KR20170128415A - 심장 기능부전을 나타내는 정보를 생성하는 방법 및 장치 - Google Patents

심장 기능부전을 나타내는 정보를 생성하는 방법 및 장치 Download PDF

Info

Publication number
KR20170128415A
KR20170128415A KR1020177028128A KR20177028128A KR20170128415A KR 20170128415 A KR20170128415 A KR 20170128415A KR 1020177028128 A KR1020177028128 A KR 1020177028128A KR 20177028128 A KR20177028128 A KR 20177028128A KR 20170128415 A KR20170128415 A KR 20170128415A
Authority
KR
South Korea
Prior art keywords
indicator
signal
analysis signal
processing system
indicative
Prior art date
Application number
KR1020177028128A
Other languages
English (en)
Other versions
KR102448391B1 (ko
Inventor
테로 코이비스토
투오마스 발토넨
미코 판칼라
테로 후르나넨
톰 커셀라
Original Assignee
프레코르디오르 오와이
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 프레코르디오르 오와이 filed Critical 프레코르디오르 오와이
Publication of KR20170128415A publication Critical patent/KR20170128415A/ko
Application granted granted Critical
Publication of KR102448391B1 publication Critical patent/KR102448391B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • 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
    • A61B5/02405—Determining heart rate variability
    • A61B5/0428—
    • A61B5/0452—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1102—Ballistocardiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/30—Input circuits therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/361—Detecting fibrillation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Electrotherapy Devices (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

심장 기능 상실, 예를 들어 심방 세동을 나타내는 정보를 생성하는 장치는 심장혈관 운동을 포함하는 운동에 응답하여 센서 시스템(503)에 의해 생성된 분석 신호를 처리하는 프로세싱 시스템(502)을 포함한다. 상기 프로세싱 시스템은 상호 상관이 자기 상관에 의해 표현되는 분석 신호 샘플들 사이의 제로 시간 차이에 대응하는 지점에 분석 신호의 자기 상관의 농도의 정도를 나타내는 제 1 지시자 양을 형성하고, 분석 신호의 엔트로피. 프로세싱 시스템은 적어도 제 1 지표량 및 제 2 지표량에 기초하여 심장 기능부전의 지표를 결정하도록 구성된다.

Description

심장 기능부전을 나타내는 정보를 생성하는 방법 및 장치
본 발명은 일반적으로 예를 들어 심방 세동(atrial fibrillation)과 같은 심장 기능부전(cardiac malfunction)을 나타내는 정보를 생성하는 것에 관한 것이다. 보다 상세하게는, 본 발명은 심장 기능부전을 나타내는 정보를 생성하는 장치 및 방법에 관한 것이다. 또한, 본 발명은 심장 기능부전을 나타내는 정보를 생성하기 위한 컴퓨터 프로그램에 관한 것이다.
심장혈관계(cardiovascular system)에서 발생할 수 있는 기능부전 및 이상(malfunction and abnormality)은 만일, 진단 및 적절히 치료 혹은 치유되지 않는다면, 개인이 스트레스를 받았을 때의 관상 동맥 산소 요구량(coronary oxygen demand)을 충족시킬 정도로 충분한 산소를 공급할 수 있는 심장혈관계의 기능을 점진적으로 약화시킬 수 있다. 현재, 심장 활동에 관련된 전자기 현상에 기초하는 심박동 검사(cardiography), 심장 초음파(echocardiography), 심장혈관(또는 '심장혈관' 이라 함) 운동에 기초하는 심박동 검사 등과 같은 방법들이 이용되어, 다양한 심장 기능부전 및 이상의 식별 및 평가에 사용되고 있다. 심장 활동에 관련된 전자기 현상에 기초하는 심박동 검사(cardiography)의 널리 알려진 일례는 심전도 검사(electrocardiography: ECG)이며, 심장혈관 운동에 기초하는 심박동 검사의 일례들은, 심장탄도 검사((ballistocardiography: BCG) 및 사이즈모어카디오그래피(seismocardiography: SCG)이다. 심장 초음파는 심장의 섹션들의 이미지들 제공하고 심장의 구조와 기능에 대한 포괄적인 정보를 제공할 수 있지만, 고가의 장비와 전문화된 조작 요원이 필요하다. 심전도 검사(ECG)는 심장에 대한 전기적인 평가를 상당히 빠르게 제공하지만, 수축력과 관련된 어떠한 정보도 제공하지 않는다. 심장혈관 운동에 기초한 심박동 검사는 심장혈관 운동을 나타내는 신호에 대한 측정을 포함한다. 과거에는 이러한 운동들을 측정하기 위한 장치가 구비된 침대 위에 개인이 누워있는 동안 상기 신호가 획득되거나 또는 다리의 정강이 부분에 부착된 촉진 장치가 존재했었다. 현재에는, 이러한 신호는 작은 센서들(가령, 가속도계)을 이용하여 획득될 수 있는데, 가속도계는 심장의 움직임을 나타내는 미세한 움직임을 측정하는데 적합하다. 심장혈관 운동에 기초한 심박동 검사에서 사용되는 센서는 또한 개인의 가슴의 회전 운동(rotational movement)을 나타내는 신호를 획득하도록 구성된 자이로스코프일 수 있다. 신호 처리 수단은 상기 신호로부터 개인의 심장 동작을 나타내는 표시 데이터를 생성하도록 구성된다. 자이로스코프의 동작은 중력의 영향을 받지 않는다. 따라서, 측정은 모니터링되는 개인의 위치 또는 자세와 실질적으로 무관하다. 다음을 유의해야 하는바, 가슴의 외부 각 운동(external angular motion of the chest)은, 단순한 심장 회전의 정도와 심장의 사이즈와 인간 가슴의 직경 사이의 비율로 예상할 수 있는 것보다 훨씬 큰 수치라는 점을 알게되었다. 또한, 각 운동의 검출은 심장에 대한 센서의 위치에 비교적 둔감하다는 점도 알게 되었다. 따라서, 고려 중인 개인의 흉부에 부착된 단 하나의 자이로스코프(예컨대, 미세전자기계(microelectromechanical) 자이로스코프)만으로도 비교적 정확한 측정이 이루어질 수 있다. 미세전자기계 자이로스코프는 정확하고, 사이즈가 작으며, 그리고 상업적으로 이용가능하다.
도 1a 및 1b는 리드미컬한 전기적 함수들 및 이와 관련된 심장혈관 운동 사이의 관계를 도시한다. 도 1a는 심전도 검사 파형의 일례를 도시하고 그리고 도 1b는 심장혈관 운동을 나타내는 예시적인 신호의 파형을 도시하는바, 상기 신호는 "머리-발(head-to-feet)" 방향의 가속도계로 측정되며, 이러한 방향은 통상적으로 y 축 방향으로 지칭된다. 설명을 하기 위한 목적으로, 기본적인 심장 기능에 대한 간략한 설명이 아래에 제공된다.
심장에는 4개의 챔버(chamber)가 포함되어 있다. 우심방(right atrium)은 삼첨판(tricuspid valve)에 의해 우심실(right ventricle)과 연결되고 좌심방은 승모판(mitral valve)에 의해 좌심실과 연결된다. 혈액은 상대 정맥을 통해 몸의 상반부로부터 우심방으로 전달되고 하대 정맥을 통해 몸의 하반부로부터 혈액이 전달된니다. 삼첨판은 우심방 심근과 우심실 유두근을 동시에 수축함으로써 개방되며, 따라서 우심방에서 우심실로 혈액이 흐를 수 있게 한다. 유두근이 이완되면 삼첨판은 닫힌다. 우심실의 심근이 수축되면, 혈액은 우심실로부터 폐동맥판을 통해 폐동맥으로 강제로 전달되고, 폐동맥은 혈액을 폐로 전달하며, 폐에서는 산소가 공급된다. 산소가 공급된 혈액은 폐정맥을 통해 좌심방으로 전달된다. 좌심방 심근과 좌심실 유두근이 동시에 수축하여 승모판이 열리면, 산소가 공급된 혈액이 좌심방에서 좌심실로 흐르게 되어 좌심방에서 좌심실로 혈액이 흐르게 된다. 유두근이 이완되면 승모판이 닫힌다. 산소가 공급된 혈액은 좌심실로부터 대동맥 판을 통해 대동맥으로 강제로 전달되며, 대동맥은 산소가 공급된 혈액을 말초 혈관 계통으로 전달한다.
각각 심장 박동 기간에는 심방 수축기(atrial systole), 심실 수축기(ventricular systole) 및 심장 확장기(cardiac diastole)의 3 가지 주요 단계가 있다. 심방 수축기는 우측 및 좌측 심방을 포함하는 심장 근육의 수축 기간이다. 2개의 심방들은 유두근 수축과 동시에 수축하여 삼첨판과 승모판이 열리게 한다. 심장의 챔버들의 근육 조직을 자극하여 이들을 수축시키는 전기적 활동, 즉 전기 수축은 우심방에 위치한 동방 결절(sinoatrial node)에서 시작된다. 전도 전기 탈분극(conduction electrical depolarization)은 각각의 심방 근육 세포를 차례로 분극시키면서 2개의 심방을 통해 아래쪽, 왼쪽 및 후방으로 파형으로서 계속 진행한다. 전하의 이러한 전파는 도 1a에 도시된 ECG 파형의 P 파로 도시될 수 있다. 이것의 바로 뒤에, 심근의 기계적 수축이 후속되며, 이는 도 1b에 도시된 파형의 h-피크에 해당하는 충격(impact)과 도 1b에 도시된 파형의 i-밸리에 해당하는 반동(recoil)으로서 검출된다.
우심방과 좌심방이 수축하기 시작하면, 우심실과 좌심실로 혈액이 고속으로 흐르게 되며, 이는 도 1b에 표시된 파형의 j-피크로 표현된다. 지속적인 심방 수축은, 삼첨판이 닫히기 시작하는 때에, 우심실과 좌심실으로의 추가적인 저속의 혈액 흐름을 유발한다. 이러한 추가적인 혈액 흐름은 "심방 킥(arial kick)"이라고 지칭되며, 도 1b에 도시된 파형의 "a-a1" 복합파에 해당한다. 심방이 비워지면 삼첨판과 승모판이 닫히므로 도 1b의 파형에서 하향 g 파가 발생한다. 심실 수축(ventricular systole)은 좌우 심실의 근육 수축이며, 이는 심실 심근의 전기적 탈분극에 의해 야기되며, 도 1a에 도시된 ECG 파형에서 "Q-R-S" 복합파를 발생시킨다. 하향 Q 파는 "히스속(bundle of His)"이라고 지칭되는 특정 세포 군을 따라 중격(septum)을 통한 하향 탈분극 흐름에 의해 야기된다. R-피크는 심실 근육 조직의 탈분극에 의해 유발되며, S 파는 심방과 심실 사이의 심장 조직의 탈분극에 의해 생성된다.
탈분극이 중격 아래로 그리고 심실 심근을 통해 진행함에 따라, 심방과 동방결절이 분극화되기 시작한다. 심인성 마디가 극성을 가지기 시작한다. 삼첨판과 승모판 폐쇄는 심실 수축의 시작을 나타내며 그리고 심장 박동에 의해 만들어지는 "두근 두근(lub-dub)" 소리의 제 1 부분을 야기한다. 이러한 소리는 일반적으로 "제 1 심음(first heart tone)"으로 알려져 있다. 심실 심근의 전기적 탈분극이 최고조에 이르면, 우심실과 좌심실을 분리하는 방실(atrioventricular: AV) 중벽(septum)이 수축하며, 이는 도 1b에 도시된 파형의 H-피크에 해당하는 충격과 도 1b에 도시된 파형의 I-밸리에 해당하는 반동을 야기한다. 심실 수축은 우심실로부터 폐동맥 판을 통해 폐동맥으로, 그리고 좌심실로부터 매우 빠른 속도로 대동맥 판을 통과하여 대동맥으로 혈액을 밀어넣음으로써 도 1b에 도시된 파형에서 J-피크를 발생시킨다. 좌심실에서 대동맥으로의 혈액 흐름의 감속은 도 1b에 도시된 파형에서 하향 K 파를 유발한다. 좌심실이 비워지면, 그것의 압력은 대동맥의 압력보다 낮아지고 그리고 대동맥 판이 닫힌다. 이와 유사하게, 우심실의 압력이 폐동맥의 압력보다 낮아지면 폐동맥 판이 닫힌다.
통상적으로는 "제 2 심음" 으로 알려진, "두근 두근(lub-dub)" 소리의 제 2 부분은, 심실 수축의 말단에서 폐 및 대동맥 판막의 폐쇄에 의해 유발되며, 도 1b에 도시된 파형에서 상향 L 파를 유발한다. 폐 및 대동맥 판막의 폐쇄와 동시에, 방실(AV) 중격이 이완되고 위쪽으로 움직이며, 그리고 심실 심근이 재분극되어 도 1a에 도시된 ECG 파형에서 T 파를 발생시킨다. 심방 확장기와 심실 확장기를 포함하는 심장 확장기는, 심장이 수축후 이완되고 그리고 순환 혈액으로 다시 채울 준비를 하는 기간이다. 심방 확장기는 우심방 및 좌심방이 이완되는 시기이며 심실 확장기는 우심실 및 좌심실이 이완되는 시기이다. 심방 확장기 동안 우심방은 산소가 제거된 혈액으로 재충전되며 좌심방은 산소가 공급된 혈액으로 재충전된다. 심방의 재충전은 도 1b에 도시된 파형에서 하향 M 파를 야기하는바, 이완기 초기에는 히스속 세포들(bundle of His cells)의 재분극과 일치하며 이는 ECG 파형에서 U 파로 도시된다. 우심방과 좌심방이 최대 용량까지 채워지면, 삼첨판 및 승모판에 대한 혈액의 역류는 도 1b에 표시된 파형에서 상향 N 파를 유발한다.
국제공개번호 WO2012149652는 전흉부(precordial) 가속 신호를 기록함으로써 대상자의 심장 수축성을 평가하는 방법을 기술한다.
미국 특허출원공개번호 US2008194975는 개인의 생리 조건을 모니터링하고 이상내역을 검출하는 방법을 기술한다. 상기 방법은 ECG 신호인 제 1 신호와 심장혈관 운동을 나타내는 제 2 신호를 동시에 수신하는 것을 포함한다.
심장혈관 운동을 나타내는 파형들의 분석은, 정상적인 경우와 비정상적인 심장혈관 기능을 구별하기 위해 자격을 갖춘 진단 전문가에 의해서 시각적으로 수행되는 것이 일반적이다. 하지만, 대부분의 경우 시각적 분석을 통해 심방 세동 등과 같은 소정의 심장 기능부전을 찾아내는 것은 매우 어려운 일이다. 따라서, 심장 기능부전을 나타내는 정보를 생성하는 방법 및 장치에 대한 필요성이 여전히 존재하고 있다.
다음의 내용에는 본 발명의 다양한 실시예들의 소정 양상들에 대한 기본적인 이해를 제공하기 위하여 간략화된 요약이 제공된다. 이러한 요약은 본 발명의 광범위한 개관이 아니다. 이것은 본 발명의 핵심 또는 중요한 요소를 식별하거나 본 발명의 범위를 한정하도록 의도된 것이 아니다. 이하의 요약은 단지 본 발명의 예시적인 실시예에 대한 보다 상세한 설명의 서두로서, 단순화된 형태로 본 발명의 일부 개념을 제시한 것이다.
본 발명에 따르면, 심장 기능부전 예컨대, 심방 세동을 나타내는 정보를 생성하는 새로운 방법이 제공된다. 본 발명에 따른 방법은,
- 상호 상관이 자기 상관에 의해 표현되는 분석 신호 샘플들 사이의 제로 시간 차이에 대응하는 지점에 대한 분석 신호의 자기 상관의 집중도를 나타내는 제 1 지표량을 형성하는 단계;
- 상기 분석 신호의 스펙트럼 엔트로피를 나타내는 제 2 지표량을 형성하는 단계; 및
- 적어도 상기 제 1 지표량 및 상기 제 2 지표량에 기초하여 심장 기능부전을 나타내는 표시자를 결정하는 단계를 포함한다.
전술한 분석 신호는 심장혈관 운동(motion)을 포함하는 운동에 응답하는 센서 시스템에 의해 생성된 신호이다. 센서 시스템은 예를 들어, 가속도계, 자이로스코프, 가속도계 및 자이로스코프 둘다를 포함하는 관성 측정 유닛(Inertial Measurement Unit: IMU)을 포함할 수 있다.
일반적인 개념으로서, 자기 상관(autocorrelation)은, 고려 중인 신호 파형의 불규칙성이 증가할 때, 상호 상관(mutual correlation)이 자기 상관에 의해 표현되는 신호 샘플들 사이의 제로 시간 차이에 대응하는 지점으로 자기 상관이 점점 더 집중되는 속성을 갖는다. 전술한 분석 신호의 자기 상관 R은 예를 들어, 다음과 같이 정의될 수 있다.
R(τ) = E{(S(t)-μ)×(S(t-τ) - μ)}/σ2 (1)
여기서 E는 기대값 연산자, S는 분석 신호, t는 시간, τ는 상호 상관이 자기 상관으로 표현되는 분석 신호 샘플들 간의 시간 차이, μ는 분석 신호의 평균, 즉 산술 평균, σ2는 분석 신호의 분산이다. 예를 들어, 분석 신호가 극도로 불규칙한 파형을 갖는 이상적인 화이트 노이즈("IWN")와 같이 완전히 비주기적인 경우, 0이 아닌(non-zero) 시간 차이로 분리된 임의의 분석 신호 샘플들 사이에는 제로 상관(zero correlation)이 있을 것이며 따라서, 분석 신호의 자기 상관 R(τ)은 포인트 τ = 0에서 단일 피크가 될 것이다.
자기 상관의 집중도를 나타내는 전술한 제 1 지표량을 형성하는 것은 분석 신호의 자기 상관의 추정치 또는 분석 신호의 주파수 스펙트럼의 추정치를 계산하는 것에 기초할 수 있다. 주파수 스펙트럼은 자기 상관과 밀접한 관련이 있는데, 왜냐하면 전력 스펙트럼 밀도(Power Spectrum Density)는 자기 상관의 푸리에 변환이고 그리고 PSD ~ F(f) × F*(f)이기 때문이다. 여기서 F(f)와 F*(f)는 주파수 스펙트럼 및 그것의 복소 공액이다. 일반적인 개념으로서, 주파수 스펙트럼은, 고려 중인 신호 파형의 불규칙성이 증가할 때, 주파수 스펙트럼이 점점 더 고르게 분포된다라는 속성을 갖는다. 예를 들어, 분석 신호가 이상적인 화이트 노이즈와 같이 완전히 비주기적이라면, 분석 신호의 주파수 스펙트럼은 완전히 평평해질 것이다. 주파수 스펙트럼의 이러한 특성은, 자기 상관의 집중도를 나타내는 제 1 지표량을 획득하는데 사용될 수 있다.
스펙트럼 엔트로피는 일반적인 개념으로서, 고려중인 신호 파형의 불규칙성이 증가할 때 스펙트럼 엔트로피가 증가하는 속성을 가지므로 고려중인 신호의 전력 스펙트럼 밀도가 보다 평평해진다. 따라서, 스펙트럼 엔트로피는 고려중인 신호의 전력 스펙트럼 밀도의 평탄도를 나타낼 수 있다. 전술한 분석 신호의 스펙트럼 엔트로피 SE는 예를 들면 다음과 같이 정의될 수 있다:
Figure pct00001
(2)
여기서, f는 주파수이고, PSDn(f)는 분석 신호의 전력 스펙트럼 밀도를 분석 신호의 전력으로 나눈 값인 정규화된 전력 스펙트럼 밀도이고, B는 분석 신호의 주파수 대역이다. 예를 들어, 분석 신호가 순수한 사인 곡선이라면, 정규화된 전력 스펙트럼 밀도는 f = (사인 곡선의 주파수) 및 f = -(사인 곡선의 주파수)에서 높이가 2-1 인 피크치들을 갖는다. 이러한 일례에서, 앞서 정의된 스펙트럼 엔트로피는 1 이다. 다른 일례로서, 분석 신호가 이상적인 백색 잡음과 같이, 완전히 비주기적인 것이라면, 분석 신호의 전력 스펙트럼 밀도는 완전히 평평할 것이다. 이 경우, 이산 푸리에 변환, 예컨대 고속 푸리에 변환(Fast Fourier Transform: FFT)에서 2N 개의 주파수 포인트들이 있을 것이라고 추정할 수 있으며, 여기서 N은 정수이다. 이러한 일례에서, 정규화된 전력 스펙트럼 밀도는 2N 개의 주파수 포인트 각각에서 2-N 값을 가지며 그리고 앞서 정의된 스펙트럼 엔트로피 SE는 N 이다.
심장 기능부전 예컨대, 심방 세동은 때때로 진단하기가 어려울 수도 있지만, 전술한 분석 신호의 파형에서 불규칙성을 유발할 수 있다. 이러한 불규칙성은 하나 또는 두 개의 심장박동 기간들의 파형에서는 감지하기가 어려울 수도 있지만, 연속되는 여러 개의 심장박동 기간들을 커버하는 더 긴 시간 기간들에서는 분명하게 나타난다. 따라서, 자기 상관은 정상인 경우 보다 제로 시간 차이에 해당하는 지점에 더 집중되며, 스펙트럼 엔트로피는 정상인 경우 보다 더 높은 값을 갖는다. 따라서, 분석 신호의 불규칙 정도를 나타내는 제 1 및 제 2 지표량은 심장 기능부전 예컨대, 심방 세동을 나타내는 정보를 표시할 수 있다.
본 발명에 따르면, 심장 기능부전을 나타내는 정보를 생성하기 위한 새로운 장치가 또한 제공된다. 본 발명에 따른 장치는 심장혈관 운동을 포함하는 운동에 반응하는 센서 시스템에 의해 생성된 분석 신호를 프로세싱하기 위한 프로세싱 시스템을 포함한다. 프로세싱 시스템은,
- 상호 상관(mutual correlation)이 자기 상관(autocorrelation)에 의해 표현되는 분석 신호 샘플들 사이의 제로 시간 차이에 대응하는 지점에 대한 분석 신호의 자기 상관의 집중도를 나타내는 제 1 지표량을 형성하고,
- 상기 분석 신호의 스펙트럼 엔트로피를 나타내는 제 2 지표량을 형성하고, 그리고
- 적어도 상기 제 1 지표량 및 상기 제 2 지표량에 기초하여 심장 기능부전을 나타내는 표시자를 결정한다.
상기 장치는 분석 신호를 생성하기 위한 전술한 센서 시스템을 더 포함할 수있다. 하지만, 다음을 유의해야 하는바, 상기 장치는 임의의 센서 시스템을 반드시 포함할 필요는 없으며, 상기 장치는 외부 센서 시스템에 연결하기 위한 신호 인터페이스를 포함할 수도 있다. 센서 시스템을 포함하는 센서 요소는, 센서 시스템으로 측정된 개인이 휴식 중인지의 여부를 검출하고 그리고 분석 신호가 개인은 휴식 중인 상황에 대응하도록, 센서 시스템의 출력 신호로부터 분석 신호를 추출하는 프로세서를 더 포함할 수 있다. 다음도 또한, 가능한바, 심장 기능부전의 표시자를 결정하도록 구성된 프로세싱 시스템은 또한, 센서 시스템의 출력 신호로부터, 개인이 휴식 중인 기간들을 검출하도록 구성될 수 있으며 그리고 분석 신호가 개인이 휴식 중인 상황에 대응하도록 센서 시스템의 출력 신호로부터 상기 분석 신호를 추출하도록 구성될 수 있다.
본 발명에 따르면, 전술한 분석 신호에 기초하여 심장기능 부전을 나타내는 정보를 생성하기 위한 새로운 컴퓨터 프로그램이 또한 제공된다. 컴퓨터 프로그램은, 컴퓨터 실행가능한 명령들을 포함하며, 상기 컴퓨터 실행가능한 명령들은 프로그램가능한 프로세싱 시스템을 제어하여,
- 상호 상관(mutual correlation)이 자기 상관(autocorrelation)에 의해 표현되는 분석 신호 샘플들 사이의 제로 시간 차이에 대응하는 지점에 대한 분석 신호의 자기 상관의 집중도를 나타내는 제 1 지표량을 형성하고,
- 상기 분석 신호의 스펙트럼 엔트로피를 나타내는 제 2 지표량을 형성하고, 그리고
- 적어도 상기 제 1 지표량 및 상기 제 2 지표량에 기초하여 심장 기능부전을 나타내는 표시자를 결정하게 한다.
본 발명에 따르면, 또한 새로운 컴퓨터 프로그램 제품이 제공된다. 컴퓨터 프로그램 제품은 비휘발성 컴퓨터 판독가능 매체 예컨대, 본 발명에 따른 컴퓨터 프로그램으로 인코딩된 콤팩트 디스크 "CD"를 포함한다.
본 발명의 다수의 예시적이고 비제한적인 실시예가 첨부된 종속항들에 기재되어 있다.
부가적인 목적들 및 장점들과 함께 구성들 및 작동 방법들에 관한 본 발명의 다양한 예시적이고 비제한적인 실시예들은 첨부된 도면들과 관련하여 숙독될 때 특정 예시적인 실시예에 대한 다음의 설명으로부터 가장 잘 이해될 것이다.
"포함하다(to comprise)"및 "포함하다(to include)"라는 동사는 본 명세서에서 인용되지 않은 피처들의 존재를 배제하거나 요구하지 않는 개방형 제한 사항으로 사용된다. 종속항들에 기재된 피처들은 달리 명시하지 않는 한, 상호 자유롭게 조합될 수 있다. 또한, 본 명세서 전반에 걸쳐 "a" 또는 "an", 즉 단수 형태의 사용은 다수를 배제하지 않는다는 점을 이해해야 한다.
본 발명의 예시적이고 비제한적인 실시예들 및 그 장점들이 첨부된 도면들을 참조하여 아래에서 보다 상세하게 설명된다.
도 1a는 심전도(electrocardiography: ECG) 파형의 일례를 도시하고, 도 1b는 심장혈관 운동을 나타내는 예시적인 신호의 파형을 도시한다.
도 2는 심장 기능부전을 나타내는 정보를 생성하기 위한 본 발명의 예시적이고 비제한적인 실시예에 따른 방법의 흐름도를 도시한다.
도 3a는 고려중인 개인이 휴식(at rest) 시에 정상적인 경우의 움직임에 응답하여 센서 시스템으로 측정된 예시적인 분석 신호의 파형을 도시한다.
도 3b는 도 3a에 도시된 예시적인 분석 신호의 자기 상관(autocorrelation)을 도시한다.
도 4a는 고려중인 개인이 휴식 시에, 심방 세동 있는 경우의 움직임에 응답하여 센서 시스템으로 측정된 예시적인 분석 신호의 파형을 도시한다.
도 4b는 도 4a에 도시된 예시적인 분석 신호의 자기 상관을 도시한다
도 5는 심장 기능부전을 나타내는 정보를 생성하기 위한 본 발명의 예시적이고 비제한적인 실시예에 따른 장치의 개략도이다.
도 1a 및 도 1b는 본 발명의 배경을 설명할 때 이미 설명되었다.
이하의 설명에 제공된 특정 예는 첨부된 청구 범위의 범위 및/또는 적용가능성을 제한하는 것으로 해석되어서는 안된다. 설명에 제공된 일례들의 목록들 및 그룹들은 명시적으로 달리 언급되지 않는 한, 완전한 것은 아니다.
도 2는 심장 기능부전, 예컨대, 심방 세동을 나타내는 정보를 생성하기 위한 본 발명의 예시적이고 비제한적인 실시예에 따른 방법의 흐름도를 도시한다. 상기 방법은 다음의 동작들을 포함한다.
- 동작(action) 201: 상호 상관이 자기 상관에 의해 표현되는 분석 신호 샘플들 사이의 제로 시간 차이에 대응하는 포인트로 분석 신호의 자기 상관의 집중 정도를 나타내는 제 1 지표량(first indicator quantity)을 형성하는 단계,
- 동작 202: 상기 분석 신호의 스펙트럼 엔트로피를 나타내는 제 2 지표량(second indicator quantity)을 형성하는 단계, 및
- 동작 203 : 적어도 제 1 지표량 및 제 2 지표량에 기초하여 심장 기능부전의 지표를 결정하는 단계.
전술한 분석 신호는 심장혈관 운동을 포함하는 운동에 응답하여 센서 시스템에 의해 생성된 신호이다. 분석 신호는 유리하게는 고려중인 개인이 휴식(at rest) 중인 상황에 대응한다. 센서 시스템은 예를 들어, 가속도계, 자이로스코프 및/또는 가속도계 및 자이로스코프를 포함하는 관성 측정 유닛(Inertial Measurement Unit: IMU)을 포함할 수 있다. 센서 시스템은 예를 들어 마이크로전자기계 시스템("MEMS")일 수 있다. 분석 신호의 일시적인 지속 기간은, 예를 들어, 반드시 이런 것은 아니지만, 5초 내지 10초일 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 방법은, 센서 시스템의 출력 신호로부터 개인이 휴식 중인 기간을 검출하는 단계 및 센서 시스템의 출력 신호로부터 분석 신호를 추출하는 단계를 포함하는바, 상기 분석 신호는 개인이 휴식 중인 상황에 대응한다.
심장 기능부전, 예컨대, 심방 세동은 상기 제 1 지표량이 제 1 임계값을 초과하고 상기 제 2 지표량이 제 2 임계값을 초과할 때 존재하는 것으로 간주될 수 있다. 제 1 및 제 2 임계값은 환자 및/또는 다른 사람들의 그룹으로부터 수집된 경험적 데이터에 기초하여 결정될 수 있다. 제 1 및 제 2 임계값은 상수일 필요는 없으며, 이들 임계값 중 하나 또는 둘 모두는 고려중인 개인에 따라, 시간에 따라, 및/또는 다른 몇몇 인자에 따라 변경될 수 있다. 하나의 제 1 임계값과 하나의 제 2 임계값으로 각각 구성되는 일련의 문턱값 쌍들을 구성하는 것도 또한 가능한바, 각각의 문턱값 쌍은 심방 세동 또는 다른 심장 기능부전 및/또는 이상의 특정 확률을 나타낼 수도 있다.
신뢰성을 향상시키기 위해, 제 1 및 제 2 지표량은 2 개 이상의 분석 신호들 각각에 대해 결정될 수 있는데, 이러한 2 개 이상의 분석 신호들은 센서 시스템의 출력 신호의 서로 다른 시간적 부분들이며 그리고 바람직하게는 개인이 휴식할 때 측정된다. 심장 기능부전을 나타내는 표시자는, 2 이상의 분석 신호들에 대하여 결정되는 제 1 및 제 2 지표량에 기초하여 결정될 수 있다.
신뢰도를 더욱 향상시키기 위해, 전술한 2 이상의 분석 신호들 중 서로 다른 것들은 센서 시스템의 서로 다른 측정 수단들로부터 수신될 수 있다. 예를 들어, 하나 이상의 분석 신호는 가속도계로부터 수신될 수 있고, 하나 이상의 다른 분석 신호는 자이로스코프로부터 수신될 수 있다.
도 3a는 고려중인 개인이 휴식을 취하는 때 예시적인 정상적인 경우에서 여러 개의 심장-박동 기간들에 걸친 분석 신호의 예시적인 파형을 도시한다. 도 4a는 고려중인 개인이 휴식을 취하는 때 예시적인 심방 세동의 경우에서 여러 개의 심장-박동 기간들에 걸친 분석 신호의 예시적인 파형을 도시한다. 도 3a와 4a에 표시된 파형은 일반적으로 z 방향이라 지칭되는 "가슴을 관통하는" 방향의 가속도계로 측정되었다. 도 5에 도시된 데카르트 좌표계(599)는 z- 방향을 예시한다.
도 3b는 도 3a에 도시된 예시적인 분석 신호의 자기 상관을 도시하고, 도 4b는 도 4a에 도시된 예시적인 분석 신호의 자기 상관을 도시한다. 도 3b 및 도 4b에서, 시간 차이는 상호 상관이 자기 상관에 의해 표현되는 분석 신호 샘플들 간의 시간 차이이다. 본 문서의 앞부분에 제시된 방정식 (1)에서 τ는 시간 차이를 나타낸다. 방정식 (1)에 따라 자기 상관이 정의되는 예시적인 경우들에서, 자기 상관은 제로 시간 차이에서 1 인데, 왜냐하면 R(τ=0) = E{(S(t) - μ)2}/σ2 = 1 이기 때문이다.
도 3b 및 도 4b에서 알 수 있는 바와 같이, 자기 상관은 심방 세동의 경우, 정상적인 경우 보다 제로 시간차, 즉 τ = 0에 해당하는 지점에 상당히 더 집중된다. 도 3a 및 도 4a로부터, 심방 세동의 경우에 관련된 파형은 정상적인 경우에 관련된 파형보다 더 비-주기적(non-periodic)이라는 것을 알 수 있다. 따라서, 분석 신호의 스펙트럼 엔트로피는 심방 세동의 경우 정상적인 경우보다 높다.
제로 시간차 τ = 0에 해당하는 지점에 대한 자기 상관의 집중 정도를 나타내는 전술한 제 1 지표량을 생성하기 위한 다양한 방법들이 존재한다. 이와 대응되게, 분석 신호의 스펙트럼 엔트로피를 나타내는 전술한 제 2 지표량을 생성하기 위한 다양한 방법들이 존재한다. 제 1 및 제 2 지표량을 형성하는 예시적인 방법들이 아래에 설명된다.
본 발명의 예시적이고 비제한적인 실시예에 따른 방법은 제 1 지표량을 형성하도록, 다음의 방정식에 따라 분석 신호의 자기 상관의 추정치 Re 를 계산하는 단계를 포함한다.
Re(τ) = {(S(t)-μ)×(S(t-τ) - μ)}/σ2 의 평균
여기서, 평균은 시간 t에 대해 계산되고, S는 분석 신호이고, τ는 상호 상관이 Re(x)로 표현되는 2 개의 분석 신호 샘플들 사이의 시간 차이이고, μ는 분석 신호의 평균이며, σ2는 분석 신호의 분산이다. 제 1 지표량은 Re(τ)의 절대값의 평균과 관련된 값 및 Re(τ = 0)에 기초하여 형성될 수 있다.
제 1 지표량은 예를 들면 다음과 같다:
Figure pct00002
여기서, 평균은 τ에 대해 계산되며, 그리도 "abs"는 절대값을 의미한다.
많은 경우들에 있어서, 분석 신호의 연속적인 시간 기간 동안 계산된 자기 상관 추정치들의 피크값들에 기초하여, 또는 분석 신호의 연속적인 시간 기간 동안 계산된 전력 스펙트럼 밀도 추정치들의 피크값들에 기초하여, 분석 신호의 연속적인 시간 기간 동안의 심장박동수(heartbeat rate: HR)을 결정할 수도 있으며 그리고 이에 후속하여 분석 신호의 연속적인 시간 기간 동안 결정된 심장박동수(HR)에 기초하여 심장박동수 변동(heartbeat rate variation: HRV)을 결정할 수 있다. 또한, 심장박동수 변동(HRV)은 분석 신호 파형의 불규칙성을 나타내는 양(quantity), 즉, 제로 시간차 τ = 0 에 대응하는 지점에 대한 분석 신호의 자기 상관의 집중도를 나타내는 양이다. 따라서, 상기 심장박동수 변동(HRV) 또는 그의 파생값들은 전술한 제 1 지표량으로서 사용될 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 방법은 분석 신호의 파형에 기초하여(예컨대, 분석 신호의 피크값들을 검색함으로써) 연속적인 심장박동 간격들의 시간 길이들(temporal lengths)을 결정하는 단계를 포함한다. 전술한 심장박동수 변동(HRV)이 분석 신호 파형의 불규칙성을 나타내는 양인 것과 동일한 방식으로, 연속적인 심장박동 간격들의 시간 길이들의 변동은 분석 신호 파형의 불규칙성을 나타내는 양이다. 따라서, 연속적인 심장박동 간격들의 시간 길이들의 변동은, 제로 시간차 τ = 0 에 대응하는 지점에 대한 분석 신호의 자기 상관의 집중도를 나타낸다. 따라서, 연속적인 심장박동 간격들의 시간 길이들의 변동 또는 그의 파생값들은 전술한 제 1 지표량으로서 사용될 수 있다.
하지만, 많은 경우들에 있어서, 분석 신호의 파형에 기초하여, 연속적인 심장박동 간격들의 시간 길이들을 결정하는 것은 매우 어려운 일이다. 이러한 것은 분석 신호의 품질, 예컨대, 신호대잡음비(SNR)이 낮은 경우에 종종 그러하다. 이 경우, 예를 들어, 올바른 방식으로 분석 신호의 피크치들을 검출하는 것이 어려울 수 있다. 예를 들어, 분석 신호가 사이즈모어카디오그래피(seismocardiography: SCG) 신호 및/또는 자이로카디오그래피(gyrocardiography: GCG) 신호로 구성되는 경우, 신호 품질이 낮을 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 방법에서, 분석 신호는 2 개 이상의 동시에 측정된 신호 성분들을 포함하며, 상기 신호 성분들은 상이한 측정 방향들에 대응한다. 예를 들어, 분석 신호는 다음과 같은 6개의 신호 성분들(S1, S2, S3, S4, S5 및 S6)로 구성될 수 있다.
- S1은 x 방향에서 측정된 선형 가속도이고,
- S2는 y 방향에서 측정된 선형 가속도이며,
- S3은 z 방향에서 측정된 선형 가속도이며,
- S4는 x-축 주위에서 측정된 회전(즉, 자이로스코픽) 가속도이며,
- S5는 y-축 주위에서 측정된 회전 가속도이며,
- S6은 z-축 주위에서 측정된 회전 가속도이다.
도 5에 도시된 좌표계(599)는 x, y 및 z 방향을 도시한다.
이러한 예시적인 일례에서, 분석 신호를 측정하기 위한 센서 시스템은 하나의 6 축 센서를 포함할 수 있거나 또는 상기 센서 시스템은 3개의 가속도계 및 3개의 자이로스코프를 포함할 수 있다. 본 발명의 예시적이고 비제한적인 실시예에 따른 방법에서, 각각의 심장박동 간격의 시간 길이에 대한 추정치는, 2개 이상의 신호 성분들에 의해 표시되는 후보 시간 길이들 중에서 이전 심장박동 기간의 시간 길이와 가장 가까운 특정한 후보 시간 길이를 선택함으로써 형성되며, 따라서 선택된 후보 시간 길이와 이전 심장박동 간격의 시간 길이 사이의 차이의 절대값이 가능한한 작아진다. 예를 들어, 심장박동 기간 n의 시간 길이가 T(n)이고, 심장박동 기간 n + 1에 대하여 신호 성분들 S1, S2, ... Sk, ... 등에 의해 표시되는 후보 시간 길이들 T1(n + 1), T2(n + 1), ... Tk(n + 1) 중에서 후보 시간 길이 Tk(n + 1)이 시간 길이 T(n)에 가장 가깝다면, 심장박동 기간 n + 1의 시간 길이는 후보 시간 길이 Tk(n + 1)로 선택된다. 심장 박동 기간들의 시간 길이들을 결정하는 이러한 방법은, 연속적인 심장박동 기간들이 고려될 때 시간 길이의 급격한 변화가 시간 길이의 결정에서 에러를 참조한다는 점에 기초한다.
본 발명의 예시적이고 비제한적인 실시예에 따른 방법은 제 2 지표량을 형성하도록 다음의 방정식에 따라 분석 신호의 스펙트럼 엔트로피의 추정치 SEe 를 계산하는 단계를 포함한다.
SEe = {- PSDn(f)log2[PSDn(f)]}의 평균
여기서, PSDn(f)는 분석 신호의 전력 스펙트럼 밀도를 분석 신호의 전력으로 나눈 값인 정규화된 전력 스펙트럼 밀도이며, f 는 주파수이다. 상기 평균은 -fs/2 에서 fs/2 까지인 주파수 f에 대해서 계산되며, fs 는 샘플링 레이트이다. 계산된 추정치 SEe 또는 이것의 적절한 파생값은 제 2 지표량으로서 사용될 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 방법은 개인의 신체로부터 센서 소자를 이용하여 분석 신호를 선택적으로 측정하는 단계를 포함한다. 본 발명의 또 다른 예시적이고 비제한적인 실시예에 따른 방법은 메모리로부터 분석 신호를 판독하는 단계를 포함하며, 이 경우, 분석 신호는 먼저 측정되어 메모리에 기록된다. 본 발명의 예시적이고 비제한적인 실시예에 따른 방법은 외부 데이터 전송 시스템으로부터 분석 신호를 수신하는 단계를 포함한다. 따라서, 측정은 본 발명의 많은 실시예에 따른 방법들의 본질적이고 필수적인 단계들이 아니며, 분석 신호 또는 센서 시스템의 출력 신호는 본 방법들의 입력량으로 이해되어야 한다.
본 발명의 예시적이고 비제한적인 실시예에 따른 컴퓨터 프로그램은 본 발명의 상술한 예시적인 실시예들 중 임의의 것에 따른 방법과 관련된 동작들을 수행하도록 프로그램가능한 프로세싱 시스템을 제어하기 위한 컴퓨터 실행가능 명령들을 포함한다.
본 발명의 예시적이고 비제한적인 실시예에 따른 컴퓨터 프로그램은 앞서 언급한 분석 신호에 기초하여 심장 기능부전 예컨대, 심방 세동을 나타내는 정보를 생성하기 위한 소프트웨어 모듈들을 포함한다. 상기 소프트웨어 모듈들은 프로그램가능한 프로세싱 시스템을 제어하기 위한 컴퓨터 실행가능한 명령들을 포함하며, 컴퓨터 실행가능한 명령들은,
- 상호 상관(mutual correlation)이 자기 상관(autocorrelation)에 의해 표현되는 분석 신호 샘플들 사이의 제로 시간 차이에 대응하는 지점에 대한 상기 분석 신호의 자기 상관의 집중도를 나타내는 제 1 지표량을 형성하고,
- 상기 분석 신호의 스펙트럼 엔트로피를 나타내는 제 2 지표량을 형성하고, 그리고
- 적어도 상기 제 1 지표량 및 상기 제 2 지표량에 기초하여 심장 기능부전을 나타내는 표시자를 결정하도록 프로그램가능한 프로세싱 시스템을 제어할 수 있다.
소프트웨어 모듈들은 적절한 프로그래밍 언어 및 상기 프로그래밍 언어와 고려중인 프로그램가능한 프로세싱 시스템에 적합한 컴파일러로 구현되는 예컨대, 서브루틴들 혹은 함수들이 될 수 있다. 또한, 다음을 유의해야 하는바, 적절한 프로그래밍 언어에 대응하는 소스 코드는 컴퓨터 실행가능한 소프트웨어 모듈들을 나타낼 수 있는데, 왜냐하면, 앞서 설명된 동작들을 수행하도록 프로그램가능한 프로세싱 시스템을 제어하는데 필요한 정보를 소스 코드가 포함하고 있으며 그리고 컴파일링은 단지 정보의 포맷만을 변경하기 때문이다. 프로그래밍가능한 프로세싱 시스템에 인터프리터(interpreter)가 제공되는 것도 또한 가능한바, 따라서 적절한 프로그래밍 언어로 구현되는 소스 코드는 실행 전에 컴파일링될 필요가 없을 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 컴퓨터 프로그램 제품은 컴퓨터 프로그램으로 인코딩된 컴퓨터 판독 가능 매체 예컨대, 콤팩트 디스크(CD)를 포함한다.
본 발명의 예시적이고 비제한적인 실시예에 따른 신호는 본 발명의 실시예에 따른 컴퓨터 프로그램을 정의하는 정보를 운반하도록 인코딩된다.
도 5는 본 발명의 예시적이고 비제한적인 실시예에 따라 심장 기능부전 예컨대, 심방 세동을 나타내는 정보를 생성하기 위한 장치(500)의 개략도이다. 상기 장치는 심장혈관 운동(motion)을 포함하는 운동에 응답하는 센서 시스템에 의해 생성된 분석 신호를 프로세싱하기 위한 프로세싱 시스템(502)을 포함한다. 상기 프로세싱 시스템(502)은,
- 상호 상관(mutual correlation)이 자기 상관(autocorrelation)에 의해 표현되는 분석 신호 샘플들 사이의 제로 시간 차이에 대응하는 지점에 대한 분석 신호의 자기 상관의 집중도를 나타내는 제 1 지표량을 형성하고,
- 상기 분석 신호의 스펙트럼 엔트로피를 나타내는 제 2 지표량을 형성하고, 그리고
- 적어도 상기 제 1 지표량 및 상기 제 2 지표량에 기초하여 심장 기능부전을 나타내는 표시자를 결정한다.
도 5에 도시된 예시적인 실시예에서, 상기 장치는 데이터 전송 네트워크(505)로부터 분석 신호를 수신하기 위한 무선 수신기(501)를 포함한다. 분석 신호는 센서 소자(503)에 의해 생성되며, 센서 소자(503)는 분석 신호를 측정하기 위한 전술한 바와 같은 센서 시스템 및 분석 신호를 데이터 전송 네트워크(505)로 전송하기 위한 무선 송신기를 포함할 수 있다. 데이터 전송 네트워크(505)는 예를 들어 통신 네트워크일 수 있다. 센서 소자(503)로부터 상기 장치(500)로의 직접 무선 링크 또는 직접 코드 링크가 가능할 수도 있다. 또한, 상기 장치가 센서 소자(503)의 동작을 제어할 수 있도록, 장치(500)와 센서 소자(503) 사이에서 데이터 전송 네트워크(505)를 경유하거나 또는 직접적으로 무선 링크 또는 코드 링크가 존재하는 것도 가능하다. 또한, 장치 전체가 센서 소자(503)에 통합될 수도 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치에서, 프로세싱 시스템(502)은 센서 시스템의 출력 신호로부터 측정되는 개인(507)이 휴식 중인 기간들을 검출하고 그리고 분석 신호가 개인(507)이 휴식 중인 상황에 대응하도록 센서 시스템의 출력 신호로부터 분석 신호를 추출한다. 또한, 센서 소자(503)가 프로세서를 포함하는 것도 가능한바, 상기 프로세서는 개인(507)이 휴식 중인지를 검출하고 그리고 센서 시스템의 출력 신호로부터 분석 신호를 추출한다.
분석 신호를 생성하기 위한 센서 시스템은 예를 들어, 가속도계, 자이로스코프, 및/또는 가속도계와 자이로스코프 모두를 포함하는 관성 측정 유닛(inertial measurement unit: IMU)을 포함할 수 있다. 센서 시스템에 추가하여, 센서 소자(503)는 예를 들어, 증폭기, 신호 필터, 아날로그-디지털("AD") 변환기 및/또는 개인(507)이 휴식 중인지를 검출하기 위한 프로세서를 포함할 수 있다. 가속도계는 예를 들어, 3 축 가속도계일 수 있는바, 이는 예컨대, 도 5에 도시된 좌표계(599)에서 서로 직교하는 3개의 방향들 x, y, z 에서 움직임을 독립적으로 측정할 수 있다. 이러한 일례에서, 분석 신호는 유클리디안 노름(Euclidian norm), 즉 서로 직교하는 3개의 방향들에서 측정된 움직임들을 나타내는 벡터의 절대값이 될 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치에서, 프로세싱 시스템(502)은 분석 신호의 파형에 기초하여(예컨대, 분석 신호의 피크치들을 검색함으로써), 연속적인 심장박동 간격들의 시간 길이들을 결정하도록 구성된다. 연속적인 심장박동 간격들의 시간 길이들의 변동은 분석 신호 파형의 불규칙성을 나타내는 양이다. 따라서, 연속적인 심장박동 간격들의 시간 길이들의 변동은, 제로 시간차 τ = 0 에 대응하는 지점에 대한 분석 신호의 자기 상관의 집중도를 나타낸다. 따라서, 연속적인 심장박동 간격들의 시간 길이들의 변동 또는 그의 파생값들은 전술한 제 1 지표량으로서 사용될 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치에서, 센서 시스템에 의해 생성된 분석 신호는 2 개 이상의 신호 성분들을 포함하여, 상기 신호 성분들은 서로 다른 측정 방향들에 대응한다. 예를 들어, 분석 신호는 다음과 같은 6개의 신호 성분들(S1, S2, S3, S4, S5 및 S6)로 구성될 수 있다.
- S1은 x 방향에서 측정된 선형 가속도이고,
- S2는 y 방향에서 측정된 선형 가속도이며,
- S3은 z 방향에서 측정된 선형 가속도이며,
- S4는 x-축 주위에서 측정된 회전(즉, 자이로스코픽) 가속도이며,
- S5는 y-축 주위에서 측정된 회전 가속도이며,
- S6은 z-축 주위에서 측정된 회전 가속도이다.
도 5에 도시된 좌표계(599)는 x, y 및 z 방향을 도시한다.
이러한 예시적인 일례에서, 센서 시스템은 하나의 6 축 센서를 포함할 수 있거나 또는 상기 센서 시스템은 3개의 가속도계 및 3개의 자이로스코프를 포함할 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치에서, 프로세싱 시스템(502)은 각각의 심장박동 간격의 시간 길이에 대한 추정치를 형성하도록 구성되는바, 2개 이상의 신호 성분들에 의해 표시되는 후보 시간 길이들 중에서 이전 심장박동 기간의 시간 길이와 가장 가까운 특정한 후보 시간 길이를 선택함으로써 형성되며, 따라서 선택된 후보 시간 길이와 이전 심장박동 간격의 시간 길이 사이의 차이의 절대값이 가능한한 작아진다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치에서, 프로세싱 시스템(502)은,
- 센서 시스템의 출력 신호의 서로 다른 시간적 부분들이며 그리고 바람직하게는 개인(507)이 휴식 중일때 측정되는 2 개 이상의 분석 신호들 각각에 대하여 제 1 및 제 2 지표량을 결정하고, 그리고
- 상기 2 개 이상의 분석 신호들에 대해서 결정된 제 1 및 제 2 지표량에 기초하여 심장 기능부전을 나타내는 표시자를 결정하도록 구성된다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치에서, 프로세싱 시스템(502)은 전술한 분석 신호들 중 적어도 하나를 센서 시스템의 가속도계로부터 수신하고 그리고 분석 신호들 중 적어도 다른 하나를 센서 시스템의 자이로스코프로부터 수신하도록 구성된다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치에서, 프로세싱 시스템(502)은 다음의 방정식에 따라 분석 신호의 자기 상관의 추정치 Re 를 계산하도록 구성된다:
Re(τ) = {(S(t)-μ)×(S(t-τ) - μ)}/σ2 의 평균
여기서, 평균은 시간 t에 대해 계산되고, S는 분석 신호이고, τ는 상호 상관이 Re(x)로 표현되는 분석 신호 샘플들 사이의 시간 차이이고, μ는 분석 신호의 평균이며, σ2는 분석 신호의 분산이다. 자기 상관의 집중도를 나타내는 제 1 지표량은 Re(τ = 0) 및 Re(τ)의 절대값의 평균과 관련된 값에 기초하여 형성될 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치에서, 프로세싱 시스템(502)은 분석 신호의 연속적인 시간 기간 동안 계산된 자기 상관 추정치들의 피크값들에 기초하여, 또는 분석 신호의 연속적인 시간 기간 동안 계산된 전력 스펙트럼 밀도 추정치들의 피크값들에 기초하여, 분석 신호의 연속적인 시간 기간 동안의 심장박동수(heartbeat rate: HR)을 결정할 수도 있으며 그리고 이에 후속하여 분석 신호의 연속적인 시간 기간 동안 결정된 심장박동수(HR)에 기초하여 심장박동수 변동(heartbeat rate variation: HRV)을 결정하도록 구성될 수 있다. 따라서, 상기 심장박동수 변동(HRV) 또는 그의 파생값들은 전술한 제 1 지표량으로서 사용될 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치에서, 프로세싱 시스템(502)은 다음의 방정식에 따라 분석 신호의 스펙트럼 엔트로피의 추정치 SEe 를 계산하도록 구성될 수 있다.
SEe = {- PSDn(f)log2[PSDn(f)]}의 평균
여기서, PSDn(f)는 정규화된 전력 스펙트럼 밀도이며, 상기 평균은 -fs/2 에서 fs/2 까지인 주파수 f에 대해서 계산되며, fs 는 샘플링 레이트이다. 계산된 추정치 SEe 또는 이것의 적절한 파생값은 제 2 지표량으로서 사용될 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치에서, 프로세싱 시스템(502)은 제 1 지표량이 제 1 임계값을 초과하고 제 2 지표량이 제 2 임계값을 초과하는 상황을 나타내는 심장 기능부전의 표시자를 설정하도록 구성된다. 심장 기능부전, 예컨대, 심방 세동은 상기 제 1 지표량이 제 1 임계값을 초과하고 상기 제 2 지표량이 제 2 임계값을 초과할 때 존재하는 것으로 간주될 수 있다.
본 발명의 예시적인 실시예에 따른 장치는 전술한 제 1 및 제 2 지표량을 형성하기 전에 분석 신호를 전처리하는 수단을 포함한다. 예를 들어, 전처리(pre-processing)는 예컨대, 호흡에 의해 야기된 잡음의 제거, 외부 요인들에 의해 야기된 떨림의 제거, 기타 등등을 포함할 수 있다. 예를 들어, 전처리 수단은 프로세싱 시스템(502)으로 구현될 수 있거나 또는 전처리를 위한 하나 이상의 개별 프로세싱 디바이스들이 존재할 수도 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치는 센서 소자(503)로 부터 수신된 신호를 기록하도록 구성된다. 상기 장치는 신호를 기록하기 위한 내부 메모리(506)를 포함할 수 있거나 또는 장치는 외부 메모리에 연결되는 데이터 포트를 포함할 수 있다. 또한, 상기 장치는 외부 사용자 인터페이스 디바이스에 접속하기 위한 사용자 인터페이스(504) 또는 데이터 포트를 더 포함 할 수 있다.
본 발명의 예시적이고 비제한적인 실시예에 따른 장치에서, 프로세싱 시스템(502)은 분석 신호에 포함된 정보에 적어도 기초하여 심장 기능부전의 표시자를 결정하도록 프로세싱 시스템(502)을 트레이닝하기 위한 머신 학습 알고리즘을 구동할 수 있다. 머신 학습 알고리즘은 감독(supervised) 머신 학습 또는 무감독(unsupervised) 머신 학습에 기초할 수 있다. 감독 머신 학습에서, 프로세싱 시스템에는 학습 데이터 및 학습 데이터의 공지된 분류가 제공된다. 따라서, 프로세싱 시스템(502)은 어떤 종류의 데이터가 소정 방식으로 분류되는지를 학습할 수 있다. 예를 들어, 제 1 지표량의 제 1 수치 범위 및 제 2 지표량의 제 1 수치 범위는 심장 기능부전 표시자의 소정 등급(class)(예컨대, "기능부전 없음, 건강함")에 대응할 수 있고, 제 1 지표량의 제 2 수치 범위 및 제 2 지표량의 제 1 수치 범위는 심장 기능부전 표시자의 소정 등급(예컨대, "기능부전 확률 30 %" 기타 등등)에 대응할 수 있다. 무감독 머신 학습에서, 프로세싱 시스템에는 분류 정보가 없이 데이터가 제공되며, 프로세싱 시스템은 제공된 데이터의 속성에 따라 제공된 데이터를 분류한다. 이후, 인간은 머신 분류된 데이터로부터 서로 다른 등급들을 인식할 수 있다. 몇몇 경우에 있어서, 감독 머신 학습을 위한 시작점을 생성하기 위하여 무감독 머신 학습이 사용될 수 있다.
머신 학습 알고리즘은 분석 신호의 신호 속성들에 직접 기초하여 심장 기능부전의 표시자를 결정하도록 프로세싱 시스템(502)을 트레이닝시킬 수 있다. 이 경우, 분석 신호의 자기 상관의 집중도를 나타내는 제 1 지표량과 분석 신호의 스펙트럼 엔트로피를 나타내는 제 2 지표량은 머신 학습 알고리즘의 내부 분량들(internal quantities)이다. 분석 신호의 신호 속성들은 예를 들어, 주기성의 정도(degree of periodicity), 주파수 스펙트럼, 통계 파라미터들(평균, 분산, 모멘트 등)과 같은 피처들 및/또는 분석 신호를 기술하는 다른 피처들을 포함할 수 있다. 앞서 언급된 종류의 피처들은 예를 들어, 웨이블렛 변환, 푸리에 변환 및/또는 고속 푸리에 변환으로 획득될 수 있다. 다른 피처들은 예를 들어 터닝-포인트 비율(turning-point ratio), 심장박동수, 심장박동수 변동 기타 등등이 될 수 있다. 또한, 머신 학습의 도움 및/또는 머신 학습 이전에 수행되는 적절한 전처리를 통한 도움으로, 분석 신호에서 잡음을 제거할 수도 있다.
분석 신호로부터 추출되고 그리고 감독 또는 무감독 머신 학습에서 사용되는 피처들의 벡터 즉, 피처 벡터는, 예를 들어 주 성분 분석(Principal Component Analysis: PCA) 및 독립 성분 분석(Independent Component Analysis: ICA) 등과 같은 적절한 방법을 사용함으로써 감소될 수 있다. 피처 벡터의 감소는, 감독 또는 무감독 머신 학습의 속도를 높일 수 있으며 및/또는 머신 학습의 정확성을 개선할 수 있다.
예컨대, 사이즈모어카디오그래피(SCG) 및/또는 자이로카디오그래피(GCG)와 관련되며 그리고 서로 다른 측정 방향들에서 동시에 측정되는 신호 성분들에 기초하여 피처 벡터가 형성될 수 있다. 예를 들어, x 방향의 선형 가속도 샘플들이 부분 피처 벡터(F1)를 구성할 수 있고, y 방향의 선형 가속도 샘플들이 부분 피처 벡터(F2)를 구성할 수 있고, z 방향의 선형 가속도 샘플들이 부분 피처 벡터(F3)를 구성할 수 있고, x 축 주위의 회전 가속도 샘플들이 부분 피처 벡터(F4)를 구성할 수 있고, y 축 주위의 회전 가속도 샘플들이 부분 피처 벡터(F5)를 구성할 수 있고, 그리고 z 축 주위의 회전 가속도 샘플들이 부분 피처 벡터(F6)를 구성할 수 있다. 머신 학습 알고리즘에 공급되는 피처 벡터(F)는 예컨대, 부분 피처 벡터들(F1 ~ F6)의 연결(concatenation)로서 형성될 수 있는바 즉, F = [F1, F2, F3, F4, F5, F6] 이며, 여기서 부분 피처 벡터들(F1 ~ F6)은 로우 벡터들(row vectors)이다. 이러한 것은 머신 학습 알고리즘이 서로 다른 측정 방향들 및 서로 다른 측정 모드들(선형, 회전)과 관련된 정보를 결합하고 활용하게 할 수 있다.
또한, 서로 다른 측정 방향들과 관련된 정보를 다른 방식으로 활용하는 것도 가능하다. 예를 들어, 부분 피처 벡터들(F1 ~ F6)은 NS × 6 또는 6 × NS의 차원을 갖는 매트릭스를 구성하도록 배열될 수 있는데, 여기서 NS는 부분 피처 벡터들(F1 ~ F6) 각각의 샘플들의 수, 즉 부분 피처 벡터 각각의 길이이다. 이러한 매트릭스는 2 차원 이상의 케이스들을 위해 설계된 하나 이상의 피처 추출 알고리즘을 사용하여 프로세싱될수 있다.
프로세싱 시스템(502)은 하나 이상의 프로세서 회로들로 구현될 수 있으며, 이들 각각은 적절한 소프트웨어가 제공된 프로그램가능한 프로세서 회로, 주문형 집적 회로(ASIC)와 같은 전용 하드웨어 프로세서, 또는 예컨대, 필드 프로그래머블 게이트 어레이(FPGA)와 같은 구성가능한 하드웨어 프로세서가 될 수 있다.
오늘날, 휴대폰 등과 같은 많은 이동 통신 디바이스는, 가속도계 및/또는 자이로스코프 등과 같은 센서들을 포함한다. 따라서, 휴대폰과 같은 전술한 종류의 이동 통신 디바이스가, 심장혈관 운동을 포함하는 운동에 반응하는 센서 소자로서 이용될 수 있다. 전체 장치가 이동 통신 디바이스, 예컨대, 휴대폰에 포함될 수도 있다.
전술한 설명 부분에 제공된 특정 일례들은 첨부된 청구항들의 범위 및/또는 적용가능성을 제한하는 것으로 해석되어서는 안된다. 전술한 설명 부분에 제공되는 일례들의 목록들 및 그룹들은 명시적으로 달리 언급하지 않는한, 완벽한 것은 아니다.

Claims (19)

  1. 장치로서,
    심장혈관 운동(motion)을 포함하는 운동에 응답하는 센서 시스템에 의해 생성된 분석 신호를 프로세싱하기 위한 프로세싱 시스템(502)을 포함하며,
    상기 프로세싱 시스템은,
    - 상호 상관(mutual correlation)이 자기 상관(autocorrelation)에 의해 표현되는 분석 신호 샘플들 사이의 제로 시간 차이에 대응하는 지점에 대한 분석 신호의 자기 상관의 집중도를 나타내는 제 1 지표량을 형성하고,
    - 상기 분석 신호의 스펙트럼 엔트로피를 나타내는 제 2 지표량을 형성하고, 그리고
    - 적어도 상기 제 1 지표량 및 상기 제 2 지표량에 기초하여 심장 기능부전을 나타내는 표시자를 결정하는 것을 특징으로 하는 장치.
  2. 제1항에 있어서,
    상기 프로세싱 시스템은 상기 센서 시스템으로 측정되는 개인이 휴식 중인 기간을 상기 센서 시스템의 출력 신호로부터 검출하고 그리고 상기 분석 신호가 상기 개인이 휴식 중인 상황에 대응하도록 상기 센서 시스템의 출력 신호로부터 상기 분석 신호를 추출하는 것을 특징으로 하는 장치.
  3. 제1항 또는 제2항에 있어서,
    상기 장치는 운동에 응답하는 상기 센서 시스템을 포함하는 것을 특징으로 하는 장치.
  4. 제3항에 있어서,
    상기 센서 시스템은 가속도계, 자이로스코프, 가속도계 및 자이로스코프 둘다를 포함하는 관성 측정 유닛(Inertial Measurement Unit: IMU) 중 적어도 하나를 포함하는 것을 특징으로 하는 장치.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 프로세싱 시스템은,
    - 상기 센서 시스템의 출력 신호의 서로 다른 시간적 부분들인 2 개 이상의 분석 신호들 각각에 대하여 상기 제 1 및 제 2 지표량을 결정하고, 그리고
    - 상기 2 개 이상의 분석 신호들에 대해서 결정된 제 1 및 제 2 지표량에 기초하여 심장 기능부전을 나타내는 상기 표시자를 결정하는 것을 특징으로 하는 장치.
  6. 제5항에 있어서,
    상기 프로세싱 시스템은, 상기 분석 신호들 중 적어도 하나를 상기 센서 시스템의 가속도계로부터 수신하고 그리고 상기 분석 신호들 중 적어도 다른 하나를 상기 센서 시스템의 자이로스코프로부터 수신하는 것을 특징으로 하는 장치.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    상기 프로세싱 시스템은, 아래의 방정식
    Re(τ) = {(S(t)-μ)×(S(t-τ) - μ)}/σ2 의 평균
    에 따라, 상기 분석 신호의 자기 상관의 추정치 Re 를 계산하며,
    상기 평균은 시간 t에 대해 계산되고, S는 분석 신호이고, τ는 상호 상관이 Re(x)로 표현되는 분석 신호 샘플들 사이의 시간차이고, μ는 분석 신호의 평균이며, σ2 는 분석 신호의 분산인 것을 특징으로 하는 장치.
  8. 제7항에 있어서,
    상기 프로세싱 시스템은, Re(τ)의 절대값의 평균과 관련된 값 및 Re(τ = 0)에 기초하여 상기 제 1 지표량을 형성하는 것을 특징으로 하는 장치.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    상기 프로세싱 시스템은, 상기 제 2 지표량을 형성하도록 다음의 방정식에 따라 분석 신호의 스펙트럼 엔트로피의 추정치 SEe 를 계산하며,
    SEe = {- PSDn(f)log2[PSDn(f)]}의 평균
    여기서, PSDn(f)는 분석 신호의 전력 스펙트럼 밀도를 분석 신호의 전력(power)으로 나눈 값인 정규화된 전력 스펙트럼 밀도이며, 상기 평균은 -fs/2 에서 fs/2 까지인 주파수 f에 대해서 계산되는 것을 특징으로 하는 장치.
  10. 제1항 내지 제9항 중 어느 한 항에 있어서,
    상기 프로세싱 시스템은 상기 제 1 지표량을 제 1 임계값과 비교하고 그리고 상기 제 2 지표량을 제 2 임계값과 비교하여 심장 기능부전을 나타내는 상기 표시자를 결정하는 것을 특징으로 하는 장치.
  11. 제1항 내지 제10항 중 어느 한 항에 있어서,
    상기 프로세싱 시스템은, 상기 분석 신호의 연속적인 시간 기간들 동안 계산된 자기 상관 추정치들의 피크값들에 기초하여 상기 분석 신호의 상기 연속적인 시간 기간들 동안의 심장박동수(heartbeat rate)를 결정하고, 상기 분석 신호의 상기 연속적인 시간 기간들 동안 결정된 상기 심장박동수에 기초하여 심장박동수 변동을 결정하고, 그리고 상기 결정된 심장박동수 변동에 기초하여 상기 제 1 지표량을 형성하는 것을 특징으로 하는 장치.
  12. 제1항 내지 제11항 중 어느 한 항에 있어서,
    상기 프로세싱 시스템은 상기 분석 신호의 파형에 기초하여 연속적인 심장박동 간격들의 시간 길이들(temporal lengths)을 결정하고, 상기 제 1 지표량을 형성하도록 상기 연속적인 심장박동 간격들의 시간 길이들의 변동을 계산하는 것을 특징으로 하는 방법.
  13. 제12항에 있어서,
    상기 프로세싱 시스템은, 선택된 후보 시간 길이와 이전 심장박동 간격의 시간 길이 사이의 차이의 절대값이 가능한한 작아지도록, 상기 분석 신호의 2개 이상의 신호 성분들에 의해 표시되는 후보 시간 길이들 중에서 이전 심장박동 기간의 시간 길이와 가장 가까운 특정한 후보 시간 길이를 선택함으로써, 각각의 심장박동 간격의 시간 길이에 대한 추정치를 형성하며, 상기 분석 신호의 신호 성분들은 심장혈관 운동을 포함하는 운동의 서로 다른 측정 방향들에 대응하는 것을 특징으로 하는 장치.
  14. 제13항에 있어서,
    상기 장치는 상기 센서 시스템을 포함하고, 상기 센서 시스템은 상기 분석 신호의 신호 성분들 S1, S2, S3, S4, S5 및 S6을 측정하기에 적합하며,
    - S1은 x 방향에서 측정된 선형 가속도이고,
    - S2는 y 방향에서 측정된 선형 가속도이며,
    - S3은 z 방향에서 측정된 선형 가속도이며,
    - S4는 x-축 주위에서 측정된 회전 가속도이며,
    - S5는 y-축 주위에서 측정된 회전 가속도이며,
    - S6은 z-축 주위에서 측정된 회전 가속도이며,
    x, y 및 z 축은 데카르트 좌표계의 축들이고 x, y 및 z 방향은 x, y 및 z 축의 방향인 것을 특징으로 하는 장치.
  15. 제1항 내지 제14항 중 어느 한 항에 있어서,
    상기 프로세싱 시스템은, 상기 분석 신호에 포함된 정보에 적어도 기초하여 심장 기능부전의 표시자를 결정하도록 상기 프로세싱 시스템을 트레이닝하기 위한 머신 학습 알고리즘을 실행하는 것을 특징으로 하는 장치.
  16. 제1항 내지 제15항 중 어느 한 항에 있어서,
    상기 심장 기능부전의 표시자는 심방 세동의 표시자인 것을 특징으로 하는 장치.
  17. 방법으로서,
    - 상호 상관이 자기 상관에 의해 표현되는 분석 신호 샘플들 사이의 제로 시간 차이에 대응하는 지점에 대한 분석 신호의 자기 상관의 집중도를 나타내는 제 1 지표량을 형성하는 단계(201);
    - 상기 분석 신호의 스펙트럼 엔트로피를 나타내는 제 2 지표량을 형성하는 단계(202); 및
    - 적어도 상기 제 1 지표량 및 상기 제 2 지표량에 기초하여 심장 기능부전을 나타내는 표시자를 결정하는 단계를 포함하고,
    상기 분석 신호는 심장혈관 운동(motion)을 포함하는 운동에 응답하는 센서 시스템에 의해 생성된 신호인 것을 특징으로 하는 방법.
  18. 심장혈관 운동을 포함하는 운동에 응답하는 센서 시스템에 의해 생성된 분석 신호를 프로세싱하도록 프로그램가능한 프로세싱 시스템을 제어하기 위한 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 컴퓨터 실행가능한 명령들을 포함하고, 상기 컴퓨터 실행가능한 명령들은,
    - 상호 상관이 자기 상관에 의해 표현되는 분석 신호 샘플들 사이의 제로 시간 차이에 대응하는 지점에 대한 분석 신호의 자기 상관의 집중도를 나타내는 제 1 지표량을 형성하고,
    - 상기 분석 신호의 스펙트럼 엔트로피를 나타내는 제 2 지표량을 형성하고, 그리고
    - 적어도 상기 제 1 지표량 및 상기 제 2 지표량에 기초하여 심장 기능부전을 나타내는 표시자를 결정하도록 상기 프로그램가능한 프로세싱 시스템을 제어하는 것을 특징으로 하는 컴퓨터 프로그램.
  19. 제18항에 따른 컴퓨터 프로그램으로 인코딩된 비일시적인 컴퓨터 판독가능한 매체를 포함하는 컴퓨터 프로그램 제품.
KR1020177028128A 2015-03-11 2016-02-26 심장 기능부전을 나타내는 정보를 생성하는 방법 및 장치 KR102448391B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FI20155160 2015-03-11
FI20155160 2015-03-11
PCT/FI2016/050121 WO2016142575A1 (en) 2015-03-11 2016-02-26 Method and apparatus for producing information indicative of cardiac malfunctions

Publications (2)

Publication Number Publication Date
KR20170128415A true KR20170128415A (ko) 2017-11-22
KR102448391B1 KR102448391B1 (ko) 2022-09-28

Family

ID=55542690

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177028128A KR102448391B1 (ko) 2015-03-11 2016-02-26 심장 기능부전을 나타내는 정보를 생성하는 방법 및 장치

Country Status (16)

Country Link
US (1) US10517510B2 (ko)
EP (1) EP3267886B1 (ko)
JP (1) JP6898246B2 (ko)
KR (1) KR102448391B1 (ko)
CN (1) CN107979986B (ko)
BR (1) BR112017019285A2 (ko)
CA (1) CA2976602C (ko)
DK (1) DK3267886T3 (ko)
ES (1) ES2900837T3 (ko)
HK (1) HK1243613A1 (ko)
HU (1) HUE057576T2 (ko)
LT (1) LT3267886T (ko)
PL (1) PL3267886T3 (ko)
PT (1) PT3267886T (ko)
TW (1) TWI697318B (ko)
WO (1) WO2016142575A1 (ko)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3187201B2 (en) * 2015-12-30 2022-07-20 Paul Hartmann AG Portable medical device
US10617356B2 (en) 2016-03-15 2020-04-14 Anhui Huami Information Technology Co., Ltd. Garment and cardiac data processing
US10123741B2 (en) * 2016-11-30 2018-11-13 Huami Inc. Cardiac condition detection
CN108926348B (zh) * 2018-08-06 2019-07-19 广东工业大学 一种房颤信号的提取方法及装置
WO2020037391A1 (en) * 2018-08-20 2020-02-27 Neptec Design Group Ltd. Method and apparatus for deriving biometric information using multiple-axis seismocardiography
JP2020048674A (ja) * 2018-09-25 2020-04-02 三井化学株式会社 生体情報取得方法、生体情報取得モデル学習方法、装置、及びプログラム
FI128489B (en) * 2018-10-01 2020-06-15 Precordior Oy Equipment for generating information indicating cardiac abnormality
US20220125330A1 (en) * 2020-10-27 2022-04-28 LLA Technologies Inc. Tri-axial seismocardiography devices and methods
EP4254425A1 (en) 2022-03-29 2023-10-04 Heartkinetics Method, system and computer program for detecting a heart health state

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020120206A1 (en) * 2000-12-26 2002-08-29 Basel Taha Method of using spectral measures to distinguish among atrial fibrillation, atrial flutter and other cardiac rhythms
WO2013160538A1 (en) * 2012-04-23 2013-10-31 Turun Yliopisto Method and apparatus for determining information indicative of cardiac malfunctions and abnormalities

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5365426A (en) 1987-03-13 1994-11-15 The University Of Maryland Advanced signal processing methodology for the detection, localization and quantification of acute myocardial ischemia
EP0448196B1 (en) * 1990-03-19 1997-03-12 Del Mar Avionics Method and apparatus for spectral analysis of electrocardiographic signals
US6024705A (en) 1998-11-06 2000-02-15 Bioacoustics, Inc. Automated seismic detection of myocardial ischemia and related measurement of cardiac output parameters
JP2000287943A (ja) * 1999-04-02 2000-10-17 Akira Akimoto 生体の活動状態検知装置
JP2000350716A (ja) * 1999-06-10 2000-12-19 Hoya Corp 呼吸検出装置
JP4469746B2 (ja) * 2005-03-29 2010-05-26 株式会社東芝 心拍計測装置及び心拍計測装置の作動方法
JP2007105131A (ja) * 2005-10-12 2007-04-26 Nippon Telegr & Teleph Corp <Ntt> 脈波診断装置及び脈波診断装置制御方法
US8475387B2 (en) * 2006-06-20 2013-07-02 Adidas Ag Automatic and ambulatory monitoring of congestive heart failure patients
US7846104B2 (en) 2007-02-08 2010-12-07 Heart Force Medical Inc. Monitoring physiological condition and detecting abnormalities
CN101156771A (zh) * 2007-09-28 2008-04-09 天津市先石光学技术有限公司 基于脉搏波频谱分析提高血管硬度测量精度的方法及装置
US8233973B2 (en) * 2008-05-02 2012-07-31 Spacelabs Healthcare, Llc Methods for detection of cardiac arrhythmias
JP5288418B2 (ja) * 2008-06-04 2013-09-11 国立大学法人 東京大学 力学パラメータの同定法
CN102245102B (zh) * 2008-12-12 2013-08-21 皇家飞利浦电子股份有限公司 用于心冲击图信号的分析的方法和设备
CA2765358A1 (en) 2009-06-17 2010-12-23 Heart Force Medical Inc. Method and apparatus for obtaining and processing ballistocardiograph data
JP2013500757A (ja) * 2009-07-31 2013-01-10 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 心弾道図信号解析の方法および装置
JP5732976B2 (ja) * 2011-03-31 2015-06-10 沖電気工業株式会社 音声区間判定装置、音声区間判定方法、及びプログラム
CA2834102A1 (en) 2011-05-03 2012-11-08 Heart Force Medical Inc. Method and apparatus for estimating myocardial contractility using precordial vibration signals
US20130324812A1 (en) 2012-05-31 2013-12-05 Atlantis Limited Partnership Cardiac pulse coefficient of variation and breathing monitoring system and method for extracting information from the cardiac pulse

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020120206A1 (en) * 2000-12-26 2002-08-29 Basel Taha Method of using spectral measures to distinguish among atrial fibrillation, atrial flutter and other cardiac rhythms
WO2013160538A1 (en) * 2012-04-23 2013-10-31 Turun Yliopisto Method and apparatus for determining information indicative of cardiac malfunctions and abnormalities

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Jian-bo Wu et al., "Research on the method of characteristic extraction and classification of Phonocardiogram", 2012 International Conference on Systems and Informatics, pp.1732~1735 (2012.05.19.) *

Also Published As

Publication number Publication date
CN107979986B (zh) 2021-03-30
CN107979986A (zh) 2018-05-01
DK3267886T3 (da) 2022-01-17
EP3267886B1 (en) 2021-11-10
JP6898246B2 (ja) 2021-07-07
JP2018511378A (ja) 2018-04-26
TWI697318B (zh) 2020-07-01
HUE057576T2 (hu) 2022-05-28
US20180035919A1 (en) 2018-02-08
PT3267886T (pt) 2021-11-26
BR112017019285A2 (pt) 2018-05-02
WO2016142575A1 (en) 2016-09-15
KR102448391B1 (ko) 2022-09-28
PL3267886T3 (pl) 2022-02-28
ES2900837T3 (es) 2022-03-18
US10517510B2 (en) 2019-12-31
CA2976602A1 (en) 2016-09-15
HK1243613A1 (zh) 2018-07-20
EP3267886A1 (en) 2018-01-17
TW201634006A (zh) 2016-10-01
CA2976602C (en) 2023-07-11
LT3267886T (lt) 2021-12-10

Similar Documents

Publication Publication Date Title
KR102448391B1 (ko) 심장 기능부전을 나타내는 정보를 생성하는 방법 및 장치
JP6131404B2 (ja) 心臓の機能不全と異常を表す情報を測定するための方法及び器械
JP6571807B2 (ja) 心臓の機能不全と異常を表す情報を測定するための方法及び器械
US9872638B2 (en) Method and apparatus for determining information indicative of cardiac malfunctions

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right