KR20130050817A

KR20130050817A - 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법

Info

Publication number: KR20130050817A
Application number: KR1020110116069A
Authority: KR
Inventors: 임준식; 짱쩐씽; 쉐 웨이 티안; 이상홍; 김용국; 이행영; 서현배
Original assignee: 가천대학교 산학협력단
Priority date: 2011-11-08
Filing date: 2011-11-08
Publication date: 2013-05-16
Also published as: KR101366348B1

Abstract

본 발명은 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법에 관한 것으로서, 보다 구체적으로는 (1) 미리 설정된 시간 동안, 심전도(Electrocardiogram, ECG) 신호를 수신하는 단계; (2) 상기 수신된 신호를 심박 변이도(Heart Rate Variability, HRV)로 변환하는 단계; (3) 상기 변환된 심박 변이도(HRV)에 대하여 주파수 영역 특징 및 시간 영역 특징을 추출하는 단계; 및 (4) 상기 추출된 주파수 영역 특징 및 시간 영역 특징을 각각, 가중 퍼지 소속 함수 기반의 퍼지 신경망(Neuro Network with a Weighted Fuzzy Membership function, NEWFM)에 입력하여, 가중 퍼지 소속 함수의 경계합(Bounded Sum of Weighted Fuzzy Membership functions, BSWFM)을 학습시키는 단계를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법에 따르면, 심전도(ECG) 신호를 수신하여 이를 심박 변이도(HRV)로 변환하고, 그로부터 주파수 영역 특징 및 시간 영역 특징을 추출한 뒤, 이를 각각 가중 퍼지 소속 함수 기반의 퍼지 신경망(NEWFM)에 입력하여, 가중 퍼지 소속 함수의 경계합(BSWFM)을 학습시킴으로써, 우울증 여부를 간편하게 진단할 수 있다. 또한, 본 발명에 따르면, 심전도(ECG) 신호를 측정할 수 있는 스마트 기기를 이용하여 전문가의 도움 없이도 심전도(ECG) 신호를 측정하여 분석하며, 분석된 결과를 정상인의 결과와 비교함으로써, 일반인이 집에서 손쉽게 우울증과 관련한 정신 건강 상태를 확인할 수 있다.

Description

뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법{DEPRESSION DIAGNOSIS METHOD USING HRV BASED ON NEURO-FUZZY NETWORK}

본 발명은 우울증 진단 방법에 관한 것으로서, 보다 구체적으로는 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법에 관한 것이다.

우울증은 누구에게나 흔히 발생할 수 있는 기분 장애(mood disorder)이다. 우울증에 걸린 사람들은 대개, 자신의 기분을 조절하지 못하거나, 즐거운 활동에 관심을 보이지 않는 등의 증상을 나타낸다. 그러나 우울증에 걸린 사람에게서 나타나는 이러한 증상들도, 때에 따라서는 그 기복이 심하기 때문에, 우울증을 정확하게 진단하고 치료하는 것이 생각만큼 쉽지 않다.

종래의 우울증 진단 방법은 주로, 뇌파(Electroencephalogram, EEG)를 분석하여, 이상 징후를 포착하는 방식으로 이루어져 왔다. 뇌파는, 머리 표면에 부착한 전극을 통해 뇌의 전기적인 활동을 비침습적(noninvasive)으로 측정한 전기 신호로서, 1920년대에 한스 베르거(Hans Berger)가 최초로 사람의 뇌파를 검출한 이래, 신경세포(neuron), 교세포(glia cell), 혈뇌 장벽(blood-brain barrier)에 의해 결정되는 뇌의 전기적 활동을 시간에 따라 측정함으로써, 사람의 뇌파를 검출할 수 있게 되었다. 이렇게 얻어진 뇌파의 시간 변화 패턴은 일반적으로, 매우 복잡하게 진동하는 파형으로 나타나는데, 이에 대하여 주파수 스펙트럼 분석 기법을 적용함으로써, 뇌의 활동을 진단할 수 있다. 일반적으로, 뇌파에 포함된 진동의 주파수 범위를 기준으로, 0.2~3.99㎐이면 델타 파(delta wave), 4~7.99㎐이면 쎄타 파(theta wave), 8~12.99㎐이면 알파 파(alpha wave), 13~29.99㎐이면 베타 파(beta wave), 30~50㎐이면 감마 파(gamma wave) 등으로 분류할 수 있다. 또한, 뇌파를 발생시키는 원인을 기준으로, 뇌파를 자발 뇌파(Spontaneous Potential, SP) 및 유발 뇌파(Evoked Potential, EP)로 구분할 수 있는데, 자발 뇌파란, 외부 자극의 유무와 상관없이 뇌의 신경망이 활동하면서 발생하는 파형을 의미하는 반면에, 유발 뇌파는 특정한 정보가 포함된 자극을 반복적으로 제시하여, 그 자극을 처리하는 데에 관련된 뇌의 전기적 활동만을 얻은 파형을 가리킨다.

통상적으로 측정된 뇌파에는, 상대적으로 작은 진폭을 가진 유발 뇌파 성분이 자발 뇌파 성분에 파묻혀 하나의 파형으로 나타나므로, 그로부터 유발 뇌파 성분을 얻기 위해서는 앙상블 평균(Ensemble Averaging) 과정을 거친다. 즉, 동일한 자극을 반복 제시하되, 이를 제시하는 시각을 다르게 하여 여러 개의 뇌파를 얻고, 이렇게 얻어진 복수의 뇌파를 평균하여 해당 자극과 무관한 자발 뇌파 성분을 제거함으로써, 사건 관련 유발 전위(Event-Related Potential, ERP)를 얻을 수 있다. 이와 같이 추출된 유발 뇌파 성분은, 몇 개의 피크(peak)를 가진 단순한 형태의 파형으로 나타나는데, 그 중에서도, 자극을 제시한 후 200~800㎳(0.2~0.8초)의 시간대에 발생한 피크들은, 외부 자극의 물리적 영향 이외에 선택적 주의, 기억 탐색, 인지 과정 등과 같은 내인적 요소에 해당하는 정신 활동에 깊이 관계되므로, 정신 의학과 및 인지 심리학 분야에서 많이 활용되고 있다.

특히, P300은, 자극 제시 후 약 300㎳ 부근에 나타나는 양(positive)의 피크로서, 뇌의 정보처리 기전과 관련하여 전 세계적으로 가장 많이 연구되고 있으며, 최근에는 P300을 보다 세분화하여, 자극 제시 후 약 600㎳ 부근에 나타나는 양의 피크인 P600을 이용한 연구도 증가하고 있다. 종래의 우울증 진단 기술에서는, 이와 같은 P300 성분 또는 P600 성분이 포함된 사건 관련 유발 전위를 이용하여 우울증 여부를 진단하는 방법이 주로 개시되어 왔다.

그러나 이러한 뇌파(EEG) 분석을 통한 우울증 진단은, 신호대 잡음비(Signal to Noise Ratio, SNR)가 작고, 정밀한 뇌파 측정을 위해 필요한 EEG 전극의 구성이 복잡하며, 얻어진 뇌파를 분석하기 위해 요구되는 CPU의 성능이 높고, 메모리의 용량이 많아야 하는 등의 문제점이 있었다. 또한, 이러한 복잡한 측정기기 및 방법을 이용한 진단은, 전문가 없이, 일반인이 간편하게 집에서 시행할 수 없는 한계가 있었다.

이러한 문제점을 극복하기 위해 최근에는, 우울증에 걸린 사람들에게 공통으로 나타나는 심장 박동의 특이한 변화 패턴을 분석하여, 정신 건강 상태를 진단하기 위한 연구가 활발하게 진행되고 있다. 그러나 이러한 심박 변이도(Heart Rate Variability, HRV)를 이용하여 정신 건강을 진단하는 기술에서도, 아직까지 우울증을 진단하는 구체적인 방법은 개시되지 않고 있으며, 특히, 데이터로부터 원하는 특징을 추출하는 정도가 우수한, 퍼지 신경망에 기반한 우울증 진단 방법은 제시되지 않은 문제가 있다.

본 발명은 기존에 제안된 방법들의 상기와 같은 문제점들을 해결하기 위해 제안된 것으로서, 심전도(Electrocardiogram, ECG) 신호를 수신하여 이를 심박 변이도(Heart Rate Variability, HRV)로 변환하고, 그로부터 주파수 영역 특징 및 시간 영역 특징을 추출한 뒤, 이를 각각 가중 퍼지 소속 함수 기반의 퍼지 신경망(Neuro Network with a Weighted Fuzzy Membership function, NEWFM)에 입력하여, 가중 퍼지 소속 함수의 경계합(Bounded Sum of Weighted Fuzzy Membership, BSWFM)을 학습시킴으로써, 우울증 여부를 간편하게 진단할 수 있는, 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법을 제공하는 것을 그 목적으로 한다.

또한, 본 발명은, 심전도(ECG) 신호를 측정할 수 있는 스마트 기기를 이용하여 전문가의 도움 없이도 심전도(ECG) 신호를 측정하여 분석하며, 분석된 결과를 정상인의 결과와 비교함으로써, 일반인이 집에서 손쉽게 우울증과 관련한 정신 건강 상태를 확인할 수 있는, 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법을 제공하는 것을 다른 목적으로 한다.

상기한 목적을 달성하기 위한 본 발명의 특징에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법은, 심전도 신호를 수신하여 우울증을 진단하는 장치가,

(1) 미리 설정된 시간 동안, 심전도(Electrocardiogram, ECG) 신호를 수신하는 단계;

(2) 상기 수신된 심전도(ECG) 신호를 심박 변이도(Heart Rate Variability, HRV)로 변환하는 단계;

(3) 상기 변환된 심박 변이도(HRV)에 대하여 주파수 영역 특징 및 시간 영역 특징을 추출하는 단계; 및

(4) 상기 추출된 주파수 영역 특징 및 시간 영역 특징을 각각, 가중 퍼지 소속 함수 기반의 퍼지 신경망(Neuro Network with a Weighted Fuzzy Membership function, NEWFM)에 입력하여, 가중 퍼지 소속 함수의 경계합(Bounded Sum of Weighted Fuzzy Membership functions, BSWFM)을 학습시키는 단계를 포함하는 것을 그 구성상의 특징으로 한다.

바람직하게는,

(0) 적어도 2 이상의 모드를 포함하는 정동 내용 자극(affective contents stimulus)을, 사용자에게 제공하는 단계를 더 포함할 수 있다.

바람직하게는,

상기 단계 (1)에서는, 30분 이내의 시간 동안 심전도(ECG) 신호를 수신하며,

상기 단계 (2)에서는, 상기 심전도(ECG) 신호를 QRS 감지 알고리즘에 의하여 심박 변이도(HRV)로 변환할 수 있다.

바람직하게는, 상기 단계 (3)에서는,

상기 심박 변이도(HRV)에 대하여, 적어도 4 이상의 주파수 영역 특징과, 적어도 2 이상의 시간 영역 특징을 추출하되,

상기 주파수 영역 특징은, 0.0033㎐ 이상 0.04㎐ 미만의 제1 주파수 영역 값, 0.04㎐ 이상 0.15㎐ 미만의 제2 주파수 영역 값, 0.15㎐ 이상 0.4㎐ 미만의 제3 주파수 영역 값, 및 상기 제2 주파수 영역 값과 상기 제3 주파수 영역 값의 비율 중 적어도 어느 하나를 포함하고,

상기 시간 영역 특징은, RR 간격의 표준 편차(SDNN), 또는 연속적인 RR 간격의 평균 제곱근(R㎳SD)을 포함하며,

상기 RR 간격의 표준 편차(SDNN)는 다음 수학식 a과 같이 표현되고,

상기 연속적인 RR 간격의 평균 제곱근(R㎳SD)은 다음 수학식 b와 같이 표현될 수 있다.

<수학식 a>

<수학식 b>

이때, N은 전체 R 피크의 수, RR_j는 j번째 RR 간격,

은 RR 간격의 평균,

은 j번째까지의 RR 간격의 평균을 각각 나타낸다.

바람직하게는,

(5) 상기 학습된 각각의 가중 퍼지 소속 함수의 경계합(BSWFM)을, 미리 설정된 값과 비교하여, 상기 장치를 사용하는 사용자의 우울증 여부를 진단하는 단계를 더 포함할 수 있다.

본 발명에서 제안하고 있는 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법에 따르면, 심전도(ECG) 신호를 수신하여 이를 심박 변이도(HRV)로 변환하고, 그로부터 주파수 영역 특징 및 시간 영역 특징을 추출한 뒤, 이를 각각 가중 퍼지 소속 함수 기반의 퍼지 신경망(NEWFM)에 입력하여, 가중 퍼지 소속 함수의 경계합(BSWFM)을 학습시킴으로써, 우울증 여부를 간편하게 진단할 수 있다.

또한, 본 발명에 따르면, 심전도(ECG) 신호를 측정할 수 있는 스마트 기기를 이용하여 전문가의 도움 없이도 심전도(ECG) 신호를 측정하여 분석하며, 분석된 결과를 정상인의 결과와 비교함으로써, 일반인이 집에서 손쉽게 우울증과 관련한 정신 건강 상태를 확인할 수 있다.

도 1은 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 흐름을 도시한 도면.
도 2는 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S100에서 사용자에게 제공되는 정동 내용 자극(affective contents stimulus)의 예를 도시한 도면.
도 3은 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S300에서 심박 변이도(HRV)에서 나타날 수 있는 전형적인 QRS 파를 도시한 도면.
도 4a 및 도 4b는 정상인 및 우울증 환자에 대하여 각각, 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S300을 적용한 결과를 도시한 도면.
도 5는 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S500에서 사용되는 가중 퍼지 소속 함수 기반의 퍼지 신경망(NEWFM)의 구조를 도시한 도면.
도 6은 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S500에서 사용되는 NEWFM에 의해 학습시키는 가중 퍼지 소속 함수의 경계합(BSWFM)을 도시한 도면.
도 7a 내지 도 7f는 정상인 및 우울증 환자에 대하여 각각, 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S500을 적용한 결과를 도시한 도면.

이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.

덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 ‘연결’ 되어 있다고 할 때, 이는 ‘직접적으로 연결’ 되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 ‘간접적으로 연결’ 되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 ‘포함’ 한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.

도 1은 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 흐름을 나타내는 도면이다. 도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법은, 미리 설정된 시간 동안, 심전도(ECG) 신호를 수신하는 단계(S200), 수신된 심전도(ECG) 신호를 심박 변이도(HRV)로 변환하는 단계(S300), 심박 변이도(HRV)에 대하여 주파수 영역 특징 및 시간 영역 특징을 추출하는 단계(S400), 및 추출된 주파수 영역 특징 및 시간 영역 특징을 각각, 가중 퍼지 소속 함수 기반의 퍼지 신경망(NEWFM)에 입력하여, 가중 퍼지 소속 함수의 경계합(BSWFM)을 학습시키는 단계(S500)를 포함하여 구성될 수 있으며, 적어도 2 이상의 모드를 포함하는 정동 내용 자극을 사용자에게 제공하는 단계(S100), 또는 학습된 각각의 가중 퍼지 소속 함수의 경계합(BSWFM)을 미리 설정된 값과 비교하여, 사용자의 우울증 여부를 진단하는 단계(S600)를 더 포함하여 구성될 수 있다.

본 발명은 상기와 같은 구성을 채택함으로써, 심전도(ECG) 신호를 측정할 수 있는 스마트 기기를 이용하여, 전문가의 도움 없이도, 일반인이 집에서 손쉽게 우울증과 관련한 정신 건강 상태를 확인할 수 있다. 한편, 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법은, 사용자의 심전도(ECG) 신호를 측정하는 측정부, 측정된 심전도(ECG) 신호를 연산 처리하는 제어부, 및 연산 처리된 결과를 사용자에게 제공하는 디스플레이부를 포함하는 장치에 대하여 적용될 수 있으며, 특히, 심전도(ECG) 신호를 측정할 수 있는 측정부가 구비된 경우라면, 데스크톱, 노트북, 스마트폰, 태블릿 PC 등의 통상적인 사용자 단말기에 대하여도 얼마든지 적용될 수 있다. 이하에서는, 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 각각의 단계에 대하여 상세히 설명하도록 한다.

단계 S100에서는, 적어도 2 이상의 모드를 포함하는 정동 내용 자극을 사용자에게 제공할 수 있다. 정동 내용 자극(affective contents stimulus)이란, 사용자로 하여금 행복, 기쁨, 고통, 스트레스, 짜증, 공포 등과 같은 다양한 감정을 유발시키는 내용을 포함한 자극으로서, 인지 심리학 및 정신 의학과 등의 분야에서는, 여러 감정들에 관련된 자율신경계의 변화를 분석하기 위해 다모드 정동 내용 자극(Multimodal Affective Contents, MAC)을 활용한 연구가 많이 이루어지고 있다. 단계 S100에서는, 이러한 정동 내용 자극의 예로서 도 2와 같은 정동 내용 자극을 사용자에게 제공할 수 있다.

도 2는 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S100에서 사용자에게 제공되는 정동 내용 자극의 예를 도시한 도면이다. 도 2에 도시된 바와 같이, 단계 S100에서 제공되는 정동 내용 자극에는, 고통, 스트레스, 짜증, 공포와 같은 부정적인 감정을 유발시키기 위하여, 스트룹(Stroop) 테스트, 풍선 불기, 공포 영화 시청, 못생긴 남녀 감상, 시끄러운 소리, 신(sour) 사탕 먹기, 록 음악 듣기 등과 같은 자극을, 일정한 시간 동안 사용자에게 제공할 수 있다. 또한, 이러한 부정적인 감정에 이어서, 행복, 기쁨, 감동 등과 같은 긍정적인 감정을 유발시키기 위하여, 고개 움직여 머리 이완시키기, 자장가를 들으며 향기로운 냄새 맡기, 자연의 소리를 들으며 명상하기, 웃긴 비디오 시청하기, 마시멜로(marshmallow)를 먹고, 달콤한 주스를 마시면서 경쾌한 음악 듣기, 잘생긴 남자와 예쁜 여자의 모습을 감상하기 등과 같은 자극을 일정한 시간 동안 사용자에게 제공할 수 있다. 실시예에 따라서는, 각각의 모드(부정적, 긍정적)에 해당하는 정동 내용 자극을 제공하기 전후에, 사용자의 감정을 이완시킬 수 있도록 아무런 자극도 가하지 않는 등 휴식 시간을 부여할 수도 있다. 다만, 이상과 같은 정동 내용 자극은, 본 발명을 구현하기 위한 장치를 통해 이루어지는 것이므로, 이러한 장치를 통하여, 단순히 상기와 같은 자극에 관련된 동영상을 시청하도록 하여, 정동 내용 자극을 제공할 수도 있다.

단계 S200에서는, 미리 설정된 시간 동안, 심전도(ECG) 신호를 수신할 수 있다. 심전도 신호(Electrocardiogram signal)란, 심장 박동을 느낄 수 있는 여러 신체 부위에 전극을 설치한 뒤, 일정한 시간 동안 심장 박동에 의한 전기적 변화를 감지하여 얻어지는 신호로서, 신체의 건강 상태를 확인하기 위한 비침습적(noninvasive, 인체에 고통을 주지 않고 실시하는) 검사에 많이 활용되고 있다. 이때, 심전도 신호는, 심혈관계의 전기적 활동을 연속적으로 모니터링할 수 있는 홀터 모니터(Holter moniter) 등과 같은 측정부를 통하여 수신될 수 있다. 단계 S200에서는, 수신된 심전도(ECG) 신호를 심박 변이도(HRV)로 변환하기에 충분한 시간 동안 심전도(ECG) 신호를 수신할 수 있는데, 예를 들어, 30분 이내의 시간 동안 심전도(ECG) 신호를 수신할 수 있다.

단계 S300에서는, 수신된 심전도(ECG) 신호를 심박 변이도(HRV)로 변환할 수 있다. 심박 변이도(Heart Rate Variability, HRV)는, 심장 박동의 시간에 따른 변화로서, 심전도(ECG) 신호, 혈압, 혈량 측정기에 나타나는 펄스 파형 등으로부터 검출될 수 있는데, 그 중에서도 심전도 신호로부터 심박 변이도(HRV)를 확인하는 방법이 가장 정확한 것으로 알려져 있다. 이때, 심전도(ECG) 신호는 QRS 감지 알고리즘에 의하여 심박 변이도(HRV)로 변환될 수 있는데, 이때, QRS 파(QRS complex)란, 심실근의 탈분극 과정(deplarization)에 의해 나타나는 파형으로서, 도 3에서와 같이, P, Q, R, S, T 파로 명명된 5개의 굴곡을 가지는 파형을 말한다.

도 3은 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S300에서 심박 변이도(HRV)에서 나타날 수 있는 전형적인 QRS 파를 도시한 도면이다. 도 3에 도시된 바와 같이, P파에 이어지는 최초의 하향파가 Q파, P파에 이어지는 최초의 상향파가 R파, 그리고 R에 이어지는 하향파가 S파에 해당한다. 정상적인 심박 변이도에서는 QRS파의 폭이 0.06~0.10초로 나타나는데, QRS파의 폭이 0.10초 이상인 경우에는 심실 내전도 장애가 있는 것으로 진단될 수 있다.

도 4a 및 도 4b는 정상인 및 우울증 환자에 대하여 각각, 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S300을 적용한 결과를 도시한 도면이다. 도 4a 및 도 4b에 도시된 바와 같이, 정상인 및 우울증 환자로부터 수신한 심전도 신호를 이용하여 심박 변이도로 변환할 경우, 심박 변이도에 두드러진 차이가 있음을 확인할 수 있다. 즉, 도 4a에 나타난 정상인의 RR 간격은, 도 4b에 나타난 우울증 환자의 RR 간격에 비하여 대체로 더 큰 진폭을 가진 진동 형태로 나타난다. 이와 같은 두 집단 데이터의 특성은, 후술할 단계 S400에서, 통계적 분석을 하기 위한 자료로 사용될 수 있다.

단계 S400에서는, 심박 변이도(HRV)에 대하여 주파수 영역 특징 및 시간 영역 특징을 추출할 수 있다. 대체로, 주파수 영역 특징은 짧은 시간 동안의 심박 변이도(HRV)로부터 추출될 수 있으며, 시간 영역 특징은 보다 긴 시간 동안의 심박 변이도(HRV)로부터 추출될 수 있다. 한편, 실시예에 따라, 단계 S400에서는, 적어도 4 이상의 주파수 영역 특징을 추출할 수 있는데, 이때, 추출되는 주파수 영역 특징에는, 0.0033㎐ 이상 0.04㎐ 미만의 제1 주파수 영역 값(Very Low Frequency, VLF), 0.04 ㎐이상 0.15㎐ 미만의 제2 주파수 영역 값(Low Frequency, LF), 0.15㎐ 이상 0.4㎐ 미만의 제3 주파수 영역 값(High Frequency, HF), 및 상기 제2 주파수 영역 값과 상기 제3 주파수 영역 값의 비율(LF/HF) 중 적어도 어느 하나가 포함될 수 있다. 또한, 실시예에 따라, 단계 S400에서는, 적어도 2 이상의 시간 영역 특징을 추출할 수 있는데, 이때, 추출되는 시간 영역 특징에는, 다음 수학식 1 및 수학식 2로 표현되는, RR 간격의 표준 편차(SDNN), 또는 연속적인 RR 간격의 평균 제곱근(R㎳SD)이 포함될 수 있다.

이때, N은 전체 R 피크의 수, RR_j는 j번째 RR 간격,

은 RR 간격의 평균,

은 j번째까지의 RR 간격의 평균을 각각 나타낸다.

단계 S500에서는, 추출된 주파수 영역 특징 및 시간 영역 특징을 각각, 가중 퍼지 소속 함수 기반의 퍼지 신경망(NEWFM)에 입력하여, 가중 퍼지 소속 함수의 경계합(BSWFM)을 학습시킬 수 있다. 도 5를 참조하여 가중 퍼지 소속 함수 기반의 퍼지 신경망(NEWFM)을 설명하면, NEWFM은 입력(input) 레이어, 하이퍼박스(hyperbox) 레이어, 클래스(class) 레이어를 포함하는 3개의 레이어로 구성될 수 있다. 이때, 입력 레이어는, n개의 특징을 가진 입력 패턴이 입력되는, n개의 입력 노드로 구성될 수 있고, 하이퍼박스 레이어는, 각각이 n개의 입력 노드에 대한 n개의 BSWFM을 포함하며 클래스 노드에 연결되는, m개의 하이퍼박스 노드로 구성될 수 있다. 또한, 클래스 레이어는, 각각이 적어도 하나 이상의 하이퍼박스 노드에 연결되는 p개의 클래스 노드로 구성될 수 있다. 한편, 입력 노드에 입력되는 h번째 입력 패턴은 수학식 3과 같이 표현될 수 있다.

이때, class는 분류 결과를 가리키며, A_h는 입력 패턴의 n개 특징을 나타낸다.

하이퍼박스 노드 B_l는 각각, n 개의 퍼지 집합으로 구성되는데, 그 중 i번째 퍼지 집합은 도 6에서와 같이, B_l ⁱ로 표현되는 가중 퍼지 소속 함수(Weighted Fuzzy Membership function, WFM)를 가진다. 도 6은 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S500에서 사용되는 NEWFM에 의해 학습되는 가중 퍼지 소속 함수의 경계합(BSWFM)을 도시한 도면이다. 도 6에 도시된 바와 같이, 가중 퍼지 소속 함수(WFM) B_l ⁱ는 연속된 시변화 신호 x(t)에 대한 원래의 소속 함수(original membership function)인 μ_l ⁱ ₁, μ_l ⁱ ₂, μ_l ⁱ ₃ 등에 대하여, 가중치 W_l ⁱ ₁, W_l ⁱ ₂, W_l ⁱ ₃ 등을 준 소속 함수를 나타낸다. 도 6에서는, μ_l ⁱ ₁, μ_l ⁱ ₂, μ_l ⁱ ₃ 에 대하여, 각각 0.7, 0.8, 0.3의 가중치를 준 WFM(w_l ⁱ ₁, w_l ⁱ ₂, w_l ⁱ ₃)이 도시되었다.

한편, 가중 퍼지 소속 함수의 경계합(BSWFM)은, 도 6의 굵은 선과 같은 다각형 모양으로 나타날 수 있는데, 이때, 가중 퍼지 소속 함수 B_l ⁱ에 대한 BSWFM 값인 BS_l ⁱ(a_i)은, 수학식 4와 같이 표현될 수 있다.

이때, a_i는 입력 패턴 A_h의 i번째 특징값을 나타낸다. 도 6에는, ν_l ⁱ ₂ 및 ν_l ⁱ ₃의 사이에 위치한 a_i에 대한 BSWFM 값이 도시되었다.

도 7a 내지 도 7f는 정상인 및 우울증 환자에 대하여 각각, 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S500을 적용한 결과를 도시한 도면이다. 도 7a 내지 도 7f에 도시된 바와 같이, 정상인 및 우울증 환자에 대하여 각각, 본 발명의 일 실시예에 따른 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법의 단계 S500을 적용할 경우, 0.0033㎐ 이상 0.04㎐ 미만의 제1 주파수 영역 값(VLF), 0.04㎐ 이상 0.15㎐ 미만의 제2 주파수 영역 값(LF), 0.15㎐ 이상 0.4㎐ 미만의 제3 주파수 영역 값(HF), 및 상기 제2 주파수 영역 값과 상기 제3 주파수 영역 값의 비율(LF/HF), RR 간격의 표준 편차(SDNN), 및 연속적인 RR 간격의 평균 제곱근(R㎳SD)의 특징들을 분류한 퍼지 값(fuzzy value)의 분포에서는, 정상인의 경우와 우울증 환자의 경우가 구분되는 차이점을 확인할 수 있다.

단계 S600에서는, 학습된 각각의 가중 퍼지 소속 함수의 경계합(BSWFM)을 미리 설정된 값과 비교하여, 사용자의 우울증 여부를 진단할 수 있다. 이 경우, 도 7a 내지 도 7f에 도시된 특징들의 퍼지 값 분포를 이용하여, 사용자의 심전도(ECG) 신호로부터 변환된 심박 변이도(HRV)의 특징이, 우울증 환자의 특징에 가까운지에 따라, 사용자의 정신 상태를 우울증 상태로 진단할 수 있다. 즉, 도 7a 내지 도 7f에 도시된 특징들의 퍼지 값 분포를 미리 설정해 둔 다음, 사용자로부터 검출된 심박 변이도(HRV)를 NEWFM에 의해 학습시킨 BSWFM이 상기 미리 설정한 값과 얼마나 차이가 있는지를 비교하여, 정상인에 대한 분포와의 차이보다 우울증 환자에 대한 분포와의 차이가 더 작은 경우, 사용자의 정신 상태가, 우울증 상태에 있음을 알려주도록 설정할 수 있다.

이상 설명한 본 발명은 본 발명이 속한 기술분야에서 통상의 지식을 가진 자에 의하여 다양한 변형이나 응용이 가능하며, 본 발명에 따른 기술적 사상의 범위는 아래의 특허청구범위에 의하여 정해져야 할 것이다.

S100: 적어도 2 이상의 모드를 포함하는 정동 내용 자극을 사용자에게 제공하는 단계
S200: 미리 설정된 시간 동안, 심전도(ECG) 신호를 수신하는 단계
S300: 수신된 심전도(ECG) 신호를 심박 변이도(HRV)로 변환하는 단계
S400: 심박 변이도(HRV)에 대하여 주파수 영역 특징 및 시간 영역 특징을 추출하는 단계
S500: 추출된 주파수 영역 특징 및 시간 영역 특징을 각각, 가중 퍼지 소속 함수 기반의 퍼지 신경망(NEWFM)에 입력하여, 가중 퍼지 소속 함수의 경계합(BSWFM)을 학습시키는 단계
S600: 학습된 각각의 가중 퍼지 소속 함수의 경계합(BSWFM)을 미리 설정된 값과 비교하여, 사용자의 우울증 여부를 진단하는 단계

Claims

심전도 신호를 수신하여 우울증을 진단하는 장치가,
(1) 미리 설정된 시간 동안, 심전도(Electrocardiogram, ECG) 신호를 수신하는 단계;
(2) 상기 수신된 심전도(ECG) 신호를 심박 변이도(Heart Rate Variability, HRV)로 변환하는 단계;
(3) 상기 변환된 심박 변이도(HRV)에 대하여 주파수 영역 특징 및 시간 영역 특징을 추출하는 단계; 및
(4) 상기 추출된 주파수 영역 특징 및 시간 영역 특징을 각각, 가중 퍼지 소속 함수 기반의 퍼지 신경망(Neuro Network with a Weighted Fuzzy Membership function, NEWFM)에 입력하여, 가중 퍼지 소속 함수의 경계합(Bounded Sum of Weighted Fuzzy Membership functions, BSWFM)을 학습시키는 단계를 포함하는 것을 특징으로 하는, 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법.
제1항에 있어서,
(0) 적어도 2 이상의 모드를 포함하는 정동 내용 자극(affective contents stimulus)을, 사용자에게 제공하는 단계를 더 포함하는 것을 특징으로 하는, 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법.
제1항에 있어서,
상기 단계 (1)에서는, 30분 이내의 시간 동안 심전도(ECG) 신호를 수신하며,
상기 단계 (2)에서는, 상기 심전도(ECG) 신호를 QRS 감지 알고리즘에 의하여 심박 변이도(HRV)로 변환하는 것을 특징으로 하는, 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법.
제1항에 있어서, 상기 단계 (3)에서는,
상기 심박 변이도(HRV)에 대하여, 적어도 4 이상의 주파수 영역 특징과, 적어도 2 이상의 시간 영역 특징을 추출하되,
상기 주파수 영역 특징은, 0.0033㎐ 이상 0.04㎐ 미만의 제1 주파수 영역 값, 0.04㎐ 이상 0.15㎐ 미만의 제2 주파수 영역 값, 0.15㎐ 이상 0.4㎐ 미만의 제3 주파수 영역 값, 및 상기 제2 주파수 영역 값과 상기 제3 주파수 영역 값의 비율 중 적어도 어느 하나를 포함하고,
상기 시간 영역 특징은, RR 간격의 표준 편차(SDNN), 또는 연속적인 RR 간격의 평균 제곱근(R㎳SD)을 포함하며,
상기 RR 간격의 표준 편차(SDNN)는 다음 수학식 a와 같이 표현되고,
상기 연속적인 RR 간격의 평균 제곱근(R㎳SD)은 다음 수학식 b와 같이 표현되는 것을 특징으로 하는, 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법.
<수학식 a>

<수학식 b>

이때, N은 전체 R 피크의 수, RR_j는 j번째 RR 간격,
은 RR 간격의 평균,
은 j번째까지의 RR 간격의 평균을 각각 나타냄.
제1항에 있어서,
(5) 상기 학습된 각각의 가중 퍼지 소속 함수의 경계합(BSWFM)을, 미리 설정된 값과 비교하여, 상기 장치를 사용하는 사용자의 우울증 여부를 진단하는 단계를 더 포함하는 것을 특징으로 하는, 뉴로-퍼지 네트워크 기반 심박 변이도를 이용한 우울증 진단 방법.