KR102576679B1 - 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법 및 장치 - Google Patents
광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법 및 장치 Download PDFInfo
- Publication number
- KR102576679B1 KR102576679B1 KR1020220173885A KR20220173885A KR102576679B1 KR 102576679 B1 KR102576679 B1 KR 102576679B1 KR 1020220173885 A KR1020220173885 A KR 1020220173885A KR 20220173885 A KR20220173885 A KR 20220173885A KR 102576679 B1 KR102576679 B1 KR 102576679B1
- Authority
- KR
- South Korea
- Prior art keywords
- blood pressure
- photoplethysmographic
- value
- waveform
- pressure value
- Prior art date
Links
- 230000036772 blood pressure Effects 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000013186 photoplethysmography Methods 0.000 title claims description 30
- 238000003062 neural network model Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 14
- 230000035487 diastolic blood pressure Effects 0.000 claims description 14
- 230000035488 systolic blood pressure Effects 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 13
- 230000004069 differentiation Effects 0.000 claims description 8
- 210000004204 blood vessel Anatomy 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000013136 deep learning model Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 2
- 230000003205 diastolic effect Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- IGODGTDUQSMDQU-UHFFFAOYSA-N 2-amino-2-cyclopropyl-2-(4-phosphonophenyl)acetic acid Chemical compound C=1C=C(P(O)(O)=O)C=CC=1C(N)(C(O)=O)C1CC1 IGODGTDUQSMDQU-UHFFFAOYSA-N 0.000 description 1
- 210000002565 arteriole Anatomy 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000758 substrate Substances 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
- A61B5/02—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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- 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
- A61B5/72—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
- A61B2560/0247—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value
- A61B2560/0252—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value using ambient temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
- A61B2560/0247—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value
- A61B2560/0257—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value using atmospheric pressure
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Cardiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Psychiatry (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Vascular Medicine (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
본 개시는 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법 및 장치에 관한 것이다. 본 개시의 일 실시 예에 따른 방법은, 광용적맥파 파형을 포함하는 광용적맥파 데이터를 수신하고, 광용적맥파 데이터에 포함된 광용적맥파 파형을 표준화하고, 표준화된 광용적맥파 파형을 이용하여 혈압 수치를 산출하기 위한 특징 값을 검출하고, 광용적맥파 데이터 및 검출된 특징 값에 기초하여, 혈압 수치를 산출할 수 있다.
Description
본 발명은 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법 및 장치에 관한 것이다.
심장이 수축할 때마다 혈액이 심장으로부터 대동맥을 통하여 전신에 공급되며, 이때, 대동맥에 압력의 변동이 일어난다. 이 압력의 변동은 손과 발의 말초 소동맥까지 전달되며, 광용적맥파란 동맥의 내압변동에 따른 말초혈관의 용적변동을 파형으로 표현한 것이다.
이러한 맥동에 의하여 혈관의 부피가 변동되며, 혈관에 적외선 또는 가시광선 등의 일정한 파장을 가진 빛을 제공하였을 경우, 혈관의 부피가 증가 또는 감소함에 따라 빛을 흡수하는 양이 달라진다. 예를 들어, 100 만큼의 빛을 발산하였을 경우, 흡수되지 않고 반사되는 양이 맥박이 뜀에 따라 바뀔 수 있다.
이런 원리를 이용하여 발광부를 통하여 빛이 발산된 후, 반사되는 적외선의 속도 또는 양이 수광부로 입력되고, 입력되는 적외선의 속도 또는 양에 따라 전류 및 전압이 다르게 나타나는 특징을 이용하여 광용적맥파를 측정할 수 있다.
다만, 광용적맥파는 대상자의 신체 조건, 측정 당시의 환경 조건 등에 따라서 그 결과가 달라질 수 있어, 이러한 광용적맥파를 이용해 혈압을 측정할 경우 부정확한 결과가 도출될 수 있다는 문제점이 있다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
본 발명은 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법 및 장치를 제공하는 데 있다. 또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는 데 있다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 과제 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해보다 분명하게 이해될 것이다. 또한, 본 발명이 해결하고자 하는 과제 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제1 측면은, 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법에 있어서, 광용적맥파 파형을 포함하는 광용적맥파 데이터를 수신하는 단계; 상기 광용적맥파 데이터에 포함된 광용적맥파 파형을 표준화하는 단계; 상기 표준화된 광용적맥파 파형을 이용하여, 혈압 수치를 산출하기 위한 특징 값을 검출하는 단계; 및 상기 광용적맥파 데이터 및 상기 검출된 특징 값에 기초하여, 혈압 수치를 산출하는 단계;를 포함하는, 방법을 제공할 수 있다.
본 개시의 제2 측면은, 광용적맥파 데이터를 이용하여 혈압 수치를 산출하는 장치에 있어서, 적어도 하나의 메모리; 및 적어도 하나의 프로세서;를 포함하고, 상기 적어도 하나의 프로세서는, 광용적맥파 파형을 포함하는 광용적맥파 데이터를 수신하고, 상기 광용적맥파 데이터에 포함된 광용적맥파 파형을 표준화하고, 상기 표준화된 광용적맥파 파형을 이용하여, 혈압 수치를 산출하기 위한 특징 값을 검출하고, 상기 광용적맥파 데이터 및 상기 검출된 특징 값에 기초하여, 혈압 수치를 산출하는 것인, 컴퓨팅 장치를 제공할 수 있다.
