KR20180118472A - 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법 - Google Patents
광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법 Download PDFInfo
- Publication number
- KR20180118472A KR20180118472A KR1020170051860A KR20170051860A KR20180118472A KR 20180118472 A KR20180118472 A KR 20180118472A KR 1020170051860 A KR1020170051860 A KR 1020170051860A KR 20170051860 A KR20170051860 A KR 20170051860A KR 20180118472 A KR20180118472 A KR 20180118472A
- Authority
- KR
- South Korea
- Prior art keywords
- pulse wave
- subject
- wave signal
- window
- unit
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 230000036262 stenosis Effects 0.000 title claims abstract description 25
- 208000026106 cerebrovascular disease Diseases 0.000 title claims abstract description 20
- 206010061751 Cerebrovascular stenosis Diseases 0.000 title claims abstract description 17
- 206010063648 Cerebral artery stenosis Diseases 0.000 claims abstract description 51
- 238000003745 diagnosis Methods 0.000 claims abstract description 39
- 238000005070 sampling Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 27
- 239000000523 sample Substances 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000010606 normalization Methods 0.000 claims abstract description 8
- 230000003287 optical effect Effects 0.000 claims description 9
- 230000005693 optoelectronics Effects 0.000 claims description 5
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 206010057469 Vascular stenosis Diseases 0.000 claims 2
- 230000002490 cerebral effect Effects 0.000 claims 2
- 208000019553 vascular disease Diseases 0.000 claims 2
- 238000013186 photoplethysmography Methods 0.000 abstract description 23
- 239000000284 extract Substances 0.000 abstract description 8
- 238000000605 extraction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000005259 measurement Methods 0.000 description 12
- 208000031481 Pathologic Constriction Diseases 0.000 description 6
- 208000037804 stenosis Diseases 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- 238000012952 Resampling Methods 0.000 description 4
- 210000001367 artery Anatomy 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 238000002583 angiography Methods 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 208000006170 carotid stenosis Diseases 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 206010060965 Arterial stenosis Diseases 0.000 description 1
- 206010007687 Carotid artery stenosis Diseases 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000001715 carotid artery Anatomy 0.000 description 1
- 210000001627 cerebral artery Anatomy 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 210000004720 cerebrum Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
- A61B5/02427—Details of sensor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- 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
- A61B5/6825—Hand
- A61B5/6826—Finger
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
- A61B5/02427—Details of sensor
- A61B5/02433—Details of sensor for infrared radiation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Neurology (AREA)
- Psychology (AREA)
- Neurosurgery (AREA)
- Vascular Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
본 발명은 피측정자의 손가락이 안착되고 피측정자의 손가락으로 광을 조사하고 수광하는 PPG 프로브, 상기 PPG 프로브에서 수광한 광 신호에서 맥파 신호를 추출하는 맥파신호 추출부, 상기 맥파 신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태로 최적화된 맥파 신호로 만드는 샘플링부, 상기 샘플링부에 의해 최적화된 피측정자의 맥파 신호들을 정규화된 맥파 신호로 만드는 맥파신호 정규화부, 상기 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고 각 윈도우별 맥파 신호에 대한 맥파 진폭값을 검출하는 맥파진폭 검출부, 상기 맥파진폭 검출부에 의해 검출된 윈도우별 맥파 진폭값을 선형판별분석 알고리즘을 이용하여 전체 윈도우구간의 맥파 진폭값에 대응하는 피측정자별 제1 주요성분을 추출하는 대뇌동맥협착 특성분석부, 그리고 상기 피측정자별 제1 주요성분과 설정값을 비교하고 상기 설정값 대비 상기 피측정자별 주요성분의 분포를 파악하여 피측정자의 특성을 진단하는 대뇌동맥협착 진단부를 포함하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법에 관한 것이다.
Description
본 발명은 광전용적맥파(PPG; photoplethysmography)를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법에 관한 것이다.
현재, 대뇌동맥 협착은 주로 경도개 도플러 검사나 혈관조영 CT(컴퓨터 단층촬영, Computer Tomography) 또는 MRI(자기공명촬영, Magnetic Resonance Imaging)로 진단하며, 경동맥 협착은 경동맥 초음파나 MRI을 이용한 경동맥 조영술을 통해 경동맥 협착층의 정도를 확인한다.
그런데, 혈관 조영 CT의 경우에, 방사선 노출을 해야 하는 부담이 있고, CT와 MRI 모두 조영제로 인한 부작용이 발생할 수 있는 침습적인 검사이다.
본 발명이 해결하고자 하는 과제는 목에서 대뇌로 연결되는 대뇌동맥의 협착 정도를 손가락에서 검출된 맥파를 이용하여 파악할 수 있게 하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법을 제공하는 것이다.
비침습적이며 측정이 간단한 PPG 신호의 주기 특성 및 파형패턴분석을 이용하여 정상인과 대뇌동맥협착 환자를 간단하게 식별할 수 있게 하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법을 제공하는 것이다.
또한, 본 발명이 해결하고자 하는 과제는 저비용으로 측정이 용이하며, 60 ~ 120초의 짧은 측정시간으로 피측정자에 대한 대뇌동맥 협착 정도를 사전에 분석할 수 있게 하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법을 제공하는 것이다.
상기 과제 이외에도 구체적으로 언급되지 않은 다른 과제를 달성하는 데 본 발명에 따른 실시 예가 사용될 수 있다.
상기 과제를 해결하기 위한 본 발명의 실시 예에 따르면 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치를 제공한다. 이 분석 장치는 피측정자의 손가락이 안착되고 피측정자의 손가락으로 광을 조사하고 수광하는 PPG 프로브, 상기 PPG 프로브에서 수광한 광 신호에서 맥파 신호를 추출하는 맥파신호 추출부, 상기 맥파 신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태로 최적화된 맥파 신호로 만드는 샘플링부, 상기 샘플링부에 의해 최적화된 피측정자의 맥파 신호들을 정규화된 맥파 신호로 만드는 맥파신호 정규화부, 상기 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고 각 윈도우별 맥파 신호에 대한 맥파 진폭값을 검출하는 맥파진폭 검출부, 상기 맥파진폭 검출부에 의해 검출된 윈도우별 맥파 진폭값을 선형판별분석 알고리즘을 이용하여 전체 윈도우 구간의 맥파 진폭값에 대응하는 피측정자별 제1 주요성분을 추출하는 대뇌동맥협착 특성분석부, 그리고 상기 피측정자별 제1 주요성분과 설정값을 비교하여 피측정자의 특성을 진단하는 대뇌동맥협착 진단부를 포함한다.
상기에서 대뇌동맥협착 특성분석부는 상기 맥파진폭 검출부에서 검출한 윈도우별 맥파 진폭값을 선형판별분석 알고리즘에 적용하여 피측정자별 전체 윈도우 구간의 해당 진폭값에 대한 고유값(eigenvalue)를 산출하고 산출한 고유값 중 그 값이 가장 큰 고유값에 해당하는 제1 고유벡터값을 상기 제1 주요성분으로 파악한다.
상기 대뇌동맥협착 특성분석부는 상기 제1 주요성분이 상기 설정값 이상이면 환자라고 진단한다.
본 발명의 실시 예에 따른 분석 장치는 피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 노치 위치를 검출하여 노치 위치 정보를 제공하는 맥파노치 검출부를 더 포함하며, 이때 대뇌동맥협착 진단부는 상기 노치 위치 정보를 이용하여 피측정자의 특성을 진단한다.
본 발명의 실시 예에 따른 분석 장치는 피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 왁스/웨인파형을 검출하는 왁스/웨인파형 검출부를 더 포함하며, 이때 대뇌동맥협착 진단부는 상기 왁스/웨인파형을 이용하여 피측정자의 특성을 진단한다.
상기 맥파진폭 검출부에서 검출되는 맥파 진폭값은 윈도우별 맥파 신호에 대한 최대 진폭값이다.
상기 과제를 해결하기 위한 본 발명의 실시 예에 따르면 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법을 제공한다. 이 분석 방법은 피측정자의 손가락에 광을 조사하고 수광하는 단계, 상기 수광한 광 신호에서 맥파 신호를 추출하는 단계, 상기 맥파 신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태로 최적화된 맥파 신호로 만드는 단계, 상기 최적화된 맥파 신호들을 정규화된 맥파 신호로 만드는 단계, 상기 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고 각 윈도우별 맥파 신호에 대한 맥파 진폭값을 검출하는 단계, 상기 맥파진폭 검출부에 의해 검출된 윈도우별 맥파 진폭값을 선형판별분석 알고리즘을 이용하여 전체 윈도우 구간의 맥파 진폭값에 대응하는 피측정자별 제1 주요성분을 추출하는 단계, 그리고 상기 피측정자별 제1 주요성분과 설정값을 비교하여 피측정자의 특성을 진단하는 단계를 포함한다.
상기 제1 주요성분은 상기 피측정자별 맥파 진폭값을 선형판별분석 알고리즘에 적용하여 산출된 해당 진폭값에 대한 고유값(eigenvalue) 중 그 값이 가장 큰 고유값에 대응하는 제1 고유벡터값이다.
상기 피측정자의 특성을 진단하는 단계는 상기 제1 주요성분이 상기 설정값 이상이면 환자라고 진단한다.
본 발명의 실시 예에 따른 분석 방법은 피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 노치 위치를 검출하는 단계와 상기 각 윈도우별 노치 위치를 이용하여 피측정자의 특성을 진단하는 단계를 더 포함한다.
본 발명의 실시 예에 따른 분석 방법은 피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 왁스/웨인파형을 검출하는 단계와 상기 왁스/웨인파형을 이용하여 피측정자의 특성을 진단하는 단계를 더 포함한다.
상기 맥파 신호를 추출하는 단계는 상기 피측정자의 오른 손가락 또는 왼 손가락 또는 오른 손가락 및 왼 손가락의 맥파 신호를 추출한다.
본 발명의 실시 예에 따르면, 피측정자의 손가락으로부터 맥파 신호를 검출하는 비침습적 방법으로 정상인과 대뇌동맥협착 환자를 간단하게 식별할 수 있게 한다.
또한, 본 발명의 실시 예에 따르면, 무증상의 대뇌동맥 협착 환자들을 사전에 조기 진단하여 뇌경색의 위협을 예방할 수 있게 한다.
또한 본 발명의 실시 예에 따르면, 저비용으로 짧은 시간 내에 대뇌동맥 협착 정도를 사전에 분석할 수 있게 한다.
도 1은 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치의 블록 구성도이다.
도 2는 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치에서 얻은 PPG의 오리지널 맥파 신호를 보인 일 예이다.
도 3은 본 발명의 실시 예에 따른 샘플링부에 의해 리샘플링된 맥파 신호를 보인 일 예이다.
도 4는 본 발명의 실시 예에 따른 샘플링부에 의해 최종 처리된 맥파 신호를 보인 일 예이다.
도 5는 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법을 보인 순서도이다.
도 6은 본 발명의 실시 예에 따른 맥파 신호에서 최대 진폭값과 최소 진폭값을 보인 도면이다.
도 7은 본 발명의 실시 예에 따른 맥파 신호의 진폭값에 대응하는 제1 주요성분(First-eigenvector)과 제2 주요성분(Second-eigenvector)에 대한 분포도이다.
도 8은 본 발명의 실시 예에 따른 맥파 신호의 진폭값에 대응하는 제1 주요성분만을 표현한 그래프이다.
도 9는 본 발명의 실시 예에 따른 정상인과 환자의 왁스/웨인 파형을 보인 도면이다.
도 2는 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치에서 얻은 PPG의 오리지널 맥파 신호를 보인 일 예이다.
도 3은 본 발명의 실시 예에 따른 샘플링부에 의해 리샘플링된 맥파 신호를 보인 일 예이다.
도 4는 본 발명의 실시 예에 따른 샘플링부에 의해 최종 처리된 맥파 신호를 보인 일 예이다.
도 5는 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법을 보인 순서도이다.
도 6은 본 발명의 실시 예에 따른 맥파 신호에서 최대 진폭값과 최소 진폭값을 보인 도면이다.
도 7은 본 발명의 실시 예에 따른 맥파 신호의 진폭값에 대응하는 제1 주요성분(First-eigenvector)과 제2 주요성분(Second-eigenvector)에 대한 분포도이다.
도 8은 본 발명의 실시 예에 따른 맥파 신호의 진폭값에 대응하는 제1 주요성분만을 표현한 그래프이다.
도 9는 본 발명의 실시 예에 따른 정상인과 환자의 왁스/웨인 파형을 보인 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대해 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며 명세서 전체에서 동일 또는 유사한 구성요소에 대해서는 동일한 도면부호가 사용되었다. 또한, 널리 알려져 있는 공지기술의 경우 그 구체적인 설명은 생략한다.
본 명세서에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
이하에서는 첨부한 도면을 참조로 하여 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법을 설명한다.
설명에 앞서, 광전용적맥파는 적외선이나 가시광선 또는 레이저 등의 광 신호를 이용하여 탄성혈관의 압력변화에 의한 용적 변화를 측정하여 얻어진 맥박 파형이다.
도 1은 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치의 블록 구성도이다. 도 1을 참고하면 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치(이하 “분석 장치”라 칭한다)(100)는 PPG 프로브(110), 맥파신호 추출부(120), 샘플링부(130), 맥파신호 정규화부(140), 맥파진폭 검출부(150), 맥파노치 검출부(160), 왁스/웨인파형(wax/wane wave) 검출부(170), 대뇌동맥협착 특성분석부(180), 대뇌동맥협착 진단부(190) 및 디스플레이부(200)를 포함한다. 한편, 분석 장치(100)는 경우에 따라서 맥파노치 검출부(160) 및 왁스/웨인파형 검출부(170) 모두를 구성에서 제외하거나, 또는 맥파노치 검출부(160)와 왁스/웨인파형 검출부(170) 중 하나만을 사용할 수 있다.
한편, 본 발명의 실시 예에 따른 분석 장치(100)는 하나의 장치로 구현될 수도 있지만, PPG 프로브(110)와 맥파신호 추출부(120)를 포함하는 혈압계와, 샘플링부(130), 맥파신호 정규화부(140), 맥파진폭 검출부(150), 맥파노치 검출부(160), 왁스/웨인파형 검출부(170), 대뇌동맥협착 특성분석부(180), 대뇌동맥협착 진단부(190) 및 디스플레이부(200)를 포함하는 컴퓨터/모니터로 구분하여 구현될 수도 있다.
PPG 프로브(110)는 피측정자의 손가락이 인입되거나 안착되도록 구성되고 적외선이나 가시광선 또는 레이저 등의 광 신호를 피검 부위에 조사하고 조직에 흡수되지 않고 투과된 투과광 또는 조직에서 반사되는 반사광을 수광한다. 이러한 기능을 위해 PPG 프로브(110)는 광을 조사하는 발광부(미도시)와 광을 수광하는 수광부(미도시)를 포함하며, 이러한 PPG 프로브(110)의 구성 및 동작은 공지된 기술에 속하므로 자세한 설명은 생략한다.
맥파신호 추출부(120)는 PPG 프로브(110)에서 수광한 광 신호에 대한 광량 또는 광도 데이터를 증폭 및 필터링하고 필터링된 데이터 신호를 이용하여 사용자의 맥파 신호를 추출하고 저장부(미도시)에 저장한다. 맥파신호 추출부(120)에 의해 추출된 맥파 신호의 일 예가 도 2에 도시되어 있다. 도 2는 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치에서 얻은 PPG의 오리지널 맥파 신호를 보인 일 예이다. 도 2에서 세로축은 전압값을 나타내고, 가로축은 시간을 나타낸다.
샘플링부(130)는 맥파신호 추출부(120)에 의해 추출된 피측정자의 맥파신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태의 맥파 신호를 생성한다.
구체적으로, 샘플링부(130)는 피측정자의 오리지널 맥파 신호로부터 설정 시간 동안에 설정 개수의 데이터를 얻기 위해 리샘플링(resampling)을 한다. 리샘플링한 일 예가 도 3에 도시되어 있다. 도 3은 본 발명의 실시 예에 따른 정규화부에 의해 리샘플링된 맥파 신호를 보인 일 예로서, 1분(60초) 동안에 66,000개의 데이터가 추출되도록 리샘플링한 결과이다. 그리고 샘플링부(130)는 오리지널 맥파 신호를 리샘플링하면 리샘플링한 맥파 신호 예컨대 66,000 개의 데이터를 샘플링 간격을 23칸으로 한 최적화 샘플링으로 리샘플링된 맥파 신호를 매끄럽게(smoothing)하여 도 4에 도시된 바와 같은 최적화 샘플링된 맥파 신호를 생성한다. 이때 최적화 샘플링 시에 최적화 샘플링된 맥파 신호에 맥파 노치(도 4의 A 참조)가 나타나도록 샘플링 간격을 조절하는 것이 양호하며, 하나의 샘플링 간격(즉, 23칸 중 한칸)에서 추출되는 맥파가 1분당 평균 심박수가 포함하도록 하는 것이 양호하다. 66,000개의 데이터를 리샘플링한 경우를 예를 들면, 66,000개의 데이터를 23칸으로 나누면 한 칸에는 약 2,869개의 데이터로 나눠지는데, 2,869개 데이터 속에는 맥파가 약 60 ~ 80개 가량 존재한다.
이러한 리샘플링 및 최적화 샘플링은 동일 피측정자가 복수회 측정하여 얻은 모든 오리지널 맥파 신호에 동일하게 적용된다.
맥파신호 정규화부(140)는 동일한 피측정자의 각 측정 횟수마다 변화를 보이는 맥파 신호들의 변화를 감소시키기 위하여 샘플링부(130)에 의해 최적화 샘플링된 각 피측정자의 복수의 맥파 신호들을 정규화(normalization)하여 정규화된 맥파 신호를 출력한다. 이때 맥파신호 정규화부(140)는 다음의 수학식 1 에 기초하여 피측정자에 대응하는 맥파 신호를 정규화한다.
피측정자로부터 얻어진 총 측정횟수(예; 1인당 측정횟수가 5회이고 피측정자가 10명이면 측정횟수는 50임)를 W라 하고, 피측정자의 수를 N로 표현하여, 
를 얻을 수 있다. 그리고 동일한 피측정자로부터 얻어진 맥파 신호들은 
로 표현될 수 있으며, 맥파 신호(Wij)는 i번째 피측정자의 j번째 맥파 신호를 의미한다.
상기 수학식 1에서 동일한 피측정자의 맥파 크기값(
)는 동일한 피측정자의 맥파 신호들을 각각 제곱하여 더한 값을 루트화한 값이다. 그리고 정규화된 맥파 신호 Wi*는 피측정자의 맥파 신호들을 맥파 크기값(
)으로 나눈 정규화된 맥파 신호들이다.
맥파진폭 검출부(150)는 정규화된 각 피측정자의 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에 대해 맥파 진폭값을 검출하고 검출한 맥파 진폭값을 대뇌동맥협착 특성분석부(180)에 제공한다.
맥파노치 검출부(160)는 정규화된 각 피측정자의 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 노치 위치(notch position)를 검출하고 노치 위치에 대한 정보를 파악하여 대뇌동맥협착 특성분석부(180)에 제공한다. 이때 노치 위치에 대한 정보 즉, 노치 위치 정보는 노치가 있는지의 유무를 알리는 정보와 노치가 있는 경우에 해당 노치 위치에서의 전압값을 포함한다.
왁스/웨인파형 검출부(170)는 정규화된 각 피측정자의 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 왁스/웨인 패턴을 검출하고, 검출한 왁스/웨인 패턴을 대뇌동맥협착 특성분석부(180)에 제공한다.
상기 맥파진폭 검출부(150), 맥파노치 검출부(160) 및 왁스/웨인파형 검출부(170)에서의 윈도우 구간 및 윈도우 개수는 서로 동일하며, 하나의 구성(150 내지 170 중 하나)에서 정규화된 각 피측정자의 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하는 동작을 한 후 다른 구성과 윈도우별 맥파 신호를 공유하도록 할 수 있다.
대뇌동맥협착 특성분석부(180)는 맥파진폭 검출부(150)로부터 수신된 윈도우별 각 맥파 진폭값을 선형판별분석(LDA: Linear Discriminant Analysis) 알고리즘에 적용하여 전체 윈도우 구간에서 추출된 맥파 진폭값에 대응하는 제1 주요성분(First-eigenvector)을 추출하고, 추출한 피측정자의 제1 주요성분을대뇌동맥협착 진단부(190)에 제공한다.
여기서 선형판별분석 알고리즘은 각 윈도우별 개별적인(local) 특성을 반영하기 보다는 개별적으로 추출된 전체 윈도우값들을 대상으로 전체적인(global) 특성을 반영한다. 예를 들어, (60개 윈도우값/1人) 의해 60개의 특징이 추출된 후 선형 판별 분석 알고리즘을 시행하면 60개의 주요성분이 추출되는데, 이때 60개의 전체 특징에 대한 가장 높은 설명력을 가진 성분이 제1 주요성분(First-eigenvector)이고, 그 다음으로 설명력이 높은 것이 제2 주요성분(Second-eigenvector)이며, 60 번째 성분(Sixtieth-eigenvector)은 가장 설명력이 낮다. 가장 설명력이 높은 것을 찾는 기준은 고유값(eigenvalue)들에 의해 결정되는데, 가장 큰 고유값 에 해당되는 eigenvector값을 제1 주요성분(First-eigenvector)라고 한다.
그리고 대뇌동맥협착 특성분석부(180)는 맥파노치 검출부(160)로부터 수신된 윈도우별 노치 위치 정보를 분석하여 윈도우별로 노치 위치 정보의 유무 및 노치 위치 정보가 있는 경우에 노치 위치가 전압값이 0V 이상인 윈도우의 개수를 파악한다.
또한 대뇌동맥협착 특성분석부(180)는 왁스/웨인파형 검출부(170)로부터 윈도우별 왁스/웨인 패턴을 수신하고 윈도우별 왁스/웨인 패턴을 분석하여 왁스/웨인 패턴의 특징을 추출한다. 이때 왁스/웨인 패턴의 특징은 파형의 변화 즉, 진폭 변화 및 간격 변화를 추출한다.
대뇌동맥협착 진단부(190)는 맥파진폭 검출부(150)로부터 수신된 전체 윈도우구간에서 추출한 제1 주요성분을 통해 피측정자의 대뇌동맥협착 여부를 진단한다. 전체 윈도우 구간에서 추출된 맥파 진폭값들은 각 피측정자별로 한 개의 제1 주요성분이 존재한다. 예컨대, 대뇌동맥협착 진단부(190)는 피측정자의제1 주요성분을 설정값과 비교하여 제1 주요성분이 설정값보다 크면 환자라고 판단하고 제1 주요성분이 설정값 미만이면 정상인이라고 판단한다. 그리고 대뇌동맥협착 진단부(190)는 피측정자별로 제1 주요성분과 설정값 간의 차이값을 파악하고 피측정자별 차이값을 이용하여 증상의 정도를 진단한다.
참고로, 실제 환자를 대상으로 한 윈도우별 맥파 신호에서 피측정자별 제1 주요성분이 대체적으로 “0”보다 크며, 정상인의 경우에는 피측정자별 제1 주요성분이 대체적으로 “0”보다 작다. 그리고 증상이 심한 환자일수록 제1 주요성분이 “0”보다 큰 값을 나타내며, 증상이 약한 환자일수록 제1 주요성분이 “0”에 근접한 값을 나타낸다.
한편, 윈도우별 맥파 신호에서 맥파 노치 위치에 대한 정보를 파악하는 것으로도 피측정자가 정상인인지 환자인지를 판단할 수 있다. 실제 환자를 대상으로 한 윈도우별 맥파 신호에서의 맥파 노치 위치를 보면 “0”보다 높은 위치에 나타하거나, 맥파 노치가 나타나지 않으며, 정상인의 경우에는 맥파 노치 위치가 “0”보다 낮은 위치에 나타난다. 이에 따라 대뇌동맥협착 진단부(190)는 윈도우별 맥파 노치 위치를 수신하고 분석하여 피측정자가 정상인인지 환자인지를 진단한다.
또한 윈도우별 맥파 신호에서 왁스/웨인 패턴에 대한 정보를 파악하는 것으로도 피측정자가 정상인인지 환자인지를 판단할 수 있다. 정상인의 경우에 왁스/웨인 패턴은 전체적인 파형이 고르게 나타난다. 즉 왁스/웨인 파형의 최대 진폭값 및 최소 진폭값이 시간에 따른 변동이 크지 않으며 이웃하는 파형간의 간격의 변화 또한 크지 않다. 이에 반해 실제 환자의 경우에는 왁스/웨인 파형의 최대 진폭값 및 최소 진폭값이 시간에 따른 변동이 크며 이웃하는 파형간의 간격의 변화가 크다. 그리고 증상이 심할수록 왁스/웨인 파형의 최대 진폭값 및 최소 진폭값이 시간에 따른 변동이 커지며 이웃하는 파형간의 간격의 변화가 커진다. 이에 따라 대뇌동맥협착 진단부(190)는 윈도우별 왁스/웨인 패턴을 수신하고 분석하여 피측정자가 정상인인지 환자인지를 진단한다.
본 발명의 실시 예에 따른 대뇌동맥협착 진단부(190)는 제1 주요성분만을 이용하여 피측정자의 대뇌동맥협착 여부 및 정도를 진단할수 있지만, 보다 정밀한 분석을 위해서 맥파노치 검출부(160)와 왁스/웨인파형 검출부(170) 중 적어도 하나에서 출력하는 신호를 이용할 수 있다.
디스플레이부(200)는 맥파진폭 검출부(150)에서 검출한 각 피측정자별 제1 주요성분을 설정값을 기준으로 화면상에 표시하거나, 맥파노치 검출부(160)에서 검출한 맥파 노치 위치를 맥파 신호를 기준으로 표시하거나 또는 왁스/웨인파형 검출부(170)에서 파악한 왁스/웨인 파형을 화면상으로 표시한다. 이렇게 맥파진폭 검출부(150), 맥파노치 검출부(160), 왁스/웨인파형 검출부(170)의 출력을 화면상에 표시하게 되면, 진단자가 대뇌동맥협착 진단부(190)를 이용하지 않고 화면상에 표시된 정보를 직접 육안으로 확인하여 해당 피측정자가 정상인인지 환자인지 또는 증상이 어느 정도 심각한지를 알 수 있게 된다. 또한 디스플레이부(200)는 대뇌동맥협착 진단부(190)에서 검출 또는 파악한 정보를 화면상에 표시한다.
이하에서는 도 5를 참조로 하여 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법을 설명한다.
피측정자는 한 손의 손가락 또는 두 손의 손가락을 PPG 프로브(110)에 안착시켜 진단을 시작한다. 한편, 대뇌동맥협착 증상은 왼 손가락보다 오른 손가락의 맥파 신호에 영향을 더 준다. 그리고 한 손의 손가락의 맥파 신호를 이용하는 것보다 양손의 손가락의 맥파 신호를 이용하는 것이 더 정확한 결과를 얻을 수 있으나, 한 손의 손가락의 맥파 신호를 이용하더라도 충분한 결과를 얻을 수 있다.
이하의 설명에서는 오른 손가락을 이용하는 것을 일 예로 하여 설명한다.
피측정자가 앉은 상태에서 오른 손가락을 PPG 프로브(110)에 안착시키면, PPG 프로브(110)에서 설정 측정시간 동안 광을 조사하고(S501), 조사한 광이 오른 손가락을 투과 또는 반사한 광을 수광한다(S502). 상기 설정 측정시간은 예컨대 60 ~ 120초이다. 한편 동일한 피측정자는 S501 과정 및 S502 과정이 복수회 이루어지도록 측정을 반복한다.
매회 측정시 PPG 프로브(110)에 의해 수광된 광 신호는 맥파신호 추출부(120)에 입력되고, 맥파신호 추출부(120)는 광 신호로부터 맥파 신호를 추출하고 추출한 맥파신호를 저장부(미도시)에 저장한다(S503),
동일 피측정자에 대한 복수회 측정이 완료되면, 샘플링부(130)는 저장부에서 동일 피측정자에 대한 맥파 신호를 읽어들이고, 읽어들인 맥파 신호를 1분(60초) 동안에 66,000개의 데이터가 추출되도록 리샘플링하고, 리샘플링한 66,000 개의 데이터를 23칸 단위로 최적화 샘플링하여 최적화 샘플링된 맥파 신호를 생성한다(S504).
맥파신호 정규화부(140)는 동일한 피측정자의 각 측정 횟수마다 변화를 보이는 맥파 신호들의 변화를 감소시키기 위하여 상기 수학식 1을 이용하여 피측정자의 최적화 샘플링된 맥파 신호들을 정규화하고 피측정자의 정규화된 맥파 신호를 맥파진폭 검출부(150), 맥파노치 검출부(160) 및 왁스/웨인파형검출부(170)로 출력한다(S505).
맥파진폭 검출부(150)는 맥파신호 정규화부(140)에 의해 정규화된 맥파 신호를 복수의 윈도우 구간으로 분할하고(S506), 각 윈도우 구간마다 맥파 진폭값 즉, 최대 진폭값(MXAP: Maximum Amplitude Pulse) 또는 최소 진폭값 최소 진폭값(MIAP: Minimum Amplitude Pulse) 또는 최대 및 최소 진폭값을 검출하여 대뇌동맥협착 특성분석부(180)에 제공한다(S507). 상기에서 정규화된 맥파 신호를 복수의 윈도우 구간으로 분할시에 윈도우의 개수는 최소 1회 맥박을 포함하는 맥박 진동 파형수에 기초하여 얻어지는 것이 바람직하다.
맥파진폭 검출부(150)에 의해 검출된 최소 진폭값과 최대 진폭값의 일 예가 도 6에 도시되어 있다. 도 6은 본 발명의 실시 예에 따른 맥파 신호에서 최대 진폭값과 최소 진폭값을 보인 도면이다. 도 6을 참고하면, 정규화된 맥파 신호로부터 60개의 특징 윈도우 구간으로 분할된 후 분할된 한 개의 특징 윈도우 구간에서 검출된 최대 진폭값(B)과 최소 진폭값(C)을 나타내고 있다.
대뇌동맥협착 특성분석부(180)는 맥파진폭 검출부(150)로부터 수신된 윈도우별 최대 진폭값 또는 최소 진폭값 또는 최대 및 최소 진폭값에 대하여 선형 판별 해석 알고리즘을 적용하여 전체 윈도우 구간에 해당하는 진폭값에 대한 고유값(eigenvalue)를 산출하고 산출한 고유값 중 그 값이 가장 큰 고유값에 대응되는 고유벡터값(First-eigenvector)을 각 피측정자의 제1 주요성분으로 파악하고 파악한 피측정자별 제1 주요성분을 대뇌동맥협착 진단부(190)에 제공한다(S508).
그러면 대뇌동맥협착 진단부(190)는 각 피측정자별 맥파 신호에 대한 제1 주요성분을 설정값(threshold)을 기반으로 정상인 또는 환자를 분류(즉, 진단)한다(S509). 예컨대, 설정값이 “0”의 값이면 대뇌동맥협착 진단부(190)는 피측정자별 제1 주요성분과 설정값 “0”을 비교하여, 제1 주요성분이 0 이상인 피측정자를 파악하고 제1 주요성분이 0 미만인 피측정자를 파악한다. 그리고 대뇌동맥협착 진단부(190)는 피측정자별로 제1 주요성분과 0의 값 간의 차이값을 산출한다.
대뇌동맥협착 진단부(190)는 제1 주요성분이 0 이상인 피측정자를 환자라고 진단하고, 제1 주요성분이 0 미만인 피측정자를 정상인이라고 진단한다. 대뇌동맥협착 진단부(190)에서의 진단 방법은 전술한 방법에 국한되지 않고 다양한 방법으로도 달성될 수 있다.
이러한 대뇌동맥협착 진단부(190)에서의 진단을 도 7을 참조로 하여 설명한다. 도 7은 본 발명의 실시 예에 따른 맥파 신호의 진폭값에 대응하는 제1 주요성분(First-eigenvector)과 제2 주요성분(Second-eigenvector)에 대한 분포도로서, 도 7에 도시된 분포도는 디스플레이부(200)를 통해 화면상에 표시될 수 있다.
도 7을 참고하면, 피측정자별 제1 주요성분에 대한 분포도는 오른손과 왼손 검지 손가락으로부터 맥파 신호의 최적화 샘플링 후 추출된 맥파 신호를 60개의 특징 윈도우 구간에서 분할하고 각 특징 윈도우 구간에서 검출된 최대 진폭값과 최소 진폭값들을 이용하여 선형판별분석을 적용하여 정상인 피측정자와 대뇌동맥협착 환자들을 분류한 결과이다. 여기서, 피측정자는 총 64명을 대상으로 하였고, 64명 중 32명은 정상인(평균연령: 59.8세, 표준편차: 14.6세)이고, 32명은 환자(평균연령: 62.7세, 표준편차: 11.2세)이다.
도 7에서 (a)는 피측정자별 최대 진폭값에 대응하는 제1 및 제2 주요성분에 대한 분포도이고, (b)는 피측정자별 최소 진폭값에 대응하는 제1 및 제2 주요성분에 대한 분포도이다. 도 7에서, 가로축은 제1 주요성분의 값(즉, 제1 고유벡터값, First-eigenvector)을 나타내고, 세로축은 두 번째 큰 값을 나타내는 제2 주요성분의 값(제2 고유벡터값, Second-eigenvector)이다. 실질적으로 제1 주요성분에 대한 분포도는 제2 주요성분과 연계하여 표시하지 않아도 되고, 제2 주요성분이 아닌 다른 주요성분으로 대체하여도 무방하다.
그리고 도 7에서 파란색 점은 정상인에 대한 피측정자별 제1 및 제2 주요성분으로 구성된 2차원상에 나타낸 점이고, 붉은색 점은 대뇌동맥협착 환자에 대한 피측정자별 제1 및 제2 주요성분으로 구성된 2차원상에 나타낸 점이다.
도 7의 (a)와 (b)를 참고하면, 가로축의 “0”의 값을 기준으로 정상인의 제1 주요성분은 대부분 “0”의 값보다 작은 값을 나타내고, 환자의 제1 주요성분은 대부분 “0”의 값보다 큰 값을 나타낸다. 그리고 도 7의 (a)의 분포도가 도 7의 (b)의 분포도에 비해 환자의 경우에 “0”의 값보다 큰 값을 나타내는 제1 주요성분의 개수가 많다. 즉 최대 진폭값을 이용하는 경우가 최소 진폭값을 이용하는 경우보다 증상의 판정에 대한 인식률이 높음을 알 수 있다.
그리고 다른 일 예로서, 도 8을 참고로 하여 대뇌동맥협착 진단부(190)에서의 진단 방법을 설명한다. 도 8은 본 발명의 실시 예에 따른 맥파 신호의 진폭값에 대응하는 제1 주요성분만을 표현한 그래프로서, 도 8에 도시된 그래프는 디스플레이부(200)를 통해 화면상에 표시될 수 있다.
도 8을 참고하면, 피측정자별 제1 주요성분에 대한 그래프는 오른손과 왼손 검지 손가락으로부터 맥파 신호의 최적화 샘플링 후 추출된 맥파 신호를 60개의 특징 윈도우 구간에서 분할하고 각 특징 윈도우 구간에서 검출된 최대 진폭값과 최소 진폭값들을 이용하여 선형판별분석을 적용하여 정상인 피측정자와 대뇌동맥협착 환자들을 분류한 결과이다. 여기서, 피측정자는 총 64명을 대상으로 하였고, 64명 중 32명은 정상인(평균연령: 59.8세, 표준편차: 14.6세)이고, 32명은 환자(평균연령: 62.7세, 표준편차: 11.2세)이다.
도 8에서 (a)는 피측정자별 최대 진폭값에 대응하는 제1 주요성분에 대한 그래프이고, (b)는 피측정자별 최소 진폭값에 대응하는 제1 주요성분에 대한 그래프이다. 도 8에서 가로축은 피측정자들을 나타내고, 세로축은 제1 주요성분의 값(즉, 제1 고유벡터값, First-eigenvector)을 나타낸다.
도 8을 참고하면 제1 주요성분이 설정값 “0”보다 크면 환자이고, 제1 주요성분이 설정값 “0”보다 작으면 정상인으로 판정하는 것을 알 수 있으며, 최대 진폭값을 이용하는 경우에 제1 주요성분의 값의 범위가 최소 진폭값을 이용하는 경우에 비해 크므로 보다 정밀하고 정확한 진단 결과를 얻을 수 있음을 알 수 있다.
참고로, 실제 실험 결과를 통해 얻은 인식률은 다음과 같았다. 실험은 피측정자의 오른손과 왼손 손가락의 맥파 신호를 추출하여 이용하였으며, 오른손과 왼손 손가락의 맥파 신호에서 최대 진폭값을 이용하는 경우에 정인식률은 59/64로 약 92.2%이고, 오른손과 왼손 손가락의 맥파 신호에서 최소 진폭값을 이용하는 경우에 정인식률은 58/64로 약 90.6%이며, 오른손과 왼손 손가락의 맥파 신호에서 최소 진폭값과 최대 진폭값을 이용하는 경우에 정인식률은 58/64로 약 90.6%로 나타났다.
상기 정인식률에서 분모값인 “64”는 실험 대상자를 의미하며, 실험 대상자는 정상인 32명과 환자 32명이다. 그리고 정인식률에서 분자값인 “59”, 58”은 환자 또는 정상인으로 진단(분류)된 대상자의 수를 의미한다.
한편, 오른손과 왼손 손가락의 맥파 신호를 이용하는 경우에 본 발명의 실시 예에 따른 분석 장치(100)는 2개의 PPG 프로브(110)를 구성으로 하며, 각 PPG 프로브(110)에서 검출된 광 투과 또는 광 반사된 광 신호로부터 추출한 오른손 맥파 신호와 왼손 맥파 신호를 결합하여 이용한다. 이때 결합은 오른손 맥파 신호의 끝에 왼손 맥파 신호를 결합하거나, 왼손 맥파 신호의 끝에 오른손 맥파 신호를 결합하는 것이다.
대뇌동맥협착 진단부(190)는 맥파노치 검출부(160)에서 검출한 윈도우별 맥파 노치 위치와 왁스/웨인파형 검출부(170)에서 검출한 윈도우별 왁스/웨인 패턴 중 적어도 하나를 이용하여 진단한다(S511). 이때 윈도우별 맥파 노치 위치 또는/및 윈도우별 왁스/웨인 패턴에 대한 이용은 디폴트로 설정되거나, 또는 S509의 진단에 의해 피측정자가 정상인이라고 판단한 경우에 이용된다(S510). 도 5는 S509의 진단에 의해 피측정자가 정상인이라고 판단한 경우를 일 예로 한 것이다.
대뇌동맥협착 진단부(190)는 윈도우별 맥파 노치 위치를 수신하고, 윈도우별로 맥파 노치 위치 여부를 파악하여 맥파 노치 위치를 가진 윈도우의 개수(또는 맥파 노치 위치를 가지지 않은 윈도우의 개수)를 파악하고, 맥파 노치 위치가 설정값인 “0”보다 높은 윈도우의 개수를 파악한 후 맥파 노치 위치를 가진 윈도우의 개수(또는 맥파 노치 위치를 가지지 않은 윈도우의 개수)가 설정개수 이상인지를 파악하고 맥파 노치 위치가 설정값인 “0”보다 높은 윈도우의 개수를 설정개수와 비교하여 정상인인지 환자인지를 파악한다. 대뇌동맥협착 진단부(190)는 맥파 노치 위치를 가진 윈도우의 개수가 제1 설정개수 이하이거나 또는 맥파 노치 위치를 가지지 않은 윈도우의 개수가 제2 설정개수 이상이며, 맥파 노치 위치가 설정값인 “0”보다 높은 윈도우의 개수가 제3 설정개수 이상이면 환자라고 진단한다. 그리고 왁스/웨인 패턴에 대하여 대뇌동맥협착 진단부(190)는 윈도우별 왁스/웨인 패턴에서 최대 진폭값 및 최소 진폭값이 시간에 따른 변동량 및 이웃하는 파형(맥박 신호)간의 간격의 변화량을 파악하고 상기 변동량 및 변화량을 설정값과 비교하여 설정값 이상이면 환자라고 진단한다.
이해를 돕기 위해 도 9를 참고하여 왁스/웨인 패턴을 이용한 진단을 설명한다. 도 9는 본 발명의 실시 예에 따른 정상인과 환자의 왁스/웨인 파형을 보인 도면이다.
도 9에서 (a)는 정상인의 왁스/웨인 파형이고, (b)는 환자의 왁스/웨인 파형이다. 도 9의 (a)에 도시된 바와 같이, 정상인의 왁스/웨인 파형은 이웃하는 파형(맥박 신호)간의 간격의 변화량이 크지 않으며 최대 진폭값 및 최소 진폭값이 시간에 따른 변동량이 크지 않다. 이에 반해 도 8의 (b)에 도시된 바와 같이 환자의 왁스/웨인 파형은 이웃하는 파형(맥박 신호)간의 간격의 변화량이 크며 최대 진폭값 및 최소 진폭값이 시간에 따른 변동량 또한 큼을 알 수 있다.
디스플레이부(200)는 대뇌동맥협착 진단부(190)에서 진단한 진단 결과 및 도 7 및 도 8에 도시된 제1 주요성분의 분포도, 도 9에 도시된 왁스/웨인 파형 등을 화면상에 표시한다(S512).
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였으나, 본 발명의 권리범위가 이에 한정되는 것은 아니며 본 발명이 속하는 분야에서 통상의 지식을 가진 자가 여러 가지로 변형 및 개량한 형태 또한 본 발명의 권리범위에 속한다.
100 : 분석 장치
110 : PPG 프로브
120 : 맥파신호 추출부 130 : 샘플링부
140 : 맥파신호 정규화부 150 : 맥파진폭 검출부
160 : 맥파노치 검출부 170 : 왁스/웨인파형 검출부
180 : 대뇌동맥협착 특성분석부 190 : 대뇌동맥협착 진단부
200 : 디스플레이부
120 : 맥파신호 추출부 130 : 샘플링부
140 : 맥파신호 정규화부 150 : 맥파진폭 검출부
160 : 맥파노치 검출부 170 : 왁스/웨인파형 검출부
180 : 대뇌동맥협착 특성분석부 190 : 대뇌동맥협착 진단부
200 : 디스플레이부
Claims (13)
- 피측정자의 손가락이 안착되고 피측정자의 손가락으로 광을 조사하고 수광하는 PPG 프로브,
상기 PPG 프로브에서 수광한 광 신호에서 맥파 신호를 추출하는 맥파신호 추출부,
상기 맥파 신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태로 최적화된 맥파 신호로 만드는 샘플링부,
상기 샘플링부에 의해 최적화된 피측정자의 맥파 신호들을 정규화된 맥파 신호로 만드는 맥파신호 정규화부,
상기 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고 각 윈도우별 맥파 신호에 대한 맥파 진폭값을 검출하는 맥파진폭 검출부,
상기 맥파진폭 검출부에 의해 검출된 윈도우별 맥파 진폭값을 선형판별분석 알고리즘을 이용하여 전체 윈도우 구간의 맥파 진폭값에 대응하는 피측정자별 제1 주요성분을 추출하는 대뇌동맥협착 특성분석부, 그리고
상기 피측정자별 제1 주요성분과 설정값을 비교하여 피측정자의 특성을 진단하는 대뇌동맥협착 진단부
를 포함하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치. - 제1항에서,
상기 대뇌동맥협착 특성분석부는 상기 맥파진폭 검출부에서 검출한 윈도우별 맥파 진폭값을 선형판별분석 알고리즘에 적용하여 피측정자별 전체 윈도우 구간의 해당 진폭값에 대한 고유값(eigenvalue)를 산출하고 산출한 고유값 중 그 값이 가장 큰 고유벡터값(First-eigenvector)을 상기 제1 주요성분으로 파악하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치. - 제2항에서,
상기 대뇌동맥협착 특성분석부는 상기 제1 주요성분이 상기 설정값 이상인 경우이면 환자라고 진단하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치. - 제3항에서,
피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 노치 위치를 검출하여 노치 위치 정보를 제공하는 맥파노치 검출부를 더 포함하며,
상기 대뇌동맥협착 진단부는 상기 노치 위치 정보를 이용하여 피측정자의 특성을 진단하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치. - 제1항 또는 제4항에서,
피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 왁스/웨인파형을 검출하는 왁스/웨인파형 검출부를 더 포함하며,
상기 대뇌동맥협착 진단부는 상기 왁스/웨인파형을 이용하여 피측정자의 특성을 진단하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치. - 제1항에서,
상기 맥파진폭 검출부는 윈도우별 맥파 신호에 대한 최대 진폭값을 검출하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치. - 피측정자의 손가락에 광을 조사하고 수광하는 단계,
상기 수광한 광 신호에서 맥파 신호를 추출하는 단계,
상기 맥파 신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태로 최적화된 맥파 신호로 만드는 단계,
상기 최적화된 맥파 신호들을 정규화된 맥파 신호로 만드는 단계,
상기 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고 각 윈도우별 맥파 신호에 대한 맥파 진폭값을 검출하는 단계,
상기 맥파진폭 검출부에 의해 검출된 윈도우별 맥파 진폭값을 선형판별분석 알고리즘을 이용하여 전체 윈도우 구간의 맥파 진폭값에 대응하는 피측정자별 제1 주요성분을 추출하는 단계, 그리고
상기 피측정자별 제1 주요성분과 설정값을 비교하여 피측정자의 특성을 진단하는 단계
를 포함하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법. - 제1항에서,
상기 제1 주요성분은 상기 윈도우별 맥파 진폭값을 선형판별분석 알고리즘에 적용하여 산출된 해당 진폭값에 대한 고유값(eigenvalue) 중 그 값이 가장 큰 고유값에 해당하는 제1 고유벡터값(First-eigenvector)인 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법. - 제2항에서,
상기 피측정자의 특성을 진단하는 단계는 상기 제1 주요성분이 상기 설정값 이상인 경우이면 환자라고 진단하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법. - 제7항에서,
피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 노치 위치를 검출하는 단계와
상기 각 윈도우별 노치 위치를 이용하여 피측정자의 특성을 진단하는 단계를 더 포함하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법. - 제7항 또는 제10항에서,
피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 왁스/웨인파형을 검출하는 단계와
상기 왁스/웨인파형을 이용하여 피측정자의 특성을 진단하는 단계를 더 포함하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법. - 제7항에서,
상기 맥파 진폭값을 검출하는 단계에서 검출하는 맥파 진폭값은 최대 진폭값인 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법. - 제7항에서,
상기 맥파 신호를 추출하는 단계는
상기 피측정자의 오른 손가락 또는 왼 손가락 또는 오른 손가락 및 왼 손가락의 맥파 신호를 추출하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170051860A KR101994788B1 (ko) | 2017-04-21 | 2017-04-21 | 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법 |
| PCT/KR2017/004580 WO2018194205A1 (ko) | 2017-04-21 | 2017-04-28 | 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법 |
| US16/483,130 US11259711B2 (en) | 2017-04-21 | 2017-04-28 | Device and method for analyzing cerebrovascular disease and stenosis by using photoplethysmography |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170051860A KR101994788B1 (ko) | 2017-04-21 | 2017-04-21 | 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180118472A true KR20180118472A (ko) | 2018-10-31 |
| KR101994788B1 KR101994788B1 (ko) | 2019-07-01 |
Family
ID=63856662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170051860A KR101994788B1 (ko) | 2017-04-21 | 2017-04-21 | 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11259711B2 (ko) |
| KR (1) | KR101994788B1 (ko) |
| WO (1) | WO2018194205A1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004358022A (ja) * | 2003-06-06 | 2004-12-24 | U-Medica Inc | 脈波解析法、この解析法に基づく自律神経機能評価法及び自律神経機能評価装置 |
| KR20160034722A (ko) * | 2014-09-22 | 2016-03-30 | 조선대학교산학협력단 | 혈압 측정에 근거한 개인적인 특성 분석 장치 및 방법 |
| JP2016214731A (ja) * | 2015-05-25 | 2016-12-22 | ローム株式会社 | バイタルセンサモジュールおよびその動作方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100455286B1 (ko) | 2002-01-11 | 2004-11-06 | 삼성전자주식회사 | 생리신호획득 및 해석을 이용한 동물의 상태 파악 방법 및장치 |
| US8187197B2 (en) * | 2002-01-15 | 2012-05-29 | Orsan Medical Technologies Ltd. | Cerebral perfusion monitor |
| JP2007218780A (ja) | 2006-02-17 | 2007-08-30 | Fujitsu Ltd | ディジタル周波数測定装置 |
| KR101270592B1 (ko) | 2010-07-12 | 2013-06-05 | 조선대학교산학협력단 | 오실로매트릭 동맥 혈압 측정에 기반한 개인적인 특성 분석 장치 및 방법 |
| US8825428B2 (en) * | 2010-11-30 | 2014-09-02 | Neilcor Puritan Bennett Ireland | Methods and systems for recalibrating a blood pressure monitor with memory |
| US11103140B2 (en) * | 2015-06-14 | 2021-08-31 | Facense Ltd. | Monitoring blood sugar level with a comfortable head-mounted device |
| US10420515B2 (en) * | 2015-06-15 | 2019-09-24 | Vital Labs, Inc. | Method and system for acquiring data for assessment of cardiovascular disease |
| EP3355787B1 (en) * | 2015-09-29 | 2022-06-08 | Koninklijke Philips N.V. | Device, system and method for extracting physiological information |
-
2017
- 2017-04-21 KR KR1020170051860A patent/KR101994788B1/ko active IP Right Grant
- 2017-04-28 WO PCT/KR2017/004580 patent/WO2018194205A1/ko active Application Filing
- 2017-04-28 US US16/483,130 patent/US11259711B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004358022A (ja) * | 2003-06-06 | 2004-12-24 | U-Medica Inc | 脈波解析法、この解析法に基づく自律神経機能評価法及び自律神経機能評価装置 |
| KR20160034722A (ko) * | 2014-09-22 | 2016-03-30 | 조선대학교산학협력단 | 혈압 측정에 근거한 개인적인 특성 분석 장치 및 방법 |
| JP2016214731A (ja) * | 2015-05-25 | 2016-12-22 | ローム株式会社 | バイタルセンサモジュールおよびその動作方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2018194205A1 (ko) | 2018-10-25 |
| KR101994788B1 (ko) | 2019-07-01 |
| US11259711B2 (en) | 2022-03-01 |
| US20200229720A1 (en) | 2020-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | The obf database: A large face video database for remote physiological signal measurement and atrial fibrillation detection | |
| KR100954817B1 (ko) | 맥파신호분석을 이용한 혈관건강 및 스트레스 검사시스템 및 방법 | |
| JP5094326B2 (ja) | 生体計測装置 | |
| US8668649B2 (en) | System for cardiac status determination | |
| US20060009700A1 (en) | Apparatus and method for assessing peripheral circulation to evaluate a physiological condition | |
| JP2021503323A (ja) | 生理学的パラメータを検出するためのシステム及び方法 | |
| US10105089B2 (en) | Systems and methods for blood pressure measurement with psychological status validation | |
| KR20180116184A (ko) | 자율신경 균형 및 조절능력의 평가 장치 및 그 제어 방법 | |
| US20130190637A1 (en) | System for Monitoring and Diagnosis of Cardiac Electrogram Signals Using Multi-Dimensional Analysis | |
| EP2653109B1 (en) | Image processing method and apparatus | |
| JP2007289224A (ja) | 生体計測装置および生体計測方法 | |
| KR101746763B1 (ko) | 망막 또는 맥락막 내 혈관조영 광가간섭 단층촬영 장치 및 이를 이용한 질병 진단방법 | |
| WO2011059632A1 (en) | Non-invasive optical imaging for measuring pulse and arterial elasticity in the brain | |
| US20160287100A1 (en) | System and method for tracking cerebral blood flow in fmri | |
| KR102482796B1 (ko) | 원격 광용적맥파 측정을 이용한 비접촉 심박 변이도 분석 장치 및 방법 | |
| Humeau-Heurtier et al. | Linguistic analysis of laser speckle contrast images recorded at rest and during biological zero: comparison with laser Doppler flowmetry data | |
| US10595755B2 (en) | System and method for monitoring glucose level | |
| Li et al. | Hybrid D1DCnet using forehead iPPG for continuous and noncontact blood pressure measurement | |
| KR20190092691A (ko) | 맥파신호를 이용한 스트레스 분석 및 관리 시스템 | |
| KR101994788B1 (ko) | 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법 | |
| KR20080030189A (ko) | 혈관의 건강 상태를 감시하는 방법 및 장치 | |
| JP2000262480A (ja) | 生体恒常性維持評価装置 | |
| Lin et al. | Research on feature mining algorithm and disease diagnosis of pulse signal based on piezoelectric sensor | |
| US20240023822A1 (en) | Dynamic image analysis apparatus, recording medium, and dynamic image analysis method | |
| JP2020146140A (ja) | 心臓異常検出方法及び検出装置 |
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 |