KR20230040403A

KR20230040403A - 심폐소생술 중 예측 혈압을 제공하는 장치 및 그 방법

Info

Publication number: KR20230040403A
Application number: KR1020210123000A
Authority: KR
Inventors: 황성오; 한지호; 윤영로; 차경철
Original assignee: 연세대학교 원주산학협력단
Priority date: 2021-09-15
Filing date: 2021-09-15
Publication date: 2023-03-23
Also published as: WO2023042991A1

Abstract

심폐소생술 중 예측 혈압을 제공하는 장치와 방법이 개시된다. 본 발명의 일실시예에 의한 심폐소생술 중 예측 혈압을 제공하는 장치는, 심폐소생술 피드백장치의 가슴압박파형으로부터 지표값들을 산출하고 산출한 지표값으로 예측 혈압을 추출하여 표시하거나 안내해주는 혈압 피드백 장치를 포함하게 구성함으로써, 심폐소생술 중 환자에게서 발생한 혈역학적 효과를 시술자가 알 수 있도록 함으로써, 시술자가 심폐소생술을 더 효과적으로 할 수 있도록 하는 효과가 있다.

Description

심폐소생술 중 예측 혈압을 제공하는 장치 및 그 방법{CPR DEVICE PROVIDING ESTIMATED BLOOD PRESSURES OF THE PATIENT AND THE METHOD THEREOF}

본 발명은 심폐소생술 피드백 장치에 관한 것으로, 보다 상세하게는 행한 가슴압박에 의하여 환자에게 발생하는 혈역학적 효과(혈압)를 알 수 있도록, 심폐 소생술 중 가슴압박 파형의 지표를 사용하여 가슴압박으로 심장정지 환자의 인체에 발생된 혈압을 추정하여 제공하는 심폐소생술 중 예측 혈압을 제공하는 장치와 그방법에 관한 것이다.

심폐소생술 피드백(되먹임) 장치는 심장정지 환자에게 구조자가 시행할 때 가슴압박 상태를 측정하여 구조자에게 알려주는 장치이다. 심폐소생술 피드백 장치는 움직임 센서 등을 사용하여 일차적으로 가슴압박의 속도와 깊이를 측정하며, 이차적으로 가슴압박이 중단된 기간, 압박 분율(compression fraction, 심폐소생술을 한 총 시간 중 가슴압박 시간이 차지하는 비율)을 산출해 주기도 한다. 심폐소생술 피드백 장치는 측정된 결과를 시각적 또는 청각적으로 구조자에게 되먹임을 제공한다. 상용화된 되먹임 장치는 흉골과 구조자의 손 사이에 장치를 놓거나 구조자가 팔목에 차고 가슴압박을 하면 심폐소생술 술기와 관련된 지표가 산출되어 모니터에 표기되는 방식으로 작동된다.

상기한 바와 같이 심폐소생술 피드백 장치는 심폐소생술을 시행하는 구조자에게 가슴압박의 깊이와 속도를 알려줌으로써, 구조자가 가슴압박을 심폐소생술 가이드라인에 맞도록 정확하게 가슴압박을 하도록 유도하는 역할을 한다. 구조자가 가슴압박을 정확히 해야 하는 이유는 구조자의 가슴압박으로 환자를 생존시킬 수 있는 적절한 혈역학적 효과를 유발하기 위한 것이다.

현재의 심폐소생술 피드백 장치는 구조자가 시행한 가슴압박의 특성(압박 깊이, 속도 등)을 알려주지만, 구조자가 시행한 가슴압박이 환자에게서 어느 정도의 혈역학적 효과(수축기 혈압, 이완기 혈압, 평균 혈압)가 발생하는지에 대한 정보를 제공하지 않는다.

KR 등록특허공보 제10-1071432호(2011.09.30)

이러한 문제점을 해결하기 위한 본 발명의 목적은 심폐소생술 중에 시술자가 자신이 시행한 가슴압박에 의하여 환자에게 발생하는 혈역학적 효과(혈압)를 알 수 있도록, 가슴압박으로 발생하는 파형을 바탕으로 혈압을 예측함으로써 시술자에게 혈역학적 효과를 포함한 심폐소생술 피드백을 제공하는 심폐소생술 중 예측 혈압을 제공하는 것이다.

이러한 과제를 해결하기 위한 본 발명의 일실시예에 의한 심폐소생술 중 예측 혈압을 제공하는 장치는, 심폐소생술 피드백장치의 가슴압박파형으로부터 지표값들을 산출하고 산출한 지표값으로 예측 혈압을 추출하여 표시하거나 안내해주는 혈압 피드백 장치를 포함하게 구성함으로써 달성될 수 있다.

상기 혈압피드백장치는 상기 심폐소생술 피드백 장치의 가슴압박 파형을 분석하여 지표값을 산출하는 전처리부와, 상기 전처리부에서 산출된 지표값을 이용하여 수축기, 이완기 그리고 평균 예측 혈압값을 산출하는 머신러닝기반 혈압예측부와, 상기 전처리부에서 산출된 지표값을 이용하여 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측하는 신경망모델 기반 포인트 검출부와, 상기 머신러닝기반 혈압예측부에서 예측된 수축기, 이완기 그리고 평균 혈압과 상기 신경망모델 기반 포인트 검출부에서 검출한 8개의 포인트값을 포함하는 총 11개의 예측된 값을 통해 Spline 보간법을 이용하여 하나의 분절된 혈압파형을 도출하는 혈압파형생성부와 그리고 상기 산출된 예측 혈압값, 상기 가슴압박 파형, 상기 혈압파형, 가슴압박 깊이, 또는 가슴압박속도 중 하나 이상을 디스플레이에 표시하거나 또는 음성으로 안내하는 제어부를 포함할 수 있다.

또한, 본 발명의 다른 실시예에 의한 심폐소생술 피드백 장치의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 심폐소생술 중 예측 혈압을 제공하는 장치는 상기 가슴압박파형으로부터 11개의 포인트값들을 산출하고 산출한 포인트값으로 예측 혈압 파형을 생성하여 표시하거나 안내해주는 혈압 피드백 장치를 포함하게 구성함으로써 달성될 수 있다.

상기 혈압피드백장치는 상기 심폐소생술 피드백 장치의 가슴압박 파형을 분석하여 지표값을 산출하는 전처리부와, 상기 전처리부에서 산출된 지표값을 이용하여 혈압세그먼트의 시작점과 종료점 그리고 최고점을 포함하는 3개의 포인트값을 산출하는 머신러닝기반 혈압예측부와, 상기 전처리부에서 산출된 지표값을 이용하여 8개의 포인트값을 추가로 도출하는 신경망모델기반 포인트 검출부와, 상기 총 11개의 포인트간 spline 보간법을 이용하여 예측 혈압 파형을 산출하는 혈압파형 생성부와, 상기 산출된 예측 혈압 파형, 예측 혈압, 상기 가슴압박 파형, 가슴압박 깊이, 또는 가슴압박속도 중 하나 이상을 디스플레이에 표시하거나 또는 음성으로 안내하는 제어부를 포함하여 구성될 수도 있다.

그리고 또 다른 실시예에 의한 심폐소생술 피드백 장치의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 혈압 피드백 장치를 이용한 심폐소생술 중 예측 혈압을 제공하는 방법은, 상기 심폐소생술 피드백 장치로부터 가슴압박파형을 도출하는 단계와, 상기 심폐소생술 중 예측 혈압 제공 장치에서 상기 도출된 가슴압박 파형분석을 통하여 혈압을 예측할 수 있도록 신호전처리와 입력특징을 추출하는 단계와, 상기 단계에서 추출된 입력특징을 이용하여 예측 혈압 제공 장치에서 GPR 알고리즘 예측 모델을 이용하여 3개의 주요 혈압값으로 수축기, 이완기, 평균 혈압을 예측하는 단계와, 상기 단계에서 추출된 입력특징과 3개의 혈압값을 이용하여 예측 혈압 제공 장치에서 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측하는 단계와, 상기 단계에서 추출된 3개의 예측 혈압값과 상기 8개의 포인트값을 이용하여 예측 혈압 제공 장치에서 혈압파형을 생성하는 단계와 그리고 상기 단계에서의 가슴압박파형과, 상기 3개의 예측 혈압값과 상기 혈압파형을 디스플레이되도록 제어하는 단계를 포함하게 구성함으로써 달성될 수 있다.

따라서 본 발명의 심폐소생술 중 예측 혈압을 제공하는 장치에 의하면. 심폐소생술 중 환자에게서 발생한 혈역학적 효과를 시술자가 알 수 있도록 함으로써, 시술자가 심폐소생술을 더 효과적으로 시행할 수 있도록 하는 효과가 있다.

도 1은 본 발명에 따른 심폐소생술 혈압 예측 장치를 개략적으로 나타낸 도면,
도 2는 본 발명에 따른 심폐소생술 혈압 예측 장치를 나타낸 블록도,
도 3은 본 발명에 따른 심폐소생술 혈압 예측 장치의 작동을 설명하기 위하여 나타낸 흐름도,
도 4는 가슴압박파형과 파라메터를 도시한 그래프,
도 5는 예측 혈압 파형을 생성하는 방법을 설명하기 위한 참고도면,
도 6은 예측 혈압파형과 실제 혈압파형을 비교한 도면,
도 7은 혈압 예측 지표를 사용한 수축기 혈압 예측의 일치도(좌)와 예측 결과의 Bland Altman Plot(우),
도 8은 혈압 예측 지표를 사용한 이완기 혈압 예측의 일치도(좌)와 예측 결과의 Bland Altman Plot(우),
그리고
도 9는 혈압 예측 지표를 사용한 평균동맥 혈압 예측의 일치도(좌)와 예측 결과의 Bland Altman Plot(우)이다.

본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정 해석되지 아니하며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.

명세서 전체에서, 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", "…기", "모듈", "장치" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 및/또는 소프트웨어의 결합으로 구현될 수 있다.

명세서 전체에서 "및/또는"의 용어는 하나 이상의 관련 항목으로부터 제시 가능한 모든 조합을 포함하는 것으로 이해되어야 한다. 예를 들어, "제1 항목, 제2 항목 및/또는 제3 항목"의 의미는 제1, 제2 또는 제3 항목뿐만 아니라 제1, 제2 또는 제3 항목들 중 2개 이상으로부터 제시될 수 있는 모든 항목의 조합을 의미한다.

명세서 전체에서 각 단계들에 있어 식별부호(예를 들어, a, b, c, ...)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 한정하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.

이하, 도면을 참고하여 본 발명의 일실시예에 대하여 설명한다.

도 1은 본 발명에 따른 심폐소생술 혈압 예측 장치를 개략적으로 나타낸 도면이고, 도 2는 본 발명에 따른 심폐소생술 혈압 예측 장치를 나타낸 블록도로, 도시된 바와 같이 본 발명의 심폐소생술 혈압 예측 장치는 심폐소생술 피드백 장치(100)의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 심폐소생술 중 예측 혈압 제공 장치(200)를 포함한다.

심폐소생술 중 예측 혈압 제공 장치(200)는 심폐소생술 피드백 장치(100)에서 피드백되는 가슴 압박 깊이 신호(이하, 가슴압박파형이라 함)로부터 지표값들을 산출하고 산출한 지표값으로 예측 혈압을 추출하여 표시하거나 안내해주도록 동작한다.

이를 위하여 심폐소생술 피드백 장치(100)는 3축 가속도 센서(110)와 3축 자이로스코프(120) 기반의 장치로 시간에 따른 가슴압박깊이를 출력하는 기기로 정의하고, 이는 통상의 CPR피드백 장치를 사용할 수 있다.

즉, 가슴에 올려놓은 형태, 손목에 차는 형태 등 다양한 형태의 심폐소생술 피드백 장치를 사용할 수 있으며, 신호처리부(130)는 3축 가속도 센서(110)와 3축 자이로스코프(120)로부터 신호를 수신하여 가슴압박 파형을 획득힌디.

이러한 가슴압박파형이 도 4에 예시되어 있다.

도 4는 심폐소생술 피드백 장치에서 생성한 가슴압박 파형(그림)과 파라메터를 도시한 그래프로서, 가슴압박 파형에는 가슴압박 파형 분석을 위한 지표값으로 가슴압박깊이(CD), 가슴압박시간(CT), 평균압박속도(Mean CV), 최대압박속도(Max CV), 이완깊이(RD), 이완시간(RT), 평균이완속도(Mean RV), 최대이완속도(Max RV), 가슴압박속도(CPR rate), 압박/이완 시간비율(Time rate) 등과 같은 지표값이 한 사이클 단위로 표시되어 있다.

도 4의 가슴 압박 파형의 지표에 대한 정의가 아래 표 1과 표 2에 예시되어 있다.

지표에는 표 2에서와 같이 성별과 나이 등도 포함되는 것이 가장 바람직하나, 본 발명에서는 성별과 나이에 대한 지표는 차후 반영하도록 하였다.

또한, 심폐소생술 피드백 장치(100)는 가슴 압박깊이, 속도 불완전 이완, 압박휴지기간, 그리고 압박 분율 등을 포함하는 가슴압박요소를 추출하여 예측 혈압 제공 장치(200)의 제어부(250)로 전송한다.

심폐소생술 중 예측 혈압 제공 장치(200)는 심폐소생술 피드백 장치(100)로부터 수신한 가슴압박 파형을 신호 분석을 통하여 혈압을 예측하고, 예측된 혈압을 분석한 내용을 출력함과 동시에 분석 내용을 시각적으로 볼 수 있거나 음성으로 안내할 수 있도록 구성한다.

또한, 혈압 제공 장치(200)는 산출된 각 지표의 값을 사용하여 machine learning 방법으로 추정한 혈압값(예측 혈압: 수축기 혈압, 이완기 혈압, 평균 혈압)을 산출하도록 동작한다.

이러한 심폐소생술 중 예측 혈압 제공 장치(200)는 가슴압박깊이가 출력되는 통상의 CPR 피드백장치와 결합하여 사용되거나 독립적으로 사용될 수 있는 모듈형태의 전자장치로 구성할 수 있음은 물론이다. 내부에는 예측알고리즘을 수행하기 위한 전자적 시스템이 구성될 수 있다.

또한, 본 발명의 심폐소생술 중 예측 혈압 제공 장치(200)는 혈압 예측 결과를 실시간 제공할 뿐 아니라, 심폐소생술이 종료된 후 심폐소생술 결과의 debriefing을 위한 분석(시간별, 시술자별 심폐소생술 결과) 결과를 제공할 수도 있다.

이를 위하여 심폐소생술 중 예측 혈압 제공 장치(200)는 심폐소생술 피드백 장치(100)로부터 수신한 가슴압박파형을 전처리부(210)에서 실시간으로 시간에 따른 가슴압박깊이의 변화를 디지털신호로 받아 이를 전처리 한다.

전처리부(210)는 신호의 노이즈나 불필요한 신호를 제거하고 예측모델에 입력하기 위해 신호를 분절(Segmentation)하는 작업을 포함하고, 분절된 가슴압박신호로부터 지표들을 추출한다. 추출된 지표들은 예측모델에 입력값으로 쓰인다.

전처리부(210)에서 추출된 특징값들은 2개의 예측모델에 각각 입력된다.

즉, 머신러닝 기반 혈압예측부(220)는 GPR 알고리즘 예측 모델을 이용하여 3개의 주요 혈압값으로 수축기, 이완기, 평균 혈압을 예측하도록 동작한다.

수축기, 이완기 혈압은 중요한 수치이므로 정확도가 높은 GPR 알고리즘을 이용한다.

이러한 혈압을 예측하는 알고리즘이 탑재된 머신러닝 기술로 학습된 회귀모델은 GPR알고리즘 기반으로 구성되어 있으며, 이를 실생활에 사용하기 위해 필요한 플랫폼에 이식하는 작업을 원활한 실험실환경에서 진행되며, 새로운 데이터를 획득하고 이는 기존에 학습된 모델에 입력시켜 재학습하게 함으로써, 예측능력을 향상시킬 수 있도록 하는 것이다.

또한, 머신러닝 기반 혈압예측부(220)는 예측된 혈압과 가슴압박 깊이와 속도간의 상관관계를 추출하도록 학습하고, 예측된 혈압에 따라 깊이와 속도를 예측하도록 동작한다.

그리고 신경망모델기반 포인트 검출부(230)는 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측한다.

각 예측모델들은 사전에 방대한 CPR 데이터를 기반으로 학습을 하였고 높은 예측도를 보이도록 설계된 모델로서, 새로운 데이터가 입력되면 학습을 통해 점점 예측 정확도를 높일 수 있도록 동작한다.

실제 의료상황에서 수축기, 이완기 혈압값은 CPR의 중요한 모니터링 요소이며 반드시 디스플레이 해주어야 하는 요소이다.

혈압파형생성부(240)는 머신러닝 기반 혈압예측부(220)로부터 수축기, 이완기, 평균 혈압을 입력받고, 신경망모델기반 포인트 검출부(230)로부터 예측된 혈압 파형 생성을 위한 8개의 포인트값을 입력받아 혈압파형을 예측하도록 동작한다.

즉, 혈압파형생성부(240)는 총 11개의 예측된 값을 통해 Spline 보간법을 이용하여 하나의 분절된 혈압파형을 도출하여 제어부(250)로 전송한다.

도 5의 예측 혈압 파형을 생성하는 방법을 설명하기 위한 참고도면과 도 6의 예측 혈압파형과 실제 혈압파형을 비교한 도면을 참고하면, 수축기, 이완기 혈압은 Blood pressure segment의 시작과 끝 그리고 최고점을 표시할 수 있게 한다.

도면에는 DBP(이완기혈압)와 SBP(수축기 혈압)로 파란색 점으로 표시되어 있다.

나머지 8개 포인트는 Blood pressure segment의 가로(시간)를 8등분한 시점에서의 값으로 정의하고 이를 학습된 다중출력을 위한 신경망 알고리즘에 넣어 값을 도출하는 것이다. 도면에는 검정색 점으로 P1 내지 P8으로 표기되어 있다.

결국 총 11개의 포인트가 생성되었고 이점들 사이는 Spline 보간법을 이용하여 데이터를 채워 넣으면 된다.

도 6을 참고하면, 하단에는 본 발명의 예측 혈압 제공 장치에서 생성된 혈압파형이고 상단은 실제 혈압파형으로 일치하고 있음을 알 수 있다.

따라서 본 발명의 예측 혈압 제공 장치는 CPR 피드백장치와 범용성있게 결합하여 비침습적인 방법으로 연속적인 혈압값을 예측할 수 있는 것이다.

또한, 본 발명의 예측 혈압 제공 장치는 기존의 가슴압박 파형으로부터의 산출값(압박 깊이, 속도, 불완전 이완, 가슴압박 휴지 기간, 가슴압박 분율)과 더불어 혈역학적 피드백(혈압, 혈압 파형)을 제공할 수 있는 것이다.

또한, 혈압파형생성부(240)에서 생성된 혈압파형과 머신러닝기반혈압예측부(220)에서 예측된 수축기, 이완기, 평균 혈압은 심폐소생술 피드백 장치(100)에서 생성한 가슴압박 파형은 시각적으로 볼 수 있도록 최종 디스플레이부(250)에 디스플레이되는 것이다.

제어부(250)는 예측 혈압 제공 장치(200)의 각 구성요소를 제어하며, 특히 혈압파형생성부(240)에서 생성한 혈압파형과, 머신러닝 기반 혈압예측부(220)에서 예측된 수축기, 이완기, 평균 혈압과 가슴압박 깊이와 속도간의 상관관계를 수신하고, 심폐소생술 피드백 장치(100)에서 전송된 가슴 압박깊이, 속도 불완전 이완, 압박휴지기간, 그리고 압박 분율 등을 포함하는 가슴압박요소를 디스플레이부(260)에 디스플레이되게 하거나 음성으로 안내할 수 있도록 제어한다.

결국 디스플레이부(260)에는 가슴압박파형과 이에 따른 예측 혈압값과 예측 혈압값에 따른 가슴 압박의 깊이와 속도에 대한 정보가 디스플레이되는 것이다.

따라서 이러한 정보를 이용하여 심폐소생술 중 환자에게서 발생한 혈역학적 효과를 시술자가 시각 또는 음성으로 알 수 있도록 함으로써, 시술자가 심폐소생술을 더 효과적으로 할 수 있도록 하는 것이다.

표 3과 도 7 내지 도 9는 혈압 예측 지표를 사용한 예측 일치도 분석결과에 대한 것으로 표 3은 특징 선택 알고리즘별로 머신러닝으로 학습한 회귀모델의 성능을 예시한 것이다.

표 3은 NCA 특징선택 알고리즘을 이용하여 특징을 선택하고 GPR 회귀모델의 조합이 가장 정확한 예측 능력을 보여주었음을 알 수 있다.

따라서 본 발명의 머신러닝 기반 혈압예측부(220)는 GPR 알고리즘 예측 모델을 이용하여 3개의 주요 혈압값을 추출하도록 예시한 것이다.

도 7 내지 도 9는 혈압 예측 지표를 사용한 동맥압 예측의 일치도 분석 결과를 예시한 것으로, 도 7 내지 도 9는 학습에 사용되지 않고 따로 분리된 데이터를 이용하여 회귀모델에 입력하여 예측성능을 그래프로 표현한 것으로 도 7의 (a)도면은 혈압 예측 지표를 사용한 수축기 혈압 예측의 일치도를 표시한 것이며, 도 7(b)도면은 예측 결과의 Bland Altman Plot이다.

또한, 도 8의 (a)도면은 혈압 예측 지표를 사용한 이완기 혈압 예측의 일치도이며 도 8의 (b)도면은 예측 결과의 Bland Altman Plot이다.

또한, 도 9의 (a)도면은 혈압 예측 지표를 사용한 평균동맥 혈압 예측의 일치도이며 도 9의 (b)도면은 예측 결과의 Bland Altman Plot이다.

이하, 도면을 참고하여 상술한 구성의 심폐소생술 중 가슴압박 파형 분석을 통한 혈압 예측 장치의 동작에 대하여 설명한다.

도 3은 본 발명에 따른 심폐소생술 혈압 예측 장치의 작동을 설명하기 위하여 나타낸 흐름도로서, 도시된 바와 같이, 본 발명의 심폐소생술 혈압 예측 장치는 심폐소생술 피드백 장치(100)로부터 가슴압박 파형을 입력받아 예측 혈압 제공 장치(200)에서 혈압을 예측하여 표시하고 안내하도록 동작한다.

구체적으로 심폐소생술 피드백 장치(100)로부터 가슴압박파형을 도출한다(S110).

단계 S110에서 도출된 가슴압박파형에는 가슴압박 파형 분석을 위한 지표값으로 가슴압박깊이(CD), 가슴압박시간(CT), 평균압박속도(Mean CV), 최대압박속도(Max CV), 이완깊이(RD), 이완시간(RT), 평균이완속도(Mean RV), 최대이완속도(Max RV), 가슴압박속도(CPR rate), 압박/이완 시간비율(Time rate) 등과 같은 지표값이 포함된다.

또한, 심폐소생술 피드백 장치(100)는 가슴압박파형으로부터 가슴 압박깊이, 속도 불완전 이와, 압박휴지기간, 그리고 압박 분율 등을 포함하는 가슴압박요소를 추출하여 예측 혈압 제공 장치(200)로 전송한다.

심폐소생술 중 예측 혈압 제공 장치(200)는 단계 S110에서 도출된 가슴압박 파 분석을 통하여 혈압을 예측할 수 있도록 신호전처리와 입력특징을 추출한다(S120).

구체적으로 전처리부(210)에서 실시간으로 시간에 따른 가슴압박깊이의 변화를 디지털신호로 받아 이를 전처리한다.

또한, 전처리부(210)는 신호의 노이즈나 불필요한 신호를 제거하고 예측모델에 입력하기 위해 신호를 분절(Segmentation)하는 작업을 포함하고, 분절된 가슴압박신호로부터 특징을 추출한다. 추출된 특징은 예측모델에 입력값으로 사용할 수 있도록 입력특징들을 추출하는 것이다.

단계 S120에서 추출된 특징값들은 2개의 예측모델에 각각 입력된다(S130, S140).

즉, 단계 S130에서는 머신러닝 기반 혈압예측부(220)에서 GPR 알고리즘 예측 모델을 이용하여 3개의 주요 혈압값으로 수축기, 이완기, 평균 혈압을 예측한다.

단계 S140에서는 신경망모델기반 포인트 검출부(230)에서 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측한다.

단계 S130과 단계 S140에서 3개의 예측 혈압값과 8개의 포인트값을 이용하여 혈압파형생성부(240)에서 혈압파형을 생성한다(S150).

제어부(250)는 혈압파형생성부(240)에서 생성한 혈압파형과, 머신러닝 기반 혈압예측부(220)에서 예측된 수축기, 이완기, 평균 혈압과 심폐소생술 피드백 장치(100)에서 전송된 가슴 압박깊이, 속도 불완전 이완, 압박휴지기간, 그리고 압박 분율 등을 포함하는 가슴압박요소를 디스플레이부(260)에 디스플레이되게 하거나 음성으로 안내할 수 있도록 제어한다(S160)

상술한 심폐소생술 중 가슴압박 파형 분석을 통한 혈압 예측 장치를 모듈화하면 심폐소생술 피드백장치를 사용하는 제세동기/모니터의 한 요소로서 상용화가 가능하다.

이상에서 본 발명은 기재된 구체예에 대하여 상세히 설명되었지만 본 발명의 기술사상 범위 내에서 다양한 변형 및 수정이 가능함은 당업자에게 있어서 명백한 것이며, 이러한 변형 및 수정이 첨부된 특허 청구범위에 속함은 당연한 것이다.

100 : 혈압 피드백 장치
110 : 3축 가속도 센서 120 : 3축 자이로 센서
130 : 신호처리부
200 : 혈압 피드백 장치
210 : 전처리부 220 : 머신러닝기반 혈압예측부
230 : 신경만모델기반 포인트 산출부 240 : 혈압파형생성부
250 : 제어부 260 : 디스플레이부

Claims

심폐소생술 피드백 장치의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 심폐소생술 중 예측 혈압을 제공하는 장치에 있어서,
상기 가슴압박파형으로부터 지표값들을 산출하고 산출한 지표값으로 예측 혈압을 추출하여 표시하거나 안내해주는 혈압 피드백 장치;
를 포함하는 심폐소생술 중 예측 혈압을 제공하는 장치.
청구항 1에 있어서,
상기 심폐소생술 피드백 장치는
가슴압박의 깊이와 속도를 추출하여 혈압 피드백장치로 전송하고, 혈압 피드백장치는 상기 가슴압박파형과 예측 혈압 그리고 예측 혈압에 따른 가슴압박의 깊이와 속도를 표시하거나 안내해주는 심폐소생술 중 예측 혈압을 제공하는 장치.
청구항 2에 있어서,
상기 혈압피드백장치는
상기 심폐소생술 피드백 장치의 가슴압박 파형을 분석하여 지표값을 산출하는 전처리부;
상기 전처리부에서 산출된 지표값을 이용하여 수축기, 이완기 그리고 평균 예측 혈압값을 산출하는 머신러닝기반 혈압예측부;
상기 전처리부에서 산출된 지표값을 이용하여 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측하는 신경망모델 기반 포인트 검출부;
상기 머신러닝기반 혈압예측부에서 예측된 수축기, 이완기 그리고 평균 혈압과 상기 신경망모델 기반 포인트 검출부에서 검출한 8개의 포인트값을 포함하는 총 11개의 예측된 값을 통해 Spline 보간법을 이용하여 하나의 분절된 혈압파형을 도출하는 혈압파형생성부;및
상기 산출된 예측 혈압값, 상기 가슴압박 파형, 상기 혈압파형, 가슴압박 깊이, 또는 가슴압박속도 중 하나 이상을 디스플레이에 표시하거나 또는 음성으로 안내하는 제어부;
를 포함하는 심폐소생술 중 예측 혈압을 제공하는 장치.
청구항 3에 있어서,
상기 전처리부는
상기 심폐소생술 피드백 장치의 가슴압박 파형으로부터 가슴압박 파형 분석을 위한 지표값으로 가슴압박깊이(CD), 가슴압박시간(CT), 평균압박속도(Mean CV), 최대압박속도(Max CV), 이완깊이(RD), 이완시간(RT), 평균이완속도(Mean RV), 최대이완속도(Max RV), 가슴압박속도(CPR rate), 압박/이완 시간비율(Time rate) 중 둘 이상의 값을 산출하는 심폐소생술 중 예측 혈압을 제공하는 피드백 장치.
청구항 3에 있어서,
상기 머신러닝기반 혈압예측부는
가슴압박파형으로부터 지표값들을 산출하고 산출된 지표값에 대한 예측혈압을 학습하여 저장하고 있는 것을 특징으로 하는 심폐소생술 중 예측 혈압을 제공하는 장치.
심폐소생술 피드백 장치의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 심폐소생술 중 예측 혈압을 제공하는 장치에 있어서,
상기 가슴압박파형으로부터 11개의 포인트값들을 산출하고 산출한 포인트값으로 예측 혈압 파형을 생성하여 표시하거나 안내해주는 혈압 피드백 장치;
를 포함하는 심폐소생술 중 예측 혈압을 제공하는 장치.
청구항 6에 있어서,
상기 혈압피드백장치는
상기 심폐소생술 피드백 장치의 가슴압박 파형을 분석하여 지표값을 산출하는 전처리부;
상기 전처리부에서 산출된 지표값을 이용하여 혈압세그먼트의 시작점과 종료점 그리고 최고점을 포함하는 3개의 포인트값을 산출하는 머신러닝기반 혈압예측부;
상기 전처리부에서 산출된 지표값을 이용하여 8개의 포인트값을 추가로 도출하는 신경망모델기반 포인트 검출부;
상기 총 11개의 포인트간 spline 보간법을 이용하여 예측 혈압 파형을 산출하는 혈압파형 생성부;
상기 산출된 예측 혈압 파형, 예측 혈압, 상기 가슴압박 파형, 가슴압박 깊이, 또는 가슴압박속도 중 하나 이상을 디스플레이에 표시하거나 또는 음성으로 안내하는 제어부;
를 포함하는 심폐소생술 중 예측 혈압을 제공하는 장치.
청구항 7에 있어서,
상기 전처리부는
상기 심폐소생술 피드백 장치의 가슴압박 파형으로부터 가슴압박 파형 분석을 위한 지표값으로 가슴압박깊이(CD), 가슴압박시간(CT), 평균압박속도(Mean CV), 최대압박속도(Max CV), 이완깊이(RD), 이완시간(RT), 평균이완속도(Mean RV), 최대이완속도(Max RV), 가슴압박속도(CPR rate), 압박/이완 시간비율(Time rate) 중 둘 이상의 값을 산출하는 심폐소생술 중 예측 혈압을 제공하는 피드백 장치.
청구항 7에 있어서,
상기 신경망모델기반 포인트 검출부는
상기 압박파형분석부로부터 시작포인트, 종료포인트, 그리고 최고포인트의 3개의 포인트값을 산출하여 혈압 예측 파형에 표시하고, 상기 시작포인트와 종료포인트를 가로로 8등분하여 8개의 포인트값을 추가로 도출하는 심폐소생술 중 예측 혈압을 제공하는 장치.
심폐소생술 피드백 장치의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 혈압 피드백 장치를 이용한 심폐소생술 중 예측 혈압을 제공하는 방법에 있어서,
(a)상기 심폐소생술 피드백 장치로부터 가슴압박파형을 도출하는 단계;
(b)상기 심폐소생술 중 예측 혈압 제공 장치에서 상기 도출된 가슴압박 파형분석을 통하여 혈압을 예측할 수 있도록 신호전처리와 입력특징을 추출하는 단계;
(c)상기 (b)단계에서 추출된 입력특징을 이용하여 예측 혈압 제공 장치에서 GPR 알고리즘 예측 모델을 이용하여 3개의 주요 혈압값으로 수축기, 이완기, 평균 혈압을 예측하는 단계;
(d)상기 (b)단계에서 추출된 입력특징과 상기 (c)단계에서 추출된 3개의 혈압값을 이용하여 예측 혈압 제공 장치에서 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측하는 단계;
(e)상기 (c)단계에서 추출된 3개의 예측 혈압값과 상기 (d)단계에서 추출된 8개의 포인트값을 이용하여 예측 혈압 제공 장치에서 혈압파형을 생성하는 단계;및
(f)상기 (a)단계에서의 가슴압박파형과, 상기 (c)단계에서의 3개의 예측 혈압값과 상기 (e)단계에서의 혈압파형을 예측 혈압 제공 장치에서 디스플레이되도록 제어하는 단계;
를 포함하는 심폐소생술 중 예측 혈압을 제공하는 방법.
청구항 10에 있어서,
상기 (a)단계는
상기 가슴압박파형으로부터 가슴 압박깊이, 속도 불완전 이완, 압박휴지기간, 그리고 압박 분율을 포함하는 가슴압박요소를 추출하여 예측 혈압 제공 장치로 전송하는 단계를 더 포함하는 심폐소생술 중 예측 혈압을 제공하는 방법.
청구항 10에 있어서,
상기 (a)단계는
상기 가슴압박파형에는 가슴압박 파형 분석을 위한 지표값으로 가슴압박깊이(CD), 가슴압박시간(CT), 평균압박속도(Mean CV), 최대압박속도(Max CV), 이완깊이(RD), 이완시간(RT), 평균이완속도(Mean RV), 최대이완속도(Max RV), 가슴압박속도(CPR rate), 압박/이완 시간비율(Time rate) 중 둘 이상의 지표값이 포함되는 심폐소생술 중 예측 혈압을 제공하는 방법.
청구항 10에 있어서,
상기 (c)단계는
예측된 혈압과 가슴압박 깊이와 속도간의 상관관계를 추출하도록 학습하고, 예측된 혈압에 따라 깊이와 속도를 예측하는 단계를 더 포함하는 심폐소생술 중 예측 혈압을 제공하는 방법.
청구항 10에 있어서,
상기 (e)단계는
상기 3개의 예측 혈압값과 8개의 포인트값을 Spline 보간법을 이용하여 하나의 분절된 혈압파형을 도출하는 단계를 더 포함하는 심폐소생술 중 예측 혈압을 제공하는 방법.
청구항 11에 있어서,
상기 (f)단계는
상기 (a)단계에서의 전송된 가슴 압박깊이, 속도 불완전 이완, 압박휴지기간, 그리고 압박 분율을 디스플레이되게 하여 예측 혈압과 가슴 압박깊이, 그리고 속도를 표시하는 단계를 포함하는 심폐소생술 중 예측 혈압을 제공하는 방법.