본 개시의 제3 측면은, 제1 측면에 따른 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
전술한 본 개시의 과제 해결 수단에 의하면, 본 개시에서는 광용적맥파 파형을 포함하는 광용적맥파 데이터를 수신하고, 광용적맥파 파형을 표준화하고, 표준화된 광용적맥파 파형을 이용하여 특징 값을 검출하고, 광용적맥파 데이터 및 특징 값에 기초하여 혈압 수치를 산출함으로써, 더 높은 정확도로 광용적맥파 파형으로부터 혈압 수치를 산출할 수 있다.
광용적맥파 데이터 및 혈압 수치에 관련된 개인 정보 및 환경 정보에 기초하여 혈압 수치를 보정함으로써, 더 높은 정확도로 광용적맥파 파형으로부터 혈압 수치를 산출할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시예에 따른 광용적맥파 데이터를 이용하여 혈압 수치를 산출하는 시스템의 일 예를 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 사용자 단말의 일 예를 도시한 구성도이다.
도 3은 일 실시예에 따른 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법의 일 예를 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 프로세서가 표준화된 광용적맥파 파형을 이용하여 특징 값을 검출하는 일 예를 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 프로세서가 제1 뉴럴 네트워크 모델을 이용하여 혈압 수치를 획득하는 일 예를 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 프로세서가 보정 연산 모델을 이용하여 혈압 수치를 보정하는 일 예를 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 사용자 단말의 일 예를 도시한 구성도이다.
도 3은 일 실시예에 따른 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법의 일 예를 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 프로세서가 표준화된 광용적맥파 파형을 이용하여 특징 값을 검출하는 일 예를 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 프로세서가 제1 뉴럴 네트워크 모델을 이용하여 혈압 수치를 획득하는 일 예를 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 프로세서가 보정 연산 모델을 이용하여 혈압 수치를 보정하는 일 예를 설명하기 위한 도면이다.
이하, 본 개시의 다양한 실시예가 첨부된 도면과 연관되어 기재된다. 본 개시의 다양한 실시예는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들이 도면에 예시되고 관련된 상세한 설명이 기재되어 있다. 그러나 이는 본 개시의 다양한 실시예를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 개시의 다양한 실시예의 사상 및 기술 범위에 포함되는 모든 변경 및/또는 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용되었다.
본 개시의 다양한 실시예에서 사용될 수 있는 "포함한다." 또는 "포함할 수 있다." 등의 표현은 개시(disclosure)된 해당 기능, 동작 또는 구성요소 등의 존재를 가리키며, 추가적인 하나 이상의 기능, 동작 또는 구성요소 등을 제한하지 않는다. 또한, 본 개시의 다양한 실시예에서, "포함하다." 또는 "가지다." 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 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.
본 개시의 다양한 실시예에서 "또는" 등의 표현은 함께 나열된 단어들의 어떠한, 그리고 모든 조합을 포함한다. 예를 들어, "A 또는 B"는, A를 포함할 수도, B를 포함할 수도, 또는 A 와 B 모두를 포함할 수도 있다.
본 개시의 다양한 실시예에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 실시예들의 다양한 구성요소들을 수식할 수 있지만, 해당 구성요소들을 한정하지 않는다. 예를 들어, 상기 표현들은 해당 구성요소들의 순서 및/또는 중요도 등을 한정하지 않는다. 상기 표현들은 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 수 있다. 예를 들어, 제1 사용자 기기와 제2 사용자 기기는 모두 사용자 기기이며, 서로 다른 사용자 기기를 나타낸다. 예를 들어, 본 개시의 다양한 실시예의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 새로운 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 새로운 다른 구성요소가 존재하지 않는 것으로 이해될 수 있어야 할 것이다.
본 개시의 실시 예에서 "모듈", "유닛", "부(part)" 등과 같은 용어는 적어도 하나의 기능이나 동작을 수행하는 구성요소를 지칭하기 위한 용어이며, 이러한 구성요소는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈", "유닛", "부(part)" 등은 각각이 개별적인 특정한 하드웨어로 구현될 필요가 있는 경우를 제외하고는, 적어도 하나의 모듈이나 칩으로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.
본 개시의 다양한 실시예에서 사용한 용어는 단지 특정일 실시예를 설명하기 위해 사용된 것으로, 본 개시의 다양한 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. "매커니즘", "요소", "수단" 및 "구성" 등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다.
또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 개시의 다양한 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 개시의 다양한 실시예에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하에서, 첨부된 도면을 이용하여 본 발명의 다양한 실시 예들에 대하여 구체적으로 설명한다.
도 1은 일 실시예에 따른 광용적맥파 데이터를 이용하여 혈압 수치를 산출하는 시스템의 일 예를 설명하기 위한 도면이다.
도 1을 참조하면, 시스템(1)은 사용자 단말(10) 및 서버(20)를 포함한다. 예를 들어, 사용자 단말(10)과 서버(20)는 유선 또는 무선 통신 방식으로 연결되어 상호 간에 데이터(예를 들어, 광용적맥파 파형을 포함하는 광용적맥파 데이터 등)를 송수신할 수 있다.
설명의 편의를 위하여, 도 1에는 시스템(1)에 사용자 단말(10) 및 서버(20)가 포함되는 것으로 도시하였으나, 이에 한정되지 않는다. 예를 들어, 시스템(1)에는 다른 외부 디바이스(미도시)가 포함될 수 있으며, 이하에서 설명될 사용자 단말(10) 및 서버(20)의 동작이 단일 디바이스(예를 들어, 사용자 단말(10) 또는 서버(20))에 의하여 구현될 수도 있다.
사용자 단말(10)은 디스플레이 장치 및 사용자 입력을 수신하는 장치(예를 들어, 키보드, 마우스 등)를 구비하고, 메모리와 프로세서를 포함하는 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말(10)은 노트북(notebook) PC, 데스크탑(desktop) PC, 랩탑(laptop), 테블릿 컴퓨터(tablet computer), 스마트 폰 등이 해당될 수 있으나, 이에 한정되지 않는다.
서버(20)는 사용자 단말(10)을 포함하여 외부 디바이스(미도시)와 통신하는 장치일 수 있다. 예를 들어, 서버(20)는 광용적맥파 파형을 포함하는 광용적맥파 데이터를 포함하여 다양한 데이터를 저장하는 장치일 수 있고, 경우에 따라 자체적인 연산 능력을 갖춘 장치일 수 있다. 예를 들어, 서버(20)는 클라우드(cloud) 서버일 수도 있으나, 이에 한정되지 않는다.
사용자 단말(10)은 광용적맥파 데이터를 이용하여 혈압 수치를 산출한다. 그리고, 사용자 단말(10)은 산출된 혈압 수치에 관련된 개인 정보 및 환경 정보에 기초하여 혈압 수치를 보정한다.
일 실시예에 따른 시스템(1)은 광용적맥파 데이터를 이용하여 혈압 수치를 산출한다. 구체적으로, 사용자 단말(10)은 광용적맥파 파형을 포함하는 광용적맥파 데이터를 수신하고, 광용적맥파 데이터에 포함된 광용적맥파 파형을 표준화하고, 표준화된 광용적맥파 파형을 이용하여, 혈압 수치를 산출하기 위한 특징 값을 검출하고, 광용적맥파 데이터 및 검출된 특징 값에 기초하여, 혈압 수치를 산출한다. 사용자(30)는 광용적맥파 데이터 및 특징 값을 이용하여 보다 정확하게 산출된 혈압 수치를 확인할 수 있다.
이하, 도 2 내지 도 6을 참조하여, 사용자 단말(10)이 광용적맥파 데이터를 이용하여 혈압 수치를 산출하는 예들을 설명한다. 한편, 도 2 내지 도 6을 참조하여 후술할 동작은 서버(20)에서 수행될 수도 있음은 도 1을 참조하여 상술한 바와 같다.
도 2는 일 실시예에 따른 사용자 단말의 일 예를 도시한 구성도이다.
도 2를 참조하면, 사용자 단말(100)은 프로세서(110) 및 메모리(120)를 포함한다. 설명의 편의를 위하여, 도 2에는 본 발명과 관련된 구성요소들만이 도시되어 있다. 도 2에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 사용자 단말(100)에 더 포함될 수 있다. 일 예로서, 사용자 단말(100)은 입출력 인터페이스(미도시) 및/또는 통신 모듈(미도시)을 포함할 수 있다. 또한, 도 2에 도시된 프로세서(110) 및 메모리(120)는 독립된 장치로 구현될 수도 있음은 본 발명과 관련된 기술 분야에서의 통상의 지식을 가진 자에게 자명하다.
프로세서(110)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리할 수 있다. 여기에서, 명령은 메모리(120) 또는 외부 장치(예를 들어, 서버(20) 등)로부터 제공될 수 있다. 또한, 프로세서(110)는 사용자 단말(100)에 포함된 다른 구성요소들의 동작을 전반적으로 제어할 수 있다.
특히, 프로세서(110)는 광용적맥파 데이터를 이용하여 혈압 수치를 산출한다. 구체적으로, 프로세서(110)는 광용적맥파 파형을 포함하는 광용적맥파 데이터를 수신한다. 그리고 프로세서(110)는, 광용적맥파 데이터에 포함된 광용적맥파 파형을 표준화한다. 그리고 프로세서(110)는, 표준화된 광용적맥파 파형을 이용하여, 혈압 수치를 산출하기 위한 특징 값을 검출한다. 그리고 프로세서(110)는, 광용적맥파 데이터 및 검출된 특징 값에 기초하여, 혈압 수치를 산출한다.
일 실시예에 따른 프로세서(110)가 동작하는 구체적인 예들은 도 2 내지 도 6을 참조하여 설명한다.
프로세서(110)는 다수의 논리 게이트들의 어레이로 구현될 수도 있고, 범용적인 마이크로 프로세서와 이 마이크로 프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다. 예를 들어, 프로세서(110)는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함할 수 한다. 일부 환경에서, 프로세서(110)는 주문형 반도체(ASIC), 프로그램 가능 로직 디바이스(PLD), 필드 프로그램 가능 게이트 어레이(FPGA) 등을 포함할 수도 있다. 예를 들어, 프로세서(110)는 디지털 신호 프로세서(DSP)와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, 디지털 신호 프로세서(DSP) 코어와 결합된 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다.
메모리(120)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 예로서, 메모리(120)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치일 수 있다. 또한, 메모리(210)에는 운영체제(OS)와 적어도 하나의 프로그램 코드(예를 들어, 도 2 내지 도 6을 참조하여 후술할 동작을 프로세서(110)가 수행하기 위한 코드)가 저장될 수 있다.
이러한 소프트웨어 구성요소들은 메모리(120)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 사용자 단말(100)에 직접 연결될 수 있는 기록 매체일 수 있고, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 또는, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(미도시)을 통해 메모리(120)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 통신 모듈(미도시)을 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(예를 들어, 도 2 내지 도 6을 참조하여 후술할 동작을 프로세서(110)가 수행하기 위한 컴퓨터 프로그램 등)에 기반하여 메모리(120)에 로딩될 수 있다.
입출력 인터페이스(미도시)는 사용자 단말(100)과 연결되거나 사용자 단말(100)에 포함될 수 있는 입력 또는 출력을 위한 장치(예를 들어, 키보드, 마우스 등)와의 인터페이스를 위한 수단일 수 있다. 입출력 인터페이스(미도시)가 프로세서(110)와 별도로 구성될 수 있으나, 이에 한정되지 않으며, 입출력 인터페이스(미도시)가 프로세서(110)에 포함되도록 구성될 수도 있다.
통신 모듈(미도시)은 네트워크를 통해 서버(20)와 사용자 단말(100)이 서로 통신하기 위한 구성 또는 기능을 =제공할 수 있다. 또한, 통신 모듈(미도시)은 사용자 단말(100)이 다른 외부 디바이스와 통신하기 위한 구성 또는 기능을 제공할 수 있다. 예를 들어, 프로세서(110)의 제어에 따라 제공되는 제어 신호, 명령, 데이터 등이 통신 모듈(미도시)과 네트워크를 거쳐 서버(20) 및/또는 외부 디바이스로 전송될 수 있다.
한편, 도 2에는 도시되지 않았으나, 사용자 단말(100)은 디스플레이 장치를 더 포함할 수 있다. 또는, 사용자 단말(100)은 독립적인 디스플레이 장치와 유선 또는 무선 통신 방식으로 연결되어 상호 간에 데이터를 송수신할 수 있다.
도 3은 일 실시예에 따른 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법의 일 예를 설명하기 위한 흐름도이다.
도 3을 참조하면, 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법은 도 1 및 2에 도시된 사용자 단말(10, 100) 또는 프로세서(110)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하에서 생략된 내용이라고 하더라도 도 1 및 도 2에 도시된 사용자 단말(10, 100) 또는 프로세서(110)에 관하여 이상에서 기술된 내용은 도 3의 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법에도 적용될 수 있다.
310 단계에서, 프로세서는 광용적맥파 파형을 포함하는 광용적맥파 데이터를 수신한다.
광용적맥파 데이터는 사용자의 얼굴영역에서 검출한 PPG 기반의 색차 신호를 포함하는 데이터일 수 있다. 그리고, 광용적맥파 데이터는 rPPG 파형 또는 cPPG 파형 중 하나의 파형을 포함하는 데이터일 수 있다. 그리고, 광용적맥파 데이터는 사용자로부터 PPG 측정기기를 통해 측정한 맥파를 포함하는 데이터일 수 있으나, 이에 제한되지 않는다.
320 단계에서, 프로세서는 광용적맥파 데이터에 포함된 광용적맥파 파형을 표준화한다.
먼저, 프로세서는 광용적맥파 파형에 대응하는 평균 값 및 표준편차를 산출한다. 프로세서는 광용적맥파 데이터로부터 3회의 주기에 대응하는 광용적맥파 파형을 이용하여, 평균 값 및 표준 편차를 산출한다.
그리고, 프로세서는 평균 값 및 표준편차를 이용하여 광용적맥파 파형을 표준화한다.
일 예로서, 프로세서는 하기의 수학식 1을 이용하여 광용적맥파 파형을 표준화할 수 있다. 광용적맥파 데이터에 포함된 광용적맥파 파형은 [x1, x2, x3, …, xn]으로서 n개의 숫자 데이터로 구성될 수 있다.
수학식 1을 참조하면, 프로세서는 광용적맥파 파형 데이터 값(x), 평균 값(m) 및 표준편차(σ)를 이용하여 표준화된 광용적맥파 파형 데이터 값(z(x))을 획득할 수 있다.
330 단계에서, 프로세서는 표준화된 광용적맥파 파형을 이용하여 혈압 수치를 산출하기 위한 특징 값을 검출한다.
프로세서는, 표준화된 광용적맥파 파형을 이용하여, 수축기와 관련된 진폭에 대응하는 제1 특징 값, 이완기와 관련된 진폭에 대응하는 제2 특징 값 및 혈관 벽에서 반사된 파형의 시간과 관련된 구간에 대응하는 제3 특징 값을 검출한다.
이하, 도 4를 참조하여, 프로세서가 표준화된 광용적맥파 파형을 이용하여 특징 값을 검출하는 일 예를 설명한다.
도 4는 일 실시예에 따른 프로세서가 표준화된 광용적맥파 파형을 이용하여 특징 값을 검출하는 일 예를 설명하기 위한 도면이다. 도 4에서, 수축기(Systolic Phase, SP)는, 해당 주기의 시작 시간(P0)으로부터 해당 주기의 최대 혈압 수치 값(M2)를 가지는 시간까지의 구간을 지칭한다. 도 4에서, 이완기(Diastolic Phase, DP)는, 해당 주기의 최대 혈압 수치 값(M2)을 가지는 시간으로부터 해당 주기의 종결 지점의 시간까지의 구간을 지칭한다.
프로세서는, 표준화된 광용적맥파 파형을 이용하여, 수축기(SP)와 관련된 진폭에 대응하는 제1 특징 값(410), 이완기(DP)와 관련된 진폭에 대응하는 제2 특징 값(420) 및 혈관 벽에서 반사된 파형의 시간과 관련된 구간에 대응하는 제3 특징 값(430)을 검출한다.
프로세서는, 광용적맥파 파형(41)의 피크(Peak)에 해당하는 최대 혈압 수치 값(M2) 및 최소 혈압 수치 값(M0)을 이용하여 수축기(SP)와 관련된 진폭에 대응하는 제1 특징 값(410)을 검출한다. 제1 특징 값(410)은, 광용적맥파 파형(41)의 최대 혈압 수치 값(M2) 및 광용적맥파 파형(41)의 최소 혈압 수치 값(M0)의 차이의 절대값에 해당한다. 한편, 제1 특징 값(410)은, 광용적맥파 파형에 포함된 모든 주기에 대응하는 평균 값일 수 있다.
그리고, 프로세서는, 미분을 적용한 광용적맥파 파형(42)에서 최소값을 가지는 변곡점에 대응하는 시간을 P2 라고 할 때, 광용적맥파 파형(41)에서 P2 에서 가지는 진폭을 이용하여 이완기(DP)와 관련된 진폭에 대응하는 제2 특징 값(420)을 검출한다. 제2 특징 값(420)은, 광용적맥파 파형(41)의 P2 에서 가지는 진폭의 절댓값에 해당한다. 한편, 제2 특징 값(420)은, 광용적맥파 파형에 포함된 모든 주기에 대응하는 평균 값일 수 있다.
그리고, 프로세서는, 미분을 적용한 광용적맥파 파형(42)에서 최대값 이후 기울기의 절대값이 작아졌다가 커지는 지점에 대응하는 시간을 P1이라고 할 때, 광용적맥파 파형(41)에서 해당 주기의 시작 시간(P0)으로부터 P1까지의 시간을 이용하여 혈관 벽에서 반사된 파형의 시간과 관련된 구간에 대응하는 제3 특징 값(430)을 검출한다. 제3 특징 값(430)은, 광용적맥파 파형(41)에서 해당 주기의 시작 시간(P0)으로부터 P1까지의 시간의 차이의 절댓값에 해당한다. 한편, 제3 특징 값(430)은, 광용적맥파 파형에 포함된 모든 주기에 대응하는 평균 값일 수 있다.
다시 도 3을 참조하면, 340 단계에서, 광용적맥파 데이터 및 검출된 특징 값에 기초하여 혈압 수치를 산출한다.
프로세서는 검출된 특징 값에 기초하여, 수축기 혈압 수치 및 이완기 혈압 수치를 산출한다.
한편, 프로세서는, 광용적맥파 데이터, 제1 특징 값, 제2 특징 값 및 제3 특징 값에 기초하여 혈압 수치를 산출한다.
한편, 프로세서는 제1 뉴럴 네트워크 모델을 이용하여 혈압 수치를 산출할 수 있다. 구체적으로, 프로세서는 광용적맥파 데이터 및 검출된 특징 값을 제1 뉴럴 네트워크 모델의 입력 데이터로 입력한다. 그리고, 프로세서는 제1 뉴럴 네트워크 모델의 출력 데이터로 혈압 수치를 획득한다.
이하, 도 5를 참조하여, 프로세서가 제1 뉴럴 네트워크 모델을 이용하여 혈압 수치를 획득하는 일 예를 설명한다.
도 5는 일 실시예에 따른 프로세서가 제1 뉴럴 네트워크 모델을 이용하여 혈압 수치를 획득하는 일 예를 설명하기 위한 도면이다.
제1 뉴럴 네트워크 모델(52)은, 혈압 수치를 획득하는 임의의 형태의 딥러닝 모델일 수 있다. 일 예로서, 제1 뉴럴 네트워크 모델(52)은 시계열 데이터를 처리하는 RNN 계열의 딥러닝 모델을 포함한다. 도 5에서는, 제1 뉴럴 네트워크 모델(52)이 LSTM 딥러닝 모델인 것으로 설명하도록 하나, 이에 제한되지 않는다. 제1 뉴럴 네트워크 모델(52)는, 복수의 LSTM 레이어를 포함한다.
딥러닝 모델은 혈압 수치를 획득하기 위한 신경망을 포함할 수 있다. 본 명세서에서, 신경망, 네트워크 함수 및 뉴럴 네트워크(neural network)는 상호 교환 가능한 의미로 사용될 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.
프로세서는, 광용적맥파 데이터 및 검출된 특징 값을 제1 뉴럴 네트워크 모델(52)의 입력 데이터(51)로 입력한다. 일 예로서, 프로세서는, 광용적맥파 데이터, 제1 특징 값, 제2 특징 값 및 제3 특징 값을 제1 뉴럴 네트워크 모델(52)의 입력 데이터(51)로 입력한다.
입력 데이터(51)는 광용적맥파 데이터, 제1 특징 값, 제2 특징 값 및 제3 특징 값으로 구성되는 벡터이다. 일 예로서, 입력 데이터(51)는 878개의 값으로 구성되는 벡터일 수 있다. 878개의 값에는, 광용적맥파 데이터에 포함된 광용적맥파 파형에 대응하는 875개의 값, 제1 특징 값, 제2 특징 값 및 제3 특징 값이 포함된다.
제1 뉴럴 네트워크 모델(52)는 입력 데이터(51)를 첫번째 LSTM 레이어(LSTM_1)에 입력한다. LSTM 레이어(LSTM_1)에서 도출된 결과 값은 순서대로 그 다음 LSTM 레이어에 입력되어 n번째 LSTM 레이어(LSTM_n)에 입력되고, 완전 연결 계층(fully connected layer)에 입력된다.
입력 데이터(51)가 제1 뉴럴 네트워크 모델(52)에 입력됨에 따라, 제1 뉴럴 네트워크 모델(52)은 출력 데이터로 수축기 혈압 수치(SBP) 및 이완기 혈압 수치(DBP)를 출력한다.
한편, 프로세서는 혈압 수치에 관련된 개인 정보 및 혈압 수치에 관련된 환경 정보에 기초하여, 혈압 수치를 보정한다. 일 예로서, 프로세서는, 코호트 모델을 이용하여 산출된 혈압 수치를 보정할 수 있다.
혈압 수치에 관련된 개인 정보는, 혈압 수치에 관련된 대상자의 성별 정보, 나이 정보, 신체 정보 및 질병 정보 중 적어도 하나의 정보를 포함한다. 혈압 수치에 관련된 개인 정보는 기보유한 데이터베이스로부터 획득하거나, 사용자의 입력으로부터 획득할 수 있으며, 이에 제한되지 않는다.
혈압 수치에 관련된 환경 정보는, 광용적맥파 파형 측정 당시의 기온 정보 및 기압 정보 중 적어도 하나의 정보를 포함한다.
프로세서는 혈압 수치에 관련된 개인 정보 및 혈압 수치에 관련된 환경정보와 혈압 수치와의 상관관계를 분석하여 가중치 값을 산출한다. 일 예로서, 프로세서는 개인 정보 중 성별 정보를 이용하여 혈압 수치와의 상관관계를 분석하여 성별 정보에 대응하는 가중치 값을 산출한다. 다른 예로서, 프로세서는 개인 정보 중 나이 정보를 이용하여, 연령대를 그룹핑하고, 그룹핑 결과와 혈압 수치와의 상관관계를 분석하여 나이 정보에 대응하는 가중치 값을 산출한다. 또 다른 예로서, 프로세서는 개인 정보 중 신체 정보를 이용하여, BMI 지수와 혈압 수치와의 상관관계를 분석하여 신체 정보에 대응하는 가중치 값을 산출한다. 또 다른 예로서, 프로세서는 환경 정보 중 기온 정보를 이용하여, 기온과 수축기 혈압 수치 및 이완기 혈압 수치의 상관관계를 분석하여 기온 정보에 대응하는 가중치 값을 산출한다. 예를 들면, 상관관계는 기온이 1도 내려감에 반비례하여, 수축기 혈압 수치는 1.3 mmHg 상승하고, 이완기 혈압 수치는 0.6 mmHg 상승한다는 관계를 포함할 수 있다.
한편, 프로세서는 보정 연산 모델(62)을 이용하여 혈압 수치를 보정할 수 있다. 구체적으로, 프로세서는 개인 정보 및 환경 정보에 대응하는 가중치 값을 산출한다. 그리고, 프로세서는 혈압 수치, 개인 정보, 환경 정보 및 가중치 값을 보정 연산 모델(62)에 입력 데이터(61)로 입력한다. 그리고, 프로세서는 보정 연산 모델(62)로부터 출력 데이터(63)로 보정된 혈압 수치를 획득한다.
이하, 도 6을 참조하여, 프로세서가 보정 연산 모델을 이용하여 혈압 수치를 보정하는 일 예를 설명한다.
도 6은 일 실시예에 따른 프로세서가 보정 연산 모델을 이용하여 혈압 수치를 보정하는 일 예를 설명하기 위한 도면이다.
보정 연산 모델(62)은, 혈압 수치를 획득하는 임의의 형태의 머신러닝 모델 또는 딥러닝 모델일 수 있다.
프로세서는, 산출된 혈압 수치, 혈압 수치에 관련된 개인 정보, 혈압 수치에 관련된 환경 정보 및 산출된 가중치 값을 보정 연산 모델(62)에 입력 데이터(61)로 입력한다.
일 예로서, 보정 연산 모델(62)은 입력 데이터(61)를 하기의 수학식 2 및 수학식 3에 적용한다.
프로세서는, 가중치 값(), 수축기 혈압 수치(SBP), 수축기 혈압 수치(SBP)에 대응하는 가중치 값(), 나이에 대응하는 값(나이), 나이에 대응하는 가중치 값(), 성별에 대응하는 값(성별), 성별에 대응하는 가중치 값(), BMI에 대응하는 값(BMI), BMI에 대응하는 가중치 값())을 이용하여, 보정된 수축기 혈압 수치(보정 SBP)를 획득할 수 있다.
프로세서는, 가중치 값(), 이완기 혈압 수치(DBP), 이완기 혈압 수치(DBP)에 대응하는 가중치 값(), 나이에 대응하는 값(나이), 나이에 대응하는 가중치 값(), 성별에 대응하는 값(성별), 성별에 대응하는 가중치 값(), BMI에 대응하는 값(BMI), BMI에 대응하는 가중치 값()을 이용하여, 보정된 이완기 혈압 수치(보정 DBP)를 획득할 수 있다.
입력 데이터(61)가 보정 연산 모델(62)에 입력됨에 따라, 보정 연산 모델(62)은 출력 데이터로 보정된 수축기 혈압 수치(보정 SBP) 및 보정된 이완기 혈압 수치(보정 DBP)를 출력한다.
상술한 바에 따르면, 프로세서는 광용적맥파 데이터 및 광용적맥파 데이터를 이용하여 검출된 특징 값에 기초하여 혈압 수치를 산출한다. 사용자는 더 높은 정확도로 광용적맥파 파형으로부터 산출된 혈압 수치를 확인할 수 있다.
한편, 상술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 램, USB, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
본 실시예와 관련된 기술 분야에서 통상의 지식을 가진 자는 상기된 기재의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 방법들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하며, 권리 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점을 포함하는 것으로 해석되어야 할 것이다.
Claims (9)
- 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법에 있어서,
서버가 광용적맥파 파형을 포함하는 광용적맥파 데이터를 수신하는 단계;
상기 광용적맥파 데이터에 포함된 광용적맥파 파형을 표준화하는 단계;
상기 표준화된 광용적맥파 파형을 이용하여, 혈압 수치를 산출하기 위한 특징 값을 검출하는 단계; 및
상기 광용적맥파 데이터 및 상기 검출된 특징 값에 기초하여, 혈압 수치를 산출하는 단계;를 포함하고,
상기 검출하는 단계는,
상기 표준화된 광용적맥파 파형을 이용하여, 수축기와 관련된 진폭에 대응하는 제1 특징 값, 이완기와 관련된 진폭에 대응하는 제2 특징 값 및 혈관 벽에서 반사된 파형의 시간과 관련된 구간에 대응하는 제3 특징 값을 검출하는 단계;를 포함하고,
상기 산출하는 단계는,
상기 광용적맥파 데이터, 상기 제1 특징 값, 상기 제2 특징 값 및 상기 제3 특징 값에 기초하여 상기 혈압 수치를 산출하는 단계;를 포함하고,
상기 제1 특징 값은,
상기 광용적맥파 파형에 기초하여 검출된 최대 혈압 수치 값 및 최소 혈압 수치 값의 차이에 대응하는 것이고,
상기 제2 특징 값은,
상기 광용적맥파 파형에 기초하여 검출된 변곡점에서의 혈압 수치 값 및 상기 최소 혈압 수치 값의 차이에 대응하는 것이고,
상기 제3 특징 값은,
상기 광용적맥파 파형에 미분을 적용한 경우, 상기 미분을 적용한 광용적맥파 파형에 기초하여 검출된 변곡점에서의 시간 및 상기 미분을 적용한 광용적맥파 파형의 시작점에서의 시간의 차이에 대응하는 것인, 방법. - 제1 항에 있어서,
상기 표준화하는 단계는,
상기 광용적맥파 파형에 대응하는 평균 값 및 표준편차를 산출하는 단계; 및
상기 평균 값 및 표준편차를 이용하여 상기 광용적맥파 파형을 표준화하는 단계;를 포함하는, 방법. - 삭제
- 제1 항에 있어서,
상기 산출하는 단계는,
상기 광용적맥파 데이터 및 상기 검출된 특징 값을 제1 뉴럴 네트워크 모델의 입력 데이터로 입력하는 단계; 및
상기 제1 뉴럴 네트워크 모델의 출력 데이터로 상기 혈압 수치를 획득하는 단계;를 포함하는 방법. - 제1 항에 있어서,
상기 산출하는 단계는,
상기 검출된 특징 값에 기초하여, 수축기 혈압 수치 및 이완기 혈압 수치를 산출하는 단계;를 포함하는, 방법. - 제1 항에 있어서,
상기 방법은,
상기 혈압 수치에 관련된 개인 정보 및 상기 혈압 수치에 관련된 환경 정보에 기초하여, 상기 혈압 수치를 보정하는 단계;를 더 포함하는, 방법. - 제6 항에 있어서,
상기 보정하는 단계는,
상기 개인 정보 및 상기 환경 정보에 대응하는 가중치 값을 산출하는 단계; 및
상기 혈압 수치, 상기 개인 정보, 상기 환경 정보 및 상기 가중치 값을 보정 연산 모델에 입력 데이터로 입력하고, 상기 보정 연산 모델로부터 출력 데이터로 상기 보정된 혈압 수치를 획득하는 단계;를 포함하는, 방법. - 제1 항에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
- 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 장치에 있어서,
적어도 하나의 메모리; 및
적어도 하나의 프로세서;를 포함하고,
상기 적어도 하나의 프로세서는,
광용적맥파 파형을 포함하는 광용적맥파 데이터를 수신하고, 상기 광용적맥파 데이터에 포함된 광용적맥파 파형을 표준화하고, 상기 표준화된 광용적맥파 파형을 이용하여, 혈압 수치를 산출하기 위한 특징 값을 검출하고, 상기 광용적맥파 데이터 및 상기 검출된 특징 값에 기초하여, 혈압 수치를 산출하고,
상기 검출하는 것은,
상기 표준화된 광용적맥파 파형을 이용하여, 수축기와 관련된 진폭에 대응하는 제1 특징 값, 이완기와 관련된 진폭에 대응하는 제2 특징 값 및 혈관 벽에서 반사된 파형의 시간과 관련된 구간에 대응하는 제3 특징 값을 검출하는 것이고,
상기 산출하는 것은,
상기 광용적맥파 데이터, 상기 제1 특징 값, 상기 제2 특징 값 및 상기 제3 특징 값에 기초하여 상기 혈압 수치를 산출하는 것이고,
상기 제1 특징 값은,
상기 광용적맥파 파형에 기초하여 검출된 최대 혈압 수치 값 및 최소 혈압 수치 값의 차이에 대응하는 것이고,
상기 제2 특징 값은,
상기 광용적맥파 파형에 기초하여 검출된 변곡점에서의 혈압 수치 값 및 상기 최소 혈압 수치 값의 차이에 대응하는 것이고,
상기 제3 특징 값은,
상기 광용적맥파 파형에 미분을 적용한 경우, 상기 미분을 적용한 광용적맥파 파형에 기초하여 검출된 변곡점에서의 시간 및 상기 미분을 적용한 광용적맥파 파형의 시작점에서의 시간의 차이에 대응하는 것인, 컴퓨팅 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220173885A KR102576679B1 (ko) | 2022-12-13 | 2022-12-13 | 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220173885A KR102576679B1 (ko) | 2022-12-13 | 2022-12-13 | 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102576679B1 true KR102576679B1 (ko) | 2023-09-11 |
Family
ID=88020243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220173885A KR102576679B1 (ko) | 2022-12-13 | 2022-12-13 | 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102576679B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060081178A (ko) * | 2005-01-07 | 2006-07-12 | 학교법인연세대학교 | 광혈류 측정신호를 이용한 이동형 혈압 감시장치 |
| KR20210014305A (ko) * | 2019-07-30 | 2021-02-09 | 삼성전자주식회사 | 생체정보 추정 장치 및 방법 |
| KR102468648B1 (ko) | 2022-04-14 | 2022-11-22 | 주식회사 바이오커넥트 | 영상에 대한 원격 광용적맥파신호를 이용하여 사람의 심박수를 산출하는 방법 |
-
2022
- 2022-12-13 KR KR1020220173885A patent/KR102576679B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060081178A (ko) * | 2005-01-07 | 2006-07-12 | 학교법인연세대학교 | 광혈류 측정신호를 이용한 이동형 혈압 감시장치 |
| KR20210014305A (ko) * | 2019-07-30 | 2021-02-09 | 삼성전자주식회사 | 생체정보 추정 장치 및 방법 |
| KR102468648B1 (ko) | 2022-04-14 | 2022-11-22 | 주식회사 바이오커넥트 | 영상에 대한 원격 광용적맥파신호를 이용하여 사람의 심박수를 산출하는 방법 |
Non-Patent Citations (1)
| Title |
|---|
| 논문, Recurrent Neural Network for Human Activity Recognition in Embedded Systems Using PPG and Accelerometer Data * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11666277B2 (en) | Apparatus and method for estimating biometric information | |
| US10679757B2 (en) | Method and apparatus for establishing a blood pressure model and method and apparatus for determining a blood pressure | |
| EP2992820B1 (en) | Measuring blood pressure | |
| US10292609B2 (en) | Method and device for determining action and/or action part | |
| Brault et al. | Uncertainty quantification of inflow boundary condition and proximal arterial stiffness–coupled effect on pulse wave propagation in a vascular network | |
| JP6913928B2 (ja) | 血圧測定装置、血圧測定方法及び血圧測定プログラム | |
| Jin et al. | Estimating pulse wave velocity from the radial pressure wave using machine learning algorithms | |
| US20180177415A1 (en) | Cardiovascular disease detection | |
| KR20210113336A (ko) | 머신 러닝에 기반한 타깃 객체 속성 예측 방법 및 관련 디바이스 | |
| CN111652135A (zh) | 心电图数据生成方法、装置及电子设备 | |
| Bikia et al. | Determination of aortic characteristic impedance and total arterial compliance from regional pulse wave velocities using machine learning: an in-silico study | |
| Ruijsink et al. | Dobutamine stress testing in patients with Fontan circulation augmented by biomechanical modeling | |
| CN110418600A (zh) | 血压测量装置、方法以及程序 | |
| 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 | |
| KR20200005761A (ko) | 혈당 센싱 데이터 판별 방법 및 장치 | |
| CN112914528B (zh) | 一种无袖带血压测量的模型生成方法、装置及计算机可读介质 | |
| KR102576679B1 (ko) | 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법 및 장치 | |
| Roy et al. | BePCon: A photoplethysmography-based quality-aware continuous beat-to-beat blood pressure measurement technique using deep learning | |
| CN110840427A (zh) | 基于容积脉搏波信号的连续血压测量方法、装置以及设备 | |
| KR20200064582A (ko) | 신체정보를 기초로 신체아바타를 생성하는 방법 및 장치 | |
| KR101872870B1 (ko) | 진맥 진단 장치 및 상기 진맥 진단 장치에서의 진맥 방법 | |
| US20220211283A1 (en) | Methods for blood pressure calibration selection and modeling methods thereof | |
| CN115299900A (zh) | 基于集成学习的胸位血压估计方法和装置 | |
| US11462331B2 (en) | Method and system for pressure autoregulation based synthesizing of photoplethysmogram signal | |
| US20210113102A1 (en) | Determining blood pulse characteristics based on stethoscope data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |