KR20230080965A - 수면 무호흡 증 진단 장치 및 그 동작 방법 - Google Patents

수면 무호흡 증 진단 장치 및 그 동작 방법 Download PDF

Info

Publication number
KR20230080965A
KR20230080965A KR1020210168586A KR20210168586A KR20230080965A KR 20230080965 A KR20230080965 A KR 20230080965A KR 1020210168586 A KR1020210168586 A KR 1020210168586A KR 20210168586 A KR20210168586 A KR 20210168586A KR 20230080965 A KR20230080965 A KR 20230080965A
Authority
KR
South Korea
Prior art keywords
sleep apnea
sleep
detection result
signal
learned model
Prior art date
Application number
KR1020210168586A
Other languages
English (en)
Other versions
KR102665153B1 (ko
Inventor
이영준
하태경
이호동
Original Assignee
(주)허니냅스
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 (주)허니냅스 filed Critical (주)허니냅스
Priority to KR1020210168586A priority Critical patent/KR102665153B1/ko
Publication of KR20230080965A publication Critical patent/KR20230080965A/ko
Application granted granted Critical
Publication of KR102665153B1 publication Critical patent/KR102665153B1/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
    • A61B5/4818—Sleep apnoea
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/03—Detecting, measuring or recording fluid pressure within the body other than blood pressure, e.g. cerebral pressure; Measuring pressure in body tissues or organs
    • 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
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • 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
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Hematology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명은 수면 무호흡 증 진단 장치 및 그 동작 방법에 관한 것이다. 본 발명의 일 측면에 따르면, 생체 신호 데이터로부터 수면 무호흡 증을 검출하도록 미리 학습된 모델을 포함하는 수면 무호흡 검출부; 테스트 생체 신호 데이터를 기반으로 미리 학습된 모델의 오류 유형을 분석하는 오류 분석부; 및 오류 유형의 분석 결과를 기반으로 수면 무호흡 검출부의 수면 무호흡 증 검출 결과를 수정하는 검출 결과 수정부;를 포함하는, 수면 무호흡 증 진단 장치가 제공된다.

Description

수면 무호흡 증 진단 장치 및 그 동작 방법{APNEA DIAGNOSIS DEVICE AND METHOD OF OPERATION THEREOF}
본 발명은 수면 무호흡 증 진단 장치 및 그 동작 방법에 관한 것이다.
수면 무호흡은 수면 중에 일시적으로 호흡이 정지되는 현상을 말한다. 수면 무호흡이 발생하면 수면의 단절과 주간 졸림이 일어남으로써, 해당 증상을 가진 사람의 삶의 질에 심각한 악영향을 준다. 이러한 수면 무호흡 여부를 검사하기 위해서, 수면 다원검사가 이루어지고 있다. 수면 다원검사는 수면의 단계와 기능, 수면 중 발생하는 사건 등을 객관적으로 평가하는 것으로, 표준 수면 다원검사는 심전도(electrocardiography, ECG), 뇌전도(electro encephalogram, EEG), 안전도(electrooculogram,EOG), 근전도 (electromyogram, EMG), 동맥의 산소 포화도, 비강 및 구강의 기류, 흉부 및 복부의 움직임, 수면자세, 혈압 등 이 기록되고, 호흡 노력을 보기 위해 식도압을 추가하기도 한다. 심전도는 무호흡으로 생길 수 있는 부정맥을 관찰하기 위한 검사이다. 뇌전도, 안전도, 근전도를 통해 수면과 각성 상태를 구분할 수 있으며, 동맥의 산소포 화도는 무호흡 동안에 일어나는 산소의 불포화도를 나타내는 기준이 된다. 또 비강 및 구강의 기류와 흉부 및 복부의 움직임 측정은 호흡의 노력을 통해 정상 호흡인지 중추성 또는 폐쇄성 무호흡인지 판단하는 데 이용된다. 중추성 무호흡은 기류가 없으면서 호흡노력도 없는 경우를 말하며, 폐쇄성 무호흡은 호흡 노력은 있으나 코나 입으로 기류가 나오지 않는 경우를 말한다. 이러한 수면 무호흡 등의 검사를 위해 딥러닝 기반의 인공지능 모델을 사용하려는 시도가 있으나, 인공지능 모델을 이용한다고 하더라도 수면 무호흡 증 검사의 오류는 여전히 존재하므로, 이를 보완할 필요성이 제기된다.
본 발명의 목적은 수면 무호흡 증 진단 기술을 제공하는 것이다.
또한, 본 발명의 목적은 수면 무호흡 증 검출 모델의 오류를 정정할 수 있는 수면 무호흡 증 진단 기술을 제공하는 것이다.
본 발명의 일 측면에 따르면, 생체 신호 데이터로부터 수면 무호흡 증을 검출하도록 미리 학습된 모델을 포함하는 수면 무호흡 검출부; 테스트 생체 신호 데이터를 기반으로 미리 학습된 모델의 오류 유형을 분석하는 오류 분석부; 및 오류 유형의 분석 결과를 기반으로 수면 무호흡 검출부의 수면 무호흡 증 검출 결과를 수정하는 검출 결과 수정부;를 포함하는, 수면 무호흡 증 진단 장치가 제공된다.
일 실시예에서, 수면 무호흡 검출부는 검사 대상의 수면 중 생체 신호 데이터가 입력되면, 미리 학습된 모델을 이용하여 1차 수면 무호흡 검출 결과를 출력하고, 모델 수정부는 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지하고, 수면 무호흡 증 감지 결과를 이용하여 1차 수면 무호흡 증 검출 결과를 수정하여 최종 수면 무호흡 증 검출 결과를 출력할 수 있다.
일 실시예에서, 모델 수정부는 검사 대상의 수면 중 생체 신호 데이터의 신호의 크기, 신호의 구간, 혈중 산소 포화도 및 수면 중 각성을 모니터링하고, 모니터링 결과를 기반으로 1차 수면 무호흡 증 검출 결과를 수정하여 최종 수면 무호흡 증 검출 결과를 출력할 수 있다.
일 실시예에서, 오류 분석부는 검사 대상의 수면 중 생체 신호 데이터가 미리 학습된 모델의 오류 유형에 해당 여부를 판단하고, 모델 수정부는 검사 대상의 수면 중 생체 신호 데이터가 미리 학습된 모델의 오류 유형에 해당하는 것으로 판단되면, 1차 수면 무호흡 증 검출 결과를 수정하여 최종 수면 무호흡 증 검출 결과를 출력할 수 있다.
일 실시예에서, 모델 수정부는 검사 대상의 수면 중 생체 신호 데이터가 미리 학습된 모델의 오류 유형에 해당하지 않는 것으로 판단되면, 1차 수면 무호흡 증 검출 결과를 최종 수면 무호흡 증 검출 결과로 출력할 수 있다.
일 실시예에서, 생체 신호 데이터는, 구비강 온도, 비강 압력, 가슴 움직임, 복부 움직임, 혈중 산소 포화도 및 수면 중 각성 중 적어도 하나의 신호를 포함할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치는 구비강 온도를 측정하는 센서, 비강 압력을 측정하는 센서, 가슴 움직임 측정하는 센서, 복수 움직임을 측정하는 센서, 혈중 산소 포화도를 측정하는 센서 및 수면 중 각성을 측정하는 센서 중 적어도 하나를 포함하는 생체 신호 수집부를 더 포함할 수 있다.
일 실시예에서, 수면 무호흡 증은 수면 무호흡(Apnea), 수면 저호흡(Hypopnea) 및 RERA 중 적어도 하나일 수 있다.
본 발명의 다른 측면에 따르면, 생체 신호 데이터로부터 수면 무호흡 증을 검출하도록 미리 학습된 모델을 테스트 생체 신호 데이터를 기반으로 미리 학습된 모델의 오류 유형을 분석하는 단계; 및 오류 유형의 분석 결과를 기반으로 미리 학습된 모델의 수면 무호흡 증 검출 결과를 수정하는 단계;를 포함하는, 수면 무호흡 증 진단 방법이 제공된다.
본 발명의 일 실시예에 따르면, 수면 무호흡 증 진단 기술이 제공된다.
또한, 본 발명의 다른 실시예에 따르면, 수면 무호흡 증 검출 모델의 오류를 정정할 수 있는 수면 무호흡 증 진단 기술이 제공된다.
도 1은 본 발명의 일 실시예에 따른 수면 무호흡을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 수면 저호흡을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 RERA을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 수면 무호흡 증 진단 장치의 블록도이다.
도 5는 본 발명의 일 실시예에 따른 수면 무호흡 증 진단 방법의 흐름도이다.
도 6은 본 발명의 다른 실시예에 따른 수면 무호흡 증 진단 방법의 흐름도이다.
도 7은 본 발명의 다른 실시예에 따른 수면 무호흡 증 진단 장치의 블록도이다.
이하, 본 문서의 다양한 실시 예들이 첨부된 도면을 참조하여 기재된다.
실시 예 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다.
하기에서 다양한 실시 예들을 설명에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
그리고 후술되는 용어들은 다양한 실시 예들에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
본 문서에서, "A 또는 B" 또는 "A 및/또는 B 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다.
"제1," "제2," "첫째," 또는 "둘째," 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다.
본 명세서에서, "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다.
어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다.
예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 application processor)를 의미할 수 있다.
또한, '또는' 이라는 용어는 배타적 논리합 'exclusive or' 이기보다는 포함적인 논리합 'inclusive or' 를 의미한다.
즉, 달리 언급되지 않는 한 또는 문맥으로부터 명확하지 않는 한, 'x가 a 또는 b를 이용한다' 라는 표현은 포함적인 자연 순열들(natural inclusive permutations) 중 어느 하나를 의미한다.
이하 사용되는 '..부', '..기' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 본 발명의 일 실시예에 따른 수면 무호흡을 설명하기 위한 도면이다.
수면 무호흡(Apnea)은 구강 열 호흡 센서(Oronasal thermal flow sensor)의 최대 진폭이 베이스 라인(baseline)의 90% 이상 감소하고, 이벤트 지속시간(event duration)의 90% 이상에서 무호흡의 진폭 감소 기준이 10초 이상인 경우에 수면 무호흡 구간으로 분류될 수 있다. 여기서, 베이스 라인은 이벤트 구간 발생 전 2분 동안의 안정적인 호흡 및 산소 공급의 평균 진폭 또는 2분 동안 3번의 가장 큰 호흡의 평균 진폭으로 정의될 수 있다. 도 1에는 검사 대상의 수면 중 구강 열 호흡 센서(Oronasal thermal flow sensor)의 신호 데이터가 도시되어 있으며, 구체적으로 비강 압력(Nasal Pressure) 및 온도(thermal)의 신호가 10초 이상 최대 진폭이 베이스라인(baseline)의 90%이상 감소한 구간 즉, 수면 무호흡 구간이 도시되어 있다.
도 2는 본 발명의 일 실시예에 따른 수면 저호흡을 설명하기 위한 도면이다.
수면 저호흡(Hypopnea)은 1)비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하는 경우, 2)30프로 이상 떨어지는 지속시간(duration)이 10초 이상이고, 3)호흡 곡선 기준치의 산소 포화도 보다 3프로 이상 떨어지거나 또는 각성(arousal)이 동반되는 경우에 해당될 수 있다. 또한, 수면 저호흡은 1)비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하는 경우, 2)30프로 이상 떨어지는 지속시간(duration)이 10초 이상이고, 3)호흡 곡선 기준치의 산소 포화도 보다 4프로 이상 떨어지는 경우에 해당될 수 있다. 도 2를 참조하면, 수면 저호홉의 경우 비강 압력 등의 신호 형태가 도시되어 있다.
도 3은 본 발명의 일 실시예에 따른 RERA을 설명하기 위한 도면이다.
RERA(Respiratory Effort Related Arousal)은 무호흡 또는 저호흡의 기준을 만족하지 않으면서 nasal pressure 센서의 출력이 평평한 파형(flattening waveform)이 수면 중 각성을 일으키는 10초 이상의 연속된 호흡을 의미할 수 있다. 도 3을 참조하면, ① 영역에서 각성(Arousal)이 발생하였으므로 이 영역의 이전 10초 구간에서 Nasal Pressure sensor의 출력 신호가 무호흡 또는 저호흡 기준을 만족하지 않으면서 평평한 신호 파형이 수면 중 각성을 일으키는 10초 이상의 연속된 호흡인 RERA이 발생함을 확인할 수 있다.
도 4는 본 발명의 일 실시예에 따른 수면 무호흡 증 진단 장치의 블록도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 수면 무호흡 증 진단 장치(1000)는 생체 신호 수집부(1100), 수면 무호흡 검츨부(1200), 오류 분석부(1300), 검출 결과 수정부(1400) 및 출력부(1500)를 포함할 수 있다.
생체 신호 수집부(1100)는 수면 무호흡 증을 진단하는데 이용되는 검사 대상의 생체 신호 데이터를 수집할 수 있다. 여기서, 생체 신호 데이터는 검사 대상의 수면 중 구비강 온도, 비강 압력, 가슴 움직임, 복부 움직임, 혈중 산소 포화도 및 수면 중 각성 등의 데이터를 의미할 수 있다. 또한, 여기서 수면 무호흡 증이란 수면 무호흡(Apnea), 수면 저호흡(Hypopnea), RERA(Respiratory Effort Related Arousal) 등을 의미할 수 있다.
일 실시예에서, 생체 신호 수집부(1100)는 구비강 온도를 측정하는 센서, 비강 압력을 측정하는 센서, 가슴 움직임 측정하는 센서, 복수 움직임을 측정하는 센서, 혈중 산소 포화도를 측정하는 센서, 수면 중 각성을 측정하는 센서 등의 생체 신호 데이터를 수집하기 위한 센서를 포함할 수 있다.
일 실시예에서, 생체 신호 수집부(1100)는 외부 센서로부터 생체 신호 데이터를 수신할 수 있다. 구체적으로, 생체 신호 수집부(1100)는 구비강 온도를 측정하는 센서, 비강 압력을 측정하는 센서, 가슴 움직임 측정하는 센서, 복수 움직임을 측정하는 센서, 혈중 산소 포화도를 측정하는 센서, 수면 중 각성을 측정하는 센서 등의 외부 센서로부터 생체 신호 데이터를 수신할 수 있다.
수면 무호흡 검츨부(1200)는 수면 무호흡 증을 검출하도록 미리 학습된 모델을 이용하여 검사 대상의 생체 신호 데이터로부터 1차적으로 수면 무호흡 증 검출 결과(이하, 1차 수면 무호흡 증 검출 결과)를 출력할 수 있다.
일 실시예에서, 미리 학습된 모델은 CNN 등의 인공 지능 모델을 기반으로 학습된 모델일 수 있다.
일 실시예에서, 미리 학습된 모델은 미리 학습된 상태로 공개되어 있는 수면 무호흡 증 검출 모델일 수 있다.
오류 분석부(1300)는 수면 무호흡 검츨부(1200)의 오류 유형을 분석할 수 있다. 구체적으로, 오류 분석부(1300)는 테스트 생체 신호 데이터를 기반으로 오류 분석부(1300)의 미리 학습된 모델에 대한 오류 테스트를 진행하여, 미리 학습된 모델의 수면 무호흡 증 검출 결과에 오류 발생하는 유형의 데이터를 분석할 수 있다. 이때, 오류 분석부(1300)는 미리 학습된 모델의 오류 테스트를 위해 상요된 테스트 생체 신호 데이터에 대한 신호의 크기, 구간, 주기 등을 분석하여 수면 무호흡 증을 판단하고, 그 결과를 미리 학습된 모델의 의한 결과와 비교함으로써, 미리 학습된 모델의 오류 유형의 데이터를 분석할 수 있다.
일 실시예에서, 오류 분석부(1300)는 오류가 발생하는 유형의 데이터에 대한 오류 분석 결과를 기반으로 검사 대상의 생체 신호 데이터가 미리 학습된 모델의 수면 무호흡 증 검출 오류 유형에 해당하는지 여부를 판단할 수 있다.
검출 결과 수정부(1400)는 수면 무호흡 검츨부(1200)의 수면 무호흡 검출 결과를 수정할 수 있다. 구체적으로, 검출 결과 수정부(1400)는 미리 학습된 모델에 대한 오류 분석 결과를 기반으로 미리 학습된 모델의 수면 무호흡 증 검출 결과를 수정할 수 있다.
일 실시예에서, 검출 결과 수정부(1400)는 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지하고, 수면 무호흡 증 감지 결과를 기반으로 1차 수면 무호흡 증 검출 결과를 수정할 수 있다. 구체적으로, 검출 결과 수정부(1400)는 검사 대상의 생체 신호 데이터의 신호 크기, 신호 구간, 혈중 산소포화도, 수면 중 각성 등을 모니터링하고, 모니터링한 결과를 기반으로 1차 수면 무호흡 증 검출 결과를 수정할 수 있다.
일 실시예에서, 검출 결과 수정부(1400)는 검사 대상의 수면 중 생체 신호 데이터가 미리 학습된 모델의 오류 유형에 해당하면, 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지하고, 수면 무호흡 증 감지 결과를 기반으로 1차 수면 무호흡 증 검출 결과를 수정하여 최종 수면 무호흡 증 검출 결과를 생성할 수 있다.
일 실시예에서, 검출 결과 수정부(1400)는 검사 대상의 수면 중 생체 신호 데이터가 미리 학습된 모델의 오류 유형에 해당하지 않으면, 1차 수면 무호흡 증 검출 결과를 최종 수면 무호흡 증 검출 결과로 생성할 수 있다.
일 실시예에서, 검출 결과 수정부(1400)는 생체 신호 데이터로부터 수면 무호흡을 검출할 수 있다. 구체적으로, 검출 결과 수정부(1400)는 구강 열 호흡 센서(Oronasal thermal flow sensor)의 최대 진폭이 베이스 라인(baseline)의 90% 이상 감소하고, 이벤트 지속시간(event duration)의 90% 이상에서 무호흡의 진폭 감소 기준이 10초 이상인 경우에 수면 무호흡이 있는 것으로 판단할 수 있다.
일 실시예에서, 검출 결과 수정부(1400)는 생체 신호 데이터로부터 수면 저호흡을 검출할 수 있다. 구체적으로, 검출 결과 수정부는 1)비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하는 경우, 2)30프로 이상 떨어지는 지속시간(duration)이 10초 이상이고, 3)호흡 곡선 기준치의 산소 포화도 보다 3프로 이상 떨어지거나 또는 각성(arousal)이 동반되는 경우를 수면 저호흡이 있는 것으로 판단할 수 있다. 또한, 검출 결과 수정부(1400)는 1)비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하는 경우, 2)30프로 이상 떨어지는 지속시간(duration)이 10초 이상이고, 3)호흡 곡선 기준치의 산소 포화도 보다 4프로 이상 떨어지는 경우를 수면 저호흡이 있는 것으로 판단할 수 있다.
일 실시예에서, 검출 결과 수정부(1400)는 생체 신호 데이터로부터 RERA를 검출할 수 있다. 구체적으로, 검출 결과 수정부(1400)는 무호흡 또는 저호흡의 기준을 만족하지 않으면서 비압 센서의 출력에서 평평한 파형(flattening waveform)이 수면 중 각성(arousal)을 일으키는 10초 이상의 연속되는 경우 RERA가 있는 것으로 판단할 수 있다.
출력부(1500)는 검사 대상에 대한 수면 무호흡 증 검사 결과를 출력할 수 있다. 구체적으로, 출력부(1500)는 최종 수면 무호흡 증 검사 결과를 검사 대상에 대한 수면 무호흡 증 검사 결과로 출력할 수 있다.
일 실시예에서, 출력부(1500)는 프린터 장치 등을 이용하여 검사 대상이 시각적으로 인식할 수 있도록 수면 무호흡 증 검사 결과를 출력할 수 있다.
일 실시예에서, 출력부(1500)는 모바일 단말 등의 외부 장치로 수면 무호흡 증 검사 결과를 전송할 수 있다.
도 5는 본 발명의 일 실시예에 따른 수면 무호흡 증 진단 방법의 흐름도이다.
이하, 도 5에 도시된 방법은 도 4에 도시된 수면 무호흡 증 진단 장치(1000)에 의해 수행되는 것을 예시로 설명한다.
단계 S5100에서, 수면 무호흡 증 검출을 모델이 학습된다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 수면 중인 사람의 생체 데이터로부터 수면 무호흡 증을 검출하도록 모델을 학습시킬 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 CNN 기반의 모델을 수면 무호흡 증 검출 모델로 학습시킬 수 있다.
단계 S5200에서, 생체 신호 데이터가 수집된다. 수면 무호흡 증 진단 장치(1000)는 수면 무호흡 증을 진단하는데 이용되는 검사 대상의 생체 신호 데이터를 수집할 수 있다. 여기서, 생체 신호 데이터는 검사 대상의 수면 중 구비강 온도, 비강 압력, 가슴 움직임, 복부 움직임, 혈중 산소 포화도 및 수면 중 각성 등의 데이터를 의미할 수 있다. 또한, 여기서 수면 무호흡 증이란 수면 무호흡(Apnea), 수면 저호흡(Hypopnea), RERA(Respiratory Effort Related Arousal) 등을 의미할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 구비강 온도를 측정하는 센서, 비강 압력을 측정하는 센서, 가슴 움직임 측정하는 센서, 복수 움직임을 측정하는 센서, 혈중 산소 포화도를 측정하는 센서, 수면 중 각성을 측정하는 센서 등의 생체 신호 데이터를 수집하기 위한 센서를 포함할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 외부 센서로부터 생체 신호 데이터를 수신할 수 있다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 구비강 온도를 측정하는 센서, 비강 압력을 측정하는 센서, 가슴 움직임 측정하는 센서, 복수 움직임을 측정하는 센서, 혈중 산소 포화도를 측정하는 센서, 수면 중 각성을 측정하는 센서 등의 외부 센서로부터 생체 신호 데이터를 수신할 수 있다.
단계 S5300에서, 수면 무호흡 증 검출 결과가 출력된다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 수면 무호흡 증을 검출하도록 미리 학습된 모델을 이용하여 검사 대상의 생체 신호 데이터로부터 1차적으로 수면 무호흡 증 검출 결과(이하, 1차 수면 무호흡 증 검출 결과)를 출력할 수 있다.
단계 S5400에서, 1차 수면 무호흡 증 검출 결과가 수정된다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 수면 무호흡 검츨부(1200)의 수면 무호흡 검출 결과를 수정할 수 있다. 예를 들어, 수면 무호흡 증 진단 장치(1000)는 미리 학습된 모델에 대한 오류 분석 결과를 기반으로 미리 학습된 모델의 수면 무호흡 증 검출 결과를 수정할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지하고, 수면 무호흡 증 감지 결과를 기반으로 1차 수면 무호흡 증 검출 결과를 수정할 수 있다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 검사 대상의 생체 신호 데이터의 신호 크기, 신호 구간, 혈중 산소포화도, 수면 중 각성 등을 모니터링하고, 모니터링한 결과를 기반으로 1차 수면 무호흡 증 검출 결과를 수정할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 생체 신호 데이터로부터 수면 무호흡을 검출할 수 있다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 구강 열 호흡 센서(Oronasal thermal flow sensor)의 최대 진폭이 베이스 라인(baseline)의 90% 이상 감소하고, 이벤트 지속시간(event duration)의 90% 이상에서 무호흡의 진폭 감소 기준이 10초 이상인 경우에 수면 무호흡이 있는 것으로 판단할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 생체 신호 데이터로부터 수면 저호흡을 검출할 수 있다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 1)비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하는 경우, 2)30프로 이상 떨어지는 지속시간(duration)이 10초 이상이고, 3)호흡 곡선 기준치의 산소 포화도 보다 3프로 이상 떨어지거나 또는 각성(arousal)이 동반되는 경우를 수면 저호흡이 있는 것으로 판단할 수 있다. 또한, 수면 무호흡 증 진단 장치(1000)는 1)비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하는 경우, 2)30프로 이상 떨어지는 지속시간(duration)이 10초 이상이고, 3)호흡 곡선 기준치의 산소 포화도 보다 4프로 이상 떨어지는 경우를 수면 저호흡이 있는 것으로 판단할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 생체 신호 데이터로부터 RERA를 검출할 수 있다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 무호흡 또는 저호흡의 기준을 만족하지 않으면서 비압 센서의 출력에서 평평한 파형(flattening waveform)이 수면 중 각성(arousal)을 일으키는 10초 이상의 연속되는 경우 RERA가 있는 것으로 판단할 수 있다.
단계 S5500에서, 최종 수면 무호흡 증 검출 결과가 출력된다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 검사 대상에 대한 수면 무호흡 증 검사 결과를 출력할 수 있다. 수면 무호흡 증 진단 장치(1000)는 최종 수면 무호흡 증 검사 결과를 검사 대상에 대한 수면 무호흡 증 검사 결과로 출력할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 프린터 장치 등을 이용하여 검사 대상이 시각적으로 인식할 수 있도록 수면 무호흡 증 검사 결과를 출력할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 모바일 단말 등의 외부 장치로 수면 무호흡 증 검사 결과를 전송할 수 있다.
도 6은 본 발명의 다른 실시예에 따른 수면 무호흡 증 진단 방법의 흐름도이다.
이하, 도 6에 도시된 방법은 도 4에 도시된 수면 무호흡 증 진단 장치(1000)에 의해 수행되는 것을 예시로 설명한다.
단계 S6100에서, 수면 무호흡 증 검출을 모델이 학습된다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 수면 중인 사람의 생체 데이터로부터 수면 무호흡 증을 검출하도록 모델을 학습시킬 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 CNN 기반의 모델을 수면 무호흡 증 검출 모델로 학습시킬 수 있다.
단계 S6200에서, 미리 학습된 모델의 오류가 분석된다. 수면 무호흡 증 진단 장치(1000)는 수면 무호흡 검츨부(1200)의 오류 유형을 분석할 수 있다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 테스트 생체 신호 데이터를 기반으로 미리 학습된 모델에 대한 오류 테스트를 진행하여, 미리 학습된 모델의 수면 무호흡 증 검출 결과에 오류 발생하는 유형의 데이터를 분석할 수 있다.
단계 S6300에서, 생체 신호 데이터가 수집된다. 수면 무호흡 증 진단 장치(1000)는 수면 무호흡 증을 진단하는데 이용되는 검사 대상의 생체 신호 데이터를 수집할 수 있다. 여기서, 생체 신호 데이터는 검사 대상의 수면 중 구비강 온도, 비강 압력, 가슴 움직임, 복부 움직임, 혈중 산소 포화도 및 수면 중 각성 등의 데이터를 의미할 수 있다. 또한, 여기서 수면 무호흡 증이란 수면 무호흡(Apnea), 수면 저호흡(Hypopnea), RERA(Respiratory Effort Related Arousal) 등을 의미할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 구비강 온도를 측정하는 센서, 비강 압력을 측정하는 센서, 가슴 움직임 측정하는 센서, 복수 움직임을 측정하는 센서, 혈중 산소 포화도를 측정하는 센서, 수면 중 각성을 측정하는 센서 등의 생체 신호 데이터를 수집하기 위한 센서를 포함할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 외부 센서로부터 생체 신호 데이터를 수신할 수 있다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 구비강 온도를 측정하는 센서, 비강 압력을 측정하는 센서, 가슴 움직임 측정하는 센서, 복수 움직임을 측정하는 센서, 혈중 산소 포화도를 측정하는 센서, 수면 중 각성을 측정하는 센서 등의 외부 센서로부터 생체 신호 데이터를 수신할 수 있다.
단계 S6400에서, 수면 무호흡 증 검출 결과가 출력된다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 수면 무호흡 증을 검출하도록 미리 학습된 모델을 이용하여 검사 대상의 생체 신호 데이터로부터 1차적으로 수면 무호흡 증 검출 결과(이하, 1차 수면 무호흡 증 검출 결과)를 출력할 수 있다.
단계 S6500에서, 생체 신호 데이터가 오류 유형에 해당 여부가 판단된다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 오류가 발생하는 유형의 데이터에 대한 오류 분석 결과를 기반으로 검사 대상의 생체 신호 데이터가 미리 학습된 모델의 수면 무호흡 증 검출 오류 유형에 해당하는지 여부를 판단할 수 있다.
단계 S6600에서, 1차 수면 무호흡 증 검출 결과가 수정된다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 검사 대상의 수면 중 생체 신호 데이터가 미리 학습된 모델의 오류 유형에 해당하면, 수면 무호흡 검츨부(1200)의 수면 무호흡 검출 결과를 수정할 수 있다. 예를 들어, 수면 무호흡 증 진단 장치(1000)는 미리 학습된 모델에 대한 오류 분석 결과를 기반으로 미리 학습된 모델의 수면 무호흡 증 검출 결과를 수정할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지하고, 수면 무호흡 증 감지 결과를 기반으로 1차 수면 무호흡 증 검출 결과를 수정할 수 있다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 검사 대상의 생체 신호 데이터의 신호 크기, 신호 구간, 혈중 산소포화도, 수면 중 각성 등을 모니터링하고, 모니터링한 결과를 기반으로 1차 수면 무호흡 증 검출 결과를 수정할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 생체 신호 데이터로부터 수면 무호흡을 검출할 수 있다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 구강 열 호흡 센서(Oronasal thermal flow sensor)의 최대 진폭이 베이스 라인(baseline)의 90% 이상 감소하고, 이벤트 지속시간(event duration)의 90% 이상에서 무호흡의 진폭 감소 기준이 10초 이상인 경우에 수면 무호흡이 있는 것으로 판단할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 생체 신호 데이터로부터 수면 저호흡을 검출할 수 있다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 1)비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하는 경우, 2)30프로 이상 떨어지는 지속시간(duration)이 10초 이상이고, 3)호흡 곡선 기준치의 산소 포화도 보다 3프로 이상 떨어지거나 또는 각성(arousal)이 동반되는 경우를 수면 저호흡이 있는 것으로 판단할 수 있다. 또한, 수면 무호흡 증 진단 장치(1000)는 1)비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하는 경우, 2)30프로 이상 떨어지는 지속시간(duration)이 10초 이상이고, 3)호흡 곡선 기준치의 산소 포화도 보다 4프로 이상 떨어지는 경우를 수면 저호흡이 있는 것으로 판단할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 생체 신호 데이터로부터 RERA를 검출할 수 있다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 무호흡 또는 저호흡의 기준을 만족하지 않으면서 비압 센서의 출력에서 평평한 파형(flattening waveform)이 수면 중 각성(arousal)을 일으키는 10초 이상의 연속되는 경우 RERA가 있는 것으로 판단할 수 있다.
단계 S6700에서, 최종 수면 무호흡 증 검출 결과가 출력된다. 구체적으로, 수면 무호흡 증 진단 장치(1000)는 검사 대상에 대한 수면 무호흡 증 검사 결과를 출력할 수 있다. 수면 무호흡 증 진단 장치(1000)는 최종 수면 무호흡 증 검사 결과를 검사 대상에 대한 수면 무호흡 증 검사 결과로 출력할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 프린터 장치 등을 이용하여 검사 대상이 시각적으로 인식할 수 있도록 수면 무호흡 증 검사 결과를 출력할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 모바일 단말 등의 외부 장치로 수면 무호흡 증 검사 결과를 전송할 수 있다.
일 실시예에서, 수면 무호흡 증 진단 장치(1000)는 검사 대상의 수면 중 생체 신호 데이터가 미리 학습된 모델의 오류 유형에 해당하지 않으면, 1차 수면 무호흡 증 검출 결과를 최종 수면 무호흡 증 검출 결과로 하여 출력할 수 있다.
도 7은 본 발명의 다른 실시예에 따른 수면 무호흡 증 진단 장치의 블록도이다.
도 7에 도시된 바와 같이, 수면 무호흡 증 진단 장치(1000)는 프로세서(7100), 메모리(7200), 저장부(7300), 사용자 인터페이스 입력부(7400) 및 사용자 인터페이스 출력부(7500) 중 적어도 하나 이상의 요소를 포함할 수 있으며, 이들은 버스(7600)를 통해 서로 통신할 수 있다. 또한, 수면 무호흡 증 진단 장치(1000)는 네트워크에 접속하기 위한 네트워크 인터페이스(7700)를 또한 포함할 수 있다. 프로세서(7100)는 메모리(7200) 및/또는 저장소(7300)에 저장된 처리 명령어를 실행시키는 CPU 또는 반도체 소자일 수 있다. 메모리(7200) 및 저장부(7300)는 다양한 유형의 휘발성/비휘발성 기억 매체를 포함할 수 있다. 예를 들어, 메모리는 ROM(7240) 및 RAM(7250)을 포함할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 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 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
1000: 수면 무호흡 증 진단 장치 1100: 생체 신호 수집부
1200: 수면 무호흡 검출부 1300: 오류 분석부
1400: 검출 결과 수정부 1500: 출력부

Claims (25)

  1. 생체 신호 데이터로부터 수면 무호흡 증을 검출하도록 미리 학습된 모델을 포함하는 수면 무호흡 검출부;
    테스트 생체 신호 데이터를 기반으로 상기 미리 학습된 모델의 오류 유형을 분석하는 오류 분석부; 및
    상기 오류 유형의 분석 결과를 기반으로 상기 수면 무호흡 검출부의 수면 무호흡 증 검출 결과를 수정하는 검출 결과 수정부;
    를 포함하는, 수면 무호흡 증 진단 장치.
  2. 제1항에 있어서,
    오류 분석부는,
    상기 테스트 생체 신호 데이터를 이용하여 상기 미리 학습된 모델의 출력을 확인 또는 상기 테스트 생체 신호 데이터의 신호 크기, 신호 주간 및 신호 주기 중 적어도 하나를 기반으로 상기 수면 무호흡 증을 판단한 결과를 상기 미리 학습된 모델의 출력과 비교하여, 상기 미리 학습된 모델의 오류 유형을 분석하는, 수면 무호흡 증 진단 장치.
  3. 제2항에 있어서,
    상기 수면 무호흡 검출부는,
    검사 대상의 수면 중 생체 신호 데이터가 입력되면, 상기 미리 학습된 모델을 이용하여 1차 수면 무호흡 검출 결과를 출력하고,
    상기 모델 수정부는,
    상기 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지하고, 수면 무호흡 증 감지 결과를 이용하여 상기 1차 수면 무호흡 증 검출 결과를 수정하여 최종 수면 무호흡 증 검출 결과를 출력하는, 수면 무호흡 증 진단 장치.
  4. 제3항에 있어서,
    상기 모델 수정부는,
    검사 대상의 수면 중 생체 신호 데이터의 신호의 크기, 신호의 구간, 혈중 산소 포화도 및 수면 중 각성을 모니터링하고, 모니터링 결과를 기반으로 상기 1차 수면 무호흡 증 검출 결과를 수정하여 상기 최종 수면 무호흡 증 검출 결과를 출력하는, 수면 무호흡 증 진단 장치.
  5. 제4항에 있어서,
    상기 오류 분석부는,
    상기 검사 대상의 수면 중 생체 신호 데이터가 상기 미리 학습된 모델의 오류 유형에 해당 여부를 판단하고,
    상기 모델 수정부는
    상기 검사 대상의 수면 중 생체 신호 데이터가 상기 미리 학습된 모델의 오류 유형에 해당하는 것으로 판단되면, 상기 1차 수면 무호흡 증 검출 결과를 수정하여 상기 최종 수면 무호흡 증 검출 결과를 출력하는, 수면 무호흡 증 진단 장치.
  6. 제5항에 있어서,
    상기 모델 수정부는
    상기 검사 대상의 수면 중 생체 신호 데이터가 상기 미리 학습된 모델의 오류 유형에 해당하지 않는 것으로 판단되면, 상기 1차 수면 무호흡 증 검출 결과를 상기 최종 수면 무호흡 증 검출 결과로 출력하는, 수면 무호흡 증 진단 장치.
  7. 제6항에 있어서,
    상기 생체 신호 데이터는, 구비강 온도, 비강 압력, 가슴 움직임, 복부 움직임, 혈중 산소 포화도 및 수면 중 각성 중 적어도 하나의 신호를 포함하는, 수면 무호흡 증 진단 장치.
  8. 제7항에 있어서,
    상기 구비강 온도를 측정하는 센서, 상기 비강 압력을 측정하는 센서, 상기 가슴 움직임 측정하는 센서, 상기 복수 움직임을 측정하는 센서, 상기 혈중 산소 포화도를 측정하는 센서 및 상기 수면 중 각성을 측정하는 센서 중 적어도 하나를 포함하는 생체 신호 수집부를 더 포함하는, 수면 무호흡 증 진단 장치.
  9. 제8항에 있어서,
    상기 수면 무호흡 증은,
    수면 무호흡(Apnea), 수면 저호흡(Hypopnea) 및 RERA(Respiratory Effort Related Arousal) 중 적어도 하나인, 수면 무호흡 증 진단 장치.
  10. 제9항에 있어서,
    상기 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지는,
    구강 열 호흡 센서(Oronasal thermal flow sensor)의 최대 진폭이 베이스 라인(baseline)의 90% 이상 감소하고, 이벤트 지속시간(event duration)의 90% 이상에서 무호흡의 진폭 감소 기준이 10초 이상 지속되는 경우에 상기 수면 무호흡으로 판단하는, 수면 무호흡 증 진단 장치.
  11. 제9항에 있어서,
    상기 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지는,
    1) 비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하고 2) 30프로 이상 떨어지는 지속시간(duration)이 10초 이상이며 3) 호흡 곡선 기준치의 산소 포화도 보다 3프로 이상 떨어지거나 또는 각성(arousal)이 동반되는 경우, 또는 1) 비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하고 2) 30프로 이상 떨어지는 지속시간(duration)이 10초 이상이며, 3) 호흡 곡선 기준치의 산소 포화도 보다 4프로 이상 떨어지는 경우에 상기 수면 저호흡으로 판단하는, 수면 무호흡 증 진단 장치.
  12. 제9항에 있어서,
    상기 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지는,
    무호흡 또는 저호흡의 기준을 만족하지 않으면서 비압 센서의 출력에서 평평한 파형(flattening waveform)이 수면 중 각성(arousal)을 일으키는 10초 이상의 연속되는 경우에 상기 RERA가 있는 것으로 판단하는, 수면 무호흡 증 진단 장치.
  13. 생체 신호 데이터로부터 수면 무호흡 증을 검출하도록 미리 학습된 모델을 테스트 생체 신호 데이터를 기반으로 상기 미리 학습된 모델의 오류 유형을 분석하는 단계; 및
    상기 오류 유형의 분석 결과를 기반으로 상기 미리 학습된 모델의 수면 무호흡 증 검출 결과를 수정하는 단계;
    를 포함하는, 수면 무호흡 증 진단 방법.
  14. 제13항에 있어서,
    상기 미리 학습된 모델의 오류 유형을 분석하는 단계는,
    상기 테스트 생체 신호 데이터를 이용하여 상기 미리 학습된 모델의 출력을 확인 또는 상기 테스트 생체 신호 데이터의 신호 크기, 신호 주간 및 신호 주기 중 적어도 하나를 기반으로 상기 수면 무호흡 증을 판단한 결과를 상기 미리 학습된 모델의 출력과 비교하여, 상기 미리 학습된 모델의 오류 유형을 분석하는, 수면 무호흡 증 진단 방법.
  15. 제13항에 있어서,
    상기 검사 대상의 수면 중 생체 신호 데이터가 입력되면, 상기 미리 학습된 모델을 이용하여 1차 수면 무호흡 검출 결과를 출력하는 단계를 더 포함하되,
    상기 미리 학습된 모델의 수면 무호흡 증 검출 결과를 수정하는 단계는,
    상기 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지하고, 수면 무호흡 증 감지 결과를 이용하여 상기 1차 수면 무호흡 증 검출 결과를 수정하여 최종 수면 무호흡 증 검출 결과를 출력하는, 수면 무호흡 증 진단 방법.
  16. 제15항에 있어서,
    상기 미리 학습된 모델의 수면 무호흡 증 검출 결과를 수정하는 단계는,
    검사 대상의 수면 중 생체 신호 데이터의 신호의 크기, 신호의 구간, 혈중 산소 포화도 및 수면 중 각성을 모니터링하고, 모니터링 결과를 기반으로 상기 1차 수면 무호흡 증 검출 결과를 수정하여 상기 최종 수면 무호흡 증 검출 결과를 출력하는, 수면 무호흡 증 진단 방법.
  17. 제16항에 있어서,
    상기 미리 학습된 모델의 오류 유형을 분석하는 단계는,
    상기 검사 대상의 수면 중 생체 신호 데이터가 상기 미리 학습된 모델의 오류 유형에 해당 여부를 판단하고,
    상기 미리 학습된 모델의 수면 무호흡 증 검출 결과를 수정하는 단계는,
    상기 검사 대상의 수면 중 생체 신호 데이터가 상기 미리 학습된 모델의 오류 유형에 해당하는 것으로 판단되면, 상기 1차 수면 무호흡 증 검출 결과를 수정하여 상기 최종 수면 무호흡 증 검출 결과를 출력하는, 수면 무호흡 증 진단 방법.
  18. 제17항에 있어서,
    상기 미리 학습된 모델의 수면 무호흡 증 검출 결과를 수정하는 단계는,
    상기 검사 대상의 수면 중 생체 신호 데이터가 상기 미리 학습된 모델의 오류 유형에 해당하지 않는 것으로 판단되면, 상기 1차 수면 무호흡 증 검출 결과를 상기 최종 수면 무호흡 증 검출 결과로 출력하는, 수면 무호흡 증 진단 방법.
  19. 제18항에 있어서,
    상기 생체 신호 데이터는, 구비강 온도, 비강 압력, 가슴 움직임, 복부 움직임, 혈중 산소 포화도 및 수면 중 각성 중 적어도 하나의 신호를 포함하는, 수면 무호흡 증 진단 방법.
  20. 제19항에 있어서,
    상기 구비강 온도를 측정하는 센서, 상기 비강 압력을 측정하는 센서, 상기 가슴 움직임 측정하는 센서, 상기 복수 움직임을 측정하는 센서, 상기 혈중 산소 포화도를 측정하는 센서 및 상기 수면 중 각성을 측정하는 센서 중 적어도 하나로부터 상기 생체 신호 데이터를 수신하는 단계를 더 포함하는, 수면 무호흡 증 진단 방법.
  21. 제20항에 있어서,
    상기 수면 무호흡 증은,
    수면 무호흡(Apnea), 수면 저호흡(Hypopnea) 및 RERA(Respiratory Effort Related Arousal) 중 적어도 하나인, 수면 무호흡 증 진단 방법.
  22. 제21항에 있어서,
    상기 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지는,
    구강 열 호흡 센서(Oronasal thermal flow sensor)의 최대 진폭이 베이스 라인(baseline)의 90% 이상 감소하고, 이벤트 지속시간(event duration)의 90% 이상에서 무호흡의 진폭 감소 기준이 10초 이상 지속되는 경우에 상기 수면 무호흡으로 판단하는, 수면 무호흡 증 진단 방법.
  23. 제21항에 있어서,
    상기 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지는,
    1) 비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하고 2) 30프로 이상 떨어지는 지속시간(duration)이 10초 이상이며 3) 호흡 곡선 기준치의 산소 포화도 보다 3프로 이상 떨어지거나 또는 각성(arousal)이 동반되는 경우, 또는 1) 비압 센서(Nasal pressure sensor)의 출력이 이전의 호흡 곡선 기준치(pre-event baseline)에 대하여 30프로 이상 감소하고 2) 30프로 이상 떨어지는 지속시간(duration)이 10초 이상이며, 3) 호흡 곡선 기준치의 산소 포화도 보다 4프로 이상 떨어지는 경우에 상기 수면 저호흡으로 판단하는, 수면 무호흡 증 진단 방법.
  24. 제21항에 있어서,
    상기 검사 대상의 수면 중 생체 신호 데이터에 포함된 신호를 분석하여 수면 무호흡 증을 감지는,
    무호흡 또는 저호흡의 기준을 만족하지 않으면서 비압 센서의 출력에서 평평한 파형(flattening waveform)이 수면 중 각성(arousal)을 일으키는 10초 이상의 연속되는 경우에 상기 RERA가 있는 것으로 판단하는, 수면 무호흡 증 진단 방법.
  25. 제13항 내지 제24항 중 어느 한 항에 기재된 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020210168586A 2021-11-30 2021-11-30 수면 무호흡 증 진단 장치 및 그 동작 방법 KR102665153B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210168586A KR102665153B1 (ko) 2021-11-30 2021-11-30 수면 무호흡 증 진단 장치 및 그 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210168586A KR102665153B1 (ko) 2021-11-30 2021-11-30 수면 무호흡 증 진단 장치 및 그 동작 방법

Publications (2)

Publication Number Publication Date
KR20230080965A true KR20230080965A (ko) 2023-06-07
KR102665153B1 KR102665153B1 (ko) 2024-05-13

Family

ID=86761169

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210168586A KR102665153B1 (ko) 2021-11-30 2021-11-30 수면 무호흡 증 진단 장치 및 그 동작 방법

Country Status (1)

Country Link
KR (1) KR102665153B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101864642B1 (ko) 2016-11-18 2018-06-05 주식회사 바이랩 수면 무호흡 측정장치 및 그 방법
KR20200079676A (ko) * 2018-12-26 2020-07-06 (주)허니냅스 딥러닝 기반의 수면다원 검사장치 및 그 방법
KR20200127202A (ko) * 2018-03-02 2020-11-10 닛토덴코 가부시키가이샤 수면 단계 검출을 위한 방법, 컴퓨팅 장치 및 웨어러블 장치
KR102309022B1 (ko) 2021-02-09 2021-10-07 메디팜소프트(주) 인공지능 기반의 생체 신호 원격 모니터링 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101864642B1 (ko) 2016-11-18 2018-06-05 주식회사 바이랩 수면 무호흡 측정장치 및 그 방법
KR20200127202A (ko) * 2018-03-02 2020-11-10 닛토덴코 가부시키가이샤 수면 단계 검출을 위한 방법, 컴퓨팅 장치 및 웨어러블 장치
KR20200079676A (ko) * 2018-12-26 2020-07-06 (주)허니냅스 딥러닝 기반의 수면다원 검사장치 및 그 방법
KR102309022B1 (ko) 2021-02-09 2021-10-07 메디팜소프트(주) 인공지능 기반의 생체 신호 원격 모니터링 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
기사, 폐쇄성 수면 무호흡 증후군의 진단과 치료 *

Also Published As

Publication number Publication date
KR102665153B1 (ko) 2024-05-13

Similar Documents

Publication Publication Date Title
US11992344B2 (en) Discrimination of cheyne stokes breathing patterns
JP5284082B2 (ja) 呼吸器疾患を診断し、悪化の程度を判定する装置
US6893405B2 (en) Analysis of Sleep Apnea
US8275553B2 (en) System and method for evaluating physiological parameter data
JP5662373B2 (ja) 呼吸信号から呼吸パターンを検出して識別する方法
JP6199330B2 (ja) 酸素測定信号を用いるチェーンストークス呼吸パターンの識別
JP5714903B2 (ja) 自動化した睡眠の表現型
US8775340B2 (en) Detection and prediction of physiological events in people with sleep disordered breathing using a LAMSTAR neural network
JP6956640B2 (ja) 睡眠呼吸障害のスクリーニング、診断および監視のためのシステムおよび方法
US10729333B2 (en) System and method for monitoring physiological activity of a subject
US10004452B2 (en) System and methods for estimating respiratory airflow
JP7030819B2 (ja) カプノメトリ及び酸素飽和度を組み合わせた生理学的モニタリング判断支援システム
JP2011500110A5 (ko)
KR20230080965A (ko) 수면 무호흡 증 진단 장치 및 그 동작 방법
KR102637471B1 (ko) 수면다원검사에 따른 호흡 이벤트 감지를 위한 데이터 처리 장치 및 그 동작 방법
KR102637473B1 (ko) 수면다원검사에 따른 rera 구간을 감지하기 위한 데이터 처리 장치 및 그 동작 방법
KR102637472B1 (ko) 수면다원검사에 따른 호흡 이벤트 구간을 감지하기 위한 데이터 처리 장치 및 그 동작 방법
Dondelinger Apnea monitors
JP2023039942A (ja) レーダを利用して睡眠呼吸を分析する装置、方法及びコンピュータプログラム

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant