KR20210114580A - 웨어러블 수면 모니터링 시스템 및 그 제어방법 - Google Patents

웨어러블 수면 모니터링 시스템 및 그 제어방법 Download PDF

Info

Publication number
KR20210114580A
KR20210114580A KR1020200029520A KR20200029520A KR20210114580A KR 20210114580 A KR20210114580 A KR 20210114580A KR 1020200029520 A KR1020200029520 A KR 1020200029520A KR 20200029520 A KR20200029520 A KR 20200029520A KR 20210114580 A KR20210114580 A KR 20210114580A
Authority
KR
South Korea
Prior art keywords
user
sleep
state
unit
monitoring system
Prior art date
Application number
KR1020200029520A
Other languages
English (en)
Other versions
KR102319502B1 (ko
Inventor
박세진
이크람 후세인
배경
Original Assignee
한국표준과학연구원
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 한국표준과학연구원 filed Critical 한국표준과학연구원
Priority to KR1020200029520A priority Critical patent/KR102319502B1/ko
Publication of KR20210114580A publication Critical patent/KR20210114580A/ko
Application granted granted Critical
Publication of KR102319502B1 publication Critical patent/KR102319502B1/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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • A61B5/1116—Determining posture transitions
    • 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
    • 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
    • A61B5/369—Electroencephalography [EEG]
    • 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
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • 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
    • A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
    • 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
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • 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
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6892—Mats
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—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
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7445—Display arrangements, e.g. multiple display units
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • A61B5/747—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network in case of emergency, i.e. alerting emergency services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Abstract

본 발명은 신체에 착용이 가능한 기기를 이용하여 사용자의 수면 상태를 판단할 수 있고, 센서를 이용해서 다양한 생체 신호를 측정하여 뇌졸중, 심장질환과 같은 심뇌혈관질환에 대한 위험도를 상시 확인하고, 사전에 대비하여 처방을 받을 수 있는 웨어러블 수면 모니터링 시스템에 관한 것으로, 사용자 몸의 일부에 위치하여 뇌전도(EEG)를 포함하는 복수의 생체 신호가 측정되는 생체 신호 측정부, 상기 생체 신호 측정부로부터 측정된 생체 신호를 수집하여 시간 또는 주파수를 포함하는 복수의 영역에 속하는 복수의 특징을 추출하는 특징 추출부, 상기 특징 추출부로부터 추출된 복수의 특징을 기초로 자가 학습된 데이터를 이용하여 뇌졸중을 포함하는 심뇌혈관 질병에 대한 상태를 예측하는 머신러닝 엔진부 및 상기 머신러닝 엔진부로부터 예측된 상태를 제공받아 사용자의 건강 상태를 판단하는 상태 판단부가 포함된다.

Description

웨어러블 수면 모니터링 시스템 및 그 제어방법 {WEARABLE SLEEP MONITORING SYSTEM AND METHOD}
본 발명은 웨어러블 수면 모니터링 시스템에 관한 것으로, 보다 상세하게는 신체에 착용이 가능한 기기를 이용하여 사용자의 수면 상태를 판단할 수 있고, 센서를 이용해서 다양한 생체 신호를 측정하여 뇌졸중, 심장질환과 같은 심뇌혈관질환에 대한 위험도를 상시 확인하고, 사전에 대비하여 처방을 받을 수 있는, 웨어러블 수면 모니터링 시스템에 관한 것이다.
최근 국내 인구 중 수면 장애 경험은 2018년 기준으로 57만명이고, 연평균 8% 이상 증가할 정도로 많은 인구가 경험하고 있고, 중년층 및 장년층뿐만 아니라 청년층에서도 점차 수면 장애를 경험하는 인구가 증가하는 추세이다. 이는 건강보험 가입자 중 수면 장애로 인해 병원을 찾은 사람의 숫자이고, 실제로 병원을 찾은 사람의 수보다 더욱 더 많은 인원이 수면 장애를 겪고 있을 것으로 생각되고 있다.
수면 장애와 같은 인간의 생체 리듬과 관련된 질환을 체크하기 위해 최근 웨어러블 디바이스(Wearable Device)가 각광을 받고 있다. 대표적으로 종래의 스마트 워치를 예로 들 수 있는데, 상기 스마트 워치에 내장된 센서(Sensor)들을 통해 사람의 체온, 심박수 등의 간단한 인체 정보만 사용자에게 전달할 수 있었다. 이러한 웨어러블 디바이스의 편의성이 다양한 분야의 연구로 확장되면서, 의료 분야에서도 많은 발전이 이루어졌다. 상기와 같이 의료 분야에 사용되는 웨어러블 디바이스를 헬스케어(Health care) 웨어러블 디바이스라고 한다.
상기와 같은 헬스케어 웨어러블 디바이스는 신체에 부착하거나 신체의 한 부분으로 결합시켜 인체의 건강관리 능력을 증강 및 보완하고 인간의 의지에 따라 조절이 가능한 모든 기기를 의미하는데, 최근에는 사람의 체온, 심박수 뿐 만 아니라, 인체의 움직임, 뇌전도(EEG : Electroencephalogram), 안구전도(EOG : Electrooculogram) 심전도(ECG : Electrocardiogram) 등의 신체 리듬 또한 웨어러블 디바이스로 측정하여 스마트폰과 같은 이를 표시할 수 있는 장치에서 확인할 수 있을 정도로 많은 연구가 진행되었다.
이러한 연구가 진행이 되면서 수면 중에 REM(Rapid Eye Movement) 수면과 비REM 수면 상태 등 사용자의 수면 상태를 확인할 수 있음과 동시에 뇌전도, 심전도 등 생체 리듬의 측정을 통해 뇌졸중, 심장질환과 같은 심뇌혈관질환에 노출되어 있는 사람에 대해서 질병을 조기에 발견할 수 있는 확률 또한 높일 수 있는 가능성이 생기게 되었다.
이러한 연구 및 개발의 일례로 한국등록특허 제 10-1516016호("휴대형 이목 마스크 기반 수면 조절 및 모니터링 장치 및 그 방법", 선행기술 1)는 웨어러블 이목 마스크 기반 수면 모니터링 시스템을 개시하고 있고, 한국등록특허 제 10-2004052호("신체적 안정 판단 시스템 및 방법", 선행기술 2)는 웨어러블 디바이스를 사용해 사용자의 신체 상태를 판단할 수 있는 시스템을 개시하고 있다.
도 1은 선행기술 1의 휴대용 이목 마스크를 이용한 기반 수면 조절 및 모니터링 시스템의 구성도이다. 도 1에 도시된 바와 같이, 사용자는 취침할 시에 웨어러블 이목 마스크 장치(10)를 착용하고, 이목 마스크(10)에 장착된 PPG(Photoplethysmorgraphy) 센서(110), EOG 센서(120), 코골이 센서(130), 체동 센서(140) 등이 포함된 센서 모듈부(100)에서 사용자의 수면 상태를 측정하게 된다. 상기 센서 모듈부(100)에 의해 수집된 사용자의 수면 상태는 프로세서(200)의 수면 단계 분석부(210)에서 각성, 얕은 수면, 깊은 수면, REM 수면 등의 4단계로 분석되고, 수면 상태 분석부(220)에서는 파악된 사용자의 수면 중 호흡 상태와 체동 신호를 바탕으로 수면 상태가 분석된다.
상기 분석된 데이터가 메모리(190)로 전달되어 저장되고, 휴대형 제어단말기(30)에 표시되며, 이를 바탕으로 수면유도부(230)에서 음향부(160) 및 영상부(170)로 신호를 전송하여 수면을 유도하거나, 각성유도부(240)에서 얕은 수면에 진입했을 때, 사용자의 잠을 깨우는 등 숙면을 유도하고, 일정한 시간동안 잠을 잘 수 있도록 유도하여 사용자의 신체 리듬을 일정하게 유지하게 한다는 장점이 있다.
도 2는 선행기술 2의 신체적 안정 판단 시스템의 구성도이다. 도 2에 도시된 바와 같이, 웨어러블 디바이스(100)를 통해 심박수, 호흡, 신체 활동 정보, 수면 정보 등이 파악될 수 있고, 측정된 데이터는 데이터 전처리부(200)와 데이터 가공부(300)를 통해 사용자의 신체 안정도를 판단할 수 있는 데이터로 가공된다. 상기 가공된 데이터는 판단부(400)와 사용자의 신체 안정도가 저장되어 있는 데이터 베이스(DB)를 비교하고, 사용자의 신체 안정도를 체크하여 모니터링부로 사용자의 현재 상태를 출력하게 된다.
상기 선행기술 2는 수면 중일 뿐만 아니라, 활동 중인 상태에서도 사용자의 현재 신체 안정도가 가장 안정적일 때에 비해 어느 정도인지 표시해 줄 수 있기 때문에, 상기 현재 신체 안정도에 따라 신체 활동 강도를 조정할 수 있다는 장점이 있다.
그러나 상기 선행기술 1 및 선행기술 2에서는 사용자의 수면 상태를 모니터링 하거나, 사용자의 현재 신체 안정도만 모니터링 할 수 있기 때문에, 사용자가 뇌졸중이나 심장질환과 같은 사망에 이를 수 있는 심뇌혈관질환을 사전에 예측할 수 없고, 만약 사용자가 상기와 같은 심뇌혈관질환이 발병하였을 때, 즉각 대처할 수 없어 최악의 경우에는 사망에 이를 수 있다는 단점이 있다.
한국등록특허 제 10-1516016호(2015.04.22.) 한국등록특허 제 10-2004052호(2019.07.19)
따라서 본 발명은 상기한 바와 같은 종래 기술의 문제점을 해결하기 위해 안출된 것으로, 본 발명은 사용자가 착용한 웨어러블 디바이스를 통해 사용자의 현재 정확한 수면 상태를 파악하고, 수면 중에 EEG, ECG 센서를 통해 뇌졸중, 심장질환 등 심뇌혈관질환을 예상할 수 있는 파형이 검출되었을 때, 즉각 사용자, 가족, 병원 등에 알림으로써, 사전에 심뇌혈관질환에 대비하여 처방을 받을 수 있는, 웨어러블 수면 모니터링 시스템을 제공하는 것을 그 목적으로 한다.
그러나 본 발명의 목적은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기한 바와 같은 문제점을 해결하기 위한 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템은 사용자 몸의 일부에 위치하여 뇌전도(EEG)를 포함하는 복수의 생체 신호가 측정되는 생체 신호 측정부; 상기 생체 신호 측정부로부터 측정된 생체 신호를 수집하여 시간 또는 주파수를 포함하는 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출하는 특징 추출부; 상기 특징 추출부로부터 추출된 특징을 기초로 자가 학습된 데이터를 이용하여 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 예측하는 머신러닝 엔진부; 및 상기 머신러닝 엔진부로부터 예측된 생체 신호를 제공받아 사용자의 수면 단계 및 건강 상태를 판단하는 상태 판단부;를 포함하는 것을 특징으로 한다.
바람직하게는, 상기 생체 신호 측정부는, 안대 형태로 구비되어 뇌전도(EEG), 안구전도(EOG)가 측정되는 아이마스크; 사용자가 누워있는 침대의 매트리스에 구비되어 사용자의 심박수(HR), 호흡수(BR) 및 수면 중 신체의 움직임이 측정되는 마이크로파 레이더 센서; 및 사용자의 심장부에 위치하여 심전도(ECG)가 측정되는 ECG 측정 장치;를 사용하여, 사용자의 생체 신호를 측정하며,
상기 특징 추출부는, 상기 생체 신호 측정부에서 측정된 생체 신호를 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출하는 특징 추출 알고리즘을 포함하는 것을 특징으로 한다.
바람직하게는, 상기 특징 추출 알고리즘은, 상기 뇌전도의 시간 영역 및 뇌전도의 주파수 영역; 상기 안구전도의 시간 영역; 상기 심전도의 시간 영역 및 심전도의 주파수 영역;으로 분류하여 생체 신호를 정량적 특징 및 정성적 특징으로 추출하는 것을 특징으로 한다.
바람직하게는, 상기 특징 추출 알고리즘은, 상기 뇌전도의 주파수 영역에서 주기별 진폭의 파워 값인 절대 파워; 및 상기 뇌전도의 주파수 영역에서 특정 진폭의 파워 값을 전체 진폭의 파워 값으로 나눈 값인 상대 파워;로 더 분류하여 상기 뇌전도의 생체 신호를 정량적 특징 및 정성적 특징으로 추출하는 것을 특징으로 한다.
바람직하게는, 상기 머신러닝 엔진부는, 상기 특징 추출부에서 추출된 상기 복수의 특징을 기반으로 수면 단계, 심장질환 및 뇌혈관질환에 대해 자가 학습 하는 머신러닝 학습기; 상기 머신러닝 학습기에서 자가 학습된 수면 단계, 심장질환 및 뇌혈관질환의 상기 복수의 특징에 대해 모델링되는 상태 예측 모델부; 상기 상태 예측 모델부에서 모델링된 데이터를 바탕으로 수면 단계, 심장질환 및 뇌혈관질환를 예측하는 상태 예측기; 및 상기 상태 예측기에서 예측된 사용자의 건강 상태가 저장되는 데이터 베이스;를 더 포함하는 것을 특징으로 한다.
바람직하게는, 상기 수면 단계는, 사용자가 깨어있는 비수면 단계; 깨어있는 것에 가까운 얕은 수면 상태인 REM 수면 단계; 깊은 수면 상태인 Non-REM 1단계, Non-REM 2단계, Non-REM 3단계;와 같이 5단계로 구분되고, 사용자로부터 측정된 뇌전도 및 안구전도에서 추출된 정량적 특징 및 정성적 특징에 의해 구분되는 것을 특징으로 한다.
바람직하게는, 상기 상태 판단부는, 상기 머신러닝 엔진부로부터 예측된 사용자의 건강 상태 및 사용자의 수면 상태를 제공받아 메디컬 온톨로지를 포함하는 메디컬 지식 데이터를 기반으로 사용자의 수면 단계, 심장질환 및 뇌혈관질환을 판단하는 것을 특징으로 한다.
바람직하게는, 상기 상태 판단부는, 상기 판단된 사용자의 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 스마트폰을 포함한 시각적 표시 장치에 나타내는 것을 특징으로 한다.
바람직하게는, 상기 상태 판단부는, 사용자에게 심장질환 및 뇌혈관질환을 포함하는 질환이 있을 시에, 사용자의 주변 사람들과 병원의 통신수단으로 경보를 보내는 것을 특징으로 한다.
본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 제어방법은 생체 신호 측정부가 사용자 몸의 일부에 위치하여 뇌전도(EEG)를 포함하는 복수의 생체 신호가 측정되는 생체 신호 측정단계; 특징 추출부가 생체 신호 측정부로부터 측정된 생체 신호를 수집하여 시간 또는 주파수를 포함하는 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출하는 특징 추출단계; 머신러닝 엔진부가 특징 추출부로부터 추출된 특징을 기초로 자가 학습된 데이터를 이용하여 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 예측하는 머신러닝처리단계; 및 상태 판단부가 머신러닝 엔진부로부터 예측된 생체 신호를 제공받아 사용자의 수면 단계 및 건강 상태를 판단하는 상태 판단단계;를 포함하는 것을 특징으로 한다.
바람직하게는, 상기 생체 신호 측정부는, 안대 형태로 구비되어 뇌전도(EEG), 안구전도(EOG)가 측정되는 아이마스크; 사용자가 누워있는 침대의 매트리스에 구비되어 사용자의 심박수(HR), 호흡수(BR) 및 수면 중 신체의 움직임이 측정되는 마이크로파 레이더 센서; 및 사용자의 심장부에 위치하여 심전도(ECG)가 측정되는 ECG 측정 장치;를 사용하여, 사용자의 생체 신호를 측정하는 단계를 포함하며,
상기 특징 추출부는, 상기 생체 신호 측정부에서 측정된 생체 신호를 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출하는 특징 추출 알고리즘을 포함하는 것을 특징으로 한다.
바람직하게는, 상기 특징 추출 알고리즘은, 상기 뇌전도의 시간 영역 및 뇌전도의 주파수 영역; 상기 안구전도의 시간 영역; 상기 심전도의 시간 영역 및 심전도의 주파수 영역;으로 분류하여 생체 신호를 정량적 특징 및 정성적 특징으로 추출하는 것을 특징으로 한다.
바람직하게는, 상기 특징 추출 알고리즘은, 상기 뇌전도의 주파수 영역에서 주기별 진폭의 파워 값인 절대 파워; 및 상기 뇌전도의 주파수 영역에서 특정 진폭의 파워 값을 전체 진폭의 파워 값으로 나눈 값인 상대 파워;로 더 분류하여 상기 뇌전도의 생체 신호를 정량적 특징 및 정성적 특징으로 추출하는 것을 특징으로 한다.
바람직하게는, 상기 머신러닝처리단계는, 머신러닝 학습기가 특징 추출부에서 추출된 복수의 특징을 기반으로 수면 단계, 심장질환 및 뇌혈관질환에 대해 자가 학습하는 자가학습단계; 상태 예측 모델부가 상기 머신러닝 학습기에서 자가 학습된 수면 단계, 심장질환 및 뇌혈관질환의 복수의 특징에 대해 모델링하는 상태예측모델링단계; 상태 예측기가 상기 상태 예측 모델부에서 모델링된 데이터를 바탕으로 수면 단계, 심장질환 및 뇌혈관질환를 예측하는 상태예측단계; 및 상기 상태 예측기에서 예측된 사용자의 건강 상태가 저장되는 상태저장단계;를 포함하는 것을 특징으로 한다.
바람직하게는, 상기 수면 단계는, 사용자가 깨어있는 비수면 단계; 깨어있는 것에 가까운 얕은 수면 상태인 REM 수면 단계; 깊은 수면 상태인 Non-REM 1단계, Non-REM 2단계, Non-REM 3단계;와 같이 5단계로 구분되고, 사용자로부터 측정된 뇌전도 및 안구전도에서 추출된 정량적 특징 및 정성적 특징에 의해 구분되는 것을 특징으로 한다.
바람직하게는, 상기 상태 판단단계는, 상기 머신러닝 엔진부로부터 예측된 사용자의 건강 상태 및 사용자의 수면 상태를 제공받아 메디컬 온톨로지를 포함하는 메디컬 지식 데이터를 기반으로 사용자의 수면 단계, 심장질환 및 뇌혈관질환을 판단하는 과정을 포함하는 것을 특징으로 한다.
바람직하게는, 상기 상태 판단단계는, 상기 판단된 사용자의 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 스마트폰을 포함한 시각적 표시 장치에 나타내는 과정을 포함하는 것을 특징으로 한다.
바람직하게는, 상기 상태 판단단계는, 사용자에게 심장질환 및 뇌혈관질환을 포함하는 질환이 있을 시에, 사용자의 주변 사람들과 병원의 통신수단으로 경보를 보내는 과정을 포함하는 것을 특징으로 한다.
본 발명의 일실시예에 따른 컴퓨터로 판독 가능한 기록매체는 웨어러블 수면 모니터링 시스템의 제어방법을 실행하는 프로그램을 기록한 것을 특징으로 한다.
본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템에 의하면, EEG센서와 EOG센서에 의해 측정되는 뇌전도와 안구전도에 의해 사용자의 정확한 수면상태가 측정될 수 있다는 장점이 있다. 보다 더 구체적으로는, 종래에는 REM(Rapid Eye Movement) 수면 상태와 비 REM 수면 상태 정도로 수면 단계를 나누는 정도에 불과했지만, 본 발명은 EEG센서와 EOG센서로부터 측정되는 생체 신호를 분석하여 사용자가 잠에 든 상태부터 REM 수면 상태와 4단계의 Non-REM 수면 상태까지 사용자의 수면 상태를 체크할 수 있다. 즉, 사용자가 수면다원검사에 의해 받을 수 있는 수면의 질 평가를 본 발명의 바람직한 실시예에 따른 웨어러블 수면 모니터링 시스템에 의해 매일 받아볼 수 있다는 장점이 있다.
또한, 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템에 의하면, 뇌졸중과 심장질환과 같은 심뇌혈관질환을 EEG 센서와 ECG 센서를 통해 미리 예방할 수 있다는 장점이 있다. 보다 더 자세하게는, 뇌졸중과 같은 뇌질환과 심장 질환은 전조 증상이 보통 나타나는데, 이 전조 증상을 사용자의 정상 상태일 때의 데이터와 비교하여 발견될 수 있다. 또한, 사용자에게 전조 증상이 나타났을 때, 이 내용이 병원의 데이터에 기록되고, 의사가 사용자에게 적절한 처방을 내려 심뇌혈관질환이 더욱 심해지기 전에 사전에 예방할 수 있다는 장점이 있다.
또한, 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템에 의하면, 사용자가 수면 중에 뇌질환이나 심장질환과 같은 심뇌혈관질환이 발생했을 때, 주위 사람들과 병원 또는 소방서 등에 알림을 자동으로 보냄으로써, 사용자가 생존할 수 있는 확률을 더욱 높일 수 있다는 장점이 있다. 또한, 상기 심뇌혈관 질병이 발생하지 않았다고 하더라도 사용자 휴대용 디스플레이를 통해 사용자의 수면 중에 수면 단계뿐만 아니라 뇌전도와 심전도 등 신체 리듬을 상시 확인할 수 있다는 장점이 있다.
도 1은 선행기술 1의 휴대용 이목 마스크를 이용한 기반 수면 조절 및 모니터링 시스템의 구성도이다.
도 2는 선행기술 2의 신체적 안정 판단 시스템의 구성도이다.
도 3은 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템을 도시하고 있다.
도 4는 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 생체 신호 데이터 흐름도를 도시한 것이다.
도 5는 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 생체 신호 측정부의 구성도를 도시하고 있다.
도 6은 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 아이 마스크(110)의 구성도를 도시하고 있다.
도 7은 본 발명의 바람직한 실시예에 따른 웨어러블 수면 모니터링 시스템의 디스플레이 표시화면의 예시이다.
도 8은 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 제어방법을 도시하고 있다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성된다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
도 3은 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템을 도시하고 있다. 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템은 생체 신호 측정부(Biological signal measurement, 100), 특징 추출부(Feature extractor, 200), 머신러닝 엔진부(Machine learning engine, 300), 및 상태 판단부(State Estimator, 400)를 포함하여 구성된다.
상기 생체 신호 측정부(100)는 사용자의 수면 중에 뇌전도, 안구전도, 심전도, 맥박, 호흡수 등을 포함하는 생체 신호를 측정하는 기능을 수행한다. 즉 사용자 몸의 일부에 위치하여 뇌전도(EEG)를 포함하는 복수의 생체 신호가 측정된다.
상기 특징 추출부(200)는 상기 측정된 생체 신호에서 시간 영역 또는 주파수 영역에 포함되는 특징을 추출하는 기능을 수행한다. 즉, 상기 생체 신호 측정부로부터 측정된 생체 신호를 수집하여 시간 또는 주파수를 포함하는 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출한다.
상기 머신러닝 엔진부(300)는 상기 추출된 사용자의 생체 신호 특징을 기반으로 머신러닝(Machine learning) 기법을 통해 자가 학습된 스트로크(Stroke)를 포함한 심뇌혈관질환 예측 모델로 사용자의 질병을 예측하고, 사용자 DB에 상기 예측 데이터를 저장 시키는 기능을 수행한다. 즉, 상기 특징 추출부로부터 추출된 특징을 기초로 자가 학습된 데이터를 이용하여 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 예측한다.
상기 상태 판단부(400)는 상기 머신러닝 엔진부(300)로부터 예측된 사용자의 질병 데이터와 메디컬 지식 데이터(420)를 비교하여 사용자의 질병을 판단하고, 사용자의 휴대용 디스플레이(460)에 가시화하며, 위험상황에서 병원, 가족 등에 알림을 보내주는 기능을 수행한다. 즉, 상기 머신러닝 엔진부로부터 예측된 생체 신호를 제공받아 사용자의 수면 단계 및 건강 상태를 판단한다.
도 4는 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 생체 신호 데이터 흐름도를 도시한 것이다.
도 4에서 보듯이, 상기 생체 신호 측정부(100)의 복수의 센서(EEG, EOG, ECG)(110,120)에 의해 측정된 사용자의 생체 신호는 블루투스(Bluetooth)와 같은 무선 송신 및 수신 장치에 의해 수집 프로그램이 설치된 PC(140)로 전달되고, 전달된 생체 신호들은 생체 신호 데이터 수집기(Vital signal data collector)(150)로 수집된다. 수집된 생체 신호들은 데이터베이스(160)에 저장된다. 상기 수면 중인 사용자의 생체 신호가 측정되어 상기 생체 신호 데이터 수집기(160)로 수집되면, 수집된 사용자의 생체 신호 데이터는 특징 추출부(200)로 전달된다.
상기 특징 추출부(200)는 상기 측정된 생체 신호에서 시간 영역 또는 주파수 영역에 포함되는 특징을 추출하게 된다. 특징 추출부(200)에서 추출된 복수의 특징들은 머신러닝 학습기(310)에서 자가 학습하기 전에 특징 확장기(311)에 의해 특징 기능 확장 과정을 거치게 된다. 상기 머신러닝 엔진부(300)는 상기 추출된 사용자의 생체 신호 특징에 대한 특징 기능 확장 후에, 확장된 특징을 기반으로 머신러닝(Machine learning) 기법을 통해 자가 학습된 스트로크(Stroke)를 포함한 심뇌혈관질환 예측 모델로 사용자의 질병을 예측하고, 사용자 DB에 상기 예측 데이터를 저장하게 된다.
이하에서는 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 각 수단들에 대해 구체적으로 설명한다.
먼저 도 5-6을 참고하여 생체 신호 측정부(100)에 대해 설명한다.
도 5는 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 생체 신호 측정부의 구성도를 도시하고 있다. 생체 신호 측정부(100)는 아이 마스크(110), ECG 측정 장치(120), 마이크로파 레이더 센서(Microwave radar sensor, 130)를 포함하여 구성되며, 웨어러블 디바이스로 구현될 수 있다. 상기 생체 신호 측정부100)는 안대 형태로 구비되어 뇌전도(EEG), 안구전도(EOG)가 측정되는 아이마스크, 사용자가 누워있는 침대의 매트리스에 구비되어 사용자의 심박수(HR), 호흡수(BR) 및 수면 중 신체의 움직임이 측정되는 마이크로파 레이더 센서, 및 사용자의 심장부에 위치하여 심전도(ECG)가 측정되는 ECG 측정 장치를 사용하여, 사용자의 생체 신호를 측정하게 된다.
도 5에 도시되어 있는 바와 같이, 사용자는 취침 동안 안면에 뇌전도(EEG)와 안구전도(EOG)를 측정하기 위한 아이 마스크(110)를 착용하고, 가슴에는 심전도(ECG)를 측정하기 위한 ECG 센서(121)가 내장된 ECG 측정 장치(120)를 착용한다. 그리고 사용자가 취침하는 침대의 토퍼(Topper)와 매트리스(Mattress) 사이에 마이크로파 레이더 센서(Microwave radar sensor, 130)가 부착되어 사용자의 심박도(HR : Heart Rate), 호흡도(BR : Breathing Rate) 및 수면 중 움직임이 파악될 수 있다.
상기 ECG 측정 장치(120)에 내장된 상기 ECG 센서(121)는 사용자의 심장 부근에 착용하게 되고, 수면 중 사용자의 심전도를 측정하여 상기 특징 추출부(200)로 전달한다.
그리고 마이크로파 레이더 센서(130)는 사용자가 취침하는 침대의 매트리스(Mattress)와 토퍼(topper)사이에 부착되어 사용자의 심박도, 호흡도 및 수면 중 움직임을 측정할 수 있다.
상기 생체 신호 측정부(100)는 아이 마스크(110), ECG 측정 장치(120), 마이크로파 레이더 센서(130)외에도, 수집 프로그램이 설치된 PC(140), 생체 신호 데이터 수집기(Vital signal data collector)(150), 데이터베이스(160)를 더 포함할 수 있다. 도 4에서 보듯이, 복수의 센서(EEG, EOG, ECG)에 의해 측정된 사용자의 생체 신호는 블루투스(Bluetooth)와 같은 무선 송신 및 수신 장치에 의해 수집 프로그램이 설치된 PC(140)로 전달되고, 전달된 생체 신호들은 5G LTE/Wi-Fi와 같은 무선 송신 및 수신 장치에 의해 생체 신호 데이터 수집기(Vital signal data collector)(150)로 수집된다. 수집된 생체 신호들은 데이터베이스(160)에 저장된다. 상기 수면 중인 사용자의 생체 신호가 측정되어 상기 생체 신호 데이터 수집기로 수집되어 데이터베이스에 저장되면, 수집된 사용자의 생체 신호 데이터는 특징 추출부(200)로 전달된다.
도 6은 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 아이 마스크(110)의 구성도를 도시하고 있다.
도 6에 도시된 바와 같이, 상기 아이 마스크(110)에는 EEG 센서(111)와 EOG 센서(112)가 구비되어 있다. 상기 EEG 센서(111)는 사용자의 이마 부근에 위치되도록 상기 아이 마스크(110)의 상단에 배치되고, 좌뇌의 뇌전도를 측정하는 제 1 EEG 센서(111a), 우뇌의 뇌전도를 측정하는 제 2 EEG 센서(111b)를 포함한다. 상기 EEG 센서(111)는 사용자의 수면상태 및 뇌혈관계 질환에 대해 예측할 수 있는 뇌전도를 측정하고, 측정된 뇌전도는 상기 특징 추출부(200)로 전달된다.
그리고 상기 EOG 센서(112)는 좌측 눈꼬리 부근에 구비되어 있는 제 1 EOG 센서(112a), 우측 눈꼬리 부근에 구비되어 있는 제 2 EOG 센서(112b)를 포함하며, 상기 제 1 EOG 센서(112a)와 제 2 EOG 센서(112b) 각각 양극과 음극으로 2개의 전극이 구비되어 있다. 상기 EOG 센서(112)는 안구의 움직임과 눈꺼풀의 깜빡거림 등 안구 주변 근육의 운동을 전기 신호로 측정하고, 상기 측정된 안구 주변 근육에 의한 전기 신호 또한 상기 특징 추출부(200)로 전달된다.
다음으로 특징 추출부(200)에 대해 설명한다.
도 3에서 보듯이 상기 특징 추출부(200)는 특징 추출 알고리즘(210)을 포함하여 구성된다. 상기 특징 추출부(200)는 상기 생체 신호 측정부(100)에서 측정된 생체 신호를 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출하는 특징 추출 알고리즘(210)을 포함하여 구성된다. 상기 특징 추출 알고리즘은, 상기 뇌전도(EEG)의 시간 영역 및 뇌전도(EEG)의 주파수 영역, 상기 안구전도(EOG)의 시간 영역, 상기 심전도(ECG)의 시간 영역 및 심전도(ECG)의 주파수 영역으로 각각 분류하여 생체 신호를 정량적 특징 및 정성적 특징으로 추출하게 된다.
상기 특징 추출 알고리즘은, 상기 뇌전도의 주파수 영역에서 주기별 진폭의 파워 값인 절대 파워 및 상기 뇌전도의 주파수 영역에서 특정 진폭의 파워 값을 전체 진폭의 파워 값으로 나눈 값인 상대 파워로 더 분류하여 상기 뇌전도의 생체 신호를 정량적 특징 및 정성적 특징으로 추출하게 된다.
EEG 관련 특징 추출에 대해 이하 설명한다.
EEG의 일련의 특징은 대부분 시간과 주파수 영역에서 추출된다. 다른 수면 단계를 구별하는 데 사용할 수 있는 모든 가능한 기능을 고려하여 시간, 주파수 영역 기능을 포함하여 크게 두 가지 범주로 분류된다.
- 시간 영역
· 평균, 분산, 영점 교차 및 원시 진폭의 변동 계수 및 원시 진폭의 1 차 및 2 차 미분
· 원시 진폭의 평균 평균, 분산, 왜도, 첨도 및 파동의 진폭, 지속 시간, 기울기, 선명도 및 곡률의 변동 계수
· 상승 시간 평균 / 파동 감소 평균
· 양의 진폭 평균 / 음의 진폭 평균
· 양의 곡률 / 음의 곡률 평균
- 주파수 영역
· (α, β, δ, θ)의 정규화 전력
· (α, β, δ, θ) 대역의 평균 주파수
· (α, β, δ, θ)의 최대 전력
· (α / β, β의 상대 전력 / δ, δ / θ, θ / α, α / δ, β / θ)
· 스펙트럼 엔트로피
EOG 관련 특징 추출에 대해 이하 설명한다.
EOG의 일련의 특징은 대부분 시간과 주파수 영역에서 추출된다. 다른 수면 단계를 구별하는 데 사용할 수 있는 모든 가능한 기능을 고려하여 크게 3 가지 범주로 분류된다.
- 캐스케이드
· 평균, 분산 또는 최대 EOG 신호 진폭.
· 가로 또는 세로 방향으로 작거나 큰, 양 또는 음의 saccades의 비율.
- 고정
· 고정 또는 고정 속도 내 또는 지속 기간 내에서 수평 또는 수직 EOG 신호 진폭의 평균 및/또는 분산
- 깜빡임
· 깜박임 지속 시간 또는 깜박임 비율의 평균 또는 차이.
ECG(심장활동) 관련 특징 추출에 대해 이하 설명한다.
Balistocardiography 신호에서 일련의 특징 (호흡주기 (RC), RR 간격 (RRI))이 대부분 시간 영역에서 추출된다. 다른 수면 단계를 구별하는 데 사용할 수 있는 모든 가능한 기능을 고려할 수 있다.
다음으로 머신러닝 엔진부(300)에 대해 설명한다.
도 3에서 보듯이 상기 머신러닝 엔진부(300)는, 머신러닝 학습기(310), 상태 예측 모델부(320), 상태 예측기(330), 사용자 데이터 베이스(340)를 포함하여 구성된다.
상기 머신러닝 학습기(310)는 특징 추출부(200)에서 추출된 복수의 특징을 기반으로 수면 단계, 심장질환 및 뇌혈관질환에 대해 자가 학습을 수행한다. 상기 수면 단계는, 1) 사용자가 깨어있는 비수면 단계, 2) 깨어있는 것에 가까운 얕은 수면 상태인 REM 수면 단계, 3) 깊은 수면 상태인 Non-REM 1단계, 4) Non-REM 2단계, 5) Non-REM 3단계와 같이 5단계로 구분되고, 사용자로부터 측정된 뇌전도 및 안구전도에서 추출된 정량적 특징 및 정성적 특징에 의해 구분되게 된다.
특징 추출부(200)에서 추출된 복수의 특징들은 머신러닝 학습기(310)에서 자가 학습하기 전에 특징 기능 확장 과정을 거치게 된다. 수면 단계를 위한 기능 확장에 대해 이하에서 설명한다.
수면단계에 대한 분석의 주파수 범위를 살펴보면, 비 REM 단계에서의 EEG 스펙트럼 전력은 약 9-15Hz 사이의 REM 단계보다 높다.
스펙트럼 에지 주파수 (SEF)는 특정 부분의 신호 전력이 포함되는 주파수입니다. 식(1),(2)에서 보듯이, 50 % (SEF50) 및 95 % (SEF95)의 스펙트럼 에지 주파수는 서로 다른 응용 분야에서 사용되는 가장 일반적인 측정입니다.
Figure pat00001
Figure pat00002
SEF95와 SEF50의 차이 (SEFd)는 REM 스테이지 감지를 위한 새로운 기능으로 탐구된다. 식 (3)에서 보듯이 주어진 에포크 E(n)는 특정 임계 값 SEFxth 보다 큰 SEFx 값을 가질 때 REM으로 분류된다고 가정한다.
Figure pat00003
에포크가 식 1의 조건을 만족하는 경우, AP 및 RP 값은 추가 분석을 위해 8-16Hz 범위에서 평가됩니다. AP (Absolute Power) 및 RP (Relative Power) 값이 모두 아래 조건(식(4),(5))을 충족하는 경우에만 후보 REM 에포크가 실제 감지로 간주됩니다. 그렇지 않으면 비 REM으로 거부됩니다.
Figure pat00004
Figure pat00005
자가 학습을 위한 분류 (기계 학습) 프로세스에는 여러 기계 학습 알고리즘을 사용합니다. 로지스틱 회귀는 이진 분류 문제 (두 클래스 값 문제)에 대한 기계 학습 기술입니다. SVM 및 LSVM (Support Vector Machines)은 감독 학습 분류 알고리즘입니다. SVM은 두 개의 반대 그룹을 분리하는 최대 마진 하이퍼 플레인을 구축 할 수 있습니다. SVM은 생리 학적 데이터 분석에 널리 적용되는 가장 효율적인 분류기 중 하나입니다. C4.5와 CART는 의사 결정 트리를 기반으로 하는 알고리즘입니다.
상기 상태 예측 모델부(320)는 머신러닝 학습기(310)에서 자가 학습된 수면 단계, 심장질환 및 뇌혈관질환의 복수의 특징들에 대해 모델링을 수행한다.
상기 상태 예측기(330)는 상태 예측 모델부(330)에서 모델링된 데이터를 바탕으로 수면 단계, 심장질환 및 뇌혈관질환를 예측하게 된다.
상기 사용자 데이터 베이스(340)는 상태 예측기(330)에서 예측된 사용자의 건강 상태가 저장하게 된다.
다음으로 상태 판단부(400)에 대해 설명한다.
상기 상태 판단부(400)는 메디컬 온톨로지부(410), 메디컬지식데이터부(420), 메디컬지식프로세서(430), 상태판단시스템(440), 상태알림시스템(450), 사용자 휴대용디스플레이(460)를 포함하여 구성될 수 있다. 메디컬 온톨로지부(410), 메디컬지식데이터부(420), 메디컬지식프로세서(430)는 별개의 장치로 구성되거나, 하나의 장치로 통합되어 구현될 수 있다.
도 3에서 보듯이, 상기 상태 판단부(400)는 상기 머신러닝 엔진부(300)로부터 예측된 사용자의 건강 상태 및 사용자의 수면 상태를 제공받아 메디컬 온톨로지를 포함하는 메디컬 지식 데이터를 기반으로 사용자의 수면 단계, 심장질환 및 뇌혈관질환을 판단하게 된다. 또한 상기 판단된 사용자의 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 스마트폰을 포함한 시각적 표시 장치인 사용자 휴대용디스플레이(460)에 나타내게 된다. 또한 사용자에게 심장질환 및 뇌혈관질환을 포함하는 질환이 있을 시에, 사용자의 주변 사람들과 병원에 경보를 보내게 된다.
메디컬 온톨로지부(410)는 메디컬지식데이터부(420)로 메디컬 온톨로지 정보를 제공하게 된다. 의료 온톨로지 프레임워크는 수면 단계 및 장애를 기반으로 뇌졸중, 무호흡, 고혈압 등과 같은 가능한 질병을 찾는다. 수면 장애와 심혈관/신경 질환 사이에는 분명한 관계가 있는데, 수면 단계 및 수면 장애를 기반으로 뇌졸중, 무호흡, 고혈압 등과 같은 가능한 질병을 찾기 위해 의료 온톨로지 프레임 워크가 시스템에 통합되어 사용된다.
메디컬지식데이터부(420)는 상기 머신러닝 엔진부(300)로부터 예측된 사용자의 건강 상태 및 사용자의 수면 상태를 제공받아 저장하고, 메디컬 온톨로지부(410)로부터 메디컬 온톨로지 정보를 수신받아 저장한다.
메디컬지식프로세서(430)는 메디컬지식데이터부(420)의 동작을 제어한다. 이를 통해 메디컬지식데이터부(420)가 상기 머신러닝 엔진부(300)로부터 예측된 사용자의 건강 상태 및 사용자의 수면 상태를 제공받아 저장하고, 메디컬 온톨로지부(410)로부터 메디컬 온톨로지 정보를 수신받아 저장하도록 제어한다. 또한 상기 사용자의 건강 상태 및 사용자의 수면 상태 정보와 메디컬 지식 데이터를 상태판단시스템(440)으로 제공하도록 제어한다.
상태판단시스템(440)은 상기 예측된 사용자의 건강 상태 및 사용자의 수면 상태와 메디컬지식데이터부(420)에 저장되어 있는 메디컬 지식 데이터를 기반으로 사용자의 수면 단계, 심장질환 및 뇌혈관질환을 판단하게 된다. 상기 판단 결과 사용자에게 심장질환 및 뇌혈관질환을 포함하는 질환이 있을 시에, 상태 알림 시스템(450)을 통하여 사용자의 주변 사람들과 병원의 통신수단으로 경보를 보내게 된다. 상태 알림 시스템(450)은 경보를 포함하는 문자 정보를 제공하는 시스템을 포함한다.
도 7은 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 디스플레이 표시화면의 예시이다. 도 7에서 보듯이, 상태권고시스템(440)은 상기 판단된 사용자의 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 휴대용 디스플레이장치 또는 스마트폰을 포함한 시각적 표시 장치(460)에 나타내게 된다.
도 8은 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 제어방법을 도시하고 있다. 도 8에서 보듯이, 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 제어방법은 생체 신호 측정단계(S100), 특징 추출단계(S200), 머신러닝 처리단계(S300), 상태 판단단계(S400)를 포함하여 구성된다.
상기 생체 신호 측정단계(S100)에서는 생체 신호 측정부가 사용자 몸의 일부에 위치하여 뇌전도(EEG)를 포함하는 복수의 생체 신호가 측정된다. 상기 생체 신호 측정부는, 안대 형태로 구비되어 뇌전도(EEG), 안구전도(EOG)가 측정되는 아이마스크; 사용자가 누워있는 침대의 매트리스에 구비되어 사용자의 심박수(HR), 호흡수(BR) 및 수면 중 신체의 움직임이 측정되는 마이크로파 레이더 센서; 및 사용자의 심장부에 위치하여 심전도(ECG)가 측정되는 ECG 측정 장치;를 사용하여, 사용자의 생체 신호를 측정한다.
상기 특징 추출단계(S200)에서는 특징 추출부가 생체 신호 측정부로부터 측정된 생체 신호를 수집하여 시간 또는 주파수를 포함하는 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출한다. 상기 특징 추출부는, 상기 생체 신호 측정부에서 측정된 생체 신호를 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출하는 특징 추출 알고리즘을 포함한다. 상기 특징 추출 알고리즘은, 상기 뇌전도의 시간 영역 및 뇌전도의 주파수 영역; 상기 안구전도의 시간 영역; 상기 심전도의 시간 영역 및 심전도의 주파수 영역;으로 분류하여 생체 신호를 정량적 특징 및 정성적 특징으로 추출한다. 또한 상기 특징 추출 알고리즘은, 상기 뇌전도의 주파수 영역에서 주기별 진폭의 파워 값인 절대 파워; 및 상기 뇌전도의 주파수 영역에서 특정 진폭의 파워 값을 전체 진폭의 파워 값으로 나눈 값인 상대 파워;로 더 분류하여 상기 뇌전도의 생체 신호를 정량적 특징 및 정성적 특징으로 추출한다.
상기 머신러닝처리단계(S300)에서는 머신러닝 엔진부가 특징 추출부로부터 추출된 특징을 기초로 자가 학습된 데이터를 이용하여 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 예측한다. 상기 머신러닝처리단계는, 머신러닝 학습기가 특징 추출부에서 추출된 복수의 특징을 기반으로 수면 단계, 심장질환 및 뇌혈관질환에 대해 자가 학습하는 자가학습단계; 상태 예측 모델부가 상기 머신러닝 학습기에서 자가 학습된 수면 단계, 심장질환 및 뇌혈관질환의 복수의 특징에 대해 모델링하는 상태예측모델링단계; 상태 예측기가 상기 상태 예측 모델부에서 모델링된 데이터를 바탕으로 수면 단계, 심장질환 및 뇌혈관질환를 예측하는 상태예측단계; 및 상기 상태 예측기에서 예측된 사용자의 건강 상태가 저장되는 상태저장단계;를 포함한다. 상기 수면 단계는, 사용자가 깨어있는 비수면 단계; 깨어있는 것에 가까운 얕은 수면 상태인 REM 수면 단계; 깊은 수면 상태인 Non-REM 1단계, Non-REM 2단계, Non-REM 3단계;와 같이 5단계로 구분되고, 사용자로부터 측정된 뇌전도 및 안구전도에서 추출된 정량적 특징 및 정성적 특징에 의해 구분된다.
상기 상태 판단단계(S400)에서는 상태 판단부가 머신러닝 엔진부로부터 예측된 생체 신호를 제공받아 사용자의 수면 단계 및 건강 상태를 판단한다. 상기 상태 판단단계는, 상기 머신러닝 엔진부로부터 예측된 사용자의 건강 상태 및 사용자의 수면 상태를 제공받아 메디컬 온톨로지를 포함하는 메디컬 지식 데이터를 기반으로 사용자의 수면 단계, 심장질환 및 뇌혈관질환을 판단하는 과정을 포함한다. 상기 상태 판단단계는, 상기 판단된 사용자의 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 스마트폰을 포함한 시각적 표시 장치에 나타내는 과정을 포함 한다. 또한 상기 상태 판단단계는, 사용자에게 심장질환 및 뇌혈관질환을 포함하는 질환이 있을 시에, 사용자의 주변 사람들과 병원의 통신수단으로 경보를 보내는 과정을 포함한다.
한편, 본 발명의 일실시예에 따른 웨어러블 수면 모니터링 시스템의 제어방법은 다양한 전자적으로 정보를 처리하는 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 저장 매체에 기록될 수 있다. 저장 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
저장 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다. 저장 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100 : 생체 신호 측정부(Vital signal measurement)
110 : 아이 마스크(Eye mask)
111 : EEG 센서(EEG Sensor)
111a : 제 1 EEG 센서 111b : 제 2 EEG 센서
112 : EOG 센서(EOG Sensor)
112a : 제 1 EOG 센서 112b : 제 2 EOG 센서
120 : ECG 측정 장치(ECG measurement device)
121 : ECG 센서(ECG Sensor)
130 : 마이크로파 레이더 센서(Microwave radar sensor)
200 : 특징 추출부(Feature extractor)
210 : 특징 추출 알고리즘(Feature extraction algorithms)
300 : 머신러닝 엔진부(Machine learning engine)
310 : 머신러닝 학습기(Machine learning learner)
320 : 상태 예측 모델부(State prediction model)
330 : 상태 예측기(State predictor)
340 : 사용자 데이터 베이스(DB)
400 : 상태 판단부(State Estimator)
410 : 메디컬 온톨로지부(Medical ontology)
420 : 메디컬 지식 데이터부(Medical knowledgebase data)
430 : 메디컬 지식 프로세서(Medical knowledgebase processor)
440 : 상태 판단 시스템(State Recommendation system)
450 : 상태 알림 시스템(State Alent system)
460 : 사용자 휴대용 디스플레이(Client portable display)

Claims (19)

  1. 웨어러블 수면 모니터링 시스템에 있어서,
    사용자 몸의 일부에 위치하여 뇌전도(EEG)를 포함하는 복수의 생체 신호가 측정되는 생체 신호 측정부;
    상기 생체 신호 측정부로부터 측정된 생체 신호를 수집하여 시간 또는 주파수를 포함하는 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출하는 특징 추출부;
    상기 특징 추출부로부터 추출된 특징을 기초로 자가 학습된 데이터를 이용하여 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 예측하는 머신러닝 엔진부; 및
    상기 머신러닝 엔진부로부터 예측된 생체 신호를 제공받아 사용자의 수면 단계 및 건강 상태를 판단하는 상태 판단부;를 포함하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템.
  2. 제 1 항에 있어서,
    상기 생체 신호 측정부는,
    안대 형태로 구비되어 뇌전도(EEG), 안구전도(EOG)가 측정되는 아이마스크;
    사용자가 누워있는 침대의 매트리스에 구비되어 사용자의 심박수(HR), 호흡수(BR) 및 수면 중 신체의 움직임이 측정되는 마이크로파 레이더 센서; 및
    사용자의 심장부에 위치하여 심전도(ECG)가 측정되는 ECG 측정 장치;
    를 사용하여, 사용자의 생체 신호를 측정하며,
    상기 특징 추출부는,
    상기 생체 신호 측정부에서 측정된 생체 신호를 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출하는 특징 추출 알고리즘을 포함하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템.
  3. 제 2 항에 있어서,
    상기 특징 추출 알고리즘은,
    상기 뇌전도의 시간 영역 및 뇌전도의 주파수 영역;
    상기 안구전도의 시간 영역;
    상기 심전도의 시간 영역 및 심전도의 주파수 영역;으로 분류하여 생체 신호를 정량적 특징 및 정성적 특징으로 추출하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템.
  4. 제 3 항에 있어서,
    상기 특징 추출 알고리즘은,
    상기 뇌전도의 주파수 영역에서 주기별 진폭의 파워 값인 절대 파워; 및
    상기 뇌전도의 주파수 영역에서 특정 진폭의 파워 값을 전체 진폭의 파워 값으로 나눈 값인 상대 파워;로 더 분류하여 상기 뇌전도의 생체 신호를 정량적 특징 및 정성적 특징으로 추출하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템.
  5. 제 1 항에 있어서,
    상기 머신러닝 엔진부는,
    상기 특징 추출부에서 추출된 상기 복수의 특징을 기반으로 수면 단계, 심장질환 및 뇌혈관질환에 대해 자가 학습 하는 머신러닝 학습기;
    상기 머신러닝 학습기에서 자가 학습된 수면 단계, 심장질환 및 뇌혈관질환의 상기 복수의 특징에 대해 모델링되는 상태 예측 모델부;
    상기 상태 예측 모델부에서 모델링된 데이터를 바탕으로 수면 단계, 심장질환 및 뇌혈관질환를 예측하는 상태 예측기; 및
    상기 상태 예측기에서 예측된 사용자의 건강 상태가 저장되는 데이터 베이스;
    를 더 포함하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템.
  6. 제 5 항에 있어서, 상기 수면 단계는,
    사용자가 깨어있는 비수면 단계;
    깨어있는 것에 가까운 얕은 수면 상태인 REM 수면 단계;
    깊은 수면 상태인 Non-REM 1단계, Non-REM 2단계, Non-REM 3단계;
    와 같이 5단계로 구분되고, 사용자로부터 측정된 뇌전도 및 안구전도에서 추출된 정량적 특징 및 정성적 특징에 의해 구분되는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템.
  7. 제 1 항에 있어서, 상기 상태 판단부는,
    상기 머신러닝 엔진부로부터 예측된 사용자의 건강 상태 및 사용자의 수면 상태를 제공받아 메디컬 온톨로지를 포함하는 메디컬 지식 데이터를 기반으로 사용자의 수면 단계, 심장질환 및 뇌혈관질환을 판단하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템.
  8. 제 7 항에 있어서, 상기 상태 판단부는,
    상기 판단된 사용자의 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 스마트폰을 포함한 시각적 표시 장치에 나타내는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템.
  9. 제 7 항에 있어서, 상기 상태 판단부는,
    사용자에게 심장질환 및 뇌혈관질환을 포함하는 질환이 있을 시에, 사용자의 주변 사람들과 병원의 통신수단으로 경보를 보내는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템.
  10. 웨어러블 수면 모니터링 시스템의 제어방법에 있어서,
    생체 신호 측정부가 사용자 몸의 일부에 위치하여 뇌전도(EEG)를 포함하는 복수의 생체 신호가 측정되는 생체 신호 측정단계;
    특징 추출부가 생체 신호 측정부로부터 측정된 생체 신호를 수집하여 시간 또는 주파수를 포함하는 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출하는 특징 추출단계;
    머신러닝 엔진부가 특징 추출부로부터 추출된 특징을 기초로 자가 학습된 데이터를 이용하여 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 예측하는 머신러닝처리단계; 및
    상태 판단부가 머신러닝 엔진부로부터 예측된 생체 신호를 제공받아 사용자의 수면 단계 및 건강 상태를 판단하는 상태 판단단계;를 포함하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템의 제어방법.
  11. 제 10 항에 있어서,
    상기 생체 신호 측정부는,
    안대 형태로 구비되어 뇌전도(EEG), 안구전도(EOG)가 측정되는 아이마스크;
    사용자가 누워있는 침대의 매트리스에 구비되어 사용자의 심박수(HR), 호흡수(BR) 및 수면 중 신체의 움직임이 측정되는 마이크로파 레이더 센서; 및
    사용자의 심장부에 위치하여 심전도(ECG)가 측정되는 ECG 측정 장치;
    를 사용하여, 사용자의 생체 신호를 측정하는 단계를 포함하며,
    상기 특징 추출부는,
    상기 생체 신호 측정부에서 측정된 생체 신호를 복수의 영역에 속하는 정량적 특징 및 정성적 특징으로 추출하는 특징 추출 알고리즘을 포함하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템의 제어방법.
  12. 제 11 항에 있어서,
    상기 특징 추출 알고리즘은,
    상기 뇌전도의 시간 영역 및 뇌전도의 주파수 영역;
    상기 안구전도의 시간 영역;
    상기 심전도의 시간 영역 및 심전도의 주파수 영역;으로 분류하여 생체 신호를 정량적 특징 및 정성적 특징으로 추출하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템의 제어방법.
  13. 제 12 항에 있어서,
    상기 특징 추출 알고리즘은,
    상기 뇌전도의 주파수 영역에서 주기별 진폭의 파워 값인 절대 파워; 및
    상기 뇌전도의 주파수 영역에서 특정 진폭의 파워 값을 전체 진폭의 파워 값으로 나눈 값인 상대 파워;로 더 분류하여 상기 뇌전도의 생체 신호를 정량적 특징 및 정성적 특징으로 추출하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템의 제어방법.
  14. 제 10 항에 있어서,
    상기 머신러닝처리단계는,
    머신러닝 학습기가 특징 추출부에서 추출된 복수의 특징을 기반으로 수면 단계, 심장질환 및 뇌혈관질환에 대해 자가 학습하는 자가학습단계;
    상태 예측 모델부가 상기 머신러닝 학습기에서 자가 학습된 수면 단계, 심장질환 및 뇌혈관질환의 복수의 특징에 대해 모델링하는 상태예측모델링단계;
    상태 예측기가 상기 상태 예측 모델부에서 모델링된 데이터를 바탕으로 수면 단계, 심장질환 및 뇌혈관질환를 예측하는 상태예측단계; 및
    상기 상태 예측기에서 예측된 사용자의 건강 상태가 저장되는 상태저장단계;
    를 포함하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템의 제어방법.
  15. 제 14 항에 있어서, 상기 수면 단계는,
    사용자가 깨어있는 비수면 단계;
    깨어있는 것에 가까운 얕은 수면 상태인 REM 수면 단계;
    깊은 수면 상태인 Non-REM 1단계, Non-REM 2단계, Non-REM 3단계;
    와 같이 5단계로 구분되고, 사용자로부터 측정된 뇌전도 및 안구전도에서 추출된 정량적 특징 및 정성적 특징에 의해 구분되는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템의 제어방법.
  16. 제 10 항에 있어서, 상기 상태 판단단계는,
    상기 머신러닝 엔진부로부터 예측된 사용자의 건강 상태 및 사용자의 수면 상태를 제공받아 메디컬 온톨로지를 포함하는 메디컬 지식 데이터를 기반으로 사용자의 수면 단계, 심장질환 및 뇌혈관질환을 판단하는 과정을 포함하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템의 제어방법.
  17. 제 16 항에 있어서, 상기 상태 판단단계는,
    상기 판단된 사용자의 수면 단계 및 심장질환, 뇌혈관질환을 포함하는 건강 상태를 스마트폰을 포함한 시각적 표시 장치에 나타내는 과정을 포함하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템의 제어방법.
  18. 제 16 항에 있어서, 상기 상태 판단단계는,
    사용자에게 심장질환 및 뇌혈관질환을 포함하는 질환이 있을 시에, 사용자의 주변 사람들과 병원의 통신수단으로 경보를 보내는 과정을 포함하는 것을 특징으로 하는 웨어러블 수면 모니터링 시스템의 제어방법.
  19. 제 10 항 내지 제 18 항 중 어느 한 항의 방법을 실행하는 프로그램을 기록한 것을 특징으로 하는 컴퓨터로 판독 가능한 기록매체.
KR1020200029520A 2020-03-10 2020-03-10 웨어러블 수면 모니터링 시스템 및 그 제어방법 KR102319502B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200029520A KR102319502B1 (ko) 2020-03-10 2020-03-10 웨어러블 수면 모니터링 시스템 및 그 제어방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200029520A KR102319502B1 (ko) 2020-03-10 2020-03-10 웨어러블 수면 모니터링 시스템 및 그 제어방법

Publications (2)

Publication Number Publication Date
KR20210114580A true KR20210114580A (ko) 2021-09-24
KR102319502B1 KR102319502B1 (ko) 2021-11-02

Family

ID=77914842

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200029520A KR102319502B1 (ko) 2020-03-10 2020-03-10 웨어러블 수면 모니터링 시스템 및 그 제어방법

Country Status (1)

Country Link
KR (1) KR102319502B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114305346A (zh) * 2022-03-03 2022-04-12 深圳市心流科技有限公司 睡眠监测方法、装置、智能眼罩及存储介质
WO2023084503A1 (ko) * 2021-11-12 2023-05-19 류경호 수면 모니터링 장치 및 그 동작 방법
KR102539796B1 (ko) * 2022-11-28 2023-06-07 (주)에이아이딥 수면다원검사 및 인공지능을 이용한 수면 분석 시스템 및 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101516016B1 (ko) 2012-09-24 2015-05-04 주식회사 제이유에이치 휴대형 이목 마스크 기반 수면 조절 및 모니터링 장치 및 그 방법
KR20170077690A (ko) * 2015-12-28 2017-07-06 전문석 웨어러블 심장 이상 징후 감지 스마트 워치, 디지털 ｅｃｇ 좌표를 이용한 급성 심장마비 예방 시스템 및 그 방법
KR20170126612A (ko) * 2016-05-10 2017-11-20 주식회사 스마티랩 IoT 건강 컨텍스트 기반 질병 진단 시스템
KR20170129689A (ko) * 2015-01-06 2017-11-27 데이비드 버톤 모바일 웨어러블 모니터링 시스템
KR20190056344A (ko) * 2017-11-16 2019-05-24 경희대학교 산학협력단 치매 환자 관리 방법 및 그 시스템
KR102004052B1 (ko) 2017-11-09 2019-07-25 재단법인대구경북과학기술원 신체적 안정 판단 시스템 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101516016B1 (ko) 2012-09-24 2015-05-04 주식회사 제이유에이치 휴대형 이목 마스크 기반 수면 조절 및 모니터링 장치 및 그 방법
KR20170129689A (ko) * 2015-01-06 2017-11-27 데이비드 버톤 모바일 웨어러블 모니터링 시스템
KR20170077690A (ko) * 2015-12-28 2017-07-06 전문석 웨어러블 심장 이상 징후 감지 스마트 워치, 디지털 ｅｃｇ 좌표를 이용한 급성 심장마비 예방 시스템 및 그 방법
KR20170126612A (ko) * 2016-05-10 2017-11-20 주식회사 스마티랩 IoT 건강 컨텍스트 기반 질병 진단 시스템
KR102004052B1 (ko) 2017-11-09 2019-07-25 재단법인대구경북과학기술원 신체적 안정 판단 시스템 및 방법
KR20190056344A (ko) * 2017-11-16 2019-05-24 경희대학교 산학협력단 치매 환자 관리 방법 및 그 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023084503A1 (ko) * 2021-11-12 2023-05-19 류경호 수면 모니터링 장치 및 그 동작 방법
CN114305346A (zh) * 2022-03-03 2022-04-12 深圳市心流科技有限公司 睡眠监测方法、装置、智能眼罩及存储介质
KR102539796B1 (ko) * 2022-11-28 2023-06-07 (주)에이아이딥 수면다원검사 및 인공지능을 이용한 수면 분석 시스템 및 방법

Also Published As

Publication number Publication date
KR102319502B1 (ko) 2021-11-02

Similar Documents

Publication Publication Date Title
US11504020B2 (en) Systems and methods for multivariate stroke detection
US11678838B2 (en) Automated detection of breathing disturbances
JP5961235B2 (ja) 睡眠／覚醒状態評価方法及びシステム
KR102319502B1 (ko) 웨어러블 수면 모니터링 시스템 및 그 제어방법
EP3843623B1 (en) Photoplethysmography based detection of transitions between awake, drowsiness, and sleep phases of a subject
KR101970481B1 (ko) 뇌졸중 모니터링 시스템
TW201725559A (zh) 一種評估心跳停止發生可能的穿戴式裝置及其方法
JP2020014841A (ja) ほてりの予測モデリングを含むシステム及び方法
KR102383921B1 (ko) 사용자 맞춤형 수면 관리 방법 및 시스템
US10959662B2 (en) Seizure prediction using cardiovascular features
US20210282705A1 (en) Systems and methods for modeling sleep parameters for a subject
US20220165393A1 (en) System for the detection and management of mental, emotional, and behavioral disorders
US20220233805A1 (en) Customized-type sleep management method and system
Nocua et al. Evaluation of the autonomic nervous system for fall detection
KR102556663B1 (ko) 생체신호 모니터링 시스템 및 방법
KR102569058B1 (ko) 패치형 수면다원검사 장치 및 방법
Nirabi et al. Eeg signal analysis for mental stress classification: A review
US20230200746A1 (en) System for acquisition and analysis of maternal and/or fetal physiological signals
Navarro et al. Machine Learning Based Sleep Phase Monitoring using Pulse Oximeter and Accelerometer
Salem et al. Pervasive detection of sleep apnea using medical wireless sensor networks

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant