KR20210067497A - 이상운동증상 진단을 위한 정량화 방법 및 시스템 - Google Patents

이상운동증상 진단을 위한 정량화 방법 및 시스템 Download PDF

Info

Publication number
KR20210067497A
KR20210067497A KR1020190157183A KR20190157183A KR20210067497A KR 20210067497 A KR20210067497 A KR 20210067497A KR 1020190157183 A KR1020190157183 A KR 1020190157183A KR 20190157183 A KR20190157183 A KR 20190157183A KR 20210067497 A KR20210067497 A KR 20210067497A
Authority
KR
South Korea
Prior art keywords
patient
data
tremor
svm
spiral
Prior art date
Application number
KR1020190157183A
Other languages
English (en)
Other versions
KR102403752B1 (ko
Inventor
안민규
권다은
배수한
윤다은
황보효정
하재경
권효정
장지현
Original Assignee
한동대학교 산학협력단
학교법인 한동대학교
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 한동대학교 산학협력단, 학교법인 한동대학교 filed Critical 한동대학교 산학협력단
Priority to KR1020190157183A priority Critical patent/KR102403752B1/ko
Publication of KR20210067497A publication Critical patent/KR20210067497A/ko
Application granted granted Critical
Publication of KR102403752B1 publication Critical patent/KR102403752B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명은 이상운동증상 진단을 위한 정량화 방법에 관한 것이다. 제1기기가 환자에게 설문을 수행하여 각 문항별 세부점수와 합산점수를 저장하는 단계와, 제1기기가 환자에게 나선그리기 검사를 수행하는 단계와, 제1기기가 환자의 신체에 부착된 제2기기로부터 SVM데이터를 수신하고, 이에 기초하여 운동성을 수치화하는 단계를 포함한다.

Description

이상운동증상 진단을 위한 정량화 방법 및 시스템{Quantification method and system for movement disorder}
본 발명은 이상운동증상 진단을 위한 정량화 방법 및 시스템에 관한 것으로, 특히 파킨슨병과 같은 이상운동증상을 조기 진단이 가능하도록 객관적으로 수치화하여 정량화하는 이상운동증상 진단을 위한 정량화 방법 및 시스템에 관한 것이다.
파킨슨병(Parkinson's disease)은 뇌의 흑질(substantia nigra)에 분포하는 도파민의 신경세포가 점차 소실되어 발생하는 질환으로써, 안정 떨림, 경직, 운동 완만(운동 느림) 및 자세 불안정성이 특징으로 나타나는 신경계의 만성 퇴행성 질환이다. 파킨슨병은 초기에 적절한 치료를 받는다면 시간이 지나도 큰 불편함 없이 일상생활이 가능하다. 파킨슨병을 진단하는 방법은 진전(손 떨림), 경직, 서동 등의 이상운동증상은 의사의 관찰과 주관적인 판단에 의존하여 진단이 이루어진다. 현재 주로 사용되는 진단 방법은 의사가 환자의 생활 패턴과 간단한 동작(글쓰기, 그림 그리기 등)을 육안으로 관찰하여 운동 수행능력을 평가하는 방식이다. 하지만 이러한 방법은 외관상 비슷한 운동 양상이 관찰되는 본태성 진전증 환자와 파킨슨병 환자 간의 구분이 쉽지 않으며, 동일한 환자에 대하여 의사에 따라 상이한 진단을 내릴 여지가 있다.
따라서, 의사의 주관적인 판단이 배제되며 파킨슨병 진단시 활용할 수 있는 객관적인 정량 지표가 요청되고 있으며, 환자가 진단을 위해 병원을 따로 방문하지 않고 온라인상으로 조기 진단 및 관리가 요청되고 있다.
관련 선행기술로는 대한민국 공개특허 10-2018-0010704호 "파킨슨병의 진단을 위한 입력 패턴 생성 장치 및 방법"이 있다.
본 발명이 해결하고자 하는 과제는 이상운동증상을 객관적으로 수치화하는 알고리즘을 통해 조기 진단이 가능한 이상운동증상 진단을 위한 정량화 방법 및 시스템을 구현하는데 있다.
본 발명의 일 실시예에 따른 이상운동증상 진단을 위한 정량화 방법은, 제1기기가 환자에게 설문을 수행하여 각 문항별 세부점수와 합산점수를 저장하는 단계와, 제1기기가 환자에게 나선그리기 검사를 수행하는 단계와, 제1기기가 환자의 신체에 부착된 제2기기로부터 SVM데이터를 수신하고, 이에 기초하여 운동성을 수치화하는 단계를 포함한다.
본 발명의 일 실시예에 따른 이상운동증상 진단을 위한 정량화 시스템은, 환자에게 설문을 수행하여 각 문항별 세부점수와 합산점수를 저장하고, 환자에게 나선그리기 검사를 수행하는 제1기기와, 환자의 신체에 부착되어 환자의 움직임을 측정하여 신호벡터크기값을 계산하여 SVM데이터를 생성하는 제2기기를 포함하고, 상기 제1기기는 제2기기에서 생성된 SVM데이터를 수신하여 환자의 운동성을 수치화한다.
본 발명에 의하면, 파킨슨병 환자 진단시 수행되는 여러 임상적 기준들을 공학적 척도를 기반으로 정량화하여 이상운동증상의 조기진단이 가능하다.
또한, 애플리케이션을 통해 진단이 가능하여 환자에게 보다 쉽게 진단 및 관리가 가능하며, 이상운동증 진단에 대한 정량화된 데이터를 통해 이상운동증상에 대한 조기진단에 대한 연구에 기여할 수 있다.
또한, 정량화 어플리케이션으로 구현하여 본태성 진전과 파킨슨병을 스마트 밴드와 어플리케이션을 통해 실시간 정량화 하여 의료진에게 정량적 기준을 제공하여 정확한 진단을 기대할 수 있게 된다.
도 1은 본 발명의 실시예에 따른 이상운동증상 진단을 위한 정량화시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 이상운동증상 진단을 위한 정량화방법을 설명하는 흐름도이다.
도 3은 본 발명의 실시예에 따른 운동성 수치화방법을 설명하는 흐름도이다.
도 4은 본 발명의 실시예에 따른 나선그리기 검사 방법을 설명하는 개념도이다.
도 5는 본 발명의 실시예에 따른 나선그리기 검사 방법을 설명하는 흐름도이다.
도 6과 도 7은 본 발명의 실시예에 따른 나선그리기 검사 방법을 설명하는 그래프이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태들로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.
본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 본 명세서에 첨부된 도면들을 참조하여 본 발명의 실시 예들을 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 이상운동증상 진단을 위한 정량화시스템의 구성도이다.
도 1을 참조하면, 이상운동증상 진단을 위한 정량화 시스템(10)은 제1기기(200), 제2기기(100)로 구성된다. 제1기기(200)는 환자에게 설문을 수행하여 각 문항별 세부점수와 합산점수를 저장하고, 환자에게 나선그리기 검사를 수행한다. 제2기기(100)는 환자의 신체에 부착되어 환자의 움직임을 측정하고 신호벡터크기값을 계산하여 SVM데이터를 생성한다. 이때, 제1기기(200)는 제2기기(100)에서 생성된 SVM데이터를 수신하여 환자의 운동성을 수치화할 수 있다. 이상운동증상 진단을 위한 정량화시스템(10)은 설문결과, 나선그리기 검사 결과, 운동성 수치화를 통한 결과에 기초하여 이상운동증상 조기진단이 가능하다.
제2기기(100)는 센서부(110), SVM계산부(120), 통신부(130)로 구성된다. 제2기기(100)는 밴드형태로 환자의 손목에 부착될 수 있다. 센서부(110)는 환자의 손의 움직임과 떨림의 방향, 속도, 이동 거리의 변화를 측정할 수 있다. SVM계산부(120)는 센서부(110)에서 측정된 값을 신호벡터크기값을 계산하여 SVM데이터를 생성할 수 있다. 통신부(130)는 생성된 SVM데이터를 제1기기(200)에 전송할 수 있다.
제1기기(200)는 표시부(210), 설문부(220), 나선그리기검사부(230), 제어부(240), 운동성수치화부(250), 통신부(260), 저장부(270)로 구성된다. 제1기기(200)는 태블릿PC, 스마트폰과 같은 모바일기기일 수 있으나 이에 대해 한정하는 것은 아니다. 표시부(210)에는 운동성 검사 항목 중 하나를 표시하여 환자가 표시된 운동성 검사를 보고 동작을 수행할 수 있다. 설문부(220)는 저장부에 이미 저장된 설문지를 환자에게 표시하여, 설문 결과를 저장하여 분석할 수 있다. 각 문항별 세부 점수와 합산 점수를 저장할 수 있으며, 합산 점수를 통해 대략적인 환자의 병세를 파악할 수 있고, 문항별 세부 점수를 통해 특정 날짜의 진단내역을 확인할 수 있다. 나선그리기검사부(230)는 환자가 화면에 그린 나선을 분석하여 진단할 수 있다. 제어부(240)는 각 구성을 제어한다. 운동성수치화부(250)는 제2기기와 연동하여 환자의 움직임을 통해 운동성을 수치화할 수 있다. 통신부(260)는 제2기기와 데이터를 송수신할 수 있고, 저장부(270)는 설문항목, 운동성수치화 결과, 추출된 떨림주파수, 떨림세기, 시간, 오류값, 속도 등의 결과값을 저장할 수 있다.
도 2는 본 발명의 실시예에 따른 이상운동증상 진단을 위한 정량화방법을 설명하는 흐름도이다.
도 2를 참조하면, 이상운동증상 진단을 위한 정량화방법은 제1기기가 환자에게 설문을 수행하여 각 문항별 세부점수와 합산점수를 저장한다(S210). 제1기기가 환자에게 나선그리기 검사를 수행한다(S220). 제1기기가 환자의 신체에 부착된 제2기기로부터 SVM데이터를 수신하고, 이에 기초하여 운동성을 수치화한다(S230). S210 내지 S230 단계는 반드시 시계열적으로 동작하는 것은 아니고, 특정 검사만을 수행하여 정량화를 할 수 있다.
환자의 데이터베이스에서는 환자의 정보(이름, 나이, 성별, 특이사항)등을 저장하는 DB와 환자의 검사 데이터를 저장하는 DB로 구분될 수 있다. 환자를 검사하는 항목으로는 설문지검사, 나선 그리기 검사, 환자 운동 감지로 나뉠 수 있다. 설문지 검사는 각 문항별 세부 점수와 합산 점수를 저장한다. 합산 점수를 통해 대략적인 환자의 병세를 파악할 수 있고, 문항별 세부 점수를 통해 특정 날짜의 진단 내역을 확인할 수 있다. 나선그리기 검사는 환자가 태블릿 위에 그린 나선을 x, y의 이차원 데이터와 시간 값으로 가져오고, 이러한 값들을 여러 분석 방법을 통해 환자의 손떨림을 수치화하며 후에 파킨슨병에 대한 연구나 진단에 활용한다. 나선그리기 검사는 환자가 시행한 나선그리기 검사를 분석 알고리즘을 활용하여 진폭, 주파수, 선일치율를 산출하고 가장 최근에 시행하였던 결과 값과 비교할 수 있다.
제2기기에는 가속도 센서를 활용하여 환자의 진전, 경직, 서동을 측정할 수 있다. 가속도 센서는 의사가 지정한 검사항목을 환자가 수행 할 때, 제2기기를 찬 손의 움직임과 떨림의 방향, 속도, 이동 거리의 변화를 측정한다. 이러한 데이터 중 이상운동증상 측정에 필요한 데이터만을 추출하기 위해 신호벡터크기(SVM: Signal vector magnitude)값을 계산한 후 무선통신을 통해 제1기기로 데이터를 전송한다. 또한, 측정을 위한 라이브러리를 구축하여 제2기기에 구현함으로 정량화 기능을 수행할 수 있다.
도 3은 본 발명의 실시예에 따른 운동성 수치화방법을 설명하는 흐름도이다.
도 3을 참조하면, 제2기기(100)가 SVM데이터에 기초하여 운동성을 수치화하는 단계는, 제1기기(100)의 표시부에 운동성 검사 항목 중 적어도 하나를 표시한다(S310). 상기 운동성 검사 항목은 6개의 검사로 구성되며, 손가락 부딪치기, 손동작, 안정떨림검사, 체위떨림검사, 파킨슨병과 본태떨림 구분검사, 코-손가락 가리키기 중 하나일 수 있다. 구체적으로, 손가락 부딪치기(Figner Tapping)은 환자가 가능한 빠르고 폭이 크게 검지와 엄지를 10번 부딪치게 하여 환자의 떨림을 진단한다. 손동작(Hand Movement)은 환자가 팔꿈치를 굽혀 손바닥을 검사자에게 향하게 한 후 주먹을 꽈지게 하여 환자의 동작이 느려짐의 정도를 진단한다. 안정떨림검사(Resting tremor test)는 환자로 하여금 의자에 편안하게 앉아 손을 무릎에 얹은 자세에서 손의 떨림을 관찰한다. 체위떨림검사(Postural tremor test)sms 환자에게 양쪽 팔을 가슴 앞으로 곧게 뻗게 한 후 체위 떨림을 관찰한다. 파킨슨병과 본태떨림 구분검사는 양측 팔을 가슴 앞으로 뻗는 순간부터 바로 떨림이 관찰하여 검사한다. 코-손가락 가리키기는 손가락으로 환자 본인의 코에서부터 검사자가 내민 손가락까지 따라가게 함으로 환자의 떨림을 관찰한다.
제2기기의 센서부가 환자의 움직임을 측정한다(S320). 이때 센서부는 가속도센서일 수 있으나 이에 대해 한정하는 것은 아니다. 제2기기의 SVM계산부가 신호벡터크기값을 계산하여 SVM데이터를 생성한다(S330)
제2기기의 통신부가 SVM데이터를 제1기기에 전송한다(S340). 제1기기(200)의 운동성 수치화부가 수신된 SVM데이터에 기초하여 환자의 운동성을 수치화한다(S350). 즉, 제2기기로부터 전송받은 SVM 데이터를 시간 흐름에 따른 순간 변화량을 연산하여 환자의 운동성을 수치화 할 수 있다. 상기 SVM데이터는 칼만 필터(Kalman filter)를 통해 노이즈를 보정하여 데이터의 정확성을 높일 수 있다.
도 4은 본 발명의 실시예에 따른 나선그리기 검사 방법을 설명하는 개념도이다.
도 4를 참조하면, 나선그리기 검사에서 데이터의 변환과정 및 각 측정치에 대한 개념도로서 이상운동증 정량화 알고리즘은 환자의 운동을 측정하기 위해 환자의 터치 입력을 데이터로 활용한다. 환자는 화면 상에 제시된 나선형 그래프를 중심으로부터 선을 따라 펜으로 그린다. 화면상의 펜 경로는 x, y축의 픽셀 좌표로 초당 60개씩 센티미터 단위로 기록되며, 1 픽셀의 크기는 약 118μm이고, 나선의 지름은 약 14cm이다.
환자의 경로 데이터는 통과대역주파수가 3Hz에서 15Hz인 대역통과필터(BPF, Band Pass Filter)와 통과대역주파수가 3Hz 이하인 저역통과필터(LPF, Low Pass Filter)를 사용하여 떨림 요소와 운동 요소로 분리한다. 로우패스필터를 통과한 데이터가 운동 데이터이며, 밴드패스필터를 통과한 데이터가 떨림의 정보를 포함하는 데이터이다. 떨림 데이터는 주성분 분석법(PCA, Principal Component Analysis)을 통해 X, Y 축의 2차원 데이터를 1차원 데이터로 변환한다. 1차원 축소된 데이터는 고속 푸리에 변환(FFT,ast Fourier Transform)을 통해 주파수 성분을 분석하여 특정한 떨림 주파수(TF, Tremor Frequency)를 정의할 수 있다. 떨림주파수(TF)는 10~25Hz 대역에서 파워의 평균과 표준편차를 구한 후, 평균에 표준편차의 70배를 더한 합보다 더 높은 크기의 주파수가 존재할 경우, 그 주파수 값을 떨림 주파수로 정한다. 떨림 데이터의 주성분분석법(PCA) 결과 값을 힐베르트 변환(Hilbert Transform)을 통해, 떨림 요소의 포락선을 산출한다. 포락선의 평균을 떨림의 세기(TM, Tremor magnitude)로 정의한다. 운동 데이터는 데이터의 초기값(나선의 중심 좌표)을 ‘0’으로 보정한 후, 운동 데이터와 기준선(나선) 사이의 거리의 평균을 계산하여 오차 거리(ED, Error Distance)로 정의한다. 또한, 운동 데이터의 점과 점 사이의 거리의 합을 구하여 경로의 길이(Length)를 정의하고, 평균 속도(Velocity)는 길이와 수행 시간(Time)을 나누어 산출한다.
도 5는 본 발명의 실시예에 따른 나선그리기 검사 방법을 설명하는 흐름도이다.
도 5를 참조하면, 제1기기가 환자에게 나선그리기 검사를 수행하는 단계는, 제1기기의 나선그리기 검사부가 환자가 표시부에 그리는 나선에 기초하여 입력데이터를 추출한다(S510).
나선그리기 검사부가 추출된 입력데이터에 기초하여 밴드패스필터링을 통해 떨림 정보를 추출한다(S520). 즉, 로우패스필터를 통과한 데이터가 운동 데이터이며, 밴드패스필터를 통과한 데이터가 떨림의 정보를 포함하는 데이터이다.
나선그리기 검사부가 주성분분석법(PCA)을 통해 입력데이터를 1차원 데이터로 변환한다(S530).
나선그리기 검사부가 입력데이터에 기초하여 떨림주파수(TM) 및 떨림세기(TM)을 추출한다(S540). 떨림주파수(TF)는 환자의 떨림정보를 추출해 환자가 어느정도의 주파수를 가지고 떨었는지를 알 수 있다. 즉, 1차원 데이터를 고속 푸리에 변환(FFT,ast Fourier Transform)을 통해 주파수 성분을 분석하여 특정한 떨림주파수(TF)를 추출할 수 있다. 이때, 고속푸리에변환의 데이터의 평균과 분산의 70배를 더해서 그 이상의 값 중 가장 큰 값을 떨림주파수(TF)로 정의할 수 있다. 떨림세기(TM)은 헐버트 변환을 통해 추출하며, 실수영역의 데이터를 복소수영역의 데이터로 확장시킬 수 있다. 즉, 떨림 요소의 포락선을 산출하며, 포락선의 평균을 떨림의 세기(TM, Tremor magnitude)로 정의할 수 있다.
나선그리기 검사부가 검사 종료 시간(Time)을 측정하고, 로우패스필터링을 통해 떨림이 없는 운동성 정보를 추출하여 오류값(ED)를 계산한다(S560). 오류값(ED)는 환자의 운동성 정보만을 추출해 기준선으로부터 얼마나 크게 떨었는지를 알 수 있다.
나선그리기 검사부가 환자의 검사를 완료한 진행한 속도(Velocity)를 계산한다(S570). 속도(Velocity)는 검사 중 평균속도일 수 있다.
나선그리기 검사부가 떨림주파수(TF), 떨림세기(TM), 시간(Time), 오류값(ED), 속도(Velocity)를 저장부에 저장한다. 속도(Velocity)는 검사 중 평균속도일 수 있다. 상기 5가지 측정기준에 의해 객관적인 정량화가 가능할 수 있다.
도 6과 도 7은 본 발명의 실시예에 따른 나선그리기 검사 방법을 설명하는 그래프이다.
도 6과 도 7을 참조하면, 도 6A 원시 데이터(Raw Data))를 로우패스필터(LPF)를 통해 3Hz 이하의 주파수 영역만을 산출하면 운동 요소 (Motion Component)만을 추출할 수 있다(도 6B). 또한, 원시데이터를 밴드패스필터(BPF)로 3~15Hz의 범위를 데이터로 산출한 후 각각 1차원 그래프로 나타내면 떨림 요소(Tremor Component)가 추출되며, 주성분분석법(PCA)를 통해 1차원 데이터로 차원 축소를 할 수 있다. 떨림이 없는 사용자(Good)의 경우, 떨림의 세기와 빈도수가 떨림이 있는 경우보다 매우 작은 것을 확인할 수 있다. 또한, 떨림의 세기가 사용자의 떨림에 비례하여 증가하는 것을 확인할 수 있다(도 6C).
떨림이 없는 사용자의 경우, 떨림세기(TM)이 0.1cm를 넘지 못하고, 떨림주파수(TF)는 0으로 산출된다. 또한, 오류값(ED)는 0.4cm 이하의 값이므로 기준선과 유사하게 나선을 그렸다는 것을 수치로 확인할 수 있다. 약간의 떨림이 있는 사용자의 경우, 떨림세기(TM)과 떨림주파수(TF)가 떨림이 없을 경우보다는 크지만 많은 차이를 보이지 않는 것을 확인할 수 있다. 오류값(ED)의 경우, 떨림이 큰 사용자 보다 더 큰값이 도출되었다. 이는 떨림과 운동 요소가 완벽하게 독립적이지 않은 것으로 해석할 수 있다. 떨림이 큰 사용자의 경우는 떨림이 없는 경우보다 떨림세기(TM)이 10배 이상 크며, 떨림주파수(TF) 또한 평균적으로 4~5Hz사이에 분포하므로 떨림이 많이 검출되는 것을 확인할 수 있다. 각 기준 값 사이에서 유의 확률을 계산하였을 때, 떨림주파수(TM)의 경우, 떨림의 유무에 따라 각 결과 값 간의 유의미한 차이를 보였다. 떨림주파수(TF)는 떨림이 큰 사용자의 데이터를 떨림이 없는 경우와 약간 있는 경우의 데이터와 비교해 보았을 때확실한 차이를 보였다. 오류값(ED)는 떨림이 없는 사용자의 데이터를 떨림이 있는 경우들과 비교했을 때 유의미한 차이를 보였다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10; 정량화시스템 100; 제2기기
110; 센서부 120; SVM계산부
130; 통신부 200; 제1기기
210; 표시부 220; 설문부
230; 나선그리기 검사부 240; 제어부
250; 운동성 수치화부 260; 통신부
270; 저장부

Claims (5)

  1. 이상운동증상 진단을 위한 정량화 방법에 있어서,
    제1기기가 환자에게 설문을 수행하여 각 문항별 세부점수와 합산점수를 저장하는 단계;
    제1기기가 환자에게 나선그리기 검사를 수행하는 단계; 및
    제1기기가 환자의 신체에 부착된 제2기기로부터 SVM데이터를 수신하고, 이에 기초하여 운동성을 수치화하는 단계를 포함하는 이상운동증상 진단을 위한 정량화 방법.
  2. 제1항에 있어서,
    제2기기가 SVM데이터에 기초하여 운동성을 수치화하는 단계는,
    제1기기의 표시부에 운동성 검사 항목 중 적어도 하나를 표시하는 단계;
    제2기기의 센서부가 환자의 움직임을 측정하는 단계;
    제2기기의 SVM계산부가 신호벡터크기값을 계산하여 SVM데이터를 생성하는 단계;
    제2기기의 통신부가 SVM데이터를 제1기기에 전송하는 단계; 및
    제1기기의 운동성 수치화부가 수신된 SVM데이터에 기초하여 환자의 운동성을 수치화하는 단계를 포함하는 이상운동증상 진단을 위한 정량화 방법.
  3. 제1항에 있어서,
    제1기기가 환자에게 나선그리기 검사를 수행하는 단계는,
    제1기기의 나선그리기 검사부가 환자가 표시부에 그리는 나선에 기초하여 입력데이터를 추출하는 단계;
    나선그리기 검사부가 추출된 입력데이터에 기초하여 밴드패스필터링을 통해 떨림 정보를 추출하는 단계;
    나선그리기 검사부가 주성분분석법을 통해 입력데이터를 1차원 데이터로 변환하는 단계; 및
    나선그리기 검사부가 입력데이터에 기초하여 떨림주파수(TM) 및 떨림세기(TM)을 추출하는 단계를 포함하는 이상운동증상 진단을 위한 정량화 방법.
  4. 제3항에 있어서,
    나선그리기 검사부가 검사 종료 시간을 측정하고, 로우패스필터링을 통해 떨림이 없는 운동성 정보를 추출하여 오류값(ED)를 계산하는 단계를 더 포함하는 이상운동증상 진단을 위한 정량화 방법.
  5. 이상운동증상 진단을 위한 정량화 시스템에 있어서,
    환자에게 설문을 수행하여 각 문항별 세부점수와 합산점수를 저장하고, 환자에게 나선그리기 검사를 수행하는 제1기기;
    환자의 신체에 부착되어 환자의 움직임을 측정하여 신호벡터크기값을 계산하여 SVM데이터를 생성하는 제2기기를 포함하고,
    상기 제1기기는 제2기기에서 생성된 SVM데이터를 수신하여 환자의 운동성을 수치화하는 이상운동증상 진단을 위한 정량화 시스템.
KR1020190157183A 2019-11-29 2019-11-29 이상운동증상 진단을 위한 정량화 방법 및 시스템 KR102403752B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190157183A KR102403752B1 (ko) 2019-11-29 2019-11-29 이상운동증상 진단을 위한 정량화 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190157183A KR102403752B1 (ko) 2019-11-29 2019-11-29 이상운동증상 진단을 위한 정량화 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20210067497A true KR20210067497A (ko) 2021-06-08
KR102403752B1 KR102403752B1 (ko) 2022-05-27

Family

ID=76399885

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190157183A KR102403752B1 (ko) 2019-11-29 2019-11-29 이상운동증상 진단을 위한 정량화 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102403752B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230000144A (ko) * 2021-06-24 2023-01-02 한동대학교 산학협력단 나선그리기 오차거리 계산을 통한 이상운동증 진단 방법 및 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102493770B1 (ko) 2022-09-30 2023-01-31 한승민 환자 증상 평가 질문지 제공 방법, 장치 및 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101742612B1 (ko) * 2015-11-25 2017-06-01 한림대학교 산학협력단 가속도 센서를 이용한 움직임 평가 장치 및 방법
KR20180086767A (ko) * 2017-01-23 2018-08-01 고려대학교 산학협력단 수전증 진단 장치 및 방법
KR20190101458A (ko) * 2017-01-10 2019-08-30 고에키자이단호진 휴먼 사이언스 신코우자이단 인지 기능 평가 시스템
JP2019531569A (ja) * 2016-09-14 2019-10-31 エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト 認知および動作の疾患もしくは障害についてのデジタルバイオマーカー

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101742612B1 (ko) * 2015-11-25 2017-06-01 한림대학교 산학협력단 가속도 센서를 이용한 움직임 평가 장치 및 방법
JP2019531569A (ja) * 2016-09-14 2019-10-31 エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト 認知および動作の疾患もしくは障害についてのデジタルバイオマーカー
KR20190101458A (ko) * 2017-01-10 2019-08-30 고에키자이단호진 휴먼 사이언스 신코우자이단 인지 기능 평가 시스템
KR20180086767A (ko) * 2017-01-23 2018-08-01 고려대학교 산학협력단 수전증 진단 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230000144A (ko) * 2021-06-24 2023-01-02 한동대학교 산학협력단 나선그리기 오차거리 계산을 통한 이상운동증 진단 방법 및 시스템

Also Published As

Publication number Publication date
KR102403752B1 (ko) 2022-05-27

Similar Documents

Publication Publication Date Title
JP5385555B2 (ja) 生体検査システム、生体検査装置および生体検査方法
KR102020598B1 (ko) 생체신호 센서 기반 정신질환 진단 및 치유를 위한 바이오피드백 시스템
Kostikis et al. Smartphone-based evaluation of parkinsonian hand tremor: Quantitative measurements vs clinical assessment scores
JP6289313B2 (ja) 脳機能障害評価システム、脳機能障害評価方法およびプログラム
Lee et al. Toward using a smartwatch to monitor frailty in a hospital setting: using a single wrist-wearable sensor to assess frailty in bedbound inpatients
Sahyoun et al. ParkNosis: Diagnosing Parkinson's disease using mobile phones
KR20170087855A (ko) 적어도 부분적으로 펄스 파형에 기반하는 자동화 진단
JP4292247B2 (ja) 動作解析装置およびその利用
KR102403752B1 (ko) 이상운동증상 진단을 위한 정량화 방법 및 시스템
KR102376904B1 (ko) 가속도 및 각속도 신호를 이용한 파킨슨병 서동증 진단 평가 장치 및 이를 이용 파킨슨병 서동증 결정 방법
Soltani et al. Real-world gait bout detection using a wrist sensor: An unsupervised real-life validation
KR20200071647A (ko) 가상/증강현실 콘텐츠 및 생체신호에 기반한 정신질환 진단 및 치유를 위한 바이오피드백 방법
KR101323105B1 (ko) 손 재활치료 장치 및 방법
Mykhalyk et al. Modern hardware and software solution for identification of abnormal neurological movements of patients with essential tremor
Koçer et al. Nintendo Wii assessment of Hoehn and Yahr score with Parkinson's disease tremor
Fenu et al. IMU based post-traumatic rehabilitation assessment
CN116236165B (zh) 一种脉诊数据生成和展示方法及相应的装置
JP5709250B2 (ja) 上肢運動機能複合的診断装置
CN114869272A (zh) 姿势震颤检测模型、姿势震颤检测算法、以及姿势震颤检测设备
KR20210097063A (ko) 신체의 목적 타겟 위치 확인 방법
Bacchini et al. Emopad: An affective gamepad
WO2018211713A1 (ja) 情報処理装置、情報処理システム、および情報処理方法
Deepa et al. Optical sensor for Indian siddha diagnosis system
Vanitha et al. A wearable system to analyse tremors in the presence of external stressors
WO2024065722A1 (en) Multiple sensor acoustic respiratory monitor

Legal Events

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