KR20100092809A - Method and apparatus for monitoring heart function - Google Patents

Method and apparatus for monitoring heart function Download PDF

Info

Publication number
KR20100092809A
KR20100092809A KR1020090012115A KR20090012115A KR20100092809A KR 20100092809 A KR20100092809 A KR 20100092809A KR 1020090012115 A KR1020090012115 A KR 1020090012115A KR 20090012115 A KR20090012115 A KR 20090012115A KR 20100092809 A KR20100092809 A KR 20100092809A
Authority
KR
South Korea
Prior art keywords
signal
user
cardiac function
filter
heart
Prior art date
Application number
KR1020090012115A
Other languages
Korean (ko)
Other versions
KR101492453B1 (en
Inventor
손준일
김홍식
신건수
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 KR20090012115A priority Critical patent/KR101492453B1/en
Publication of KR20100092809A publication Critical patent/KR20100092809A/en
Application granted granted Critical
Publication of KR101492453B1 publication Critical patent/KR101492453B1/en

Links

Images

Classifications

    • 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
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition

Landscapes

  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

PURPOSE: A method and a device thereof are provided to model and monitor a cardiac function by extracting a cardiac function index through software. CONSTITUTION: A modeling part(12) models the cardiac function of a user by using correlation relation between the electrocardiogram signal and cardiac sound signal of a user. An output part(13) outputs an index which represents the cardiac function of a user according to the modeling result. The modeling part comprises an adaptive filter, an adding and subtracting part, and a coefficient updating part. The adaptive filter(122) converts the electrocardiogram signal to an output signal corresponding to the cardiac sound signal by using a filter coefficient. The adding and subtracting part(121) subtracts the output signal from the cardiac sound signal. A coefficient updating part(123) updates the filter coefficient according to a predetermined algorithm by using the subtraction result.

Description

심장 기능을 모니터링하는 방법 및 장치{Method and apparatus for monitoring heart function}Method and apparatus for monitoring heart function

본 발명의 적어도 하나의 실시예는 심장 기능을 모니터링하는 방법 및 장치에 관한 것이다.At least one embodiment of the invention relates to a method and apparatus for monitoring heart function.

2009년 현재, 미국 내의 환자 관리 시장은 300억 달러에 달하며, 미국 내 만성 질환자는 7,800만 명으로 전체 인구의 35%이다. 특히, 사회의 고령화가 빠르게 진행되고 있기 때문에 환자 관리 시장은 향후 계속적으로 증가할 것이다. 이와 같은 사정은 다른 선진국 내지 개발도상국에서도 마찬가지이다. 대표적인 만성 질환 항목으로는 심혈관 질환이 있고, 심혈관 질환이 있는 환자에 대해서는 꾸준한 모니터링(mornitoring)이 요구된다. 특히, 심혈관 질환 환자들은 심장의 건강 상태를 계속적으로 관리하여야 한다.As of 2009, the US patient care market has reached $ 30 billion, with 75 million chronically ill people in the United States, 35% of the population. In particular, as the aging society is progressing rapidly, the patient care market will continue to grow in the future. The same is true in other developed and developing countries. Representative chronic disease items include cardiovascular disease, and continuous monitoring (mornitoring) is required for patients with cardiovascular disease. In particular, patients with cardiovascular disease must continue to manage the health of the heart.

본 발명의 적어도 하나의 실시예가 이루고자 하는 기술적 과제는 심장의 건강 상태를 쉽게 예측할 수 있는 심장 기능을 모니터링하는 방법 및 장치를 제공하는 데 있다. 또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공하는 데 있다. 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.It is an object of at least one embodiment of the present invention to provide a method and apparatus for monitoring cardiac function that can easily predict the state of health of the heart. Further, the present invention provides a computer-readable recording medium having recorded thereon a program for executing the method on a computer. The technical problem to be achieved by the present embodiment is not limited to the technical problems as described above, and other technical problems may exist.

상기 기술적 과제를 해결하기 위한 본 실시예에 따른 심장 기능을 모니터링하는 방법은 사용자의 심전도 신호 및 심음 신호의 상관 관계를 이용하여 상기 사용자의 심장 기능을 모델링하는 단계; 및 상기 모델링 결과에 따른 상기 사용자의 심장 기능을 나타내는 인덱스(index)를 출력하는 단계를 포함한다.According to another aspect of the present invention, there is provided a method of monitoring a heart function, including: modeling a user's heart function using a correlation between an electrocardiogram signal and a heart sound signal; And outputting an index representing the cardiac function of the user according to the modeling result.

상기 다른 기술적 과제를 해결하기 위하여, 본 발명은 상기된 심장 기능 모니터링 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공한다.In order to solve the other technical problem, the present invention provides a computer-readable recording medium recording a program for executing the above-described cardiac function monitoring method in a computer.

상기 또 다른 기술적 과제를 해결하기 위한 본 실시예에 따른 심장 기능 모니터링 장치는 사용자의 심전도 신호 및 심음 신호의 상관 관계를 이용하여 상기 사용자의 심장 기능을 모델링하는 모델링부; 및 상기 모델링 결과에 따른 상기 사용자의 심장 기능을 나타내는 인덱스(index)를 출력하는 출력부를 포함한다.According to another aspect of the present invention, there is provided a cardiac function monitoring apparatus including a modeling unit for modeling a cardiac function of a user using a correlation between an electrocardiogram signal and a heart sound signal of a user; And an output unit for outputting an index representing the cardiac function of the user according to the modeling result.

상기된 바에 따르면, 심장의 건강 상태를 나타내는 심장 기능 인덱스(index)를 추가 장비 없이 소프트웨어만으로 쉽게 추출할 수 있고, 추출된 인덱스를 이용하여 심장의 기능을 모델링하고, 상기 모델링 결과를 관찰하여 심장의 건강 상태를 모니터링할 수 있다. 의료전문가가 아니더라도 심장 기능을 나타내는 인덱스를 이용하여 심장 건강 상태를 예측할 수 있고, 심혈관계 질환자의 심장 기능 인덱스를 데이터베이스화하면 심음 신호 및 심전도 신호 검출 및 상기 신호들을 이용한 심장 기능 인덱스의 산출만으로 심장 질환을 판단할 수 있다.As described above, the cardiac function index indicating the health state of the heart can be easily extracted with only software without additional equipment, and the extracted index is used to model the function of the heart and observe the modeling results to monitor the cardiac function. You can monitor your health. Even if you are not a medical professional, you can predict the state of heart health by using the index indicating the cardiac function, and if you database the cardiac function index of the cardiovascular system, heart disease is detected only by detecting the heart sound signal and ECG signal and calculating the cardiac function index using the signals. Can be judged.

이하에서는 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다.Hereinafter, with reference to the drawings will be described embodiments of the present invention;

도 1은 본 발명의 일 실시예에 따른 심장 기능 모니터링 장치(1)의 구성도이다. 도 1을 참조하면, 본 실시예에 따른 심장 기능 모니터링 장치(1)는 신호 처리부(11), 모델링부(12) 및 출력부(13)로 구성된다. 심장 기능 모니터링 장치(1)는 사용자의 심음 신호 및 심전도 신호의 상관 관계가 사람마다 다르다는 특성을 이용하여 사용자의 심장 기능을 나타내는 심장 기능 인덱스(index)를 생성하여 사용자에게 보고한다.1 is a block diagram of a cardiac function monitoring device 1 according to an embodiment of the present invention. Referring to FIG. 1, the cardiac function monitoring apparatus 1 according to the present embodiment includes a signal processing unit 11, a modeling unit 12, and an output unit 13. The cardiac function monitoring apparatus 1 generates and reports a cardiac function index indicating the cardiac function of the user by using the characteristic that the correlation between the heart sound signal and the electrocardiogram signal of the user varies from person to person.

좀 더 상세히 설명하면, 신호 처리부(11)는 사용자의 심전도 신호 및 심음 신호를 구성하는 값을 추출하고, 모델링부(12)는 추출된 심음 값 및 심전도 값을 이용하여 사용자의 심장 기능을 모델링한 인덱스를 산출하고, 출력부(13)는 모델링 결과에 기초한 사용자의 심장 기능을 나타내는 인덱스(index)를 출력한다. 모델링 부(12)는 심전도 신호 및 심음 신호의 상관 관계에 적응적인 변수를 이용하여 심전도 신호를 심음 신호와 근접한 출력 신호로 변형하고, 심음 신호에서 출력 신호를 감산하여 오차 신호를 산출하고, 적응적 변수, 오차 신호 및 심전도 신호를 이용하여 오차 신호가 0(zero)으로 수렴하는 방향으로 소정의 변수를 갱신한다. 소정의 변수가 갱신됨에 따라 오차 신호는 0으로 수렴되고, 소정의 변수 및 갱신된 변수 중 적어도 하나를 출력하여 사용자의 심장 기능을 나타내는 인덱스(index)로 이용할 수 있다. 출력된 인덱스를 관찰하여 심장의 건강 상태를 모니터링 할 수 있다.In more detail, the signal processor 11 extracts values constituting the ECG signal and the heart sound signal of the user, and the modeling unit 12 models the heart function of the user by using the extracted heart sound value and the ECG value. The index is calculated, and the output unit 13 outputs an index representing the heart function of the user based on the modeling result. The modeling unit 12 transforms the ECG signal into an output signal close to the heart sound signal by using a variable adaptive to the correlation between the ECG signal and the heart sound signal, calculates an error signal by subtracting the output signal from the heart sound signal, and adaptively. The predetermined variable is updated in a direction in which the error signal converges to zero using the variable, the error signal, and the ECG signal. As the predetermined variable is updated, the error signal converges to 0, and at least one of the predetermined variable and the updated variable may be output and used as an index representing the cardiac function of the user. You can monitor your heart's health by observing the output index.

심장 기능 모니터링 장치(1)는 사용자의 심음 및 심전도 데이터를 이용하여 모델링된 심장 기능을 나타내는 인덱스를 사용자에게 보고하는 장치이다. 인덱스는 적어도 하나 이상의 숫자들의 집합으로 구성되고, 상기 사용자의 심장 기능을 수치화하여 산출된 데이터들을 나타낸다. 즉, 심장 기능을 나타내는 인덱스는 심음 및 심전도 측정자에 따라 각기 다른 인덱스를 가지고, 동일인이라도 심장 상태에 따라 다른 인덱스를 가질 수 있다.The cardiac function monitoring device 1 is a device for reporting an index indicating a cardiac function modeled using the user's heart sound and electrocardiogram data. The index consists of a set of at least one number and represents data calculated by quantifying the cardiac function of the user. That is, the index indicating the heart function may have different indices according to the heart sound and electrocardiogram, and even the same person may have different indices according to the heart condition.

신호 처리부(11)는 생체 신호 측정 장치로부터 사용자의 심음 신호 및 심전도 신호를 획득하고, 상기 신호들에 대하여 정규화 과정, 포락선 산출 과정을 수행하고, 소정의 주기로 샘플링하여 상기 신호들이 소정의 시간에 가지는 값을 추출한다. 생체 신호 측정 장치는 심음 측정 기능 및 심전도 측정 기능 중 적어도 어느 하나를 포함하고, 설명의 편의상 생체 신호 측정 장치와 본 발명의 일 실시예에 따른 심장 기능 모니터링 장치(1)는 서로 별개의 장치로서 존재하는 것으로 설명할 것이나, 하나의 장치로 통합될 수도 있음을 본 실시예가 속하는 기술분야에서 통상 의 지식을 가진 자라면 이해할 수 있다. The signal processor 11 obtains a user's heart sound signal and an electrocardiogram signal from a biosignal measuring apparatus, performs a normalization process, an envelope calculation process, and samples the signals at predetermined time intervals. Extract the value. The biosignal measuring apparatus includes at least one of a heart sound measuring function and an electrocardiogram measuring function, and for convenience of description, the biosignal measuring apparatus and the cardiac function monitoring apparatus 1 according to an embodiment of the present invention exist as separate devices. It will be described, but it will be understood by those skilled in the art that the present embodiment may be integrated into one device.

심음 신호는 심장이 수축 및 이완할 때 발생하는 소리에 기초한 신호로 심음 측정 장치로부터 획득된다. 신호 처리부(11)는 획득된 신호를 샘플링하여 모델링부(12)에서 사용 가능한 값을 추출한다. 심장이 수축 및 이완할 때 발생하는 소리에 의하여 흉벽에 진동이 생기고, 심음 측정 장치는 마이크로폰(microphone)을 이용하여 진동을 전기적 에너지로 변환하고, 심음이 전기적 신호로 변환되어 기록된 것을 심음도라고 한다. 심음 측정 장치는 심음도를 기록하기 위한 기계인 심음계(phonocardiograph)에 해당하는 것이 일반적이지만, 이에 한정되지 않고 심음을 측정할 수 있는 모든 기계, 장치를 포함한다는 것을 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자라면 알 수 있다.The heart sound signal is obtained from the heart sound measurement device as a signal based on the sound generated when the heart contracts and relaxes. The signal processor 11 extracts a value usable by the modeling unit 12 by sampling the obtained signal. The sound generated when the heart contracts and relaxes causes vibrations in the chest wall, and the heart-measuring device converts vibrations into electrical energy using a microphone, and the heart sounds are converted into electrical signals and recorded. do. The heart sound measurement apparatus generally corresponds to a phonocardiograph, which is a machine for recording heart severity, but is not limited thereto, and generally includes all machines and devices capable of measuring heart sounds. Anyone with knowledge of

도 2a 및 도 2b는 본 발명의 일 실시예에 따른 사람의 심장 구조를 도시한 도면이다. 도 2a를 참조하면, 심장은 우심방(21), 좌심방(22), 우심실(23) 및 좌심실(24)로 구성된다. 심방(atrium)은 심장 중에서 정맥과 직접 연결되어 있는 부분을 뜻하고, 심실(ventricla)은 심장 중에서 동맥과 직접 연결되어 있는 부분을 뜻한다. 도 2b는 도 2a의 심장 구조를 좀 더 자세히 도시한 도면이다. 도 2b를 참조하면, 우심실(23)과 폐동맥(282) 사이 및 좌심실(24)과 대동맥(281) 사이의 두 곳에 있는 반월형 주머니 모양의 판막인 반월판(semilunar valve)(251)들이 있고, 심방과 심실 사이에 있는 낙하산 모양의 판인 방실판(atrioventricular valves)(261, 262) 중 우심방(21)과 우심실(23) 사이에 있는 것을 삼첨판(261), 좌심방(22)과 좌심실(24) 사이에 있는 것을 이첨판 또는 승모판(262)라고 한다. 반월판(251)은 심 실이 이완할 때 심실로 혈액이 역류하는 것을 방지하고, 방실판(261, 262)은 심실이 수축할 때 혈액이 심실로부터 심방으로 역류하는 것을 방지한다.2A and 2B illustrate a human heart structure according to an embodiment of the present invention. Referring to FIG. 2A, the heart is composed of a right atrium 21, a left atrium 22, a right ventricle 23, and a left ventricle 24. Atrium refers to the part of the heart that is directly connected to the veins, and ventricla refers to the part of the heart that is directly connected to the arteries. FIG. 2B illustrates the cardiac structure of FIG. 2A in more detail. Referring to FIG. 2B, there are semilunar valves 251, which are semicircular pocket-shaped valves located between the right ventricle 23 and the pulmonary artery 282 and between the left ventricle 24 and the aorta 281. Among the atrioventricular valves 261 and 262, which are parachute-shaped plates between the ventricles, are between the right atrium 21 and the right ventricle 23 between the tricuspid valve 261, the left atrium 22 and the left ventricle 24 It is called a mitral valve or mitral valve 262. The meniscus plate 251 prevents blood from flowing back to the ventricles when the ventricles relax, and the atrioventricular plates 261 and 262 prevent blood from flowing back from the ventricles to the atria when the ventricles contract.

심음은 제 1 심음 내지 제 4 심음으로 구성되고, 심실 수축기의 시초에 방실판(261, 262) 폐쇄로 인한 제 1 심음, 심실 확장기의 시초에 반월판(251) 폐쇄에 의한 제 2 심음, 제 2 심음 다음의 진폭에 의한 제 3 심음 및 열려있는 방실판(261, 262) 구멍을 통해 혈액이 심실로 들어갈 때 나는 제 4 심음으로 구성된다. 제 3 심음 내지 제 4 심음은 심음 측정자의 건강 상태에 따라 측정값이 미비할 수 있다. 심음 측정 장치는 제 1 심음 내지 제 4 심음을 측정하여 전기적 신호로 변환하여 심음 신호를 검출한다.The heart sound is composed of the first to fourth heart sounds, the first heart sound due to the closure of the atrioventricular valves 261 and 262 at the beginning of the ventricular systolic, the second heart sound by the closure of the meniscus 251 at the beginning of the ventricular dilator, the second heart sound It consists of a third heart sound by the following amplitude and a fourth heart sound when blood enters the ventricles through the openings of the atrioventricular plate 261, 262. The third to fourth heart sounds may have insufficient measurement values according to the health condition of the heart sound measurer. The heart sound measurement apparatus detects the heart sound signal by measuring the first to fourth heart sounds and converting them into electrical signals.

도 3은 본 발명의 일 실시예에 따른 심음도를 도시한 도면이다. 도 3을 참조하면, 심음도는 제 1 심음(31), 제 2 심음(32), 제 3 심음(33) 및 제 4 심음(34)으로 구성된다. 상기에서 설명한 바와 같이, 제 3 심음(33) 및 제 4 심음(34)은 측정자의 건강 상태에 따라 미비하여 측정이 불가할 수도 있다. 신호 처리부(11)는 심음 신호 측정 장치로부터 획득한 심음도 데이터에 대하여 정규화과정, 포락선 산출과정 및 샘플링 과정을 수행한다. 3 is a diagram illustrating a heart sound level according to an exemplary embodiment of the present invention. Referring to FIG. 3, the heart sound level includes a first heart sound 31, a second heart sound 32, a third heart sound 33, and a fourth heart sound 34. As described above, the third heart sound 33 and the fourth heart sound 34 may be inferior in measurement depending on the health condition of the measurer. The signal processor 11 performs a normalization process, an envelope calculation process, and a sampling process on the heart soundness data obtained from the heart sound signal measuring apparatus.

도 4는 도 1에 도시된 신호 처리부(11)를 상세히 도시한 구성도이다. 도 4를 참조하면, 신호 처리부(11)는 정규화부(111a, 111b), 포락선 산출부(112) 및 샘플링부(113a, 113b)로 구성된다. 정규화부(111a)는 계산의 편의를 위하여 심음의 전기적 신호를 1로 정규화시키고, 포락선 산출부(112)는 정규화된 심음의 전기적 신호의 포락선을 산출한다. 포락선 산출은 심음의 전기적 신호들의 최대값들을 연결 하여 구성된 곡선을 뜻하며, 상기 신호들에 대하여 수학적으로 힐버튼 변환(Hilbert transform) 등에 의하여 산출할 수 있다. 4 is a diagram illustrating in detail the signal processor 11 illustrated in FIG. 1. Referring to FIG. 4, the signal processing unit 11 includes the normalization units 111a and 111b, the envelope calculating unit 112, and the sampling units 113a and 113b. The normalizing unit 111a normalizes the electrical signal of the heart sound to 1 for convenience of calculation, and the envelope calculating unit 112 calculates an envelope of the electrical signal of the normalized heart sound. The envelope calculation refers to a curve formed by connecting the maximum values of the electrical signals of the heart sound, and may be calculated mathematically by a Hilbert transform on the signals.

샘플링부(113a)는 상기 산출된 포락선에 대하여 소정의 주기로 소정의 시간에 상기 포락선을 구성하는 값을 추출한다. 이때, 샘플링 주기 및 샘플링 횟수는 사용 환경에 따라 다양하게 설정할 수 있다. 예를 들면, 1초 간격으로 10회 샘플링하여 추출된 값들을 사용할 수 있다. 다만, 샘플링 주기는 이하에서 설명할 심전도 신호의 샘플링 주기와 동일하다. 또는, 심음 신호의 샘플링부(113a)는 심전도 신호의 샘플링 주기와 동일한 샘플링 주기를 가지도록 샘플링 과정을 한 번 더 수행할 수 있다. 상기에서 설명한, 정규화, 포락선 산출 및 샘플링 과정은 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자에게 자명하기에, 상세한 설명을 생략한다.The sampling unit 113a extracts a value constituting the envelope at a predetermined time with respect to the calculated envelope at a predetermined period. In this case, the sampling period and the sampling frequency may be variously set according to the use environment. For example, values extracted by sampling 10 times at 1 second intervals may be used. However, the sampling period is the same as the sampling period of the ECG signal to be described below. Alternatively, the sampling unit 113a of the heart sound signal may perform the sampling process once more to have the same sampling period as that of the ECG signal. The above-described normalization, envelope calculation, and sampling process are obvious to those of ordinary skill in the art related to the present invention, and thus detailed descriptions thereof will be omitted.

신호 처리부(11)는 심장의 박동에 의한 전기적 신호를 측정한 심전도 측정 장치로부터 심전도 신호를 획득하고, 획득된 신호에 대하여 모델링부(12)에서 사용 가능한 값을 추출한다. 심장근육이 수축 및 이완할 때 발생하는 활동전위(action potential)는 심장으로부터 온몸으로 퍼지는 전류를 일으키고, 상기 전류는 몸의 위치에 따라 전위차를 발생시키는데, 이 전위차를 생체전기(bioelectricity)라 한다. The signal processor 11 obtains an electrocardiogram signal from an electrocardiogram measuring apparatus measuring an electrical signal caused by a heartbeat, and extracts a value usable by the modeling unit 12 with respect to the acquired signal. The action potential that occurs when the heart muscle contracts and relaxes produces a current that spreads from the heart to the body, and the current produces a potential difference depending on the position of the body, which is called bioelectricity.

좀 더 상세히 설명하면, 심장은 혈액을 전신에 순환시키는 펌프로서 수축과 이완을 규칙적으로 반복한다. 심장의 펌프 작용은 심근을 수축함으로써 이루어지는데 심장이 박동할 때마다 미약한 전기가 생기고, 상기 전기에 의하여 신체 내에 전 류가 흐르게 된다. 신체 표면의 피부에 표면 전극(surface electrode)을 부착하여 생체전기를 검출하고, 이를 기록한 것을 심전도라고 한다.More specifically, the heart is a pump that circulates blood throughout the body, repeating contraction and relaxation regularly. The pumping of the heart is achieved by contracting the myocardium, whereby a weak electricity is generated every time the heart beats, and current flows through the body by the electricity. Surface electrodes (surface electrodes) are attached to the skin of the body surface to detect the bioelectricity and recorded this is called an electrocardiogram.

신호 처리부(11)는 심전도 측정 장치로부터 획득한 심장의 전기적 신호 데이터에 대하여 정규화과정 및 샘플링 과정을 수행한다. 정규화부(111b) 및 샘플링부(113b)는 정규화 및 샘플링을 수행하는데, 이때의 정규화 과정 및 샘플링 과정은 상기 심음 신호에서의 데이터 처리 과정과 동일하다. 또한, 샘플링 과정은 소정의 주기로 심전도 신호의 값을 추출하는데, 심음 신호 및 심전도 신호는 동일한 주기를 사용하고, 각 구간의 값을 추출하는 방법, 즉 샘플링 방법도 동일하다. 다만, 정규화부(111b)는 사용 환경에 따라 -1(마이너스 일)로 정규화를 수행할 수도 있음을 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자라면 알 수 있다.The signal processor 11 performs a normalization process and a sampling process on the electrical signal data of the heart obtained from the ECG measuring apparatus. The normalization unit 111b and the sampling unit 113b perform normalization and sampling, and the normalization process and sampling process are the same as the data processing process in the heart sound signal. In addition, the sampling process extracts the value of the ECG signal at a predetermined period. The heartbeat signal and the ECG signal use the same period, and the method of extracting the value of each section, that is, the sampling method is also the same. However, one of ordinary skill in the art may recognize that the normalization unit 111b may perform normalization to −1 (minus one) according to the use environment.

모델링부(12)는 심전도 신호 및 심음 신호의 관계를 이용하여 사용자의 심장 기능을 모델링한 인덱스를 산출한다. 본 발명의 일 실시예에 따른 심장 기능 모니터링 장치(1)는 적응 필터(adaptive filter)를 이용하여 심전도 신호 및 심음 신호의 상관 관계를 모델링할 수 있다. 적응 필터를 이용하여 모델링하는 경우, 심전도 신호 및 심음 신호의 상관 관계를 나타내는 소정의 변수는 적응 필터의 계수(coefficient)에 해당한다. 이하에서는 설명의 편의를 위하여 적응 필터를 이용하여 설명할 것이나, 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자라면, 이에 한정되지 않음을 알 수 있다. 도 5는 도 1에 도시된 모델링부(12)를 상세히 도시한 구성도이다. 도 5를 참조하면, 본 발명의 일 실시예에 따른 모델링부(12)는 가감산부(121), 적응필터(122), 필터 계수 갱신부(123) 및 비교부(124)로 구성된 다.The modeling unit 12 calculates an index for modeling a user's heart function using the relationship between the ECG signal and the heart sound signal. The cardiac function monitoring apparatus 1 according to an embodiment of the present invention may model a correlation between an electrocardiogram signal and a heart sound signal using an adaptive filter. When modeling using the adaptive filter, a predetermined variable representing the correlation between the ECG signal and the heart sound signal corresponds to the coefficient of the adaptive filter. Hereinafter, for convenience of description, an adaptive filter will be described, but it will be understood by those skilled in the art that the present invention is not limited thereto. 5 is a diagram illustrating in detail the modeling unit 12 shown in FIG. 1. Referring to FIG. 5, the modeling unit 12 according to an exemplary embodiment of the present invention includes an adder / subtracter 121, an adaptive filter 122, a filter coefficient updater 123, and a comparator 124.

가감산부(121)는 심음 신호 dk에서 적응필터(122)의 출력 신호 yk를 감산하여 오차 신호 εk를 산출한다. 이때, dk는 심음 신호, yk는 적응필터(122)의 출력 신호 및 εk는 오차 신호를 나타내고, k는 신호 처리부(11)의 샘플링부(113a 및 113b)에서 수행한 심음 신호 및 심전도 신호에 대한 샘플링(sampling) 횟수를 의미한다. 즉, 첫 번째 샘플링 시간에서 k=1이고, 두 번째 샘플링 시간은 k=2이며, n 번째 샘플링 시간에서 k=n이다. 예를 들면 첫 번째 샘플링 시간에서 추출한 심음 신호, 출력 신호 및 오차 신호는 각각 d1, y1, 및 ε1이다. 가감산부(121)에서 수행하는 연산은 수학식 1과 같다.Acceleration peaks 121 subtracts the output signal y k of the adaptive filter 122 from the heart sound signal d k and calculates the error signal ε k. In this case, d k represents the heart sound signal, y k represents the output signal of the adaptive filter 122 and ε k represents the error signal, and k represents the heart sound signal and the electrocardiogram performed by the sampling units 113a and 113b of the signal processing unit 11. The number of sampling of the signal. That is, k = 1 at the first sampling time, k = 2 at the second sampling time, and k = n at the nth sampling time. For example, the heart sound signal, the output signal, and the error signal extracted at the first sampling time are d 1 , y 1 , and ε 1, respectively. The operation performed by the adder / subtracter 121 is shown in Equation 1 below.

Figure 112009009163260-PAT00001
Figure 112009009163260-PAT00001

가감산부(121)는 심음 신호 dk와 적응필터(122)의 출력 신호 yk의 차를 계산하여 오차 신호 εk를 산출한다. 상기에서 설명한 바와 같이, 심장 기능 모니터링 장치(1)의 모델링부(12)는 심음 신호 dk 및 심전도 신호 xk의 관계를 이용하여 심장 기능을 모델링하기 위하여 심음 신호 dk를 목표 신호로 설정하고, 오차 신호 εk를 감소시키는 방향으로 필터의 계수 wk를 갱신한다. 필터의 계수 wk 및 갱신된 필터의 계수 wk+1는 사용자의 심음 신호 및 심전도 신호의 상관 관계를 나타내고, 따라서 필터의 계수 및 갱신된 계수들을 심장 기능을 나타내는 인덱스로 사용한다. 가감산부(121)의 연산 결과인 오차 신호 εk는 필터 계수를 갱신하기 위하여 사용되기에 필터 계수 갱신부(123)로 입력된다.The addition and subtraction unit 121 calculates the difference between the heart sound signal d k and the output signal y k of the adaptive filter 122 to calculate the error signal ε k . As described above, the modeling unit 12 of the cardiac function monitoring apparatus 1 sets the heart sound signal d k as a target signal to model the heart function using the relationship between the heart sound signal d k and the electrocardiogram signal x k . , The coefficient w k of the filter is updated in the direction of decreasing the error signal ε k . The coefficient w k of the filter and the coefficient w k + 1 of the updated filter indicate the correlation between the user's heart sound signal and the electrocardiogram signal, and thus use the coefficient and the updated coefficient of the filter as an index representing cardiac function. The error signal ε k, which is the result of the operation of the adder / subtracter 121, is used to update the filter coefficient and is thus input to the filter coefficient updater 123.

적응필터(adaptive filter)(122)는 심전도 신호 xk를 필터의 계수 wk를 이용하여 심음 신호 dk와 근접한 신호인 출력 신호 yk로 변형한다. 적응필터(122)는 필터 계수 갱신부(123)가 필터의 계수 wk를 갱신하고, 갱신된 필터 계수 wk + 1를 이용하여 심음 신호 dk와 근접한 신호를 출력할 수 있도록 학습된다. 필터 계수 갱신부(123)는 오차 신호 εk가 0에 수렴하도록 필터의 계수를 갱신하고, 적응필터(122)는 갱신된 계수 wk + 1를 획득하고, 다음 샘플링 주기의 심전도 신호 xk + 1를 이용하여 다음 샘플링 주기의 심음 신호 dk + 1와 근접한 출력 신호 yk +1을 출력한다. 즉, 적응필터(122)는 학습에 의하여 샘플링 횟수가 증가함에 따라 심음 신호 dk와 유사한 신호를 출력할 수 있다. 적응필터(122)는 디지털 적응 필터(digital adaptive filter)를 포함하고, 상기에서 설명한 바와 같이 심전도 신호 xk 및 필터 계수 wk를 이용하여 출력 신호 yk를 산출하는 모든 알고리즘, 기기 및 장치를 포함한다. 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자에게 적응필터(122)는 자명하기에 상세한 설명은 생략한다. 본 발명의 일 실시예에 따른 적응필터(122)의 알고리즘은 수학식 2와 같이 정의할 수 있다.The adaptive filter 122 transforms the ECG signal x k into an output signal y k , which is a signal close to the heart sound signal d k using the filter's coefficient w k . The adaptive filter 122 is trained so that the filter coefficient updating unit 123 updates the coefficient w k of the filter and outputs a signal close to the heart sound signal d k using the updated filter coefficient w k + 1 . The filter coefficient updating unit 123 updates the coefficient of the filter so that the error signal ε k converges to 0, the adaptive filter 122 obtains the updated coefficient w k + 1 , and the ECG signal x k + of the next sampling period. Using 1 , the output signal y k +1 close to the heart sound signal d k + 1 of the next sampling period is output. That is, the adaptive filter 122 may output a signal similar to the heart sound signal d k as the number of sampling increases by learning. The adaptive filter 122 includes a digital adaptive filter and includes all algorithms, devices, and devices that calculate the output signal y k using the ECG signal x k and the filter coefficient w k as described above. do. The adaptive filter 122 is obvious to those skilled in the art related to the present invention, and thus detailed description thereof will be omitted. An algorithm of the adaptive filter 122 according to an embodiment of the present invention may be defined as in Equation 2.

Figure 112009009163260-PAT00002
Figure 112009009163260-PAT00002

yk는 적응필터(122)의 출력 신호, wk는 필터의 계수, xk는 신호 처리부(11)로부터 획득한 심전도 신호를 의미한다. 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자라면, 수학식 2는 출력 신호 yk를 정의하기 위한 일 실시예에 해당할 뿐이고, 적응필터(122)에서 출력 신호 yk를 산출하는 알고리즘은 수학식 2에 한정되지 않음을 알 수 있다.y k denotes an output signal of the adaptive filter 122, w k denotes a coefficient of the filter, and x k denotes an electrocardiogram signal obtained from the signal processor 11. Those of ordinary skill in the art of the present invention, Equation (2) is an algorithm for calculating one embodiment merely correspond to the example, y the output signal from the adaptive filter (122) k for defining the output signal y k It can be seen that it is not limited to Equation 2.

오차 신호 εk가 0으로 수렴하는 것은 출력 신호 yk가 목표 신호인 심음 신호 dk와 같아지는 것과 동일한 의미가 있다. 따라서, 심전도 신호 xk를 심음 신호 dk로 학습시키기 위하여 필터의 계수 wk를 사용한다. 심전도 신호 xk를 심음 신호 dk로 학습하기 위한 필터의 계수 wk는 필터 계수 갱신부(123)로부터 획득한다. 즉, 필터 계수 갱신부(123)는 필터의 계수 wk 갱신을 통하여 적응필터(122)를 학습시킨다.Converging the error signal ε k to 0 has the same meaning as the output signal y k is equal to the target sound signal d k . Thus, the coefficient w k of the filter is used to train the electrocardiogram signal x k with the heart sound signal d k . The coefficient w k of the filter for learning the electrocardiogram signal x k with the heart sound signal d k is obtained from the filter coefficient updater 123. That is, the filter coefficient updating unit 123 trains the adaptive filter 122 through updating the coefficient w k of the filter.

필터 계수 갱신부(123)는 심전도 신호 xk 및 가감산부(121)로부터 획득한 오차 신호 εk를 소정의 알고리즘을 통과시켜 필터 계수 wk를 갱신한다. 이때, 소정의 알고리즘은 오차 신호 εk를 최소화하는 알고리즘을 뜻하고, 본 실시예에서는 소정의 알고리즘의 일 실시예로서 LMS(Least Mean Square) 알고리즘을 예로 들어 설명 한다. LMS 알고리즘은 오차 신호 εk의 제곱의 평균을 최소화시키는 방향으로 필터의 계수 wk를 갱신한다. LMS 알고리즘은 오차 신호 εk의 제곱의 평균이 최소가 되는 필터의 계수를 찾기 위하여 필터 계수 갱신부(123)에서 사용하는 알고리즘으로 수학식 3과 같이 정의할 수 있다.The filter coefficient updating unit 123 performs an ECG signal x k And the filter coefficient w k is updated by passing the error signal ε k obtained from the addition and subtraction unit 121 through a predetermined algorithm. In this case, the predetermined algorithm refers to an algorithm for minimizing the error signal ε k . In the present embodiment, an embodiment of the predetermined algorithm will be described using a Least Mean Square (LMS) algorithm as an example. The LMS algorithm updates the coefficients w k of the filter in a direction that minimizes the mean of the squares of the error signals ε k . The LMS algorithm is an algorithm used by the filter coefficient updater 123 to find the coefficient of the filter whose minimum square of the error signal ε k is the minimum.

Figure 112009009163260-PAT00003
Figure 112009009163260-PAT00003

이때, wk는 필터의 계수, k는 샘플링 횟수, μ는 학습율(learning rate), εk는 오차 신호, xk는 심전도 신호를 의미한다. 즉, 필터 계수 갱신부(123)는 필터의 계수 wk, 학습율 μ, 오차 신호 εk 및 입력 신호 xk를 이용하여 필터의 계수 wk를 갱신하여 다음 샘플링 시간에서의 필터의 계수 wk +1을 산출한다. 필터 계수 갱신부(123)는 오차 신호 εk의 제곱의 평균을 최소가 되는 방향으로 필터의 계수 wk를 갱신하고, 샘플링 횟수를 증가시키면, 목표 신호인 심음 신호 dk와 적응필터(122)의 출력 신호 yk의 오차가 감소한다. 이때, 필터의 계수 wk를 갱신한다는 의미는 k, 즉 샘플링 횟수를 증가시킨다는 의미이다. 예를 들면, 첫 번째 샘플링 시간에서의 인덱스 w1, 학습율 μ, 오차 신호 ε1 및 입력 신호 x1를 이용하여 다음 샘플링 시간에 대한 필터의 계수 w2를 산출한다. 샘플링 횟수를 n번으로 설정되어 있다면, 필터 계수 갱신부(123)는 상기 수학식 3을 사용하여 wn까지 갱신한다. 샘플링 횟수는 사용자에 의하여 임의로 설정 가능하다.At this time, w k is the coefficient of the filter, k is the number of sampling, μ is the learning rate, ε k is the error signal, x k is the ECG signal. That is, the filter coefficient updating unit 123 is the filter coefficients w k, learning rate μ, the error signal ε k and the input signal x k by updating the coefficients w k of the filter using the following coefficients w of the filter at the sampling time k + Calculate 1 Filter coefficient updating unit 123 is the error signal ε k updating the coefficients w k of the filter an average of the squares in the direction in which the minimum, and increasing the number of sampling times, the adaptive filter 122 and the target signal is a cardiac signal d k of The error of the output signal y k is reduced. At this time, updating the coefficient w k of the filter means k, that is, increasing the number of sampling. For example, the index w 1 , the learning rate μ, the error signal ε 1, and the input signal x 1 at the first sampling time are used to calculate the filter coefficient w 2 for the next sampling time. If the sampling frequency is set to n times, the filter coefficient updating unit 123 updates up to w n using Equation 3 above. The sampling frequency can be arbitrarily set by the user.

학습율 μ는 LMS 알고리즘을 사용한 모델링부(12)의 수렴 속도, 즉 학습 속도를 제어할 수 있는 소정의 변수로서, 사용 환경에 따라 임의적 설정이 가능하다. 필터 계수 갱신부(123)는 상기에서 설명한 바와 같이, 오차 신호 εk를 최소로 만들기 위하여 필터의 계수 wk를 갱신한다. 이때, 오차 신호 εk가 일정 값 이하가 되면 적응필터(122)의 학습이 완료가 되었다고, 즉, 목표 신호 dk와 적응필터(122)의 출력 신호 yk가 사용자가 원하는 범위로 가까워졌다고 판단할 수 있다. 학습율 μ를 이용하여 학습 완료 시간을 제어할 수 있다. 학습율 μ가 클수록 학습 완료 시간이 줄어들고, 정확도는 낮아진다. 즉, 학습율 μ가 클수록 오차 신호 εk가 일정 값 이하로 되는 시간이 짧아지는 대신, 오차 신호 εk의 정확도가 낮아진다. 사용자는 사용 환경에 따라 학습율 μ를 설정할 수 있다. 예를 들어, 정확도가 요구되는 경우에는 학습율 μ를 작게 설정한다. 학습율 μ가 작을수록 오차 신호 εk가 0(zero)으로 수렴하는 속도가 늦어지고, 정확도는 상승한다. 즉, 학습율 μ가 0(zero)에 가까운 값으로 수렴한다.The learning rate μ is a predetermined variable that can control the convergence speed, that is, the learning speed, of the modeling unit 12 using the LMS algorithm, and can be arbitrarily set according to the use environment. As described above, the filter coefficient updater 123 updates the coefficient w k of the filter to minimize the error signal ε k . At this time, when the error signal ε k is less than or equal to a predetermined value, it is determined that the learning of the adaptive filter 122 is completed, that is, that the target signal d k and the output signal y k of the adaptive filter 122 are close to the desired range. can do. The learning completion time μ can be used to control the learning completion time. The larger the learning rate μ, the shorter the learning completion time and the lower the accuracy. In other words, the larger the learning rate μ, the shorter the time that the error signal ε k becomes below a predetermined value, but the accuracy of the error signal ε k is lowered. The user can set the learning rate μ according to the use environment. For example, when accuracy is required, the learning rate μ is set small. The smaller the learning rate μ, the slower the rate at which the error signal ε k converges to zero and the accuracy increases. In other words, the learning rate μ converges to a value close to zero.

비교부(124)는 오차 신호 및 학습 완료 값을 비교하여 오차 신호 εk가 상기 학습 완료 값 이하가 되면, 적응필터(122)의 학습이 완료되었다고 결정한다. 예를 들어, 오차 신호 εk가 1mV 이하가 되면 적응필터(122)의 학습이 완료되었다고 가정한다. 이때, 1mV가 학습 완료 값에 해당한다. 샘플링을 5회 반복 후 오차 신호 εk가 1mV 이하가 되었다고 하면, 학습 완료 시점 이후의 필터의 계수, 즉 w5부터 wn을 사용자의 심장 기능을 나타내는 인덱스로 이용할 수 있다. 즉, 심장 기능 인덱스는 수학식 4와 같이 표현할 수 있다.The comparison unit 124 compares the error signal and the learning completion value, and determines that the learning of the adaptive filter 122 is completed when the error signal ε k is less than or equal to the learning completion value. For example, it is assumed that the learning of the adaptive filter 122 is completed when the error signal ε k is 1 mV or less. At this time, 1mV corresponds to the learning completion value. If the error signal [epsilon] k becomes 1 mV or less after 5 repetitions of sampling, the coefficients of the filters after the learning completion time, that is, w 5 to w n can be used as indexes representing the heart function of the user. That is, the cardiac function index may be expressed as in Equation 4.

Figure 112009009163260-PAT00004
Figure 112009009163260-PAT00004

이때, m은 학습 완료 시점의 샘플링 횟수를 의미하고, n은 사용 환경에 따라 설정된 적응 필터(122)의 길이로서, 심장 기능을 나타내는 인덱스가 몇 개의 필터 계수들을 포함하고 있는지를 나타낸다. 학습 완료 시점 이후의 필터의 계수들을 심장의 건강 상태에 따른 심장 기능을 나타내는 인덱스로 이용할 수 있다. 즉, 측정자가 동일하고, 측정자의 심장 상태도 큰 변화가 없다면, 학습 완료 시점 이후의 필터의 계수들은 항상 동일한 값으로 수렴한다. 학습 완료 시점 이후의 필터의 계수들의 집합을 심장 기능 인덱스라고 하면, 측정자 및 측정자의 심장 상태에 변화가 없다면 시간을 달리하여 측정한 심장 기능 인덱스들은 모두 동일할 것이다. 예를 들어, 동일한 사람의 2009년 1월 10일에 측정한 심장 기능 인덱스를 Wa라고 하고, 2009년 1월 17일에 측정한 심장 기능 인덱스를 Wb라고 하면, 수학식 5가 성립한다.In this case, m denotes the number of samplings at the completion of learning, n denotes the length of the adaptive filter 122 set according to the use environment, and indicates how many filter coefficients the index representing the heart function includes. The coefficients of the filter after the completion of the learning may be used as an index representing the cardiac function according to the health state of the heart. In other words, if the measurer is the same and the heart state of the measurer does not change significantly, the coefficients of the filter after the completion of learning always converge to the same value. If the set of coefficients of the filter after the completion of learning is called the cardiac function index, the cardiac function indexes measured at different times will be the same if there is no change in the measurer and the measurer's heart state. For example, if the cardiac function index measured on January 10, 2009 of the same person is called Wa, and the cardiac function index measured on January 17, 2009, is Wb, equation (5) holds.

Figure 112009009163260-PAT00005
Figure 112009009163260-PAT00006
Figure 112009009163260-PAT00005
Figure 112009009163260-PAT00006

∴

Figure 112009009163260-PAT00007
∴
Figure 112009009163260-PAT00007

즉, 동일인의 심장 상태에 큰 변화가 없을 경우, 심장 기능 인덱스는 wm=wm, wm+1=wm+1, ... , wn=wn가 성립한다. 따라서, 심장 기능 인덱스를 추출하여 심장 기능 인덱스가 동일한 값으로 수렴하지 않고 변화가 생긴 경우에는 측정자의 심장에 이상이 생겼다고 판단할 수 있다. 다만, 심장 기능 인덱스의 동일성의 정도는 사용 환경에 따라 설정이 가능하다. 즉, 심장 기능 인덱스가 100% 동일하게 산출되는 경우 뿐만 아니라, 사용 환경에 따라 80% 이상의 동일성을 가지는 경우에도 동일한 심장 기능 인덱스라고 판단할 수 있다.That is, if there is no significant change in the cardiac state of the same person, the cardiac function index is w m = w m , w m + 1 = w m + 1 , ..., w n = w n . Therefore, when the cardiac function index is extracted and a change occurs without the cardiac function index converged to the same value, it may be determined that the cardiac function is abnormal. However, the degree of identity of the cardiac function index can be set according to the use environment. That is, the same cardiac function index may be determined not only when the cardiac function index is calculated to be 100% identical, but also when the cardiac function index is 80% or more identical according to the use environment.

또한, 사용 환경에 따라 심장 기능 인덱스를 구성하는 필터 계수의 수를 설정할 수 있다. 즉, 사용자의 설정 또는 기본 설정에 따라 심장 기능 인덱스를 10개라고 설정하면, 필터 계수 갱신부(123)는 필터의 계수 wk를 10회만 갱신한다. 사용 환경에 따라 학습 완료 시점 이후의 필터의 계수만을 인덱스로 사용하는 경우에 있어서는 학습 완료 시점 이후, 필터의 계수 wk를 10회 갱신할 수 있다.In addition, the number of filter coefficients constituting the cardiac function index can be set according to the use environment. That is, if the cardiac function index is set to 10 according to the user's setting or the basic setting, the filter coefficient updating unit 123 updates the filter coefficient w k only 10 times. In the case where only coefficients of the filter after the learning completion point are used as the index according to the use environment, the coefficient w k of the filter can be updated ten times after the learning completion point.

본 발명의 일 실시예에 따른 적응필터(122)는 FIR(Finite Impulse Response) 필터 또는 IIR(Infinite Impulse Response) 필터를 사용할 수 있고, 필터 계수 갱 신부(123)는 LMS 알고리즘을 사용할 수 있으나 본 발명의 일 실시예에 따른 적응필터(122) 및 필터 계수 갱신부(123)는 이에 한정되지 않음을 본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자라면 알 수 있다. The adaptive filter 122 according to an embodiment of the present invention may use a Finite Impulse Response (FIR) filter or an Infinite Impulse Response (IIR) filter, and the filter coefficient updater 123 may use an LMS algorithm. The adaptive filter 122 and the filter coefficient updater 123 according to an embodiment of the present disclosure are not limited thereto, and may be understood by those skilled in the art.

필터 계수 갱신부(123)의 필터 계수를 갱신하는 방법에 관하여 좀 더 상세히 설명하면, 필터의 계수 wk는 LMS 알고리즘에 의하여 갱신된다. 다만, 최초 값인 w1는 사용자가 설정하여야 한다. w1=1으로 설정하는 것이 일반적이지만, 이에 한정되지 않고 사용 환경에 따라 사용자가 어떠한 값으로 설정하더라도 학습 완료 이후의 심장 기능 인덱스 값에는 영향을 미치지 않는다. 도 6a 및 도 6b는 다른 대상자에 대하여 시간대를 달리하여 추출한 심장 기능 인덱스를 나타낸 그래프들이다. 도 6a 및 도 6b를 참조하면, 도 6a는 사용자 α의 심장 기능 인덱스를 각각 1월 10일, 11일, 12일에 측정하여 그래프로 도시한 그래프이고, 도 6b는 사용자 β의 심장 기능 인덱스를 각각 1월 10일, 11일, 12일에 측정하여 그래프로 도시한 도면이다. 또한, 1월 10일, 11일, 12일에 인덱스 wk를 산출하기 위하여 설정된 초기 인덱스 값 w1은 각각 다른 값을 설정하였다. 도 6a 및 도 6b를 참조하면, 심장 기능 인덱스를 사용하면 심장의 상태를 예측할 수 있다. 즉, 사용자 1 및 사용자 2의 1월 10일, 11일, 12일 심장 상태는 큰 변화가 없다고 예측할 수 있다. 만약 사용자의 심장 상태에 변화가 있다면, 상기 그래프의 모양이 변한다는 것을 알 수 있다.A method of updating the filter coefficients of the filter coefficient updater 123 will be described in more detail. The coefficients w k of the filter are updated by the LMS algorithm. However, the initial value w 1 must be set by the user. Although it is common to set w 1 = 1, the present invention is not limited thereto and according to the use environment, whatever the user sets, does not affect the cardiac function index value after the completion of learning. 6A and 6B are graphs showing cardiac function indexes extracted at different time zones for different subjects. 6A and 6B, FIG. 6A is a graph illustrating a heart function index of the user α measured on January 10, 11, and 12, respectively, and FIG. 6B is a graph of the heart function index of the user β. The graphs measured on January 10, 11, and 12, respectively. In addition, the initial index values w 1 set to calculate the index w k on January 10, 11, and 12 set different values. 6A and 6B, the cardiac function index may be used to predict the state of the heart. That is, it can be predicted that the heart conditions of January 10, 11, and 12 of the user 1 and the user 2 do not change significantly. If there is a change in the heart state of the user, it can be seen that the shape of the graph changes.

다시 도 1을 참조하면, 출력부(13)는 필터 계수 갱신부(123)에서 갱신한 필터의 계수 wk들을 사용자에게 보고한다. 출력부(13)는 사용자에게 심장 기능 인덱스 를 출력하기 위한 모든 출력 장치를 포함한다. 즉, 출력부(13)는 시각적 방법으로 사용자의 심장 기능 인덱스를 표시하기 위한 장치(예를 들어, LCD 화면, 모니터, 눈금 표시 장치, LED 등), 및 청각적 방법으로 사용자의 심장 기능 인덱스를 나타내기 위한 장치(예를 들어, 스피커 등)을 모두 포함한다. 또한, 사용 환경에 따라, 적응필터(122)의 학습 완료 시점 이후의 필터의 계수들만을 심장 기능 인덱스로 보고할 수 있고, 복수 회 측정한 심장 기능 인덱스들의 변화 과정을 그래프로 표시할 수 있다. Referring back to FIG. 1, the output unit 13 reports the coefficients w k of the filter updated by the filter coefficient updater 123 to the user. The output unit 13 includes all output devices for outputting the cardiac function index to the user. That is, the output unit 13 may display a device for displaying the cardiac function index of the user in a visual manner (for example, an LCD screen, a monitor, a scale display device, an LED, etc.), and an auditory method of the cardiac function index of the user. Includes all devices for presentation (eg, speakers, etc.). In addition, according to the usage environment, only the coefficients of the filter after the learning completion time of the adaptive filter 122 may be reported as the cardiac function index, and the change process of the cardiac function indexes measured plural times may be displayed as a graph.

사용자는 출력부(13)를 통하여 심장의 건강 상태를 판단할 수 있다. 심음 신호 및 심전도 신호를 측정한 사용자의 유일한(unique) 심장 기능 인덱스를 쉽게 추출할 수 있다.The user may determine the state of health of the heart through the output unit 13. It is easy to extract the user's unique heart function index that measured the heart sound signal and the electrocardiogram signal.

심장 기능 모니터링 장치(1)는 구조가 간단하고 작은 계산량으로 손쉽게 심장 기능을 나타내는 인덱스를 산출하고, 이들을 이용하여 사용자의 심장 건강 상태를 판단할 수 있다. 또한, 측정된 심음 신호 및 심전도 신호를 이용하여 추가 하드웨어 없이 소프트웨어만으로 심장 기능 인덱스를 추출하여 심장의 건강 상태를 모니터링할 수 있다.The cardiac function monitoring device 1 can easily calculate an index indicating the cardiac function with a simple structure and a small amount of calculation, and can use the data to determine the heart health state of the user. In addition, the measured heart sound and electrocardiogram signals can be used to extract the cardiac function index without the need for additional hardware to monitor the health of the heart.

도 7은 본 발명의 일 실시예에 따른 심장 기능 모니터링 방법의 흐름도이다. 도 7을 참조하면, 본 실시예에 따른 심장 기능 모니터링 방법은 도 1에 도시된 심장 기능 모니터링 장치(1)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하 생략된 내용이라 하더라도 도 1에 도시된 심장 기능 모니터링 장치(1)에 관하여 이상에서 기술된 내용은 본 실시예에 따른 심장 기능 모니터링 방법에도 적용된 다.7 is a flowchart of a cardiac function monitoring method according to an embodiment of the present invention. Referring to FIG. 7, the cardiac function monitoring method according to the present embodiment includes steps performed in time series in the cardiac function monitoring device 1 shown in FIG. 1. Therefore, even if omitted below, the above description of the cardiac function monitoring device 1 shown in FIG. 1 is applied to the cardiac function monitoring method according to the present embodiment.

701 단계에서 필터의 계수 초기값 w1 및 학습율 μ 및 필터의 길이(filter length) n을 설정한다. 이때, 상기에서 설명한 바와 필터의 계수 w1는 심장 기능 인덱스에 영향을 미치지 않기에 사용자가 임의로 설정이 가능하고, 학습율 μ는 정확도를 요구하는 경우에는 작은 값, 빠른 결과 도출을 요구하는 경우에는 큰 값으로 설정한다. 또한, 필터의 길이 n은 필터의 계수의 길이를 뜻하면, 사용자의 심장 기능을 나타내는 심장 기능 인덱스의 개수를 나타낸다.In step 701, the coefficient initial value w 1 , the learning rate μ, and the filter length n of the filter are set. In this case, as described above, the coefficient w 1 of the filter does not affect the cardiac function index, and thus can be arbitrarily set by the user. The learning rate μ is small when accuracy is required and large when fast result is required. Set to a value. In addition, the length n of the filter means the length of the coefficient of the filter, and indicates the number of cardiac function indices representing the cardiac function of the user.

702 단계에서 신호 처리부(11)는 심음 측정 장치로부터 심음 신호를 획득하고, 정규화, 포락선 산출 및 샘플링 과정을 거쳐 심음 신호 값을 추출한다. 심음 신호 dk는 모델링부(12)의 목표 신호로 설정된다.In operation 702, the signal processor 11 obtains a heart sound signal from the heart sound measurement apparatus, and extracts a heart sound signal value through normalization, envelope calculation, and sampling. The heart sound signal d k is set as a target signal of the modeling unit 12.

703 단계에서 신호 처리부(11)는 심전도 측정 장치로부터 심전도 신호를 획득하고, 정규화 및 샘플링 과정을 거쳐 심전도 신호 값을 추출한다. 심전도 신호 xk는 모델링부(12)의 입력 신호로 설정된다.In operation 703, the signal processor 11 obtains an electrocardiogram signal from an electrocardiogram measuring apparatus, and extracts an electrocardiogram signal value through a normalization and sampling process. The ECG signal x k is set as an input signal of the modeling unit 12.

본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자는 701 단계 내지 703 단계의 순서는 도 7에 도시된 흐름도에 구속되지 않고 사용자가 임의로 변경할 수 있음을 알 수 있다. 즉, 심음 신호와 심전도 신호를 추출한 후 필터의 초기 계수 및 학습율 등을 설정할 수 있다.Those skilled in the art may recognize that the order of steps 701 to 703 may be arbitrarily changed by the user without being limited to the flowchart illustrated in FIG. 7. That is, after extracting the heart sound signal and the electrocardiogram signal, the initial coefficient and the learning rate of the filter may be set.

704 단계에서 적응필터(122)는 심전도 값 xk을 필터의 계수 wk를 이용하여 소정의 알고리즘에 따라 출력 값 yk으로 변형한다. In operation 704, the adaptive filter 122 transforms the electrocardiogram value x k into the output value y k according to a predetermined algorithm using the filter coefficient w k .

705 단계에서 가감산부(121)는 심음 값 dk로부터 출력 값 yk를 감산하여 오차 εk를 산출한다.Acid (121) acceleration in step 705 by subtracting the output value y k from the heart sound value d k and calculates the error ε k.

706 단계에서 필터 계수 갱신부(123)는 상기 필터의 계수 wk, 학습율 μ, 오차 εk 및 심전도 값 xk를 이용하여 필터의 계수 wk를 갱신한다.In step 706 the filter coefficient update unit 123 updates the coefficients w k of the filter using the coefficients w k, learning rate μ, the error ε k and ECG value x k of the filter.

707 단계에서 출력부(13)는 필터 계수 wk를 사용자에게 보고한다. 상기에서 설명한 바와 같이, 사용 환경에 따라 출력 장치를 통하여 사용자에게 심장 기능 인덱스를 표시할 수 있다.In operation 707, the output unit 13 reports the filter coefficient w k to the user. As described above, the cardiac function index may be displayed to the user through the output device according to the use environment.

708 단계에서 샘플링 횟수 k가 사용 설정에 따른 심장 기능 인덱스의 길이 n에 도달하였는지를 판단한다. 십장 기능 인덱스의 길이를 제한하기 위하여 필터 계수 갱신부(123)로 하여금 n번만 인덱스를 갱신하도록 할 수 있다. 적응필터(122)의 필터 계수 길이를 n으로 제한함을 의미한다. 샘플링 횟수 k가 n보다 작을 경우에는 709 단계로 진행하고, 샘플링 횟수 k가 n 이상인 경우에는 절차를 종료한다.In operation 708, it is determined whether the sampling number k reaches the length n of the heart function index according to the use setting. In order to limit the length of the chapter function index, the filter coefficient updater 123 may update the index only n times. This means that the filter coefficient length of the adaptive filter 122 is limited to n. If the sampling number k is less than n, the process proceeds to step 709. If the sampling number k is n or more, the procedure ends.

709 단계에서 k를 1만큼 증가시킨다. 즉, 샘플링을 한번 더 수행하고 상기 702 단계 내지 708 단계를 반복 수행한다.In step 709, k is increased by one. That is, sampling is performed once more and steps 702 to 708 are repeated.

도 8a 내지 도 8d는 심장 기능 모델링 방법을 이용하여 심장 기능 인덱스를 추출하는 과정의 신호 처리 과정을 그래프로 도시한 도면이다. 도 8a는 심음 신호 검출 장치 및 심전도 신호 검출 장치에서 검출한 심음 신호(81) 및 심전도 신 호(82)를 도시한 도면이다. 도 8b는 검출한 심음 신호에 정규화, 포락선 검출 과정을 수행한 후의 심음 신호(83) 및 검출한 심전도 신호에 정규화 과정을 수행한 후의 심전도 신호(84)를 도시한 도면이다. 도 8c는 심음 신호 dk(85) 및 적응필터(122)의 출력 신호 yk(86)를 도시한 도면이다. 도 8c를 참조하면, 적응필터(122)의 학습이 완료되면, 목표 신호인 심음 신호 dk 및 적응필터(122)의 출력 신호 yk는 극히 유사함을 알 수 있다. 도 8d는 학습 완료 후의 심장 기능을 나타내는 필터의 계수들을 도시한 도면이다. 도 8d에 도시된 필터의 계수들을 심장 기능 인덱스로 사용할 수 있다.8A to 8D are graphs illustrating a signal processing process of extracting a cardiac function index using a cardiac function modeling method. 8A is a diagram showing a heart sound signal 81 and an ECG signal 82 detected by the heart sound signal detecting apparatus and the ECG signal detecting apparatus. FIG. 8B is a diagram illustrating a heart sound signal 83 after performing normalization and an envelope detection process on the detected heart sound signal, and an ECG signal 84 after performing normalization on the detected ECG signal. FIG. 8C shows the heart sound signal d k 85 and the output signal y k 86 of the adaptive filter 122. Referring to FIG. 8C, when the learning of the adaptive filter 122 is completed, it can be seen that the target sound signal d k and the output signal y k of the adaptive filter 122 are very similar. 8D shows coefficients of a filter representing cardiac function after completion of learning. The coefficients of the filter shown in FIG. 8D may be used as the cardiac function index.

도 9는 본 발명의 일 실시예에 따른 학습 완료된 적응필터(122)의 계수들을 이용하여 심장 기능을 모니터링하는 방법의 흐름도이다. 도 9를 참조하면, 본 실시예에 따른 심장 기능 모니터링 방법은 도 1에 도시된 심장 기능 모니터링 장치(1)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하 생략된 내용이라 하더라도 도 1에 도시된 심장 기능 모니터링 장치(1)에 관하여 이상에서 기술된 내용은 본 실시예에 따른 심장 기능 모델링 방법에도 적용된다.9 is a flowchart of a method for monitoring cardiac function using coefficients of the learned adaptive filter 122 in accordance with one embodiment of the present invention. Referring to FIG. 9, the cardiac function monitoring method according to the present embodiment includes steps performed in time series by the cardiac function monitoring device 1 shown in FIG. 1. Therefore, even if omitted below, the above description of the cardiac function monitoring device 1 shown in FIG. 1 is applied to the cardiac function modeling method according to the present embodiment.

901 단계에서 필터의 계수 초기값 w1 및 학습율 μ, 적응필터(122)의 학습 완료를 나타내는 값 및 필터의 길이(filter length) n을 설정한다. 이때, 필터 계수 초기값 w1, 학습율 μ 및 필터의 길이 n은 상기 도 7에서 설명한 바와 동일하다. 학습 완료를 나타내는 값은 사용자에 의하여 설정되거나 또는 기본 설정 값으로, 큰 값을 사용하면 학습 완료 시점이 빨라지고, 작은 값으로 설정하면 학습 완료 시점이 더 늦어진다. 또한, 상기에서 설명한 바와 같이 필터의 길이 n을 조절하여 사용자의 심장 기능을 나타내는 인덱스의 개수를 조절할 수 있다. 사용자는 학습 완료 값을 설정하여 적응필터(122)의 학습 완료 시점을 조절할 수 있다.In step 901, the coefficient initial value w 1 and the learning rate μ of the filter, a value indicating completion of learning of the adaptive filter 122, and a filter length n of the filter are set. In this case, the filter coefficient initial value w 1 , the learning rate μ, and the length n of the filter are the same as described with reference to FIG. 7. The value indicating learning completion is set by the user or is a basic setting value. When a large value is used, the learning completion point is faster, and when a small value is set, the learning completion point is later. In addition, as described above, the length n of the filter may be adjusted to adjust the number of indexes representing the heart function of the user. The user may adjust the learning completion time of the adaptive filter 122 by setting a learning completion value.

902 단계에서 신호 처리부(11)는 심음 측정 장치로부터 심음 신호를 획득하고, 정규화, 포락선 산출 및 샘플링 과정을 거쳐 심음 신호 값을 추출한다. 심음 신호 dk는 모델링부(12)의 목표 신호로 설정된다.In operation 902, the signal processor 11 obtains a heart sound signal from the heart sound measurement apparatus, and extracts a heart sound signal value through normalization, envelope calculation, and sampling. The heart sound signal d k is set as a target signal of the modeling unit 12.

903 단계에서 신호 처리부(11)는 심전도 측정 장치로부터 심전도 신호를 획득하고, 정규화 및 샘플링 과정을 거쳐 심전도 신호 값을 추출한다. 심전도 신호 xk는 모델링부(12)의 입력 신호로 설정된다.In operation 903, the signal processor 11 obtains an electrocardiogram signal from an electrocardiogram measuring apparatus, and extracts an electrocardiogram signal value through a normalization and sampling process. The ECG signal x k is set as an input signal of the modeling unit 12.

본 발명과 관련된 기술 분야에서 통상의 지식을 가진 자는 901 단계 내지 903 단계의 순서는 도 9에 도시된 흐름도에 구속되지 않고 사용자가 임의로 변경할 수 있음을 알 수 있다. 즉, 심음 신호와 심전도 신호를 추출한 후 필터의 초기 계수 및 학습율 등을 설정할 수 있다.Those skilled in the art can recognize that the order of steps 901 to 903 can be arbitrarily changed by the user without being limited to the flowchart shown in FIG. 9. That is, after extracting the heart sound signal and the electrocardiogram signal, the initial coefficient and the learning rate of the filter may be set.

904 단계에서 가감산부(121), 적응필터(122) 및 계수 갱신부(123)는 상기 도 7의 704 단계 내지 706단계를 수행한다. 즉, 출력 신호 yk, 오차 신호 εk 및 갱신된 필터 계수 wk + 1를 산출한다.In step 904, the adder / subtracter 121, the adaptive filter 122, and the coefficient updater 123 perform steps 704 to 706 of FIG. 7. In other words, the output signal y k , the error signal ε k and the updated filter coefficient w k + 1 are calculated.

905 단계에서 비교부(124)는 가감산부(121)에서 산출한 오차 εk를 학습 완 료 값과 비교한다. 비교 결과에 따라 학습 완료 값이 오차 εk보다 더 크면 907 단계로 진행하고, 학습 완료 값이 오차 εk보다 더 작으면 906 단계로 진행한다.In operation 905, the comparison unit 124 compares the error ε k calculated by the addition and subtraction unit 121 with the learning completion value. If the learning completion value is greater than the error ε k according to the comparison result, the process proceeds to step 907, and if the learning completion value is smaller than the error ε k , the process proceeds to step 906.

906 단계에서 학습 완료 값이 오차 εk보다 더 작으면 적응필터(122)의 학습이 완료되지 않았기에, 심전도 신호 및 심음 신호에 대한 샘플링을 1회 더 수행하여 추출된 값으로 904 단계 내지 905 단계를 반복한다. 다만, 학습 완료 값이 오차 εk보다 더 커서 학습이 완료되었음에도 심장 기능 인덱스의 필터 계수들의 개수를 맞추기 위하여 샘플링을 1회 더 수행하는 경우, 적응필터(122)의 학습이 이미 완료되었기 때문에 학습 완료 여부를 판단하는 905 단계는 생략이 가능함을 알 수 있다. If the learning completion value is smaller than the error ε k in step 906, since the learning of the adaptive filter 122 is not completed, the sampling is performed once more on the ECG signal and the heart sound signal, and thus the values 904 to 905 are extracted. Repeat. However, even if learning is completed because the learning completion value is larger than the error ε k , when the sampling is performed once more to match the number of filter coefficients of the cardiac function index, since the learning of the adaptive filter 122 is already completed, the learning is completed. Step 905 of determining whether or not it can be seen that it can be omitted.

907 단계에서 학습 완료 값이 오차 εk보다 더 크면 적응필터(122)의 학습이 완료되었기에 출력부(13)는 필터 계수 wk를 사용자에게 보고한다. 상기에서 설명한 바와 같이, 사용 환경에 따라 출력 장치를 통하여 사용자에게 심장 기능 인덱스를 표시할 수 있다.If the learning completion value is greater than the error ε k in step 907, the learning of the adaptive filter 122 is completed and the output unit 13 reports the filter coefficient w k to the user. As described above, the cardiac function index may be displayed to the user through the output device according to the use environment.

908 단계에서 샘플링 횟수 k가 사용 설정에 따른 심장 기능 인덱스의 길이 n에 도달하였는지를 판단한다. 샘플링 횟수 k가 n보다 작을 경우에는 906 단계로 진행하고, 샘플링 횟수 k가 n 이상인 경우에는 절차를 종료한다.In operation 908, it is determined whether the sampling number k reaches the length n of the cardiac function index according to the use setting. If the sampling number k is less than n, the process proceeds to step 906. If the sampling number k is n or more, the procedure is terminated.

심장 기능 모니터링 방법에 의하여 추출된 심장 기능 인덱스는 심혈관 질환자의 심장 상태 모니터링에 이용될 수 있고, 여러 심장 질환 환자군의 심장 기능 인덱스를 데이터베이스화하여 심장 질환을 쉽게 진단할 수 있고, 장기간 반복 측정한 심장 기능 인덱스를 분석하고, 급격한 변화 포인트가 발생하는 경우 심장 기능에 이상이 있음을 판단할 수 있다. 또한, 의료 전문가(예를 들어, 의사, 간호사 등)가 아니더라도 심장 기능 인덱스를 보고 자신의 건강 상태를 쉽게 추정할 수 있다.The cardiac function index extracted by the cardiac function monitoring method can be used to monitor the cardiac condition of the cardiovascular disease, and the cardiac function index of various heart disease patients can be databased to easily diagnose the heart disease, The function index may be analyzed and it may be determined that there is an abnormality in the heart function when a sudden change point occurs. Also, even if you are not a medical professional (eg, doctor, nurse, etc.), you can easily estimate your own health by looking at the cardiac function index.

한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 본 발명의 실시예에서 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, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.Meanwhile, the above-described embodiments of the present invention can be written as a program that can be executed in a computer, and can be implemented in a general-purpose digital computer that operates the program using a computer-readable recording medium. In addition, the structure of the data used in the above-described embodiment of the present invention can be recorded on the computer-readable recording medium through various means. The computer-readable recording medium may include a storage medium such as a magnetic storage medium (eg, a ROM, a floppy disk, a hard disk, etc.) and an optical reading medium (eg, a CD-ROM, a DVD, etc.).

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.So far I looked at the center of the preferred embodiment for the present invention. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. Therefore, the disclosed embodiments should be considered in descriptive sense only and not for purposes of limitation. The scope of the present invention is shown in the claims rather than the foregoing description, and all differences within the scope will be construed as being included in the present invention.

도 1은 본 발명의 일 실시예에 따른 심장 기능 모니터링 장치(1)의 구성도이다.1 is a block diagram of a cardiac function monitoring device 1 according to an embodiment of the present invention.

도 2a 및 도 2b는 본 발명의 일 실시예에 따른 사람의 심장 구조를 도시한 도면이다. 2A and 2B illustrate a human heart structure according to an embodiment of the present invention.

도 3은 본 발명의 일 실시예에 따른 심음도를 도시한 도면이다.3 is a diagram illustrating a heart sound level according to an exemplary embodiment of the present invention.

도 4는 도 1에 도시된 신호 처리부(11)를 상세히 도시한 구성도이다.4 is a diagram illustrating in detail the signal processor 11 illustrated in FIG. 1.

도 5는 도 1에 도시된 모델링부(12)를 상세히 도시한 구성도이다.5 is a diagram illustrating in detail the modeling unit 12 shown in FIG. 1.

도 6a 및 도 6b는 다른 대상자에 대하여 시간대를 달리하여 추출한 심장 기능 인덱스를 나타낸 그래프들이다.6A and 6B are graphs showing cardiac function indexes extracted at different time zones for different subjects.

도 7은 본 발명의 일 실시예에 따른 심장 기능 모니터링 방법의 흐름도이다.7 is a flowchart of a cardiac function monitoring method according to an embodiment of the present invention.

도 8a 내지 도 8d는 심장 기능 모델링 방법을 이용하여 심장 기능 인덱스를 추출하는 신호 처리 과정을 그래프로 도시한 도면이다.8A to 8D are graphs illustrating a signal processing process of extracting a cardiac function index using a cardiac function modeling method.

도 9는 본 발명의 일 실시예에 따른 학습 완료된 적응필터(122)의 계수들을 이용하여 심장 기능을 모니터링하는 방법의 흐름도이다.9 is a flowchart of a method for monitoring cardiac function using coefficients of the learned adaptive filter 122 in accordance with one embodiment of the present invention.

Claims (15)

사용자의 심전도 신호 및 심음 신호의 상관 관계를 이용하여 상기 사용자의 심장 기능을 모델링하는 단계; 및Modeling the cardiac function of the user using the correlation between the ECG signal and the heart sound signal of the user; And 상기 모델링 결과에 따른 상기 사용자의 심장 기능을 나타내는 인덱스(index)를 출력하는 단계를 포함하는 심장 기능 모니터링 방법.And outputting an index representing the cardiac function of the user according to the modeling result. 제 1 항에 있어서,The method of claim 1, 상기 모델링하는 단계는 The modeling step 상기 심전도 신호를 상기 신호들의 상관 관계에 적응적인 변수(variable)를 이용하여 상기 심음 신호에 대응되는 출력 신호로 변형하는 단계;Transforming the ECG signal into an output signal corresponding to the heart sound signal using a variable adaptive to the correlation of the signals; 상기 심음 신호에서 상기 출력 신호를 감산하는 단계; 및Subtracting the output signal from the heart sound signal; And 상기 감산 결과를 이용하여 상기 변수를 갱신하는 단계를 더 포함하는 것을 특징으로 하는 심장 기능을 모니터링 방법.And updating the variable using the result of the subtraction. 제 2 항에 있어서,The method of claim 2, 상기 사용자의 심장 기능을 나타내는 인덱스는 상기 변수 및 상기 갱신된 변수 중 적어도 하나를 포함하는 것을 특징으로 하는 심장 기능 모니터링 방법.The index indicating the cardiac function of the user comprises at least one of the variable and the updated variable. 제 2 항에 있어서,The method of claim 2, 상기 갱신하는 단계는 상기 변수, 상기 감산 결과 및 상기 심전도 신호를 이용하여 상기 감산 결과가 0(zero)에 수렴하는 방향으로 상기 변수를 갱신하는 것을 특징으로 하는 심장 기능 모니터링 방법.The updating may include updating the variable in a direction in which the subtraction result converges to zero using the variable, the subtraction result, and the ECG signal. 제 2 항에 있어서,The method of claim 2, 상기 모델링하는 단계는 상기 감산 결과를 소정의 값과 비교하는 단계를 더 포함하고,The modeling may further include comparing the subtraction result with a predetermined value. 상기 출력하는 단계는 상기 비교 결과에 따라, 상기 감산 결과가 상기 소정의 값 이하인 경우 상기 변수를 상기 사용자의 심장 기능을 나타내는 인덱스로 출력하고,The outputting may include outputting the variable as an index representing the cardiac function of the user when the subtraction result is less than or equal to the predetermined value according to the comparison result. 상기 소정의 값은 사용자로부터 입력된 값, 기본 설정에 의한 값 또는 외부 장치로부터 획득된 값인 것을 특징으로 하는 심장 기능 모니터링 방법.The predetermined value is a cardiac function monitoring method, characterized in that the value input from the user, a value by default settings or a value obtained from an external device. 제 1 항에 있어서,The method of claim 1, 상기 모델링하는 단계 및 상기 출력하는 단계를 소정의 횟수만큼 반복하고,Repeating the modeling and outputting a predetermined number of times; 상기 소정의 횟수는 상기 사용자의 심장 기능을 나타내는 인덱스의 개수(number of indexes)를 설정하기 위한 값인 것을 특징으로 하는 심장 기능 모니터링 방법.And wherein the predetermined number of times is a value for setting a number of indexes representing the heart function of the user. 제 1 항 내지 제 6 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위 한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.A computer-readable recording medium having recorded thereon a program for executing the method of any one of claims 1 to 6. 사용자의 심전도 신호 및 심음 신호의 상관 관계를 이용하여 상기 사용자의 심장 기능을 모델링하는 모델링부; 및A modeling unit modeling a cardiac function of the user by using a correlation between an electrocardiogram signal and a heart sound signal of the user; And 상기 모델링 결과에 따른 상기 사용자의 심장 기능을 나타내는 인덱스(index)를 출력하는 출력부를 포함하는 것을 특징으로 하는 심장 기능 모니터링 장치.And an output unit for outputting an index representing the cardiac function of the user according to the modeling result. 제 8 항에 있어서,The method of claim 8, 상기 모델링부는 The modeling unit 상기 심전도 신호를 필터 계수(coefficient)를 이용하여 상기 심음 신호에 대응되는 출력 신호로 변형하는 적응 필터;An adaptive filter transforming the ECG signal into an output signal corresponding to the heart sound signal using a filter coefficient; 상기 심음 신호에서 상기 출력 신호를 감산하는 가감산부; 및An addition and subtraction unit for subtracting the output signal from the heart sound signal; And 상기 감산 결과를 이용하여 소정의 알고리즘에 따라 상기 필터 계수를 갱신하는 필터 계수 갱신부를 더 포함하는 것을 특징으로 하는 심장 기능 모니터링 장치.And a filter coefficient updating unit for updating the filter coefficients according to a predetermined algorithm by using the subtraction result. 제 8 항에 있어서,The method of claim 8, 상기 필터 계수 갱신부는 상기 적응 필터를 학습시키는 것을 특징으로 하는 심장 기능 모니터링 장치.And the filter coefficient updater learns the adaptive filter. 제 9 항에 있어서,The method of claim 9, 상기 사용자의 심장 기능을 나타내는 인덱스는 상기 필터 계수 및 상기 갱신된 필터 계수 중 적어도 하나를 포함하는 것을 특징으로 하는 심장 기능 모니터링 장치.And an index representing the cardiac function of the user comprises at least one of the filter coefficient and the updated filter coefficient. 제 9 항에 있어서,The method of claim 9, 상기 갱신부는 상기 필터 계수, 상기 감산 결과 및 상기 심전도 신호를 이용하여 소정의 알고리즘에 따라 상기 감산 결과가 0(zero)에 수렴하는 방향으로 상기 필터 계수를 갱신하는 것을 특징으로 하는 심장 기능 모니터링 장치.And the updater updates the filter coefficients in a direction in which the subtraction results converge to zero according to a predetermined algorithm by using the filter coefficients, the subtraction result, and the electrocardiogram signal. 제 9 항에 있어서,The method of claim 9, 상기 적응 필터는 필터 계수의 초기값 또는 상기 갱신된 필터 계수를 이용하여 상기 심전도 신호를 상기 출력신호로 변형하는 것을 특징으로 하는 심장 기능 모니터링 장치.And wherein the adaptive filter transforms the ECG signal into the output signal using an initial value of the filter coefficient or the updated filter coefficient. 제 9 항에 있어서,The method of claim 9, 상기 모델링부는 상기 감산 결과를 소정의 값과 비교하는 비교부를 더 포함하고,The modeling unit further includes a comparison unit for comparing the subtraction result with a predetermined value, 상기 출력부는 상기 비교 결과에 따라, 상기 감산 결과가 상기 소정의 값 이 하인 경우 상기 필터 계수를 상기 사용자의 심장 기능을 나타내는 인덱스로 출력하고,The output unit outputs the filter coefficients as an index representing the cardiac function of the user when the subtraction result is less than or equal to the predetermined value according to the comparison result. 상기 소정의 값은 사용자로부터 입력된 값, 기본 설정에 의한 값 또는 외부 장치로부터 획득된 값인 것을 특징으로 하는 심장 기능 모니터링 장치.The predetermined value is a cardiac function monitoring device, characterized in that the value input from the user, a value by default settings or a value obtained from an external device. 제 9 항에 있어서,The method of claim 9, 상기 계수 갱신부는 소정의 횟수만큼 상기 필터 계수를 갱신하고,The coefficient updating unit updates the filter coefficients a predetermined number of times, 상기 소정의 횟수는 상기 사용자의 심장 기능을 나타내는 인덱스의 개수(number of indexes)를 설정하기 위한 상기 적응 필터의 길이(adaptive filter length)인 것을 특징으로 하는 심장 기능 모니터링 장치.And the predetermined number of times is an adaptive filter length for setting a number of indexes representing the heart function of the user.
KR20090012115A 2009-02-13 2009-02-13 Method and apparatus for monitoring heart function KR101492453B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20090012115A KR101492453B1 (en) 2009-02-13 2009-02-13 Method and apparatus for monitoring heart function

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20090012115A KR101492453B1 (en) 2009-02-13 2009-02-13 Method and apparatus for monitoring heart function

Publications (2)

Publication Number Publication Date
KR20100092809A true KR20100092809A (en) 2010-08-23
KR101492453B1 KR101492453B1 (en) 2015-02-12

Family

ID=42757521

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20090012115A KR101492453B1 (en) 2009-02-13 2009-02-13 Method and apparatus for monitoring heart function

Country Status (1)

Country Link
KR (1) KR101492453B1 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101321290B1 (en) * 2012-05-22 2013-10-28 연세대학교 원주산학협력단 Holter system with atrial fibrillation waveform extraction and therof method
KR20200017536A (en) * 2017-06-30 2020-02-18 코알라-라이프 에이비 Analyzing Echo and Electrocardiogram Data from Portable Sensor Devices
WO2020036446A1 (en) * 2018-08-14 2020-02-20 재단법인 아산사회복지재단 Method for obtaining information by using cardiopulmonary sound
KR20200025738A (en) * 2018-08-31 2020-03-10 재단법인 아산사회복지재단 Method, apparatus and program for obtaining information of cardiovascular system using heart sound

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060088770A (en) * 2005-02-02 2006-08-07 삼성전자주식회사 Apparatus and method for measuring bio signal
JP5255771B2 (en) 2007-01-15 2013-08-07 フクダ電子株式会社 Biological information processing apparatus and biological information processing method

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101321290B1 (en) * 2012-05-22 2013-10-28 연세대학교 원주산학협력단 Holter system with atrial fibrillation waveform extraction and therof method
KR20200017536A (en) * 2017-06-30 2020-02-18 코알라-라이프 에이비 Analyzing Echo and Electrocardiogram Data from Portable Sensor Devices
WO2020036446A1 (en) * 2018-08-14 2020-02-20 재단법인 아산사회복지재단 Method for obtaining information by using cardiopulmonary sound
KR20200025738A (en) * 2018-08-31 2020-03-10 재단법인 아산사회복지재단 Method, apparatus and program for obtaining information of cardiovascular system using heart sound

Also Published As

Publication number Publication date
KR101492453B1 (en) 2015-02-12

Similar Documents

Publication Publication Date Title
Gupta et al. Neural network classification of homomorphic segmented heart sounds
CN102686150B (en) Monitoring a property of the cardiovascular system of a subject
Acharya et al. Automatic identification of cardiac health using modeling techniques: A comparative study
KR101072452B1 (en) Apparatus and method for diagnosing cardiac disorder
Nigam et al. Accessing heart dynamics to estimate durations of heart sounds
US8551005B2 (en) Monitoring respiratory variation of pulse pressure
Lee et al. Deep belief networks ensemble for blood pressure estimation
RU2657384C2 (en) Method and system for noninvasive screening physiological parameters and pathology
US10695474B2 (en) Method and apparatus for determining aortic valve opening
KR102439082B1 (en) Method for predicting liver disease of ordinary perseon using ecg analysis data based on deep running
KR20220105092A (en) Continuous blood pressure measurement method by inputting the difference between electrocardiogram and the photoplethysmography signal into artificial neural network
KR101492453B1 (en) Method and apparatus for monitoring heart function
IL189943A (en) Signal processing for pulse oximetry
WO2019213003A1 (en) System and methods for model-based noninvasive estimation and tracking of intracranial pressure
CN117503076A (en) Processing method and device for pulse wave signals and computer readable medium
JP4745236B2 (en) System and method for estimating signal artifacts
Sundaram et al. Discriminating normal phonocardiogram from artifact using a multiscale entropy technique
Forouzanfar et al. Model-based oscillometric blood pressure estimation
Le et al. Towards virtual instruments for cardiovascular healthcare: Real-time modeling of cardiovascular dynamics using ECG signals
JP2010125087A (en) Heart prosthetic valve sound diagnostic apparatus and program
JP2016067490A (en) Peripheral vascular resistance estimation method
WO2022265081A1 (en) Ventricular pressure waveform estimation device, ventricular pressure waveform estimation method, ventricular pressure waveform estimation program, and ｐulmonary artery pressure ｗaveform estimation device
KR20210029362A (en) The system for diagnosing arrhythmia signs
Yuenyong et al. Automatic heart sound analysis for tele-cardiac auscultation
CN117442173A (en) Method for training blood pressure prediction model based on meta learning

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
FPAY Annual fee payment

Payment date: 20180117

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee