KR20200078795A - 혈압 추정 장치 및 방법 - Google Patents

혈압 추정 장치 및 방법 Download PDF

Info

Publication number
KR20200078795A
KR20200078795A KR1020180167746A KR20180167746A KR20200078795A KR 20200078795 A KR20200078795 A KR 20200078795A KR 1020180167746 A KR1020180167746 A KR 1020180167746A KR 20180167746 A KR20180167746 A KR 20180167746A KR 20200078795 A KR20200078795 A KR 20200078795A
Authority
KR
South Korea
Prior art keywords
limb
blood pressure
bcg
signal
sensor
Prior art date
Application number
KR1020180167746A
Other languages
English (en)
Inventor
장대근
유세피안 페이만
한진오
권의근
김연호
신승태
Original Assignee
삼성전자주식회사
유니버시티 오브 메릴랜드, 컬리지 파크
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사, 유니버시티 오브 메릴랜드, 컬리지 파크 filed Critical 삼성전자주식회사
Priority to KR1020180167746A priority Critical patent/KR20200078795A/ko
Priority to US16/589,260 priority patent/US11432775B2/en
Publication of KR20200078795A publication Critical patent/KR20200078795A/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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • 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
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
    • 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
    • A61B5/316—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
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
    • A61B5/7289—Retrospective gating, i.e. associating measured signals or images with a physiological event after the actual measurement or image acquisition, e.g. by simultaneously recording an additional physiological signal during the measurement or image acquisition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • 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
    • A61B5/02—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
    • A61B5/026—Measuring blood flow
    • A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
    • 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

Abstract

일 양상에 따른 혈압 추정 장치는 사용자의 사지 BCG(ballistocardiogram) 신호를 측정하는 사지 BCG 센서 및, 측정된 사지 BCG 신호를 기초로 사지 BCG 센서의 센싱 특성에 따른 혈압 연관 특징(feature)을 획득하고, 획득된 혈압 연관 특징을 기초로 사용자의 혈압을 추정하는 프로세서를 포함할 수 있다.

Description

혈압 추정 장치 및 방법{APPARATUS AND METHOD FOR ESTIMATING BLOOD PRESSURE}
커프리스(cuffless) 방식으로 혈압을 추정하는 기술과 관련된다.
고령화 사회로의 빠른 진입과 이에 따른 의료비 증가 등의 사회적 문제로 인해 헬스케어 기술이 많은 관심을 받고 있다. 이에 따라 병원이나 검사 기관에서 활용할 수 있는 의료 기기뿐만 아니라, 개인이 휴대할 수 있는 소형 의료 기기가 개발되고 있다. 또한, 이러한 소형 의료 기기는 사용자에게 착용되어, 혈압 등과 같은 심혈관계 건강 상태를 직접 측정할 수 있는 웨어러블 디바이스(wearable device)의 형태로 보급되어, 사용자가 직접 심혈관계 건강 상태를 측정하고 관리하는 것을 가능하게 하고 있다.
따라서 최근에는 혈압 추정의 정확도를 높임과 동시에 기기의 소형화를 위해 생체 신호를 분석하여 혈압을 추정하는 방식에 대한 연구가 많이 진행되고 있다.
사지 BCG(ballistocardiogram)의 센싱 특성을 기초로 혈압을 추정하는 장치 및 방법이 제시된다.
일 양상에 따른 혈압 추정 장치는 사용자의 사지 BCG(ballistocardiogram) 신호를 측정하는 사지 BCG 센서 및, 측정된 사지 BCG 신호를 기초로 사지 BCG 센서의 센싱 특성에 따른 혈압 연관 특징(feature)을 획득하고, 획득된 혈압 연관 특징을 기초로 사용자의 혈압을 추정하는 프로세서를 포함할 수 있다.
이때, 사지 BCG 센서의 센싱 특성은 사지 BCG 센서의 종류 및 측정 위치 중의 적어도 하나를 포함할 수 있다.
프로세서는 사용자로부터 측정된 사지 BCG 신호를 기초로 기준 사지 BCG 예측 모델을 캘리브레이션하여, 사지 BCG 센서의 센싱 특성에 따른 개인화된 사지 BCG 예측 모델을 생성하는 모델 캘리브레이션부를 포함할 수 있다.
모델 캘리브레이션부는 사용자에 부착된 사지 BCG 센서의 센싱 특성에 따라 상기 기준 사지 BCG 예측 모델의 복수의 파라미터 중에서 적어도 일부의 파라미터를 선정하고, 상기 측정된 사지 BCG 신호를 기초로 선정된 파라미터를 조절하여 개인화된 사지 BCG 예측 모델을 생성할 수 있다.
모델 캘리브레이션부는 사지 BCG 센서의 센싱 특성이 사용자의 손목에 착용된 가속도 센서인 경우, 질량, 탄성 및 감쇠 중의 적어도 하나를 파라미터로 선정할 수 있다.
또한, 프로세서는 개인화된 사지 BCG 예측 모델을 이용하여 측정된 사지 BCG 신호를 변환하고, 변환된 사지 BCG 신호를 기초로 특징점(characteristic point)을 추출하는 특징점 추출부를 포함할 수 있다.
특징점 추출부는 변환된 사지 BCG 신호 내의 소정 특징점 또는 다른 센서를 통해 측정된 생체신호를 기초로 비트 게이팅(beat gating)하여 특징점을 추출할 수 있다.
특징점 추출부는 비트 게이팅(beat gating)을 통해 상기 변환된 사지 BCG 신호로부터 대표 신호를 추출하고, 추출된 대표 신호에서 특징점을 추출할 수 있다.
프로세서는 전신 BCG 신호와 사지 BCG 신호의 관계를 고려하여, 추출된 특징점으로부터 상기 사지 BCG 센서의 센싱 특성에 따른 혈압 연관 특징을 획득하는 특징 획득부를 포함할 수 있다.
특징 획득부는 사지 BCG 센서의 센싱 특성이 손목에 착용된 가속도 센서인 경우, J-K 구간을 맥파 전달 시간(pulse transit time, PTT)과 연관된 특징으로, K-파 진폭을 대동맥 맥압(pulse pressure, PP)과 연관된 특징으로, K-L 진폭을 말초 맥압(pulse pressure, PP)과 연관된 특징으로 획득할 수 있다.
프로세서는 획득된 혈압 연관 특징을 기초로, 선형/비선형 회귀분석, 신경망 및 딥러닝 중의 적어도 하나의 수학적 모델을 이용하여 혈압을 추정하는 혈압 추정부를 포함할 수 있다.
프로세서는 획득된 혈압 연관 특징을 기초로 혈압 변화량을 추정하고, 추정된 혈압 변화량 및 캘리브레이션 시점에 외부 혈압 측정 기기를 통해 측정된 기준 혈압을 기초로 혈압을 추정하는 혈압 추정부를 포함할 수 있다.
일 양상에 따른 혈압 추정 방법은 사용자의 사지 BCG(ballistocardiogram) 신호를 측정하는 단계, 측정된 사지 BCG 신호를 기초로 사지 BCG 센서의 센싱 특성에 따른 혈압 연관 특징(feature)을 획득하는 단계 및 획득된 혈압 연관 특징을 기초로 사용자의 혈압을 추정하는 단계를 포함할 수 있다.
또한 혈압 추정 방법은 사용자로부터 측정된 사지 BCG 신호를 기초로 기준 사지 BCG 예측 모델을 캘리브레이션하여, 사지 BCG 센서의 센싱 특성에 따른 개인화된 사지 BCG 예측 모델을 생성하는 단계를 더 포함할 수 있다.
개인화된 사지 BCG 예측 모델을 생성하는 단계는 사용자에 부착된 사지 BCG 센서의 센싱 특성에 따라 기준 사지 BCG 예측 모델의 복수의 파라미터 중에서 적어도 일부의 파라미터를 선정하고, 측정된 사지 BCG 신호를 기초로 선정된 파라미터를 조절하여 상기 개인화된 사지 BCG 예측 모델을 생성할 수 있다.
또한 혈압 추정 방법은 개인화된 사지 BCG 예측 모델을 이용하여 상기 측정된 사지 BCG 신호를 변환하고, 변환된 사지 BCG 신호를 기초로 특징점(characteristic point)을 추출하는 단계를 더 포함할 수 있다.
특징점을 추출하는 단계는 변환된 사지 BCG 신호 내의 소정 특징점 또는 다른 센서를 통해 측정된 생체신호를 기초로 비트 게이팅(beat gating)하여 상기 특징점을 추출할 수 있다.
특징점을 추출하는 단계는 비트 게이팅(beat gating)을 통해 상기 변환된 사지 BCG 신호로부터 대표 신호를 추출하고, 추출된 대표 신호에서 특징점을 추출할 수 있다.
혈압 연관 특징을 획득하는 단계는 전신 BCG 신호와 사지 BCG 신호의 관계를 고려하여, 추출된 특징점으로부터 상기 사지 BCG 센서의 센싱 특성에 따른 혈압 연관 특징을 획득할 수 있다.
혈압 연관 특징을 획득하는 단계는 사지 BCG 센서의 센싱 특성이 손목에 착용된 가속도 센서인 경우, J-K 구간을 맥파 전달 시간(pulse transit time, PTT)과 연관된 특징으로, K-파 진폭을 대동맥 맥압(pulse pressure, PP)과 연관된 특징으로, K-L 진폭을 말초 맥압(pulse pressure, PP)과 연관된 특징으로 획득할 수 있다.
혈압을 추정하는 단계는 획득된 혈압 연관 특징을 기초로, 선형/비선형 회귀분석, 신경망 및 딥러닝 중의 적어도 하나의 수학적 모델을 이용하여 혈압을 추정할 수 있다.
일 양상에 따르면, 혈압 추정 장치는 사용자의 사지 BCG(ballistocardiogram) 신호를 측정하는 사지 BCG 센서, 사용자의 맥파 신호를 측정하는 맥파 센서 및, 측정된 사지 BCG 신호를 기초로 사지 BCG 센서의 센싱 특성에 따른 혈압 연관 특징(feature)을 획득하고, 획득된 혈압 연관 특징 및 맥파 신호를 기초로 사용자의 혈압을 추정하는 프로세서를 포함할 수 있다.
프로세서는 개인화된 사지 BCG 예측 모델을 이용하여 측정된 사지 BCG 신호를 변환하고, 상기 변환된 사지 BCG 신호를 기초로 특징점(characteristic point)을 추출하는 특징점 추출부를 포함할 수 있다.
특징점 추출부는 측정된 맥파 신호를 기초로 비트 게이팅(beat gating)하여 상기 변환된 사지 BCG 신호로부터 특징점(characterstic point)을 추출할 수 있다.
프로세서는 맥파 신호 내의 소정 특징점과, 사지 BCG 신호로부터 추출된 소정 특징점 간의 시간 간격을 기초로 맥파전달시간(pulse transit time, PTT)을 획득하는 PTT 획득부 및, 획득된 맥파전달시간 및 획득된 혈압 연관 특징을 기초로 혈압을 추정하는 혈압 추정부를 포함할 수 있다.
사지 BCG 센싱 특성을 고려하여 혈압을 추정함으로써 커프 없이 실시간 연속 혈압 모니터링이 가능하고 혈압 추정의 정확도를 향상시킬 수 있다.
도 1은 전신(whole-body) BCG 신호와 사지(limb) BCG 신호의 예를 도시한 것이다.
도 2는 일 실시예에 따른 혈압 추정 장치의 블록도이다.
도 3은 도 2의 프로세서의 일 실시예를 도시한 블록도이다.
도 4a 및 도 4b는 사지 BCG 신호를 이용한 혈압 추정을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 혈압 추정 장치의 블록도이다.
도 6은 도 5의 프로세서의 일 실시예를 도시한 블록도이다.
도 7은 일 실시예에 따른 혈압 추정 방법의 흐름도이다.
도 8은 혈압 추정 과정(720)의 실시예들을 도시한 흐름도이다.
도 9는 다른 실시예에 따른 혈압 추정 방법의 흐름도이다.
도 10은 혈압 추정 과정(920)의 일 실시예를 도시한 흐름도이다.
도 11은 일 실시예에 따른 혈압 추정 장치의 블록도이다.
도 12는 손목형 웨어러블 디바이스를 도시한 도면이다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다. 기재된 기술의 이점 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한 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 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
이하, 도면들을 참고하여 혈압 추정 장치 및 방법의 실시예들을 자세히 설명하도록 한다. 이하의 실시예들에서 설명되는 전신(whole-body) BCG(ballistocardiogram) 신호는 심박동에 기인한 전신의 진동 신호 신호를 나타내며, 사지(limb) BCG 신호는 심박동에 기인한 사지(예컨대, 손목, 발목, 목, 팔뚝 등)의 피부 진동 신호를 나타낼 수 있다.
도 1은 전신 BCG 신호와 사지 BCG 신호의 예를 도시한 것이다. 도 1에서 사지 BCG 신호(120)는 손목에서 측정된 손목의 피부 진동 신호일 수 있다.
도 1을 참조하면, 전신 BCG 신호(110)와 사지 BCG 신호(120)는 유사한 특징점(예, H, I, J, K 등)을 갖지만, 채널 특성(예컨대, Compliant human body 등)의 원인에 의해 전신 BCG 신호(110)와 사지 BCG 신호(120)는 상이한 특성을 보인다는 것을 알 수 있다. 예를 들어 도 1에 도시된 바와 같이, 전신 BCG 신호(110)와 사지 BCG 신호(120)를 ECG(electrocardiogram) 신호(130)의 R-파(R-wave)를 기준으로 비트 게이팅(beat gating)을 하면, 사지 BCG 신호(120)의 특징점(예: Hw,Iw,Jw,Kw)이 전신 BCG 신호(110)의 특징점(예: Hs,Is,Js,Ks)에 비해 빠르게 나타나고 신호 후반으로 갈수록 상호 대응하는 특징점들이 나타나는 시간 차이가 더욱 커지는 것을 알 수 있다.
이와 같이, BCG 신호를 측정하는 센싱 특성 예컨대, BCG 센서의 종류나 측정 위치 등에 따라 BCG의 형태가 다름을 알 수 있다. 즉, 사용자의 사지의 다양한 위치에 부착된 다양한 종류의 사지 BCG 센서를 통해 측정된 사지 BCG 신호를 이용하여 혈압을 추정하는 경우 전신 BCG 신호에서 도출된 혈압 연관 특징(예: I-J 구간, J-K 진폭 등)과 동일한 기준으로 적용하기에 어려움이 있다는 것을 보여준다. 이하에서는 전신 BCG 신호에서 정의된 심혈관계 연관 특징들을 사지 BCG 신호의 센싱 특성에 맞게 재정의함으로써 혈압을 보다 정확하게 추정하는 다양한 실시예들을 설명한다.
도 2는 일 실시예에 따른 혈압 추정 장치의 블록도이다.
도 2의 혈압 추정 장치(200)는 소프트웨어 모듈로 구현되거나 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 이때, 전자 장치는 휴대폰, 스마트폰, 타블렛, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등을 포함할 수 있고, 웨어러블 디바이스는 손목시계형, 손목 밴드형, 반지형, 벨트형, 목걸이형, 발목 밴드형, 허벅지 밴드형, 팔뚝 밴드형 등을 포함할 수 있다. 그러나 전자 장치는 상술한 예에 제한되지 않으며, 웨어러블 디바이스 역시 상술한 예에 제한되지 않는다.
도 2를 참조하면, 혈압 추정 장치(200)는 사지 BCG 센서(210) 및 프로세서(220)를 포함한다.
사지 BCG 센서(210)는 사용자의 사지에 부착되어 사지 BCG 신호를 측정할 수 있다. 이때, 사지는 손목, 발목, 목 및 팔뚝 등을 포함할 수 있다. 사지 BCG 센서(210)는 사용자의 사지 중의 적어도 한 곳에 부착되어 하나 이상의 사지 BCG 신호를 측정할 수 있다. 사지 BCG 센서(210)는 변위(displacement) 센서, 속도(velocity) 센서, 가속도(acceleration) 센서, 로드셀 센서, PVDF(polyvinylidene fluoride) 필름 센서 및 EMFi(electro mechanical film) 센서 등과 같이 BCG 신호를 측정할 수 있는 다양한 타입의 센서를 포함할 수 있으며 이에 제한되는 것은 아니다.
프로세서(220)는 혈압 추정 장치(200)의 전반적인 동작을 제어할 수 있다. 프로세서(220)는 주기적으로, 또는 사용자 명령 등과 같은 특정 이벤트가 발생하면 사지 BCG 센서(210)를 구동하여 사용자의 사지 BCG 신호를 측정할 수 있다.
프로세서(220)는 사지 BCG 센서(210)에서 측정된 사지 BCG 신호를 분석하여 혈압과 연관된 특징(이하, 혈압 연관 특징)을 획득하고 획득된 혈압 연관 특징 중 일부 또는 전부를 기반으로 사용자의 혈압을 추정할 수 있다. 프로세서(220)는 사용자에 부착된 사지 BCG 센서(210)의 종류나 측정 위치와 같은 센싱 특성을 고려하여 혈압 연관 특징을 획득할 수 있다. 예를 들어, 프로세서(220)는 전신 BCG 신호와 사지 BCG 신호 간의 연관 관계를 정의한 사지 BCG 예측 모델을 이용하여 사용자에 부착된 사지 BCG 센서(210)의 센싱 특성에 따른 혈압 연관 특징을 획득할 수 있다.
한편, 이하에서 설명되는 다양한 실시예들은 혈압 추정에 국한하여 설명하나 반드시 혈압에 한정되는 것은 아니며, 프로세서(220)는 사지 BCG 신호를 분석하여 혈압 이외의 다양한 심혈관계 특성 예컨대, 혈관 경화도(arterial stiffness), 심박출량(cardiac output), 1회 박출량(stroke volume) 등을 측정하거나 평가할 수도 있다.
이하, 도 3 내지 도 4b를 참조하여 본원발명의 프로세서(220)를 보다 상세하게 설명한다.
도 3은 도 2의 프로세서의 일 실시예를 도시한 블록도이다. 도 4a 및 도 4b는 사지 BCG 신호를 이용한 혈압 추정을 설명하기 위한 도면이다.
도 3을 참조하면, 프로세서(300)는 전처리부(310), 모델 캘리브레이션부(320), 특징점 추출부(330), 특징 획득부(340) 및 혈압 추정부(350)를 포함할 수 있다.
전처리부(310)는 사지 BCG 센서(210)로부터 사지 BCG 신호를 수신하면, 필터링(filtering), 스무딩(smoothing) 등 다양한 노이즈 제거 기법을 이용하여 사지 BCG 신호에서 노이즈를 제거할 수 있다. 예컨대, 0.5~15Hz의 밴드 패스 필터링을 수행할 수 있으며, 또는, 복수의 사지 이동 비트들(multiple limb movement beats)에 대하여 지수 이동 평균(exponential moving average)과 같은 평균화를 수행할 수 있다.
모델 캘리브레이션부(320)는 사용자의 사지에서 사지 BCG 신호가 측정되면, 측정된 사지 BCG 신호를 기초로 기준 사지 BCG 예측 모델을 캘리브레이션하여 그 사용자에 개인화된 사지 예측 모델을 생성할 수 있다. 이때, 기준 사지 BCG 예측 모델은 전신 BCG 신호와 사지 BCG 신호 간의 연관 관계를 정의한 예측 모델로서 다양한 실험을 통해 미리 정의될 수 있다. 기준 사지 BCG 예측 모델은 집중 상수(lumped parameter) 기반의 인체 모델(human body model) 예컨대, 전신에 대한 16-자유도(degree of freedom, DOF) 모델을 이용하여 사지와 관련된 네 곳(예: 상체, 하체, 팔-손목-손 및 내장)에 대한 4-자유도 진동 전달 모델(vibrational transmission model)로 축소한 모델일 수 있다. 여기서, 전신에 대한 16-자유도 인체 모델은 이미 알려진 기술이 활용될 수 있다.
예를 들어, 모델 캘리브레이션부(320)는 사용자의 사지에서 캘리브레이션을 위한 사지 BCG 신호가 측정되면, 기준 사지 BCG 예측 모델의 복수의 파라미터 중에서 적어도 일부의 파라미터를 선정하고, 측정된 사지 BCG 신호를 기초로 그 선정된 파라미터 값을 조절함으로써 사용자에 개인화된 사지 BCG 예측 모델을 생성할 수 있다. 사용자에 개인화된 사지 BCG 예측 모델은 후술하는 바와 같이 혈압 추정을 위한 사용자의 사지 BCG 신호에서 혈압 추정에 영향을 주는 요인들 중 채널 특성에 의한 영향을 제거하는데 활용될 수 있다.
한편, 모델 캘리브레이션부(320)는 사지 BCG 신호를 측정한 사지 BCG 센서(210)의 센싱 특성별로 민감하게 영향을 받는 파라미터를 선정할 수 있다. 예컨대, 사지 BCG 센서(210)의 센싱 특성 즉, 측정 위치가 사용자의 손목이고 사지 BCG 센서(210)의 종류가 가속도 센서인 경우, 팔의 질량(mass), 상체 탄성(stiffness) 및 팔의 감쇠(damper) 등의 파라미터를 그 사지 BCG 센서(210)의 센싱 특성에 민감하게 영향을 받는 파라미터로 선정할 수 있다. 또한, 사지 BCG 센서(210)가 스케일 센서라면 팔의 질량(mass), 상체 탄성(stiffness) 및 다리의 감쇠(damper) 등을 민감하게 영향을 받는 파라미터로 선정할 수 있다, 다만, 이러한 예시들에 제한되는 것은 아니며 사지 BCG 센서(210)의 센싱 특성과 함께 또는 단독으로 사용자의 특성(예: 건강 상태, 연령, 성별 등)을 고려하여 그 밖의 다양한 파라미터를 선정하는 것도 가능하다.
모델 캘리브레이션부(320)는 혈압 추정 결과의 분석을 통해 모델 캘리브레이션 여부를 판단하고, 그 결과에 따라 모델 캘리브레이션을 수행할 수 있다. 또는 사용자의 요청이 있거나, 사지 BCG 센서(210)의 센싱 특성이 변경된 것으로 판단된 경우 모델 캘리브레이션을 수행할 수 있다.
특징점 추출부(330)는 사지 BCG 센서(210)로부터 혈압 추정을 위한 사지 BCG 신호가 측정되면, 측정된 사지 BCG 신호를 개인화된 사지 BCG 예측 모델을 기초로 변환하여, 사지 BCG 센서(210)의 센싱 특성에 따른 영향이 제거된, 변환된 사지 BCG 신호를 획득할 수 있다.
특징점 추출부(330)는 변환된 사지 BCG 신호를 기초로 특징점(characteristic point)을 추출할 수 있다. 도 4a는 사용자의 손목에서 가속도 센서를 통해 측정한 사지 BCG 신호를 변환한, 변환된 사지 BCG 신호를 예시한 것이다. 도시된 바와 같이 변환된 사지 BCG 신호는 기본적으로 전신 BCG 신호와 사지 BCG 신호 간의 연관 관계를 정의한 기준 사지 BCG 예측 모델에 기초하고 있으므로, 특징점 추출부(330)는 변환된 사지 BCG 신호로부터 전신 BCG 신호와 유사한 혈압 연관 특징점(G, H, I, J, K, L 등)을 추출할 수 있다.
특징점 추출부(330)는 이와 같은 특징점 추출을 위해 변환 신호 내의 소정 특징점 예컨대 J-피크, 또는 다른 센서를 통해 측정된 생체신호 예컨대 심전도(electrocardiography, ECG) 또는 광전용적맥파(photoplethysmography,PPG) 등을 이용하여 비트 게이팅(beat gating)할 수 있다.
한편, 특징점 추출부(330)는 분석 구간 내의 변환 신호를 주기 단위로 분할하여 복수의 한 주기 신호들을 획득하고, 복수의 한 주기 신호 각각에서 특징점들을 추출하여 통합하거나, 복수의 한 주기 신호 중에서 대표 신호를 결정하고 결정된 대표 신호에서 특징점을 추출할 수 있다.
예를 들어, 특징점 추출부(330)는 변환된 사지 BCG 신호 자체의 신호 형태를 분석하여 각 주기 별로 분할할 수 있다. 또는 사지 BCG 신호 측정과 함께 측정된 다른 생체신호(예: 심전도 신호, 광전용적맥파 신호 등)의 소정 지점(예: 시작점, 피크 지점 등)을 기준으로 비트 게이팅(beat gating)하여 각 주기 별로 분할하는 것도 가능하다.
특징점 추출부(330)는 미리 정의된 소정 기준에 따라 복수의 한 주기 신호들 중의 어느 하나를 대표 신호로 결정할 수 있다. 일 예로, 복수의 한 주기 신호들 중에서 첫 번째 나타나는 한 주기 신호, J-피크가 가장 큰 한 주기 신호를 대표 신호로 결정할 수 있다. 다른 예로, 복수의 한 주기 신호 상호간의 유사도를 기반으로 대표 신호를 결정할 수 있다. 예컨대, 복수의 한 주기 신호 중에서 다른 한 주기 신호들과의 유사도의 평균값이 가장 높은 어느 하나의 한 주기 신호를 대표 신호로 결정할 수 있다. 또는, 복수의 한 주기 신호 중 다른 한 주기 신호들과의 유사도의 평균값이 높은 소정 개수의 한 주기 신호들의 앙상블 평균(ensemble average)을 대표 신호로 결정하거나, 복수의 한 주기 신호 중 타 한 주기 신호들과의 유사도의 평균값이 소정 임계값 이상이 되는 둘 이상의 한 주기 신호의 앙상블 평균(ensemble average)을 대표 신호로 결정할 수 있다.
이때, 유클리드 거리(Euclidean distance), 맨하탄 거리(Manhattan Distance), 코사인 거리(Cosine Distance), 마할라노비스 거리 (Mahalanobis Distance), 자카드 계수(Jaccard Coefficient), 확장 자카드 계수(Extended Jaccard Coefficient), 피어슨 상관관계 계수(Pearson's Correlation Coefficient), 스피어만 상관관계 계수(Spearman's Correlation Coefficient) 등과 같은 다양한 유사도 산출 알고리즘을 이용할 수 있다.
특징 획득부(340)는 추출된 특징점들을 이용하여 혈압 연관 특징을 획득할 수 있다. 이때, 특징 획득부(340)는 전신 BCG 신호와 사지 BCG 신호의 관계를 고려하여, 사지 BCG 센서(210)의 센싱 특성에 따른 혈압 연관 특징을 획득할 수 있다.
도 4b는 전신 BCG 신호와 손목에서 측정된 BCG 신호 사이의 관계를 나타낸 도면이다. 도 4b를 참조하면 (1)은 대동맥 혈압을 도시한 것이다. 여기서, P0는 상행대동맥(ascending aorta)의 입구(inlet)에서의 혈압을 나타내고, P1은 상행대동맥의 출구(outlet) 또는 하행대동맥의 입구에서의 혈압을 나타낸다. 또한, P2는 하행대동맥(descending aorta)의 출구에서의 혈압을 나타낸다. (2)는 (1)의 대동맥 혈압을 조정한 신호들을 도시한 것으로, AA는 상행대동맥에서의 혈압 변화도(BP gradient)를 나타내고, AD는 하행대동맥에서의 혈압 변화도를 나타낸 것이다.
또한, (3)은 전신 BCG를 도시한 것이다. 도시된 바와 같이 전신 BCG 신호에서의 특징점 I, J, K 등은 대동맥 혈압과 연관된 것을 알 수 있다. 일반적으로 전신 BCG 신호에서의 I-J 구간(interval)은 대동맥 맥파전달시간(pulse transit time, PTT)와 연관되고, J-파 진폭은 대동맥 맥압(pulse pressure, PP)와 연관되며, 또한, J-K 진폭은 말초 맥압과 연관된 특징으로 알려져 있다. 따라서, 이러한 혈압 연관 특징을 이용하여 혈압 추정이 가능하다.
또한, (4)는 사용자의 다리에서 스케일(scale)을 이용하여 변위(displacement) 측정을 통해 획득한 BCG 신호를 나타내고, (5)는 손목에서 변위 측정을 통해 획득한 사지 BCG 신호를 나타내며, (6)은 손목에서 가속도 측정을 통해 획득한 사지 BCG 신호를 도시한 것이다.
도 4b를 참조하면, 전신 BCG 신호(3)의 혈압 연관 특징점 I, J, K는 손목이나 다리 등에서 변위 측정을 통해 획득한 BCG 신호(4,5)의 I, J, K와 동일하게 매핑되는 것으로 볼 수 있다. 하지만, 손목의 가속도 측정을 통해 획득한 BCG 신호(6)는 특징점 J, K, L이 전신 BCG 신호(3)의 특징점 I, J, K에 매핑되는 것으로 볼 수 있다.
다시 말해, 혈압 추정을 위해 사용되는 전신 BCG 신호의 혈압 연관 특징들은 사지 BCG 센서의 센싱 특성에 따라 사지 BCG 신호에 맞도록 재정의될 필요가 있다. 아래의 표 1은 전신 BCG 신호와 손목 가속도 센서를 통해 획득한 사지 BCG 신호의 혈압 연관 특징 간의 관계를 예시한 것이다. 다만, 이는 하나의 예시에 불과한 것이므로 사지 BCG 센서의 센싱 특성 및/또는 사용자의 특성 등에 따라 다르게 정의되는 것도 가능하다.
생리학적 의미 전신 BCG 손목 가속도 BCG
혈관경화도(arterial stiffness)
맥파전달시간(PTT)		 I-J 구간 J-K 구간
대동맥 맥압(aortic PP) J 진폭 K 진폭
말초 맥압(Distal PP) J-K 진폭 K-L 진폭
특징 획득부(340)는 변환된 사지 BCG 신호로부터 추출된 특징점을 하나 이상 조합하여 사지 BCG 센서의 센싱 특성에 따라 재정의된 특징들을 혈압 연관 특징으로 획득할 수 있다. 예를 들어, 사용자에 부착된 사지 BCG 센서(210)의 센싱 특성이 손목 가속도 센서인 경우 J-K 시간 구간을 맥파전달시간 또는 혈관경화도와 관련된 특징으로 획득하고, K 진폭을 대동맥 맥압과 관련된 특징으로 획득하며, K-L 진폭을 말초 맥압과 관련된 특징으로 획득할 수 있다. 다만, 이에 제한되는 것은 아니며 그 밖에 각 특징점의 시간, 진폭, 서로 다른 두 개의 특징점 간의 시간 구간 또는 진폭 구간, 이와 같이 구해진 값들 간의 비율 등을 혈압 연관 특징으로 추출하는 것도 가능하다.
혈압 추정부(350)는 특징 획득부(340)에 의해 획득된 혈압 연관 특징을 이용하여 혈압을 추정할 수 있다. 예를 들어, 맥파전달시간, 혈관 탄성도, 맥압 등과 관련된 J-K 구간, K 진폭, K-L 진폭 등의 정보를 획득되면, 획득된 혈압 연관 특징들에 혈압 추정 모델을 적용하여 혈압을 추정할 수 있다. 이때, 혈압 추정 모델은 선형/비선형 회귀분석(linear/nonlinear regression analysis), 신경망(neural network), 딥러닝(deep learning) 등의 다양한 방법을 활용하여 미리 정의될 수 있다. 혈압 추정 모델은 평균 혈압, 이완기 혈압 및 수축기 혈압별로 정의될 수 있다.
또는, 혈압 추정 모델은 평균 혈압을 추정하는 모델일 수 있다. 예를 들어, 아래의 수학식 1은 혈관 탄성도와 연관 특징(예: 맥파전달시간, 맥파 속도)과 평균 혈압 간의 관계를 정의한 것으로 이미 알려진 다양한 형태의 수학식 중의 하나이다. 아래의 수학식 2는 평균 혈압과 맥압 간의 관계를 정의한 수학식이다. 다만, 수학식 1 및 2는 일 예에 불과하므로 이에 제한되는 것은 아니며 혈압 추정 모델은 그 밖에 다양하게 변형 또는 새로 정의될 수 있다.
Figure pat00001
여기서, 첫 번째 수식은 Moens-korteweg 방정식이고, 두 번째 수식은 Hughes 방정식이다. E는 혈관의 탄력도를 나타내고, h는 혈관 벽의 두께, r은 혈관 반지름, ρ는 혈액 밀도, P는 혈압을 나타낸다.
Figure pat00002
혈압 추정부(350)는 사지 BCG 신호를 통해 맥파전달시간이나 혈관 탄성도와 관련된 특징 및 맥압과 관련된 특징(예: K-L 진폭)이 획득되면, 먼저 위 수학식 1과 같은 혈압 추정 모델을 이용하여 평균 혈압을 추정하고, 아래의 수학식 2를 통해 추정된 평균 혈압과 맥압 관련 특징을 결합하여 수축기 혈압/이완기 혈압을 추정할 수도 있다.
한편, 혈압 추정부(350)는 혈압 연관 특징 및 혈압 추정 모델을 이용하여 캘리브레이션 시점 대비 혈압 변화량을 추정할 수 있으며, 혈압 변화량이 추정되면 캘리브레이션 시점에 커프 혈압 기기와 같은 외부 기기를 통해 측정된 기준 혈압을 이용하여 오프셋을 보정함으로써 혈압을 추정할 수 있다.
도 5는 일 실시예에 따른 혈압 추정 장치의 블록도이다. 도 6은 도 5의 프로세서(530)의 일 실시예를 도시한 블록도이다.
도 5를 참조하면, 혈압 추정 장치(500)는 사지 BCG 센서(510), 맥파 센서(520) 및 프로세서(530)를 포함할 수 있다. 사지 BCG 센서(510) 및 프로세서(530)에 대하여는 앞에서 설명한 바 있으므로 이하 이들 구성에 관한 자세한 설명은 생략하기로 한다.
사지 BCG 센서(510)는 프로세서(530)의 제어에 따라 사용자의 사지에서 사지 BCG 신호를 측정할 수 있다.
맥파 센서(520)는 사용자로부터 광전용적맥파를 포함한 맥파 신호를 측정할 수 있다. 맥파 센서(520)는 사용자의 피부에 광을 조사하는 광원과 광원에 의해 조사된 광이 사용자의 피부로부터 산란 또는 반사되면, 산란 또는 반사된 광을 검출하는 디텍터를 포함할 수 있다. 광원은 LED(light emitting diode), 레이저 다이오드(laser diode) 및 형광체 등을 포함할 수 있으며, 하나 또는 둘 이상의 어레이로 형성될 수 있다. 또한, 광원은 서로 다른 파장의 광을 조사할 수 있다. 또한, 디텍터는 포토다이오드(photodiode), 이미지 센서 등을 포함할 수 있으며, 하나 또는 둘 이상의 어레이로 형성될 수 있다.
프로세서(530)는 혈압 추정 이벤트에 따라 사지 BCG 센서(510) 및 맥파 센서(520)를 제어할 수 있다. 혈압 추정 이벤트는 사용자의 요청이나 연속 혈압 추정을 위하여 미리 설정된 주기에 자동으로 발생할 수 있다.
프로세서(530)는 사지 BCG 센서(510) 및 맥파 센서(520)로부터 사지 BCG 신호 및 맥파 신호를 수신하고, 수신된 사지 BCG 신호 및 맥파 신호를 이용하여 혈압을 추정할 수 있다.
도 6을 참조하면, 프로세서(600)는 전처리부(610), 모델 캘리브레이션부(620), 특징점 추출부(630), 특징 획득부(640), 혈압 추정부(650) 및 PTT 획득부(660)를 포함할 수 있다. 전처리부(610), 모델 캘리브레이션부(620), 특징점 추출부(630), 특징 획득부(640) 및 혈압 추정부(650)의 구성은 앞에서 자세히 설명한 바 있으므로 이하 간단하게 기술하기로 한다.
전처리부(610)는 사지 BCG 신호 및/또는 맥파 신호를 수신하고, 수신된 사지 BCG 신호 및/또는 맥파 신호를 전처리하여 노이즈 제거 등을 수행할 수 있다. 밴드 패스 필터링, 스무딩, 연속 측정 신호들의 비트 평균화 등을 수행할 수 있다.
모델 캘리브레이션(620)는 캘리브레이션을 위해 사지 BCG 신호가 측정되면, 전술한 바와 같이 전신 BCG 신호와 사지 BCG 신호 간의 연관 관계를 정의한 기준 사지 BCG 예측 모델을 측정된 사지 BCG 신호를 기초로 캘리브레이션하여 사용자에 개인화된 사지 BCG 예측 모델을 생성할 수 있다.
특징점 추출부(630)는 측정된 사지 BCG 신호를 개인화된 사지 BCG 예측 모델을 기초로 변환하고, 변환된 사지 BCG 신호를 이용하여 특징점을 추출할 수 있다. 이때, 특징점 추출부(630)는 단위 구간 내의 변환된 사지 BCG 신호로부터 대표 신호를 추출하고, 추출된 대표 신호에서 특징점을 추출할 수 있다. 또한, 특징점 추출부(630)는 맥파 센서(520)에 의해 측정된 맥파 신호의 시작점이나 그 밖의 다른 특징점 예컨대, 피크 지점을 기준으로 비트 게이팅(beat gating)하여 대표 신호 및 특징점을 추출할 수 있다. 다만 이에 제한되는 것은 아니며 변환된 사지 BCG 신호 내의 임의의 특징점(예: J-피크)이나 그 밖의 다른 생체신호가 측정되는 경우 그 생체신호를 기초로 비트 게이팅할 수도 있다.
특징 획득부(640)는 전신 BCG 신호와 사지 BCG 신호 간의 관계를 고려하여, 변환된 사지 BCG 신호로부터 다양한 혈압 연관 특징을 획득할 수 있다. 예를 들어, 사지 BCG 센서(510)의 센싱 특성이 손목 가속도 센서인 경우, 사지 BCG 신호로부터 전신 BCG 신호에서의 혈압 연관 특징인 I-J 구간, J-K 진폭, J 진폭 등에 대응하는 특징으로서 각각 J-K 구간, K-L 진폭 및 K 진폭 등을 획득할 수 있다.
PTT 획득부(660)는 변환된 사지 BCG 신호와 맥파 신호를 이용하여 맥파전달시간을 산출할 수 있다. 예를 들어, 맥파 신호의 임의의 특징점(예: 시작 지점, 피크 지점 등)과 변환된 사지 BCG 신호 내의 임의의 특징점(예: J-피크) 사이의 시간 간격을 계산하여 맥파전달시간을 구할 수 있다.
혈압 추정부(650)는 혈압 추정 모델을 적용하여, 혈압 연관 특징 및 맥파전달시간(PTT)을 기초로 혈압을 추정할 수 있다. 이때, 혈압 추정 모델은 선형/비선형 회귀분석(linear/nonlinear regression analysis), 신경망(neural network), 딥러닝(deep learning) 등의 다양한 방법을 활용하여 미리 정의될 수 있다. 혈압 추정 모델은 평균 혈압, 이완기 혈압 및 수축기 혈압별로 각각 정의되어, 평균 혈압, 이완기 혈압 및 수축기 혈압을 독립적으로 추정할 수 있다. 또는, 혈압 추정 모델은 위 수학식 1과 같이 맥파전달시간을 기초로 평균 혈압을 추정하는 모델일 수 있으며, 평균 혈압을 추정한 이후, 위 수학식 2와 같이 평균 혈압 및 맥압 관련 특징을 결합하여 수축기/이완기 혈압을 추정하는 것도 가능하다. 혈압 추정부(650)는 혈압 추정 모델을 통해 캘리브레이션 시점 대비 혈압 변화량을 추정할 수 있으며, 혈압 변화량이 추정되면 캘리브레이션 시점에 커프 혈압 기기와 같은 외부 기기를 통해 측정된 기준 혈압을 이용하여 오프셋을 보정함으로써 혈압을 추정값을 구할 수도 있다.
도 7은 일 실시예에 따른 혈압 추정 방법의 흐름도이다. 도 7은 도 2의 실시예에 따른 혈압 추정 장치(200)에 의해 수행되는 혈압 추정 방법의 일 실시예일 수 있다. 앞에서 자세히 설명한 바 있으므로 이하 간단하게 설명하기로 한다.
도 7을 참조하면, 혈압 추정 장치(200)는 사용자에 부착된 사지 BCG 센서를 이용하여 사지 BCG 신호를 측정할 수 있다(710).
그 다음, 사지 BCG 신호를 이용하여 혈압을 추정할 수 있다(720). 이때, 사지 BCG 센서의 센싱 특성을 고려하여 혈압을 추정할 수 있다.
도 8은 혈압 추정 과정(720)의 실시예들을 도시한 흐름도이다. 도 8을 참조로 사지 BCG 신호를 이용하여 혈압을 추정하는 실시예를 설명한다.
먼저, 사지 BCG 센서로부터 사지 BCG 신호를 수신하면, 수신된 사지 BCG 신호를 전처리할 수 있다(810). 예를 들어, 필터링(filtering), 스무딩(smoothing) 등 다양한 노이즈 제거 기법을 이용하여 노이즈를 제거할 수 있다.
그 다음, 캘리브레이션을 위한 사지 BCG 신호를 기초로 기준 사지 BCG 예측 모델을 캘리브레이션하여 개인화된 사지 예측 모델을 생성할 수 있다(820). 기준 사지 BCG 예측 모델은 전신 BCG 신호와 사지 BCG 신호 간의 관계를 정의한 복수의 사용자들에 적용될 수 있는 범용 모델일 수 있다. 사용자로부터 캘리브레이션을 위한 사지 BCG 신호가 측정되면, 그 사용자에 대한 사지 BCG 센싱 특성에 따라 기준 사지 BCG 예측 모델의 적어도 일부의 파라미터를 조절함으로써 개인화된 사지 BCG 모델을 생성할 수 있다. 단계(820)는 캘리브레이션 시점에 수행될 수 있으며 혈압을 추정하는 시점에는 생략이 가능하다.
그 다음, 혈압 추정을 위한 사지 BCG 신호로부터 혈압 연관된 특징점을 추출할 수 있다(830). 예를 들어, 사지 BCG 신호 내의 임의의 특징점(J-피크), 또는 다른 생체신호의 임의의 특징점(예: 심전도의 R-파, 맥파의 시작점이나 피크)을 기준으로 비트 게이팅하여 혈압 연관 특징점(예: G, H, I, J, K, L 등)을 추출할 수 있다. 이때, 혈압 추정을 위해 측정된 사지 BCG 신호를 단계(820)에서 생성된 개인화된 사지 BCG 예측 모델을 이용하여 변환하고, 변환된 사지 BCG 신호를 기초로 특징점을 추출할 수 있다. 또한, 전술한 비트 게이팅을 통해, 변환된 사지 BCG 신호의 단위 구간 내에서 복수의 한 주기 신호들을 획득하여, 획득된 한 주기 신호들 중에서 대표 신호를 결정하고 결정된 대표 신호에서 특징점을 추출할 수도 있다.
그 다음, 추출된 특징점들을 하나 이상 조합하여 혈압 연관 특징을 획득할 수 있다(840). 이때, 사지 BCG 신호의 센싱 특성에 따른, 전신 BCG 신호와 사지 BCG 신호의 관계를 고려하여 변환된 사지 BCG 신호로부터 전신 BCG 신호의 혈압 연관 특징에 대응하는 혈압 연관 특징들을 획득할 수 있다.
그 다음, 획득된 혈압 연관 특징을 기초로 혈압을 추정할 수 있다(850). 선형/비선형 회귀분석(linear/nonlinear regression analysis), 신경망(neural network), 딥러닝(deep learning) 등의 다양한 방법을 활용하여 혈압 추정 모델이 미리 정의될 수 있으며, 혈압 연관 특징이 획득되면 혈압 추정 모델을 적용하여 혈압을 추정할 수 있다.
도 9는 다른 실시예에 따른 혈압 추정 방법의 흐름도이다. 도 9는 도 5의 실시예에 따른 혈압 추정 장치(500)에 의해 수행되는 혈압 추정 방법의 일 실시예일 수 있다. 앞에서 자세히 설명하였으므로 이하 간단하게 설명한다.
도 9를 참조하면, 혈압 추정 장치(500)는 사용자에 부착된 사지 BCG 센서를 이용하여 사지 BCG 신호를 측정하고(910), 또한, 맥파 센서를 통해 맥파 신호를 측정할 수 있다(920). 사지 BCG 신호 및 맥파 신호는 동시에 측정될 수 있다.
그 다음, 사지 BCG 신호 및 맥파 신호를 이용하여 혈압을 추정할 수 있다(930).
도 10은 혈압 추정 과정(920)의 일 실시예를 도시한 흐름도이다. 도 10을 참조로 사지 BCG 신호 및 맥파 신호를 이용하여 혈압을 추정하는 실시예를 설명한다.
먼저, 사지 BCG 센서로부터 사지 BCG 신호 및/또는 맥파 센서로부터 맥파 신호를 수신하면, 수신된 신호를 전처리할 수 있다(1010).
그 다음, 캘리브레이션을 위한 사지 BCG 신호를 기초로 기준 사지 BCG 예측 모델을 캘리브레이션하여 개인화된 사지 예측 모델을 생성할 수 있다(1020). 단계(1020)는 캘리브레이션 시점에 수행될 수 있으며 혈압을 추정하는 시점에는 생략될 수 있다.
그 다음, 혈압 추정을 위한 사지 BCG 신호로부터 혈압 연관된 특징점을 추출할 수 있다(1030). 예를 들어, 단계(1020)에서 생성된 개인화된 사지 BCG 예측 모델을 이용하여 사지 BCG 신호를 변환하고, 변환된 사지 BCG 신호 내의 임의의 특징점이나 다른 생체신호의 임의의 특징점을 기준으로 비트 게이팅하여 혈압 연관 특징점을 추출할 수 있다. 또한, 변환된 사지 BCG 신호의 단위 구간 내의 복수의 한 주기 신호들 중에서 대표 신호를 결정하고 결정된 대표 신호에서 특징점을 추출할 수도 있다.
그 다음, 전신 BCG 신호와 사지 BCG 신호 간의 관계를 기초로 특징점들을 하나 이상 조합하여 혈압 연관 특징을 획득할 수 있다(1040).
한편, 단계(1010)에서 맥파 신호가 전처리되면, 맥파 신호로부터 특징점을 추출하고(1050), 맥파 신호로부터 추출된 임의의 특징점(예: 시작 지점이나 피크 지점) 및 단계(1030)에서 사지 BCG 신호로부터 추출된 임의의 특징점(예: J-피크) 사이의 시간 차이를 계산하여 맥파전달시간을 구할 수 있다(1060).
그 다음, 단계(1040)에서 획득된 혈압 연관 특징 및 단계(1060)에서 구해진 맥파전달시간을 기초로 혈압을 추정할 수 있다(1070). 혈압 연관 특징 예컨대 맥압 관련 특징과 맥파전달시간을 기초로 혈압을 추정하는 혈압 추정 모델이 미리 정의될 수 있다.
도 11은 혈압 추정 장치의 다른 실시예를 도시한 블록도이다.
도 11을 참조하면, 혈압 추정 장치(1100)는 사지 BCG 센서(1110), 프로세서(1120), 출력부(1130), 저장부(1140) 및 통신부(1150)를 포함할 수 있다.
여기서, 사지 BCG 센서(110) 및 프로세서(120)는 도 2 내지 도 6을 참조하여 전술한 바와 같으므로 그 상세한 설명은 생략하기로 한다. 또한, 여기에 도시되지 않았지만 본 실시예의 혈압 추정 장치(1100)는 맥파 센서를 포함할 수도 있다.
출력부(1130)는 혈압 추정 장치(1100)에 의해 생성 및 가공된 각종 처리 결과를 출력할 수 있다. 예를 들어, 사지 BCG 센서(1110), 맥파 센서를 통해 측정된 사지 BCG 신호, 맥파 신호를 출력할 수 있다. 또는, 프로세서(1120)에 의해 변환된 사지 BCG 신호, 혈압 추정 결과 등을 출력할 수 있다. 이때, 출력부(1130)는 이와 같은 각종 데이터를 청각적 방법, 시각적 방법 및 촉각적 방법 중 적어도 하나의 방법으로 출력할 수 있다. 이를 위해 출력부(1140)는 디스플레이와 같은 시각적 출력 모듈, 스피커와 같은 음성 출력 모듈 및, 진동이나 촉감을 전달하는 햅틱 모듈 등을 포함할 수 있다.
저장부(1140)는 혈압 추정 장치(1100)의 동작을 위한 프로그램 또는 명령들을 저장할 수 있고, 혈압 추정 장치(1100)에 입력되는 데이터 및 혈압 추정 장치(1100)로부터 출력되는 데이터를 저장할 수 있다. 예를 들어, 저장부(1120)는 사지 BCG 센서(1110), 맥파 센서 등의 구동을 위한 기준 정보를 저장할 수 있다. 또한, 사용자 특성, 사용자의 사지 BCG 센서의 센싱 특성, 혈압 추정을 위해 필요한 혈압 추정 모델, 기준 사지 BCG 예측 모델, 개인화된 사지 BCG 예측 모델 등을 저장할 수 있다. 또한, 혈압 추정 결과를 저장할 수 있다.
저장부(1140)는 플래시 메모리 타입(flash memory type), 하드 디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예컨대, SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read Only Memory), PROM(Programmable Read Only Memory), 자기 메모리, 자기 디스크, 광디스크 등 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 저장부(1140)는 웹 스토리지(web storage) 등 외부 저장 매체를 포함할 수도 있다.
통신부(1150)는 외부 기기(1170)와 통신을 수행할 수 있다. 예컨대, 혈압 추정 장치(1100)에서 취급하는 데이터 또는 혈압 추정 장치(1100)의 처리 결과 데이터 등을 외부 기기(1170)로 전송하거나, 외부 기기(1170)로부터 혈압 추정에 필요한 다양한 데이터 예컨대, 기준 혈압, 혈압 추정 모델, 기준 사지 BCG 예측 모델 등을 수신할 수 있다.
이때, 외부 기기(1170)는 혈압 추정 장치(1100)에서 취급하는 데이터 또는 혈압 추정 장치(1100)의 처리 결과 데이터 등을 사용하거나 혈압 추정을 위해 필요한 데이터를 생성하는 의료 장비(예: 커프 혈압 측정 장치), 결과물을 출력하기 위한 프린트 또는 디스플레이 장치일 수 있다. 이외에도 외부 기기(1170)는 디지털 TV, 데스크탑 컴퓨터, 휴대폰, 스마트폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등 일 수 있으나, 이에 제한되지 않는다.
통신부(1150)는 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등을 이용하여 외부 장치와 통신할 수 있다. 그러나, 이는 일 예에 불과할 뿐이며, 이에 한정되는 것은 아니다.
도 12은 손목형 웨어러블 기기를 도시한 도면이다.
도 12를 참조하면, 손목형 웨어러블 기기(1200)는 스트랩(1210) 및 본체(1220)를 포함할 수 있다.
스트랩(1210)은 본체(1220)의 양측에 연결되어 서로 체결될 수 있도록 분리 형성되거나, 스마트 밴드 형태로 일체로 형성될 수 있다. 스트랩(1210)은 본체(1220)가 사용자의 손목에 착용되도록 손목을 감쌀 수 있도록 플렉서블(flexible)한 부재로 형성될 수 있다.
본체(1220)는 내부에 전술한 혈압 추정 장치(200, 500, 1100)를 탑재할 수 있다. 예를 들어, 본체(1220) 내부에 사용자의 손목에서 BCG 신호를 측정하기 위한 가속도 센서를 탑재할 수 있다. 또한, 본체(1220)의 후면에는 사용자의 손목에 광을 조사하고, 사용자의 손목 피부로부터 돌아오는 광을 검출하는 맥파 센서가 장착될 수 있다. 또한, 본체(1220) 내부에 가속도 센서나 맥파 센서 등과 전기적으로 연결되어, 전술한 바와 같이 혈압을 추정하는 프로세서를 탑재할 수 있다.
본체(1220) 내부에는 손목형 웨어러블 기기(1200)에 전원을 공급하는 배터리가 내장될 수 있다.
손목형 웨어러블 기기(1200)는 본체(1220)에 장착되는 표시부(1221)와 조작부(1222)를 더 포함할 수 있다. 표시부(1221)는 손목형 웨어러블 기기(1200)에서 처리된 데이터 및 처리 결과 데이터 등을 표시할 수 있다. 표시부(1221)는 터치 입력이 가능한 터치 스크린을 포함할 수 있으며, 사용자의 터치 입력을 수신하여 프로세서로 전달할 수 있다.
조작부(1222)는 사용자로부터 다양한 제어 신호를 입력받을 수 있다. 조작부(1222)는 웨어러블 디바이스(1200)의 전원을 온/오프하기 위한 전원 버튼을 포함할 수 있다.
한편, 본 실시 예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 해당 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
본 개시가 속하는 기술분야의 통상의 지식을 가진 자는 개시된 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
200,500,1100: 혈압 추정 장치
210,510,1110: 사지 BCG 센서
120,300,530,600,1120: 프로세서
310,610: 전처리부 320,620: 모델 캘리브레이션부
330,630: 특징점 추출부 340,640: 특징 획득부
350,650: 혈압 추정부 520: 맥파 센서
1130: 출력부 1140: 저장부
1150: 통신부 1200: 웨어러블 기기
1210: 스트랩 1220: 본체
1221: 표시부 1222: 조작부

Claims (25)

  1. 사용자의 사지 BCG(ballistocardiogram) 신호를 측정하는 사지 BCG 센서; 및
    상기 측정된 사지 BCG 신호를 기초로 상기 사지 BCG 센서의 센싱 특성에 따른 혈압 연관 특징(feature)을 획득하고, 획득된 혈압 연관 특징을 기초로 사용자의 혈압을 추정하는 프로세서를 포함하는 혈압 추정 장치.
  2. 제1항에 있어서,
    상기 사지 BCG 센서의 센싱 특성은 상기 사지 BCG 센서의 종류 및 측정 위치 중의 적어도 하나를 포함하는 혈압 추정 장치.
  3. 제1항에 있어서,
    상기 프로세서는
    사용자로부터 측정된 사지 BCG 신호를 기초로 기준 사지 BCG 예측 모델을 캘리브레이션하여, 상기 사지 BCG 센서의 센싱 특성에 따른 개인화된 사지 BCG 예측 모델을 생성하는 모델 캘리브레이션부를 포함하는 혈압 추정 장치.
  4. 제3항에 있어서,
    상기 모델 캘리브레이션부는
    사용자에 부착된 사지 BCG 센서의 센싱 특성에 따라 상기 기준 사지 BCG 예측 모델의 복수의 파라미터 중에서 적어도 일부의 파라미터를 선정하고, 상기 측정된 사지 BCG 신호를 기초로 상기 선정된 파라미터를 조절하여 상기 개인화된 사지 BCG 예측 모델을 생성하는 혈압 추정 장치.
  5. 제4항에 있어서,
    상기 모델 캘리브레이션부는
    상기 사지 BCG 센서의 센싱 특성이 사용자의 손목에 착용된 가속도 센서인 경우, 질량, 탄성 및 감쇠 중의 적어도 하나를 상기 파라미터로 선정하는 혈압 추정 장치.
  6. 제1항에 있어서,
    상기 프로세서는
    개인화된 사지 BCG 예측 모델을 이용하여 상기 측정된 사지 BCG 신호를 변환하고, 변환된 사지 BCG 신호를 기초로 특징점(characteristic point)을 추출하는 특징점 추출부를 포함하는 혈압 추정 장치.
  7. 제6항에 있어서,
    상기 특징점 추출부는
    상기 변환된 사지 BCG 신호 내의 소정 특징점 또는 다른 센서를 통해 측정된 생체신호를 기초로 비트 게이팅(beat gating)하여 상기 특징점을 추출하는 혈압 추정 장치.
  8. 제7항에 있어서,
    상기 특징점 추출부는
    상기 비트 게이팅(beat gating)을 통해 상기 변환된 사지 BCG 신호로부터 대표 신호를 추출하고, 추출된 대표 신호에서 상기 특징점을 추출하는 혈압 추정 장치.
  9. 제6항에 있어서,
    상기 프로세서는
    전신 BCG 신호와 사지 BCG 신호의 관계를 고려하여, 상기 추출된 특징점으로부터 상기 사지 BCG 센서의 센싱 특성에 따른 혈압 연관 특징을 획득하는 특징 획득부를 포함하는 혈압 추정 장치.
  10. 제9항에 있어서,
    상기 특징 획득부는
    상기 사지 BCG 센서의 센싱 특성이 손목에 착용된 가속도 센서인 경우, J-K 구간을 맥파전달시간(pulse transit time, PTT)과 연관된 특징으로, K-파 진폭을 대동맥 맥압(pulse pressure, PP)과 연관된 특징으로, K-L 진폭을 말초 맥압(pulse pressure, PP)과 연관된 특징으로 획득하는 혈압 추정 장치.
  11. 제1항에 있어서,
    상기 프로세서는,
    상기 획득된 혈압 연관 특징을 기초로, 선형/비선형 회귀분석, 신경망 및 딥러닝 중의 적어도 하나의 수학적 모델을 이용하여 혈압을 추정하는 혈압 추정부를 포함하는 혈압 추정 장치.
  12. 제1항에 있어서,
    상기 프로세서는,
    상기 획득된 혈압 연관 특징을 기초로 혈압 변화량을 추정하고, 추정된 혈압 변화량 및 캘리브레이션 시점에 외부 혈압 측정 기기를 통해 측정된 기준 혈압을 기초로 혈압을 추정하는 혈압 추정부를 포함하는 혈압 추정 장치.
  13. 사용자의 사지 BCG(ballistocardiogram) 신호를 측정하는 단계;
    상기 측정된 사지 BCG 신호를 기초로 상기 사지 BCG 센서의 센싱 특성에 따른 혈압 연관 특징(feature)을 획득하는 단계; 및
    상기 획득된 혈압 연관 특징을 기초로 사용자의 혈압을 추정하는 단계를 포함하는 혈압 추정 방법.
  14. 제13항에 있어서,
    사용자로부터 측정된 사지 BCG 신호를 기초로 기준 사지 BCG 예측 모델을 캘리브레이션하여, 상기 사지 BCG 센서의 센싱 특성에 따른 개인화된 사지 BCG 예측 모델을 생성하는 단계를 더 포함하는 혈압 추정 방법.
  15. 제14항에 있어서,
    상기 개인화된 사지 BCG 예측 모델을 생성하는 단계는
    사용자에 부착된 사지 BCG 센서의 센싱 특성에 따라 상기 기준 사지 BCG 예측 모델의 복수의 파라미터 중에서 적어도 일부의 파라미터를 선정하고, 상기 측정된 사지 BCG 신호를 기초로 상기 선정된 파라미터를 조절하여 상기 개인화된 사지 BCG 예측 모델을 생성하는 혈압 추정 방법.
  16. 제13항에 있어서,
    개인화된 사지 BCG 예측 모델을 이용하여 상기 측정된 사지 BCG 신호를 변환하고, 상기 변환된 사지 BCG 신호를 기초로 특징점(characteristic point)을 추출하는 단계를 더 포함하는 혈압 추정 방법.
  17. 제16항에 있어서,
    상기 특징점을 추출하는 단계는
    상기 변환된 사지 BCG 신호 내의 소정 특징점 또는 다른 센서를 통해 측정된 생체신호를 기초로 비트 게이팅(beat gating)하여 상기 특징점을 추출하는 혈압 추정 방법.
  18. 제17항에 있어서,
    상기 특징점을 추출하는 단계는
    상기 비트 게이팅(beat gating)을 통해 상기 변환된 사지 BCG 신호로부터 대표 신호를 추출하고, 추출된 대표 신호에서 특징점을 추출하는 혈압 추정 방법.
  19. 제16항에 있어서,
    상기 혈압 연관 특징을 획득하는 단계는
    전신 BCG 신호와 사지 BCG 신호의 관계를 고려하여, 상기 추출된 특징점으로부터 상기 사지 BCG 센서의 센싱 특성에 따른 혈압 연관 특징을 획득하는 혈압 추정 방법.
  20. 제19항에 있어서,
    상기 혈압 연관 특징을 획득하는 단계는
    상기 사지 BCG 센서의 센싱 특성이 손목에 착용된 가속도 센서인 경우, J-K 구간을 맥파 전달 시간(pulse transit time, PTT)과 연관된 특징으로, K-파 진폭을 대동맥 맥압(pulse pressure, PP)과 연관된 특징으로, K-L 진폭을 말초 맥압(pulse pressure, PP)과 연관된 특징으로 획득하는 혈압 추정 방법.
  21. 제13항에 있어서,
    상기 혈압을 추정하는 단계는
    상기 획득된 혈압 연관 특징을 기초로, 선형/비선형 회귀분석, 신경망 및 딥러닝 중의 적어도 하나의 수학적 모델을 이용하여 혈압을 추정하는 혈압 추정 방법.
  22. 사용자의 사지 BCG(ballistocardiogram) 신호를 측정하는 사지 BCG 센서;
    사용자의 맥파 신호를 측정하는 맥파 센서; 및
    상기 측정된 사지 BCG 신호를 기초로 상기 사지 BCG 센서의 센싱 특성에 따른 혈압 연관 특징(feature)을 획득하고, 획득된 혈압 연관 특징 및 상기 맥파 신호를 기초로 사용자의 혈압을 추정하는 프로세서를 포함하는 혈압 추정 장치.
  23. 제22항에 있어서,
    상기 프로세서는
    개인화된 사지 BCG 예측 모델을 이용하여 상기 측정된 사지 BCG 신호를 변환하고, 상기 변환된 사지 BCG 신호를 기초로 특징점(characteristic point)을 추출하는 특징점 추출부를 포함하는 혈압 추정 장치.
  24. 제23항에 있어서,
    상기 특징점 추출부는
    상기 측정된 맥파 신호를 기초로 비트 게이팅(beat gating)하여 상기 변환된 사지 BCG 신호로부터 특징점(characteristic point)을 추출하는 혈압 추정 장치.
  25. 제23항에 있어서,
    상기 프로세서는
    상기 맥파 신호 내의 소정 특징점과, 상기 사지 BCG 신호로부터 추출된 소정 특징점 간의 시간 간격을 기초로 맥파전달시간(pulse transit time, PTT)을 획득하는 PTT 획득부; 및
    상기 획득된 맥파전달시간 및 상기 획득된 혈압 연관 특징을 기초로 혈압을 추정하는 혈압 추정부를 포함하는 혈압 추정 장치.
KR1020180167746A 2018-12-21 2018-12-21 혈압 추정 장치 및 방법 KR20200078795A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180167746A KR20200078795A (ko) 2018-12-21 2018-12-21 혈압 추정 장치 및 방법
US16/589,260 US11432775B2 (en) 2018-12-21 2019-10-01 Apparatus and method for estimating blood pressure

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180167746A KR20200078795A (ko) 2018-12-21 2018-12-21 혈압 추정 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20200078795A true KR20200078795A (ko) 2020-07-02

Family

ID=71099117

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180167746A KR20200078795A (ko) 2018-12-21 2018-12-21 혈압 추정 장치 및 방법

Country Status (2)

Country Link
US (1) US11432775B2 (ko)
KR (1) KR20200078795A (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102397934B1 (ko) * 2020-07-02 2022-05-16 주식회사 딥메디 가속도 센서 및 자이로스코프 센서를 이용하여 혈압을 추정하는 방법 및 장치
KR102397942B1 (ko) * 2020-07-02 2022-05-16 주식회사 딥메디 혈압을 추정하는 방법 및 장치
DE102021205185B3 (de) * 2021-05-20 2022-11-03 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein Verfahren und System zur Bestimmung eines ABP-Signals
WO2023210668A1 (ja) * 2022-04-26 2023-11-02 株式会社デルタツーリング 生体状態評価装置、生体状態評価方法、コンピュータプログラム及び記録媒体

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8660625B2 (en) * 2008-07-15 2014-02-25 Covidien Lp Signal processing systems and methods for analyzing multiparameter spaces to determine physiological states
KR101041033B1 (ko) 2008-11-26 2011-06-13 서울대학교산학협력단 체중계형 무구속 건강 상태 평가 장치 및 방법
WO2013109188A1 (en) * 2012-01-16 2013-07-25 Agency For Science, Technology And Research Method and system for optical blood pressure monitoring
KR101489503B1 (ko) 2013-03-24 2015-02-04 서울대학교산학협력단 필름형 생체신호 측정장치
US9396643B2 (en) 2013-10-23 2016-07-19 Quanttus, Inc. Biometric authentication
US10786161B1 (en) * 2013-11-27 2020-09-29 Bodymatter, Inc. Method for collection of blood pressure measurement
US10806374B2 (en) * 2014-08-25 2020-10-20 Georgia Tech Research Corporation Noninvasive systems and methods for monitoring health characteristics
US10517489B2 (en) 2014-09-08 2019-12-31 Apple Inc. Wrist worn accelerometer for pulse transit time (PTT) measurements of blood pressure
CN204515353U (zh) 2015-03-31 2015-07-29 深圳市长桑技术有限公司 一种智能手表
WO2016118974A2 (en) 2015-01-25 2016-07-28 Aliphcom Physiological characteristics determinator
US20160317043A1 (en) 2015-04-30 2016-11-03 Withings Weighing scale with extended functions
US20180199824A1 (en) 2015-07-10 2018-07-19 Bodyport Inc. Device for measuring biological signals
US9877684B2 (en) * 2016-01-05 2018-01-30 Tosense, Inc. Physiological monitoring system featuring floormat and wired handheld sensor
US11045095B2 (en) 2016-03-11 2021-06-29 Arizona Board Of Regents On Behalf Of Arizona State University Systems and methods for non-contact monitoring of ballistocardiogram, photoplethysmogram, blood pressure and abnormal heart rhythm
US10722182B2 (en) 2016-03-28 2020-07-28 Samsung Electronics Co., Ltd. Method and apparatus for heart rate and respiration rate estimation using low power sensor
US11241170B2 (en) 2017-04-07 2022-02-08 University Of Maryland, College Park Monitor for blood pressure and other arterial properties
KR20190107430A (ko) 2018-03-12 2019-09-20 삼성전자주식회사 혈압 측정 장치 및 방법

Also Published As

Publication number Publication date
US11432775B2 (en) 2022-09-06
US20200196959A1 (en) 2020-06-25

Similar Documents

Publication Publication Date Title
US20170319146A1 (en) Apparatus and method for extracting cardiovascular characteristic
KR20170048970A (ko) 혈압 추정 방법
KR20200078795A (ko) 혈압 추정 장치 및 방법
KR102480197B1 (ko) 생체정보 추정 장치 및 방법
KR102626585B1 (ko) 혈압 추정 장치 및 방법
JP7317486B2 (ja) 血圧推定装置及び方法並びにウェアラブル機器
US20230255503A1 (en) Apparatus and method for estimating bio-information
KR20200087567A (ko) 혈압 추정 장치 및 방법
KR102534851B1 (ko) 생체 정보 측정 장치 및 방법
KR20210014305A (ko) 생체정보 추정 장치 및 방법
KR102605901B1 (ko) 생체정보 추정 장치 및 방법
KR102560305B1 (ko) 혈압 추정 장치 및 방법
KR20220107909A (ko) 혈압 추정 장치 및 방법
KR102576126B1 (ko) 생체정보 추정 장치 및 방법
KR102560306B1 (ko) 혈압 추정 장치 및 방법
US20210393214A1 (en) Apparatus and method for generating blood pressure estimation model, and apparatus for estimating blood pressure
EP3753484B1 (en) Apparatus and method for calibrating bio-information estimation model, and apparatus for estimating bio-information
EP3669763B1 (en) Apparatus and method for estimating cardiovascular information
US20210169356A1 (en) Apparatus and method for estimating bio-information
US11950891B2 (en) Apparatus and method for estimating bio-information
US20200390346A1 (en) Apparatus and method for estimating bio-information
KR20200040563A (ko) 혈압 추정 장치 및 방법
US20210228100A1 (en) Apparatus and method for estimating bio-information
KR20210131870A (ko) 생체정보 추정 장치 및 방법
KR20210156706A (ko) 혈압 추정 모델 생성 장치 및 방법, 혈압 추정 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal