 총 L 개의 엘리먼트 신호들을 순차적으로 추정할 수 있다.
Figure 112015108566073-pat00097
이 L보다 큰 경우, 단계(780)에서 신호 특징 추출 장치는 단계(710) 내지 단계(770)를 통해 결정된 L 개의 엘리먼트 신호들로부터 신호 특징을 추출할 수 있다.
도 8a 내지 도 8d는 일 실시예에 따른 입력 신호의 파형으로부터 엘리먼트 신호들을 추정하는 과정을 설명하기 위한 도면들이다.
도 8a를 참조하면, (a)는 입력 신호 g(t)의 파형을 나타내고, (b)는 g(t)의 일차 미분 함수
Figure 112015108566073-pat00098
의 파형을 나타내며, (c)는 g(t)의 이차 미분 함수
Figure 112015108566073-pat00099
의 파형을 나타낸다. 신호 특징 추출 장치는 입력 신호 g(t)를 미분하여 일차 미분 함수
Figure 112015108566073-pat00100
및 이차 미분 함수
Figure 112015108566073-pat00101
등의 미분 함수들을 결정할 수 있다. 신호 특징 추출 장치는 일차 미분 함수
Figure 112015108566073-pat00102
및 이차 미분 함수
Figure 112015108566073-pat00103
에서 각각 첫 번째 극대점을 형성하는 시간 값 t1 및 t2를 결정하고, 시간 값 t1 및 t2 각각에서의 입력 신호 g(t)의 진폭 값인 g(t1) 및 g(t2)를 결정할 수 있다.
신호 특징 추출 장치는 시간 값 t1 및 t2에 기초하여 수학식 3으로부터 제1 엘리먼트 신호의 평균 및 표준 편차의 파라미터를 결정할 수 있다. 또한, 신호 특징 추출 장치는 진폭 값 g(t1) 및 g(t2)에 기초하여 수학식 5로부터 제1 엘리먼트 신호의 진폭 계수 및 오프셋의 파라미터를 결정할 수 있다.
위와 같은 과정을 통해 평균, 표준 편차, 진폭 계수 및 오프셋이 결정되면, 수학식 1의 신호 모델
Figure 112015108566073-pat00104
에 기초한 제1 엘리먼트 신호가 결정될 수 있다. 도 8b는 이와 같은 과정을 통해 결정된 제1 엘리먼트 신호 g1(t)의 파형의 일례를 도시한다.
그 후, 신호 특징 추출 장치는 도 8c에 도시된 바와 같이, (a)에 나타난 입력 신호 g(t)의 파형으로부터 (b)에 나타난 제1 엘리먼트 신호 g1(t)의 파형을 제거하여 (c)에 도시된 중간 신호 g(t) - g1(t)를 생성할 수 있다. 신호 특징 추출 장치는 (c)의 중간 신호를 미분하여 서로 다른 차수의 미분 함수들을 결정하고, 위에 설명된 과정에 따라 제2 엘리먼트 신호를 추정할 수 있다. 신호 특징 추출 장치는 미리 결정된 수의 엘리먼트 신호들이 추정될 때까지 위 과정을 반복하여 수행할 수 있다.
도 8d는 신호 특징 추출 장치에 의해 입력 신호의 파형으로부터 3개의 엘리먼트 신호들이 결정된 일례를 도시한다. (a)는 입력 신호 g(t)의 파형을 나타낸다. (b), (c) 및 (d)는 제1 엘리먼트 신호 g1(t), 제2 엘리먼트 신호 g2(t) 및 제3 엘리먼트 신호 g3(t)의 파형을 나타내고, 엘리먼트 신호들 g1(t), g2(t) 및 g3(t)는 중첩하여 입력 신호 g(t)를 형성할 수 있다. 신호 특징 추출 장치는 엘리먼트 신호들 g1(t), g2(t) 및 g3(t)으로부터 극대점, 극소점, 파형 면적 등의 특징을 추출할 수 있다.
도 9a 내지 도 9c는 일 실시예에 따른 입력 신호로부터 추정된 엘리먼트 신호들의 일례들을 나타내는 도면들이다. 도 9a 내지 도 9c는 입력 신호의 파형이 2개의 엘리먼트 신호들의 파형들로 구성되었다고 가정하고, 신호 특징 추출 장치가 여러 형태의 입력 신호들로부터 엘리먼트 신호들을 추정한 결과를 나타낸다.
도 9a 내지 도 9c에서 도면 부호들(910, 940, 970)은 각각 서로 다른 형태의 입력 신호를 나타내고, 각 도면 부호들(920, 950, 980)은 각 입력 신호들(910, 940, 970)의 파형으로부터 추정된 제1 엘리먼트 신호를 나타낸다. 각 도면 부호들(930, 960, 990)은 각 입력 신호들(910, 940, 970)로부터 추정된 제2 엘리먼트 신호를 나타낸다. 여기서, 제2 엘리먼트 신호는 입력 신호로부터 제1 엘리먼트 신호가 제거된 나머지 파형 성분을 포함한다.
도 9a 내지 도 9c에서 볼 수 있는 바와 같이, 입력 신호가 특징점을 추출하기 어려운 파형의 형태를 가지더라도 신호 특징 추출 장치는 입력 신호의 파형으로부터 특징점 추출이 용이한 형태를 가지는 복수의 엘리먼트 신호들을 결정하고, 결정된 엘리먼트 신호들로부터 특징점들을 보다 용이하게 추출할 수 있다. 예를 들어, 도 9b의 입력 신호(940)가 PPG 신호라면, PPG 신호에서 중복 절흔의 특징점이 불분명하여 진행파와 반사파의 구분이 용이하지 않음을 알 수 있다. 그러나, 신호 특징 추출 장치는 본 명세서에서 설명된 방법을 통해 입력 신호(940)를 진행파와 반사파로 용이하게 구분할 수 있다. 또한, 도 9c의 입력 신호(970)가 PPG 신호라면, PPG 신호에서 진행파의 진폭보다 반사파의 진폭이 크게 나타나고, 입력 신호(970)의 파형에서 특징점을 추출하기가 어려우나, 신호 특징 추출 장치는 본 명세서에서 설명된 방법을 이용하여 입력 신호를 진행파와 반사파로 용이하게 구분할 수 있다.
도 10은 다른 실시예에 따른 신호 특징 추출 장치의 구성을 도시하는 도면이다. 도 10을 참조하면, 신호 특징 추출 장치(1000)는 하나 이상의 프로세서(1010) 및 메모리(1020)를 포함한다.
프로세서(1010)는 도 1 내지 도 9c를 통하여 전술한 하나 이상의 동작을 수행한다. 예를 들어, 프로세서(1010)는 입력 신호로부터 복수의 엘리먼트 신호들을 추정하고, 추정한 엘리먼트 신호들로부터 신호 특징을 추출하는 과정을 수행할 수 있다. 이와 같은 프로세서(1010)는 다수의 논리 게이트들의 어레이로 구현될 수 있으나, 다른 형태의 하드웨어로 구현될 수도 있음은 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
메모리(1020)는 도 1 내지 도 9c를 통하여 전술한 하나 이상의 동작을 수행하기 위한 인스트럭션들(instructions)을 저장하거나 또는 신호 특징 추출 장치(1000)가 운용되면서 획득된 데이터와 결과를 저장할 수 있다. 일부 실시예들에서, 메모리(1020)는 비일시적인 컴퓨터 판독가능 매체, 예컨대 고속 랜덤 액세스 메모리 및/또는 비휘발성 컴퓨터 판독가능 저장 매체(예컨대, 하나 이상의 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 기타 비휘발성 솔리드 스테이트 메모리 디바이스들)를 포함할 수 있다.
도면에 도시되어 있지는 않지만, 실시예에 따라 신호 특징 추출 장치(1000)는 디스플레이, 키보드, 터치 스크린, 마이크로폰 등과 같은 입출력 인터페이스 또는 외부와 통신하기 위한 네트워크 통신 인터페이스를 더 포함할 수도 있다. 예를 들어, 입출력 인터페이스는 사용자에 의해 입력된 사용자 입력을 수신하거나 또는 신호 특징에 기초하여 결정된 부가 정보를 출력할 수도 있다. 네트워크 통신 인터페이스는 엘리먼트 신호들에 대한 정보 및 추출된 신호 특징에 대한 정보를 신호 특징 추출 장치(1000)의 외부로 전송할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (20)

  1. 신호 특징 추출 장치에 의해 수행되는 신호 특징 추출 방법에 있어서,
    생체 신호인 입력 신호의 엘리먼트 신호들을 추정하는 단계; 및
    상기 엘리먼트 신호들로부터 신호 특징을 추출하는 단계
    를 포함하고,
    상기 엘리먼트 신호들을 추정하는 단계는,
    상기 입력 신호의 제1 엘리먼트 신호를 추정하는 단계; 및
    상기 입력 신호로부터 상기 제1 엘리먼트 신호가 제거된 제1 중간 신호의 파형에 기초하여 상기 입력 신호의 제2 엘리먼트 신호를 추정하는 단계
    를 포함하고,
    상기 제1 엘리먼트 신호를 추정하는 단계는,
    상기 엘리먼트 신호들을 모델링하기 위한 신호 모델 및 상기 입력 신호의 파형에 기초하여 상기 제1 엘리먼트 신호에 대한 파라미터들을 추정하는 단계; 및
    상기 추정된 파라미터들을 상기 신호 모델에 적용하여 상기 제1 엘리먼트 신호를 결정하는 단계를 포함하고,
    상기 파라미터들을 추정하는 단계는,
    상기 입력 신호의 파형을 미분하여 서로 다른 차수의 미분 신호들을 결정하는 단계; 및
    상기 미분 신호들의 특징점들을 이용하여 상기 제1 엘리먼트 신호에 대한 파라미터들을 결정하는 단계를 포함하고,
    상기 제2 엘리먼트 신호를 추정하는 단계는,
    상기 엘리먼트 신호들을 모델링하기 위한 신호 모델 및 상기 제1 중간 신호의 파형에 기초하여 상기 제2 엘리먼트 신호에 대한 파라미터들을 추정하는 단계; 및
    상기 추정된 파라미터들을 상기 신호 모델에 적용하여 상기 제2 엘리먼트 신호를 결정하는 단계를 포함하는
    신호 특징 추출 방법.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 파라미터들을 추정하는 단계는,
    상기 미분 신호들의 피크점들에 대응하는 시간 값들 및 상기 시간 값들에서의 상기 입력 신호의 진폭 값들에 기초하여 상기 파라미터들을 결정하는, 신호 특징 추출 방법.
  5. 제1항에 있어서,
    상기 파라미터들을 추정하는 단계는,
    상기 제1 엘리먼트 신호의 피크점이 나타나는 시간 이전의 시간 구간에 기초하여 상기 파라미터들을 추정하는, 신호 특징 추출 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 파라미터들을 추정하는 단계는,
    상기 제1 중간 신호의 파형을 미분하여 서로 다른 차수의 미분 신호들을 결정하는 단계; 및
    상기 미분 신호들의 특징점들을 이용하여 상기 제2 엘리먼트 신호에 대한 파라미터들을 결정하는 단계
    를 포함하는 신호 특징 추출 방법.
  8. 제1항에 있어서,
    상기 제2 엘리먼트 신호를 추정하는 단계는,
    상기 제1 중간 신호를 상기 제2 엘리먼트 신호로 결정하는, 신호 특징 추출 방법.
  9. 제1항에 있어서,
    상기 엘리먼트 신호들 중 적어도 하나는,
    가우시안 파형의 형태를 가지는, 신호 특징 추출 방법.
  10. 제1항에 있어서,
    상기 신호 모델은,
    상기 엘리먼트 신호들의 파형들이 서로 중첩되어 상기 입력 신호의 파형을 형성하는 것으로 모델링하는, 신호 특징 추출 방법.
  11. 제1항에 있어서,
    상기 파라미터들은,
    평균, 표준 편차, 진폭 계수 및 오프셋을 포함하는, 신호 특징 추출 방법.
  12. 제1항에 있어서,
    상기 미분 신호들은,
    상기 입력 신호의 파형에 대한 일차 미분 함수 및 상기 입력 신호의 파형에 대한 고차 미분 함수 중 적어도 하나를 포함하는, 신호 특징 추출 방법.
  13. 제1항에 있어서,
    상기 엘리먼트 신호들을 추정하는 단계는,
    상기 제1 중간 신호로부터 상기 제2 엘리먼트 신호가 제거된 제2 중간 신호의 파형에 기초하여 상기 입력 신호의 제3 엘리먼트 신호를 추정하는 단계
    를 더 포함하는 신호 특징 추출 방법.
  14. 제1항에 있어서,
    상기 엘리먼트 신호들을 추정하는 단계는,
    미리 결정된 개수의 엘리먼트 신호들이 추정될 때까지 상기 엘리먼트 신호들을 모델링하기 위한 신호 모델에 기초하여 상기 엘리먼트 신호들을 순차적으로 추정하는, 신호 특징 추출 방법.
  15. 제1항에 있어서,
    상기 신호 특징을 추출하는 단계는,
    상기 엘리먼트 신호들의 극대점, 극소점, 피크점, 변곡점, 기울기 극대점, 기울기 극소점 및 신호 파형의 면적 중 적어도 하나를 추출하는, 신호 특징 추출 방법.
  16. 삭제
  17. 삭제
  18. 하드웨어와 결합되어 제1항, 제4항, 제5항, 제7항 내지 제15항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  19. 적어도 하나의 프로세서; 및
    상기 프로세서에 의해 실행될 인스트럭션들(instructions)을 저장하는 적어도 하나의 메모리를 포함하고,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,
    생체 신호인 입력 신호의 엘리먼트 신호들을 추정하는 동작; 및
    상기 엘리먼트 신호들로부터 신호 특징을 추출하는 동작을 실행하도록 구성되고,
    상기 엘리먼트 신호들을 추정하는 동작은,
    상기 입력 신호의 제1 엘리먼트 신호를 추정하는 동작; 및
    상기 입력 신호의 파형으로부터 상기 제1 엘리먼트 신호의 파형이 제거된 제1 중간 신호에 기초하여 상기 입력 신호의 제2 엘리먼트 신호를 추정하는 동작
    을 포함하고,
    상기 제1 엘리먼트 신호를 추정하는 동작은,
    상기 엘리먼트 신호들을 모델링하기 위한 신호 모델 및 상기 입력 신호의 파형에 기초하여 상기 제1 엘리먼트 신호에 대한 파라미터들을 추정하는 동작; 및
    상기 추정된 파라미터들을 상기 신호 모델에 적용하여 상기 제1 엘리먼트 신호를 결정하는 동작을 포함하고,
    상기 파라미터들을 추정하는 동작은,
    상기 입력 신호의 파형을 미분하여 서로 다른 차수의 미분 신호들을 결정하는 동작; 및
    상기 미분 신호들의 특징점들을 이용하여 상기 제1 엘리먼트 신호에 대한 파라미터들을 결정하는 동작을 포함하고,
    상기 제2 엘리먼트 신호를 추정하는 동작은,
    상기 엘리먼트 신호들을 모델링하기 위한 신호 모델 및 상기 제1 중간 신호의 파형에 기초하여 상기 제2 엘리먼트 신호에 대한 파라미터들을 추정하는 동작; 및
    상기 추정된 파라미터들을 상기 신호 모델에 적용하여 상기 제2 엘리먼트 신호를 결정하는 동작을 포함하는
    신호 특징 추출 장치.
  20. 제19항에 있어서,
    상기 엘리먼트 신호들을 추정하는 동작은,
    상기 제1 중간 신호로부터 상기 제2 엘리먼트 신호가 제거된 제2 중간 신호의 파형에 기초하여 상기 입력 신호의 제3 엘리먼트 신호를 추정하는 동작
    을 더 포함하는 신호 특징 추출 장치.
KR1020150156348A 2015-11-09 2015-11-09 신호 특징 추출 방법 및 장치 KR102501837B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020150156348A KR102501837B1 (ko) 2015-11-09 2015-11-09 신호 특징 추출 방법 및 장치
US15/162,982 US10152574B2 (en) 2015-11-09 2016-05-24 Signal feature extracting method and apparatus
CN201610584251.8A CN106681961B (zh) 2015-11-09 2016-07-22 信号特征提取方法和设备
EP16188014.1A EP3165158B1 (en) 2015-11-09 2016-09-09 Signal feature extracting apparatus
JP2016205440A JP6869691B2 (ja) 2015-11-09 2016-10-19 信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150156348A KR102501837B1 (ko) 2015-11-09 2015-11-09 신호 특징 추출 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20170053887A KR20170053887A (ko) 2017-05-17
KR102501837B1 true KR102501837B1 (ko) 2023-02-21

Family

ID=57123782

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150156348A KR102501837B1 (ko) 2015-11-09 2015-11-09 신호 특징 추출 방법 및 장치

Country Status (5)

Country Link
US (1) US10152574B2 (ko)
EP (1) EP3165158B1 (ko)
JP (1) JP6869691B2 (ko)
KR (1) KR102501837B1 (ko)
CN (1) CN106681961B (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11330986B2 (en) * 2017-06-28 2022-05-17 Rutgers, The State University Of New Jersey Evaluation system for cardiovascular health assessment and individualized health and fitness interventions
KR102480197B1 (ko) * 2017-09-13 2022-12-21 삼성전자주식회사 생체정보 추정 장치 및 방법
CN109711355A (zh) * 2018-12-28 2019-05-03 深圳职业技术学院 一种物流包装冲击信号识别与提取方法
CN110327055A (zh) * 2019-07-29 2019-10-15 桂林电子科技大学 一种基于高阶谱和卷积神经网络的心冲击信号的分类方法
CN113017613B (zh) * 2021-03-03 2022-05-06 四川大学华西医院 基于人工智能的心冲击波信号处理方法及计算机设备
CN115795283B (zh) * 2023-02-07 2023-06-16 华南理工大学 一种基于迭代学习跟踪微分器的微分信号提取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100014724A1 (en) 2008-07-15 2010-01-21 Nellcor Puritan Bennett Ireland, Mervue Signal processing systems and methods using basis functions and wavelet transforms
WO2010024418A1 (ja) * 2008-09-01 2010-03-04 学校法人同志社 動脈硬化評価装置
CN102307520A (zh) * 2009-02-03 2012-01-04 欧姆龙健康医疗事业株式会社 脉搏波分析装置以及脉搏波分析方法

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5651363A (en) * 1996-02-16 1997-07-29 Orthologic Corporation Ultrasonic bone assessment method and apparatus
JP3616061B2 (ja) * 2002-03-01 2005-02-02 コーリンメディカルテクノロジー株式会社 動脈硬化検査装置
JP4581496B2 (ja) 2004-06-14 2010-11-17 オムロンヘルスケア株式会社 脈波解析装置および脈波解析プログラム
JP2006043146A (ja) 2004-08-04 2006-02-16 Sony Corp 脈波解析方法及び装置
JP4568074B2 (ja) 2004-10-06 2010-10-27 株式会社東芝 超音波診断装置および送信装置
US7720530B2 (en) * 2005-08-02 2010-05-18 Brainscope Company, Inc. Field-deployable concussion detector
US20070149952A1 (en) * 2005-12-28 2007-06-28 Mike Bland Systems and methods for characterizing a patient's propensity for a neurological event and for communicating with a pharmacological agent dispenser
SG136813A1 (en) * 2006-04-11 2007-11-29 Sony Corp A method for estimating one or more parameters of a ultra wideband signal and a receiver system for receiving ultra wideband signals
KR101002365B1 (ko) 2009-05-19 2010-12-17 동서대학교산학협력단 맥파 전달시간 계측 시스템 및 그 방법
JP5328613B2 (ja) * 2009-11-10 2013-10-30 シャープ株式会社 脈波伝播速度測定装置および脈波伝播速度測定プログラム
KR101773217B1 (ko) 2009-12-28 2017-08-31 감브로 룬디아 아베 피험자의 심장 혈관계의 특성의 모니터링
JP5859979B2 (ja) 2010-01-14 2016-02-16 ベンチャー ゲイン リミテッド ライアビリティー カンパニー 人間の健康の監視のための多変量残差に基づく健康指標
WO2012018157A1 (ko) 2010-08-01 2012-02-09 연세대학교 산학협력단 생체신호 기반 자동 수면단계 분류시스템
KR101210828B1 (ko) 2011-03-24 2012-12-11 주식회사 누가의료기 다중 생체 신호 측정을 이용하여 손목혈압의 정확도를 향상시키는 방법 및 장치
US20130041271A1 (en) * 2011-04-12 2013-02-14 Shlomi Ben-Ari Devices and methods for monitoring intracranial pressure and additional intracranial hemodynamic parameters
KR101337342B1 (ko) 2011-11-01 2013-12-06 경북대학교 산학협력단 심음 분석 장치 및 그 방법
CN102512178B (zh) * 2011-12-23 2014-04-09 深圳市理邦精密仪器股份有限公司 一种血氧测量装置
WO2014085910A1 (en) * 2012-12-04 2014-06-12 Interaxon Inc. System and method for enhancing content using brain-state data
KR101503604B1 (ko) 2013-09-30 2015-03-17 길영준 착용형 실시간 혈압 추정 모니터링 시스템 및 그의 제어 방법
EP3052008B1 (en) 2013-10-01 2017-08-30 Koninklijke Philips N.V. Improved signal selection for obtaining a remote photoplethysmographic waveform
TWI551266B (zh) 2013-12-30 2016-10-01 財團法人工業技術研究院 動脈波分析方法及其系統
US20160331299A1 (en) 2014-01-31 2016-11-17 Benjamin Kahn CLINE Devices and methods for monitoring pregnancy
KR102198953B1 (ko) * 2014-03-12 2021-01-05 삼성전자주식회사 병렬 생체 신호 프로세서 및 병렬 생체 신호 프로세서의 제어 방법
WO2016033121A1 (en) * 2014-08-25 2016-03-03 Georgia Tech Research Corporation Noninvasive systems and methods for monitoring health characteristics
US9629564B2 (en) * 2014-09-26 2017-04-25 Intel Corporation Electrocardiograph (ECG) signal processing
JP6871673B2 (ja) * 2015-03-31 2021-05-12 学校法人東日本学園 血液検体を判定するための方法、装置及びコンピュータプログラム、並びに血液検体分析装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100014724A1 (en) 2008-07-15 2010-01-21 Nellcor Puritan Bennett Ireland, Mervue Signal processing systems and methods using basis functions and wavelet transforms
WO2010024418A1 (ja) * 2008-09-01 2010-03-04 学校法人同志社 動脈硬化評価装置
CN102307520A (zh) * 2009-02-03 2012-01-04 欧姆龙健康医疗事业株式会社 脉搏波分析装置以及脉搏波分析方法

Also Published As

Publication number Publication date
EP3165158A1 (en) 2017-05-10
CN106681961B (zh) 2021-09-21
JP2017086894A (ja) 2017-05-25
US20170132384A1 (en) 2017-05-11
EP3165158B1 (en) 2022-07-13
JP6869691B2 (ja) 2021-05-12
CN106681961A (zh) 2017-05-17
KR20170053887A (ko) 2017-05-17
US10152574B2 (en) 2018-12-11

Similar Documents

Publication Publication Date Title
KR102501837B1 (ko) 신호 특징 추출 방법 및 장치
US10362951B2 (en) Non-invasive method and system for characterizing cardiovascular systems
CN106073743B (zh) 用于光学体积描记图信号的噪声清除的方法和系统
JP6476092B2 (ja) 心電図信号を用いたユーザ認証方法及び装置並びにユーザ登録方法及び装置
Rabbani et al. R peak detection in electrocardiogram signal based on an optimal combination of wavelet transform, hilbert transform, and adaptive thresholding
EP3272279B1 (en) Apparatus and method for extracting feature of bio-signal, and apparatus for detecting bio-information
US20180235487A1 (en) Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time
Meziani et al. Analysis of phonocardiogram signals using wavelet transform
CN104398252A (zh) 一种心电信号处理方法及装置
TWI519276B (zh) 心電圖學訊號擷取方法
CN108154085B (zh) 基于心电数据进行身份识别的方法、装置及电子设备
CN107708531A (zh) 从生理数据中确定生理参数的方法
CN111067512B (zh) 心室颤动的检测装置、检测模型的训练装置、方法及设备
KR20130104208A (ko) 생체 신호의 노이즈 제거 장치 및 방법
Hajimolahoseini et al. Inflection point analysis: A machine learning approach for extraction of IEGM active intervals during atrial fibrillation
KR102551184B1 (ko) 생체신호 처리 방법 및 생체신호 처리 장치
US20150034083A1 (en) Method for Detecting at Least One Anomaly in an Observed Signal, Corresponding Computer Program Product and Device
TWI554249B (zh) 心電圖學訊號擷取方法
CN104545890A (zh) 一种基于心电信号的身份识别方法和装置
Zhang et al. Application of translation wavelet transform with new threshold function in pulse wave signal denoising
Saini et al. Detection of QRS-complex using K-nearest neighbour algorithm
KR102451268B1 (ko) 신호 처리 방법, 신호 필터링 장치 및 신호 처리 장치
CN113229799A (zh) 一种ppg心率估计方法、系统、存储介质、设备
Homaeinezhad et al. A high-speed C++/MEX solution for long-duration arterial blood pressure characteristic locations detection
KR20170054030A (ko) 생체 신호의 특징을 추출하는 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant