KR20230133198A - 수면 질을 점수화하는 장치, 방법 및 컴퓨터 프로그램 - Google Patents

수면 질을 점수화하는 장치, 방법 및 컴퓨터 프로그램 Download PDF

Info

Publication number
KR20230133198A
KR20230133198A KR1020230021306A KR20230021306A KR20230133198A KR 20230133198 A KR20230133198 A KR 20230133198A KR 1020230021306 A KR1020230021306 A KR 1020230021306A KR 20230021306 A KR20230021306 A KR 20230021306A KR 20230133198 A KR20230133198 A KR 20230133198A
Authority
KR
South Korea
Prior art keywords
sleep
target object
scoring
information
sleep quality
Prior art date
Application number
KR1020230021306A
Other languages
English (en)
Inventor
최선탁
Original Assignee
주식회사 비트센싱
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 주식회사 비트센싱 filed Critical 주식회사 비트센싱
Priority to US18/119,519 priority Critical patent/US20230284971A1/en
Priority to EP23160941.3A priority patent/EP4241657A1/en
Priority to JP2023037711A priority patent/JP2023133265A/ja
Publication of KR20230133198A publication Critical patent/KR20230133198A/ko

Links

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
    • A61B5/4815—Sleep quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • 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
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명의 실시예에 따른 수면 질을 점수화하는 장치는 복수의 수면 다원 검사 대상자에 대한 수면 다원 검사 결과 정보에 기초하여 수면 다원 검사의 요소 별로 분포 모델을 생성하고, 상기 분포 모델 별로 점수화 함수를 생성하는 점수화 함수 생성부; 대상 객체를 향하여 레이더 신호를 송신하고, 상기 대상 객체로부터 반사된 레이더 신호를 수신하는 송수신부; 상기 레이더 신호에 기초하여 상기 대상 객체에 대한 수면 시간 정보 및 복수의 수면 항목에 대한 이벤트 발생 정보를 도출하는 정보 도출부; 상기 수면 시간 정보 및 상기 이벤트 발생 정보를 상기 점수화 함수에 적용하여 요소별 점수를 계산하는 요소별 점수 계산부; 및 계산된 상기 요소별 점수를 기초로 상기 대상 객체에 대한 수면 질 점수를 계산하는 수면 질 점수 계산부; 를 포함한다.

Description

수면 질을 점수화하는 장치, 방법 및 컴퓨터 프로그램{DEVICE, METHOD AND COMPUTER PROGRAM FOR SCORING SLEEP QUALITY}
본 발명은 수면의 질을 측정하고 점수화하는 장치, 방법 및 컴퓨터 프로그램에 관한 것이다.
수면 다원 검사(Polysomnography)는 수면장애를 진단하기 위한 검사로서, 수면 중 뇌파, 안구운동, 근육의 움직임, 호흡, 심전도 등을 종합적으로 측정하고 동시에 수면 상태를 비디오로 녹화한 후, 측정 및 녹화된 기록을 분석하여 수면과 관련된 질환을 진단하고 치료방침을 정하는데 사용되고 있다.
전술한 수면 다원 검사는 수면 무호흡증, 수면 장애, 수면 보행증 등의 증상을 진단할 수 있으며, 이러한 질환들을 판단하기 위한 지수로서, 수면 단계(Sleep stage), 무호흡 지수(Apnea-hypopnea index, AHI), 호흡 장애 지수(Respiratory Disturbance Index; RDI) 등이 사용되고 있다.
한편, 수면 다원 검사는 전문 인력들이 다양한 센서를 통해 측정된 환자의 생체 데이터들을 조합하여 전술한 지수들을 판단하는 매뉴얼 수면 스코어링(Manual sleep scoring) 방법을 이용하고 있다.
다시 말해, 현재 수면 다원 검사는 수면 스코어링(Sleep scoring)을 각 전문 인력들의 주관적인 판단 기준에 의해 진행하고 있어, 스코어링 결과의 정확도와 신뢰도가 떨어진다는 문제가 있다.
구체적으로, 수면 다원 검사는 수면 스코어링을 위한 판정 기준이 매우 명확한 것처럼 보이나, 환자마다 생체 신호의 형태나 크기가 다르며 생체 신호에 나타나는 비정형성으로 인해 전문 인력들 사이에서도 많은 오차를 보이고 있다. 실제로, 전문 인력들이 동일한 환자의 동일한 생체 데이터를 가지고 수면 스코어링을 수행하면, 10%정도의 스코어링 편차를 보이는 것으로 알려져 있다.
그러나, 수면 스코어링은 전문 인력에 의해 수작업으로 진행됨에 따라, 소요 시간이 너무 길어진다는 문제가 있다. 실제, 숙련된 전문 인력이 한명의 환자에 대한 수면 스코어링을 진행하는데 소요되는 시간은 약 3~4시간인것으로 알려져 있다.
한편, 수면의 질과 양을 측정하는 기초적인 방법은 손목 활동량계(Wrist Actigraphy)를 이용하여 수면 시간을 측정하고 있다. 구체적으로, 손목 활동량계를 착용한 착용자의 활동 상태를 기반으로 착용자의 수면 시간을 측정하고 수면 중 뒤척임(Toss) 등을 검출한다. 그리고 손목에 착용하는 광용적맥파(Photoplethysmography, PPG) 측정 장치를 이용하여 착용자의 수면 중 심박수 및 심박 변이도를 측정할 수 있다. 구체적으로, 착용자의 수면 단계를 구별하고, 산소포화도(SpO2)를 측정하여 무호흡에 의한 산소 포화도의 저하(Desaturation)를 검출한다.
그러나 종래 기술에 따른 검사 방법은 사람의 신체 일부에 검사 장치를 부착한 상태에서 검사가 진행되어야 하는 불편함이 존재하고, 수면질환을 보다 정밀하게 검사하기 위해서는 고비용의 검사장치에만 의존해야 하는 한계가 존재한다.
(특허문헌 1) 한국등록특허공보 제10-2321991호 (2021. 10. 29. 등록)
(특허문헌 2) 한국공개특허공보 제10-2018-0077453호 (2018. 7. 9. 공개)
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 레이더를 이용해 사람의 수면 상태를 분석하고, 분석된 결과를 통해 수면 질에 대한 점수 판정을 자동화함으로써 수면 질의 측정에 소요되는 시간을 최소화할 수 있는 수면 질을 점수화하는 장치, 방법 및 그 컴퓨터 프로그램을 제공하고자 한다.
또한, 본 발명은 검사 대상자의 상태에 따라 다른 분포 모델과 점수화 함수를 통해 수면 질을 판단하여, 도출된 수면 질 점수에 대한 정확성 및 신뢰성을 향상시킬 수 있는 수면 질을 점수화하는 장치, 방법 및 그 컴퓨터 프로그램을 제공하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 수단으로서 본 발명의 일 실시예는, 수면 질을 점수화하는 장치에 있어서, 복수의 수면 다원 검사 대상자에 대한 수면 다원 검사 결과 정보에 기초하여 수면 다원 검사의 요소 별로 분포 모델을 생성하고, 상기 분포 모델 별로 점수화 함수를 생성하는 점수화 함수 생성부; 대상 객체를 향하여 레이더 신호를 송신하고, 상기 대상 객체로부터 반사된 레이더 신호를 수신하는 송수신부; 상기 레이더 신호에 기초하여 상기 대상 객체에 대한 수면 시간 정보 및 복수의 수면 항목에 대한 이벤트 발생 정보를 도출하는 정보 도출부; 상기 수면 시간 정보 및 상기 이벤트 발생 정보를 상기 점수화 함수에 적용하여 요소별 점수를 계산하는 요소별 점수 계산부; 및 계산된 상기 요소별 점수를 기초로 상기 대상 객체에 대한 수면 질 점수를 계산하는 수면 질 점수 계산부; 를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 레이더를 이용해 사람의 수면 상태를 분석하고, 분석된 결과를 통해 수면 질에 대한 점수 판정을 자동화함으로써 수면 질의 측정에 소요되는 시간을 최소화할 수 있는 수면 질을 점수화하는 장치, 방법 및 그 컴퓨터 프로그램을 제공할 수 있다.
또한, 본 발명은 검사 대상자의 상태에 따라 다른 분포 모델과 점수화 함수를 통해 수면 질을 판단하여, 도출된 수면 질 점수에 대한 정확성 및 신뢰성을 향상시킬 수 있는 수면 질을 점수화하는 장치, 방법 및 그 컴퓨터 프로그램을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 수면 질을 점수화하는 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 수면 질을 점수화하는 장치의 구성도이다.
도 3은 본 발명의 일 실시예에 따른 평균 호흡 신호를 산출하는 과정을 설명하기 위한 예시적인 도면이다.
도 4는 본 발명의 일 실시예에 따른 시간 민감도 인자 및 진폭 민감도 인자를 설명하기 위한 예시적인 도면이다.
도 5는 본 발명의 일 실시예에 따른 제1 수면 호흡 패턴 정보 및 제2 수면 호흡 패턴 정보를 설명하기 위한 예시적인 도면이다.
도 6은 본 발명의 일 실시예에 따른 제1 수면 호흡 이벤트 및 제2 수면 호흡 이벤트를 설명하기 위한 예시적인 도면이다.
도 7a는 본 발명의 일 실시예에 따른 복수의 수면 항목에 대한 최적 파라미터를 설명하기 위한 예시적인 도면이다.
도 7b는 본 발명의 일 실시예에 따른 수면 다원 검사에 대한 데이터 세트의 예시적인 도면이다.
도 8은 본 발명의 일 실시예에 따른 수면 관련 병증의 분포 정보에 대한 예시적인 도면이다.
도 9는 본 발명의 일 실시예에 따른 대상 객체가 수면 관련 병증에 해당하는지 여부를 판단하는 과정을 설명하기 위한 예시적인 도면이다.
도 10 및 도 11은 본 발명의 일 실시예에 따른 수면 질을 점수화 하는 과정을 예시하여 설명하기 위한 도면이다.
도 12 및 도 13는 본 발명의 일 실시예에 따른 분포 모델을 예시하여 설명하기 위한 도면이다.
도 14 및 도 15는 본 발명의 일 실시예에 따른 점수화 함수를 예시하여 설명하기 위한 도면이다.
도 16은 도 14의 점수화 함수에 따라 수면 질을 점수화 하는 과정을 예시하여 설명하기 위한 도면이다.
도 17은 본 발명의 일 실시예에 따라 수면 다원 검사의 요소별로 계산된 점수를 기초로 수면 질 점수를 계산하는 것을 예시하여 설명하기 위한 도면이다.
도 18은 본 발명의 일 실시예에 따라 수면 다원 검사 요소별로 계산된 점수를 가중치에 기초하여 수면 질 점수를 계산하는 것을 예시하여 설명하기 위한 도면이다.
도 19는 본 발명의 일 실시예에 따른 수면 질의 점수화 방법의 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 수면 질을 점수화하는 장치의 구성도이다.
도 1을 참조하면, 수면 질을 점수화하는 시스템(1)은 수면 질을 점수화 하는 장치 (100) 및 레이더(110)를 포함할 수 있다.
도 1의 수면 질을 점수화 하는 시스템(1)의 각 구성요소들은 일반적으로 네트워크(network)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 수면 질을 점수화 하는 장치 (100) 및 레이더(110)는 동시에 또는 시간 간격을 두고 연결될 수 있다. 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long TermEvolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
수면 질을 점수화 하는 장치(100)는 대상 객체(111)의 수면 중 레이더(110)를 이용하여 대상 객체(111)의 호흡 신호를 분석할 수 있다. 수면 질을 점수화 하는 장치(100)는 대상 객체(111)의 호흡 신호를 이용하여 대상 객체(111)의 수면 장애를 검출할 수 있고, 수면 관련 질환을 판단할 수 있다.
예를 들어, 수면 질을 점수화 하는 장치(100)는 수면 중인 대상 객체(111)와 일정 거리를 유지한 위치에 배치되어, 레이더(110)를 통해 대상 객체(111)를 향하여 레이더 신호를 송신할 수 있고, 대상 객체(111)로부터 반사되는 레이더 신호를 수신할 수 있다.
수면 질을 점수화 하는 장치(100)는 레이더(110)를 이용하여 대상 객체(111)의 폐쇄성 수면무호흡증, 중추성 수면무호흡증 및 혼합성 수면무호흡증 등을 포함하는 수면 관련 병증을 판단할 수 있다.
따라서, 수면 질을 점수화 하는 장치(100)를 이용하면 수면 다원 검사를 진행하지 않더라도, 수면 다원 검사와 같이 대상 객체(111)의 수면 관련 병증을 정밀하게 판단하고 원인을 분석할 수 있다.
이를 통해, 수면 질을 점수화 하는 장치(100)는 레이더(110)를 이용하여 대상 객체(111)의 수면과 관련된 호흡 신호를 분석함으로써, 종래 수면 다원 검사를 진행하는 과정에서의 번거로움을 간소화할 수 있다. 또한, 수면 질을 점수화하는 장치(100)는 일상 생활에서 간편하게 대상 객체(111)의 수면 호흡을 지속적으로 분석할 수 있고, 수면 관련병증의 추적 관찰을 진행할 수 있다. 또한, 비대면으로 대상 객체(111)의 수면 호흡을 분석할 수 있는 효과도 가질 수 있다.
이하, 수면 질을 점수화 하는 장치(100)의 각 구성 요소를 살펴보도록 한다.
도 2는 본 발명의 일 실시예에 따른 수면 질을 점수화하는 장치의 구성도이다. 도 2를 참조하면, 수면 질을 점수화하는 장치(100)는 송수신부(210), 정보 도출부(220), 지수 도출부(230), 병증 판단부(240) 점수화 함수 생성부(250), 요소별 점수 계산부(260) 및 수면 질 점수 계산부(270)를 포함할 수 있다. 다만 위 구성 요소들(210 내지270)은 수면 질을 점수화하는 장치(100)에 의하여 제어될 수 있는 구성요소들을 예시적으로 도시한 것일 뿐이다. 상기한 송수신부(210)는 도 1의 레이더(110)에 대응되는 구성으로 이해될 수 있다.
이하, 수면 질을 점수화하는 장치(100)의 각 구성요소를 살펴보도록 한다.
송수신부(210)는 대상 객체를 향하여 레이더 신호를 송신할 수 있다. 송수신부(210)는 대상 객체로부터 반사되는 레이더 신호를 수신할 수 있다. 예를 들어, 송수신부(210)는 레이더를 이용하여 대상 객체를 향하여 레이더 신호를 송신할 수 있고, 대상 객체로부터 반사되는 레이더 신호를 수신할 수 있다.
정보 도출부(220)는 대상 객체로부터 반사되는 레이더 신호를 이용하여 대상 객체의 평균 호흡 신호를 도출할 수 있고, 평균 호흡 신호에 기초하여 대상 객체의 수면 호흡 패턴 정보를 생성할 수 있고, 수면 중 발생하는 수면 호흡 이벤트를 검출할 수 있다.
정보 도출부(220)는 평균 호흡 신호 도출부(221), 수면 호흡 패턴 정보 생성부(222) 및 수면 호흡 이벤트 검출부(223)를 포함할 수 있다. 평균 호흡 신호 도출부(221)는 레이더 신호에 기초하여 대상 객체에 대한 평균 호흡 신호를 도출할 수 있다. 예를 들어, 평균 호흡 신호 도출부(221)는 대상 객체로부터 반사되는 레이더 신호의 패턴, 신호의 진폭의 변화를 이용하여 대상 객체의 평소 호흡에 해당하는 신호를 산출할 수 있다.
평균 호흡 신호 도출부(221)는 대상 객체로부터 반사되는 레이더 신호와 2개의 민감도 인자를 이용하여 대상 객체에 대한 평균 호흡 신호를 산출할 수 있다.
이하, 도 3 및 도 4를 참조하여 평균 호흡 신호를 산출하는 과정을 살펴보도록 한다.
도 3은 본 발명의 일 실시예에 따른 평균 호흡 신호를 산출하는 과정을 설명하기 위한 예시적인 도면이다. 도 3을 참조하면, 평균 호흡 신호 도출부(221)는 대상 객체로부터 반사되는 레이더 신호(310)를 이용하여 대상 객체의 평균 호흡 신호(311)를 도출할 수 있고, 대상 객체의 수면 호흡에 대한 상태 정보(312)를 생성할 수 있다.
예를 들어, 평균 호흡 신호 도출부(221)는 레이더 신호(310)에 기초하여 시간 민감도 인자 및 진폭 민감도 인자를 이용하여 평균 호흡 신호(311)를 도출할 수 있다. 평균 호흡 신호 도출부(221)는 하기 수학식 1을 이용할 수 있다.
<수학식 1>
수학식 1에서, m은 대상 객체의 평균 호흡 신호이고, x는 대상 객체로부터 반사되어 수신한 레이더 신호이다. l은 특정 연속 구간의 시간 길이를 의미하는 시간 민감도 인자이고, 시퀀스 단위로 레이더 신호의 주파수와 초 단위의 길이를 곱한 정수이다. 그리고, F는 특정 연속 구간의 진폭에 반응하는 진폭 민감도 인자이다.
예를 들어, 평균 호흡 신호 도출부(221)는 시간 민감도 인자 및 진폭 민감도 인자를 이용하여 대상 객체에 대한 평균 호흡 신호를 산출할 수 있다. 수학식 1을 참조하면, 대상 객체에 대한 평균 호흡 신호는 시간 민감도 인자가 커질수록 진폭 민감도 인자가 작을수록 시간에 따른 신호의 파형이 둔감할 수 있고, 시간 민감도
인자가 작을수록 진폭 민감도 인자가 커질수록 시간에 따른 신호의 파형이 급변할수 있다.
평균 호흡 신호 도출부(221)는 대상 객체로부터 수신한 레이더 신호(310)와 평균 호흡 신호(311)를 비교할 수 있다. 예를 들어, 평균 호흡 신호 도출부(221)는 레이더 신호(310) 중 평균 호흡 신호(311)보다 작은 구간을 검출할 수 있다. 평균 호흡 신호 도출부(221)는 레이더 신호(310) 중 평균 호흡 신호(311)보다 작은 구간을 검출하여 수면 호흡에 대한 상태 정보(312)를 생성할 수 있다.
평균 호흡 신호 도출부(221)는 레이더 신호(310) 중 평균 호흡 신호(311)보다 작은 구간에 대하여 '1'을 부여할 수 있고, 이외 구간에 대하여 '0'을 부여할수 있다. 예를 들어, 평균 호흡 신호 도출부(221)는 검출 결과에 기초하여 대상 객체의 수면 호흡에 대한 호흡 상태 정보를 생성할 수 있다. 즉, 대상 객체의 수면 호흡에 대한 상태 정보(312)는 '1' 또는 '0'의 값으로 표현될 수 있다.
도 4는 본 발명의 일 실시예에 따른 시간 민감도 인자 및 진폭 민감도 인자를 설명하기 위한 예시적인 도면이다. 예를 들어, 평균 호흡 신호 도출부(221)는 대상 객체로부터 수신한 레이더 신호에 기초하여 대상 객체에 대한 평균 호흡 신호를 산출할 수 있다. 이 때, 평균 호흡 신호 도출부(221)는 시간 민감도 인자 및 진폭 민감도 인자를 활용할 수 있다.
도 4의 (a)는 레이더 신호(410)로부터 도출된 시간 민감도 인자의 변화에 따른 평균 호흡 신호를 나타내는 그래프이고, (b)는 레이더 신호(410)로부터 도출된 진폭 민감도 인자의 변화에 따른 평균 호흡 신호를 나타내는 그래프이다.
도 4의 (a)에 도시된 예시 및 전술한 수학식 1을 참조하면, 시간 민감도 인자의 주기가 짧을수록 해당 시간 민감도 인자에 대응하는 평균 호흡 신호의 파형은 급변할 수 있다. 예를 들어, 10초 주기의 시간 민감도 인자에 대응하는 평균 호흡 신호의 파형(411)과 20초 주기의 시간 민감도 인자(412)에 대응하는 평균 호흡 신호의 파형과 30초 주기의 시간 민감도 인자(413)에 대응하는 평균 호흡 신호의 파형을 비교하면, 10초 주기의 시간 민감도 인자에 대응하는 평균 호흡 신호의 파형(411)이 가장 급변할 수 있다.
도 4의 (b)에 도시된 예시 및 전술한 수학식 1을 참조하면, 진폭 민감도 인자의 주기가 작을수록 해당 진폭 민감도 인자에 대응하는 평균 호흡 신호의 파형은 둔감할 수 있다. 예를 들어, 0.5 주기의 진폭 민감도 인자에 대응하는 평균 호흡 신호의 파형(414)과 1.0 주기의 진폭 민감도 인자(415)에 대응하는 평균 호흡 신호의 파형과 1.5 주기의 진폭 민감도 인자(416)에 대응하는 평균 호흡 신호의 파형을 비교하면, 0.5 주기의 진폭 민감도 인자에 대응하는 평균 호흡 신호의 파형(411)이가장 둔감할 수 있다.
수면 호흡 패턴 정보 생성부(222)는 평균 호흡 신호와 레이더 신호를 비교하여 대상 객체에 대한 수면 호흡 패턴 정보를 생성할 수 있다. 예를 들어, 수면 호흡 패턴 정보 생성부(222)는 대상 객체로부터 수신한 레이더 신호 중 대상 객체의 평균 호흡 신호보다 작은 구간을 검출할 수 있다.
수면 호흡 패턴 정보 생성부(222)는 레이더 신호 중 평균 호흡 신호보다 작은 경우를 검출하여 대상 객체의 수면 호흡에 대한 호흡 상태 정보를 생성할 수 있다. 즉, 수면 호흡 패턴 정보 생성부(222)는 레이더를 이용하여 대상 객체의 현재 수면 호흡과 평소의 수면 호흡을 비교한 대상 객체의 수면 호흡 상태 정보를 생성할 수 있다. 예를 들어, 수면 호흡 패턴 정보 생성부(222)는 하기 수학식 2를 이용할 수 있다.
<수학식 2>
수학식 2에서, a1은 대상 객체의 수면 호흡에 대한 호흡 상태 정보이고, x[i]는 대상 객체로부터 반사되어 수신한 레이더 신호이고, m[i]는 대상 객체의 평균 호흡 신호이다.
예를 들어, 수면 호흡 패턴 정보 생성부(222)는, 수면 중 대상 객체로부터 수신한 레이더 신호와 대상 객체의 평균 호흡 신호를 비교할 수 있다. 수면 호흡 패턴 정보 생성부(222)는 대상 객체로부터 수신한 레이더 신호 중 대상 객체의 평균 호흡 신호보다 작은 구간을 검출할 수 있다.
수면 호흡 패턴 정보 생성부(222)는 대상 객체의 수면 호흡에 대한 호흡 상태 정보를 이용하여 대상 객체의 수면 상태의 연속성을 표현하는 제1 수면 호흡 패턴 정보 및 제2 수면 호흡 패턴 정보를 생성할 수 있다.
이하, 도 5를 참조하여 대상 객체의 수면 호흡 패턴 정보를 생성하는 과정을 살펴보도록 한다.
도 5는 본 발명의 일 실시예에 따른 제1 수면 호흡 패턴 정보 및 제2 수면 호흡 패턴 정보를 설명하기 위한 예시적인 도면이다. 도 5를 참조하면, 우선 수면 호흡 패턴 정보 생성부(222)는 대상 객체의 평균 호흡 신호를 생성할 수 있다. 예를 들어, 레이더 신호 중 평균 호흡 신호보다 작은 경우 대상 객체의 현재 호흡 상태 정보가 '1'로 도출되고(도 5의 도면 부호 510에 해당), 레이더 신호 중 평균 호흡 신호보다 큰 경우 대상 객체의 현재 호흡 상태 정보가 '0'으로 도출될 수 있다(도 5의 도면 부호 512에 해당).
그리고, 수면 호흡 패턴 정보 생성부(222)는 대상 객체로부터 반사되는 레이더 신호를 대상 객체의 평균 호흡 신호와 비교할 수 있고, 제1 수면 호흡 패턴 정보(511) 및 제2 수면 호흡 패턴 정보(512)를 포함하는 수면 호흡 패턴 정보를 생성할 수 있다.
수면 호흡 패턴 정보 생성부(222)는 호흡 상태 정보의 지속 여부에 기초하여 대상 객체의 수면 호흡에 대한 제1 수면 호흡 패턴 정보(511)를 생성할 수 있다. 수면 호흡 패턴 정보 생성부(222)는 대상 객체의 현재 수면 호흡이 평소의 수면 호흡보다 낮을 때 증가하는 값을 가지는 제1 수면 호흡 패턴 정보(511)를 생성할 수 있다. 예를 들어, 수면 호흡 패턴 정보 생성부(222)는 하기 수학식 3을 이용하여 제1 수면 호흡 패턴 정보(511)를 생성할 수 있다.
<수학식 3>
수학식 3에서, c11은 제1 수면 호흡 패턴 정보(511)이다. 예를 들어, 수면 호흡 패턴 정보 생성부(222)는, 수학식 3 및 도 5를 참조하면, 대상 객체로부터 반사되는 레이더 신호, 즉, 대상 객체의 현재 호흡이 대상 객체의 평균 호흡 신호보다 작고, 해당 값이 유지되는 경우에 증가하는 값인 제1 수면 호흡 패턴 정보(511)를 산출할 수 있다. 즉, 제1 수면 호흡 패턴 정보(511)는 대상 객체의 현재 호흡 상태 정보가 '1'로 유지되는 경우(도 5의 도면 부호 510에 해당), 증가할 수 있는 값으로, 대상 객체의 수면 중 평균 호흡 신호보다 작은 구간 전체를 의미할 수 있다.
다른 예를 들어, 수면 호흡 패턴 정보 생성부(222)는, 수학식 3 및 도 5를 참조하면, 대상 객체의 현재 호흡이 대상 객체의 평균 호흡 신호보다 높아지면 제1 수면 호흡 패턴 정보(511)를 초기화할 수 있다. 즉, 제1 수면 호흡 패턴 정보(511)는 대상 객체의 호흡 상태 정보가 '1'이 아닌 경우(도 5의 도면 부호 520에 해당), 초기화될 수 있다.
수면 호흡 패턴 정보 생성부(222)는 호흡 상태 정보의 지속 여부 및 기설정된 임계값에 기초하여 제2 수면 호흡 패턴 정보(512)를 생성할 수 있다. 수면 호흡패턴 정보 생성부(222)는 대상 객체의 현재 수면 호흡이 평소의 수면 호흡보다 낮을 때 증가하나, 특정 임계 시간에 도달하면 초기화되어 다시 증가하는 값을 가지는 제2 수면 호흡 패턴 정보(512)를 생성할 수 있다. 예를 들어, 수면 호흡 패턴 정보 생성부(222)는 하기 수학식 4를 이용하여 제2 수면 호흡 패턴 정보(512)를 생성할 수 있다.
<수학식 4>
수학식 4에서, c12는 제2 수면 호흡 패턴 정보(512)이고, T는 기설정된 임계값으로 특정 임계 시간(530)이다. 예를 들어, 수면 호흡 패턴 정보 생성부(222)는, 수학식 4 및 도 5를 참조하면, 제1 수면 호흡 패턴 정보(511)와 마찬가지로, 대상 객체로부터 반사되는 레이더 신호가, 즉, 대상 객체의 현재 호흡이 대상 객체의 평균 호흡 신호보다 작고, 해당 값이 유지되는 경우에 증가하는 값이나, 특정 임계 시간(수학식 4의 T, 530)에 도달하면 초기화시키고 다시 증가하는 제2 수면 호흡 패턴 정보(512)를 산출할 수 있다.
예를 들어, 수면 호흡 패턴 정보 생성부(222)는, 수학식 4 및 도 5를 참조하면, 대상 객체의 현재 호흡 상태 정보가 '1'로 유지되는 경우(510), 제2 수면 호흡패턴 정보(512)의 값을 증가시킬 수 있으나, 특정 임계 시간(530)에 도달하면 제2수면 호흡 패턴 정보(512)의 값을 초기화시키고 다시 증가시킬 수 있다.
또한, 수면 호흡 패턴 정보 생성부(222)는 레이더 신호 중 평균 호흡 신호보다 큰 경우를 검출하여 대상 객체의 수면 호흡에 대한 움직임 상태 정보를 생성할 수 있다. 예를 들어, 수면 호흡 패턴 정보 생성부(222)는 대상 객체의 수면 중에 감지되는 움직임에 대한 움직임 상태 정보를 이용하여 대상 객체의 수면 움직임 상태의 연속성을 표현하는 제1 수면 움직임 패턴 정보 및 제2 수면 움직임 패턴 정보를 생성할 수 있다.
먼저, 수면 호흡 패턴 정보 생성부(222)는 레이더 신호 중 평균 호흡 신호보다 큰 경우를 검출하여 대상 객체의 수면 호흡에 대한 움직임 상태 정보를 생성할 수 있다. 즉, 수면 호흡 패턴 정보 생성부(222)는 레이더를 이용하여 대상 객체의 현재 수면 호흡과 평소의 수면 호흡을 비교한 대상 객체의 수면 움직임 상태 정보를 생성할 수 있다. 예를 들어, 수면 호흡 패턴 정보 생성부(222)는 하기 수학식 5를 이용할 수 있다.
<수학식 5>
수학식 5에서, a2은 대상 객체의 수면 호흡에 대한 움직임 상태 정보이고, x[i]는 대상 객체로부터 반사되어 수신한 레이더 신호이고, m[i]는 대상 객체의 평균 호흡 신호이다.
예를 들어, 수면 호흡 패턴 정보 생성부(222)는, 수학식 5를 참조하면, 수면 중 대상 객체로부터 수신한 레이더 신호 중 대상 객체의 평균 호흡 신호보다 큰 구간을 검출할 수 있고, 검출 결과에 기초하여 대상 객체의 수면 호흡에 대한 움직임 상태 정보, 제1 수면 움직임 패턴 정보 및 제2 수면 움직임 패턴 정보를 생성할 수 있다.
수면 호흡 패턴 정보 생성부(222)는 움직임 상태 정보의 지속 여부에 기초하여 대상 객체의 수면 움직임에 대한 제1 수면 움직임 패턴 정보를 생성할 수 있다.
수면 호흡 패턴 정보 생성부(222)는 대상 객체의 현재 수면 호흡이 평소의 수면 호흡보다 클 때 증가하는 값을 가지는 제1 수면 움직임 패턴 정보를 생성할 수 있다.
예를 들어, 수면 호흡 패턴 정보 생성부(222)는 하기 수학식 6을 이용할 수 있다.
<수학식 6>
수학식 6에서, c21은 제1 수면 움직임 패턴 정보이고, a2은 대상 객체의 수면 호흡에 대한 움직임 상태 정보이다. 예를 들어, 수면 호흡 패턴 정보 생성부(222)는, 수학식 6을 참조하면, 대상 객체로부터 반사되는 레이더 신호가 대상 객체의 평균 호흡 신호보다 크고, 해당 값이 유지되는 경우에 증가하는 값인 제1 수면 움직임 패턴 정보를 산출할 수 있다. 즉, 제1 수면 움직임 패턴 정보는 대상 객체의 수면 중 평균 호흡 신호보다 큰 구간 전체를 의미할 수 있다
수면 호흡 패턴 정보 생성부(222)는 움직임 상태 정보의 지속 여부 및 기설정된 임계값에 기초하여 제2 수면 움직임 패턴 정보를 생성할 수 있다. 수면 호흡 패턴 정보 생성부(222)는 대상 객체의 현재 수면 호흡이 평소의 수면 호흡보다 클 때 증가하나, 특정 임계 시간에 도달하면 초기화되어 다시 증가하는 값을 가지는 제2 수면 움직임 패턴 정보를 생성할 수 있다. 예를 들어, 수면 호흡 패턴 정보 생성부(222)는 하기 수학식 7을 이용할 수 있다.
<수학식 7>
수학식 7에서, c22는 제2 수면 움직임 패턴 정보이고, T는 기설정된 임계값으로 특정 임계 시간이다. 예를 들어, 수면 호흡 패턴 정보 생성부(222)는, 수학식 7을 참조하면, 제1 수면 움직임 패턴 정보와 마찬가지로, 대상 객체로부터 반사되는 레이더 신호가 크고, 해당 값이 유지되는 경우에 증가하는 값이나, 특정 임계 시간에 도달하면 초기화시키고 다시 증가하는 제2 수면 움직임 패턴 정보를 산출할 수 있다.
수면 호흡 이벤트 검출부(223)는 수면 호흡 패턴 정보에 기초하여 수면 호흡 이벤트를 검출할 수 있다. 예를 들어, 수면 호흡 이벤트 검출부(223)는 제1 수면 호흡 패턴 정보 및 제2 수면 호흡 패턴 정보를 이용하여 대상 객체의 수면 중 제1 수면 호흡 이벤트 및 제2 수면 호흡 이벤트를 검출할 수 있다. 이하, 도 6을 참조하여 대상 객체의 수면 호흡 패턴 정보를 생성하는 과정을 살펴보도록 한다.
도 6은 본 발명의 일 실시예에 따른 제1 수면 호흡 이벤트 및 제2 수면 호흡 이벤트를 설명하기 위한 예시적인 도면이다. 도 6을 참조하면, 수면 질을 점수화하는 장치(100)는 제1 수면 호흡 패턴 정보(610) 및 제2 수면 호흡 패턴 정보(620)에서 첨두치(640, 650)를 검출하여 제1 수면 호흡 이벤트 및 제2 수면 호흡 이벤트를 검출할 수 있다.
수면 호흡 이벤트 검출부(223)는 제1 수면 호흡 패턴 정보(610) 중 임계값 이상에 해당하는 값에 기초하여 제1 수면 호흡 이벤트를 검출할 수 있다. 수면 호흡 이벤트 검출부(223)는 대상 객체의 수면 중 특정 임계 시간보다 큰 범위에서 대상 객체의 수면 호흡이 평상시보다 작은 경우의 수면 호흡 이벤트가 발생한 횟수를 검출한 제1 수면 호흡 이벤트를 검출할 수 있다. 예를 들어, 수면 호흡 이벤트 검출부(223)는 하기 수학식 8을 이용하여 제1 수면 호흡 이벤트를 검출할 수 있다.
<수학식 8>
수학식 8에서, d11은 제1 수면 호흡 이벤트이고, c11은 제1 수면 호흡 패턴 정보(610)이고, T는 기설정된 임계값으로, 특정 임계 시간(630)이다. 수학식 8 및 도 6을 참조하면, 수면 질을 점수화하는 장치(100)는 제1 수면 호흡 패턴 정보(610) 중 특정 임계 시간(630)을 초과하는 구간에서 첨두치(Peak, 640)를 검출하여 카운팅함으로써 제1 수면 호흡 이벤트가 발생한 횟수를 검출할 수 있다.
수면 호흡 이벤트 검출부(223)는 제2 수면 호흡 패턴 정보(620) 중 임계값에 도달하는 값에 기초하여 제2 수면 호흡 이벤트를 검출할 수 있다. 수면 호흡 이벤트 검출부(223)는 대상 객체의 수면 중 특정 임계 시간에 도달한 수면 호흡 이벤트의 발생 횟수를 검출한 제2 수면 호흡 이벤트를 검출할 수 있다. 예를 들어, 수면 질을 점수화하는 장치(100)는 하기 수학식 9를 이용하여 제2 수면 호흡 이벤트를 검출할 수 있다.
<수학식 9>
수학식 9에서, d12은 제2 수면 호흡 이벤트이고, c12은 제2 수면 호흡 패턴 정보(620)이고, T는 기설정된 임계값으로, 특정 임계 시간(630)이다. 수학식 9 및 도 6을 참조하면, 수면 질을 점수화하는 장치(100)는 제2 수면 호흡 패턴 정보(620) 중 특정 임계 시간(630)에 도달한 첨두치(650)를 검출하여 카운팅함으로써 제2 수면 호흡 이벤트가 발생한 횟수를 검출할 수 있다.
즉, 수면 호흡 이벤트 검출부(223)는 제1 수면 호흡 이벤트 및 제2 수면 호흡 이벤트를 혼합하여 검출함으로써 무호흡/저호흡 이벤트의 지속 시간에 따른 양상을 표현할 수 있다.
또한, 수면 호흡 이벤트 검출부(223)는 수면 움직임 패턴 정보에 기초하여 수면 움직임 이벤트를 검출할 수 있다. 수면 호흡 이벤트 검출부(223)는 제1 수면 움직임 패턴 정보 중 임계값 이상에 해당하는 값에 기초하여 제1 수면 움직임 이벤트를 검출할 수 있다. 수면 호흡 이벤트 검출부(223)는 대상 객체의 수면 중 특정 임계 시간보다 큰 범위에서 대상 객체의 수면 호흡이 평상시보다 큰 경우의 수면 움직임 이벤트가 발생한 횟수를 검출한 제1 수면 움직임 이벤트를 검출할 수 있다.
예를 들어, 수면 호흡 이벤트 검출부(223)는 하기 수학식 10을 이용할 수 있다.
<수학식 10>
수학식 10에서, d21은 제1 수면 움직임 이벤트이고, c21은 제1 수면 움직임 패턴 정보이고, T는 기설정된 임계값으로, 특정 임계 시간이다. 수학식 10을 참조하면, 수면 호흡 이벤트 검출부(223)는 제1 수면 움직임 패턴 정보 중 특정 임계 시간을 초과하는 구간에서 첨두치(Peak)를 검출하여 카운팅함으로써 제1 수면 움직임 이벤트가 발생한 횟수를 검출할 수 있다.
수면 호흡 이벤트 검출부(223)는 제2 수면 움직임 패턴 정보 중 임계값에 도달하는 값에 기초하여 제2 수면 움직임 이벤트를 검출할 수 있다. 수면 호흡 이벤트 검출부(223)는 대상 객체의 수면 중 특정 임계 시간에 도달한 수면 움직임 이벤트의 발생 횟수를 검출한 제2 수면 움직임 이벤트를 검출할 수 있다. 예를 들어, 수면 호흡 이벤트 검출부(223)는 하기 수학식 11을 이용하여 제2 수면 움직임 이벤트를 검출할 수 있다.
<수학식 11>
수학식 11에서, d22은 제2 수면 움직임 이벤트이고, c22은 제2 수면 움직임 패턴 정보이고, T는 기설정된 임계값으로, 특정 임계 시간이다. 수학식 11을 참조하면, 수면 호흡 이벤트 검출부(223)는 제2 수면 움직임 패턴 정보 중 특정 임계 시간에 도달한 첨두치를 검출하여 카운팅함으로써 제2 수면 움직임 이벤트가 발생한 횟수를 검출할 수 있다.
즉, 수면 호흡 이벤트 검출부(223)는 제1 수면 움직임 이벤트 및 제2 수면 움직임 이벤트를 혼합하여 검출함으로써 수면 호흡 이벤트에 대한 오탐지를 방지할 수 있다.
수면 호흡 이벤트 검출부(223)는 복수의 수면 항목(또는 수면 검사 항목)에 대한 최적 파라미터를 설정할 수 있다. 예를 들어, 수면 호흡 이벤트 검출부(223)는 레이더를 이용하여 추출할 수 있는 수면 검사 항목을 설정할 수 있다. 수면 호흡 이벤트 검출부(223)는 사람의 복강(Abdominal) 및 사지(Limb) 움직임 등에 기초하여 무호흡(Apnea), 저호흡(Hypopnea), 무호흡과 저호흡의 원인이 되는 중추성(Central) 및 각종 일시적인 각성(Arousal) 및 수면 단계 등을 포함하는 각종 수면 검사 항목을 설정할 수 있다.
최적 파라미터는 이벤트 발생 관련 파라미터 및 신호 처리 파라미터를 포함할 수 있다. 예를 들어, 이벤트 발생 관련 파라미터는 대상 객체의 수면 중 검출된 제1 수면 호흡 패턴 정보, 제2 수면 호흡 패턴 정보, 제1 수면 움직임 패턴 정보 및 제2 수면 움직임 패턴 정보에 대한 회귀계수일 수 있고, 신호 처리 파라미터는 예를 들어, 수학식 1의 F, T, L에 해당하며, 복수의 수면 항목 각각을 검출하기 위한 파라미터일 수 있다.
수면 호흡 이벤트 검출부(223)는 최적 파라미터에 기초하여 복수의 수면 항목에 대한 이벤트 발생 정보를 도출할 수 있다. 예를 들어, 수면 호흡 이벤트 검출부(223)는 신호 처리 파라미터를 변화시키며 복수의 수면 항목 각각에 대한 이벤트 발생 횟수를 산출할 수 있다.
예를 들어, 수면 호흡 이벤트 검출부(223)는 하기 수학식 12를 이용하여 복수의 수면 항목에 대한 이벤트 발생 정보를 도출할 수 있다.
<수학식 12>
예를 들어, 수학식 12에서, Y는 이벤트 발생 정보에 해당하는 이벤트 총 발생횟수일 수 있고, b0내지 b4는 이벤트 발생 관련 파라미터로 최소자승법을 이용하여 산출될 수 있다. N11내지 N22는 상술된 방법에 의해 검출된 제1 수면 호흡 이벤트, 제2 수면 호흡 이벤트, 제1 수면 움직임 이벤트 및 제2 수면 움직임 이벤트, 각각에 해당하는 이벤트 발생 횟수이고, e는 오차항일 수 있다.
예를 들어, 수면 호흡 이벤트 검출부(223)는 무호흡과 관련하여 중추성 항목에 대하여 기설정된 신호 처리 파라미터(F, L, T)에 기초하여 중추성 항목에 대한 제1 수면 호흡 이벤트, 제2 수면 호흡 이벤트, 제1 수면 움직임 이벤트 및 제2 수면 움직임 이벤트를 검출할 수 있고, 기설정된 이벤트 발생 관련 파라미터와 중추성 항목에 대하여 검출된 제1 수면 호흡 이벤트가 발생한 총 횟수, 제2 수면 이벤트가 발생한 총 횟수, 제1 수면 움직임 이벤트가 발생한 총 횟수 및 제2 수면 움직임 이벤트가 발생한 총 횟수를 수학식 12에 대입하여 무호흡에서 중추성 항목에 대한 이벤트 발생 정보를 도출할 수 있다.
지수 도출부(230)는 수면 시간 정보 및 복수의 수면 항목에 대한 이벤트 발생 정보에 기초하여 호흡 관련 지수 정보를 도출할 수 있다. 예를 들어, 수면 시간 정보는 검사 대상자의 전체 수면 시간에 해당할 수 있다. 지수 도출부(230)는 복수의 수면 항목에 대하여 도출된 이벤트 발생 정보의 총 횟수를 수면 시간 정보로 나누어 호흡 관련 지수 정보를 도출할 수 있다.
지수 도출부(230)는 무호흡-저호흡 지수 정보 및 호흡 장애 지수 정보를 포함하는 호흡 관련 지수 정보를 산출할 수 있다. 지수 도출부(230)는 복수의 수면 항목 중 무호흡 항목에 대한 이벤트 발생 정보 및 저호흡 항목과 관련된 이벤트 발생 정보에 기초하여 무호흡-저호흡 지수 정보를 도출할 수 있다. 예를 들어, 지수 도출부(230)는 하기 수학식 13을 이용할 수 있다.
<수학식 13>
수학식 13에서, AHI는 무호흡-저호흡 지수(Apnea-Hypopnea Index, AHI) 정보이고, ∑무호흡 횟수는 무호흡과 관련되어 검출된 검출 항목에 대한 이벤트 발생 정보의 총합이고, ∑저호흡 횟수는 저호흡과 관련되어 검출된 검출 항목에 대한 이벤트 발생 정보의 총합일 수 있다.
예를 들어, 수학식 13을 참조하면, 지수 도출부(230)는 무호흡과 관련되어 검출된 중추성 항목에 대한 이벤트 발생 정보, 혼합성 항목에 대한 이벤트 발생 정보 및 폐쇄성 항목에 대한 이벤트 발생 정보를 합하여 무호흡 횟수를 산출할 수 있고, 저호흡과 관련되어 검출된 중추성 항목에 대한 이벤트 발생 정보, 혼합성 항목에 대한 이벤트 발생 정보 및 폐쇄성 항목에 대한 이벤트 발생 정보를 합하여 저호흡 횟수를 산출할 수 있다.
예를 들어, 지수 도출부(230)는 대상 객체로부터 수신한 레이더 신호를 기반으로 움직임 분석을 통해 대상 객체의 수면 시간을 추정할 수 있다. 지수 도출부(230)는 무호흡 횟수와 저호흡 횟수를 대상 객체의 전체 수면 시간으로 나누어 무호흡-저호흡 지수 정보를 산출할 수 있다.
지수 도출부(230)는 복수의 수면 항목 중 무호흡 항목에 대한 이벤트 발생 정보, 저호흡 항목에 대한 이벤트 발생 정보 및 호흡 노력 관련 항목에 대한 이벤트 발생 정보에 기초하여 호흡 장애 지수 정보를 도출할 수 있다. 예를 들어, 지수 도출부(230)는 하기 수학식 14를 이용할 수 있다.
<수학식 14>
수학식 14에서, RDI는 호흡 장애 지수(Respiration Disturbance Index, RDI) 정보이고 , ∑무호흡 횟수, ∑저호흡 횟수 및 ∑호흡노력관련각성은 무호흡, 저호흡 및 호흡노력관련각성과 관련되어 각 검출된 검출 항목에 대한 이벤트 발생 정보의 총합일 수 있다.
예를 들어, 수학식 14를 참조하면, 지수 도출부(230)는 대상 객체로부터 수신한 레이더 신호에서 검출된 무호흡 횟수, 저호흡 횟수 및 호흡노력관련각성 횟수를 대상 객체의 전체 수면 시간으로 나누어 호흡 장애 지수 정보를 산출할 수 있다.
병증 판단부(240)는 호흡 관련 지수 정보에 기초하여 수면 관련 병증에 해당하는지 여부를 판단할 수 있다. 병증 판단부(240)는 수면 관련 병증에 대한 질병군 분포 정보 및 대조군 분포 정보와 호흡 관련 지수 정보를 비교하여 수면 관련 병증에 해당하는지 여부를 판단할 수 있다. 일예로, 병증 판단부(240)는 딥러닝 모델을이용하여 호흡 관련 지수 정보와 수면 관련 병증에 대한 질병군 분포 정보 또는 대조군 분포 정보를 비교할 수 있다. 이 경우, 본 발명의 질병군 및 대조군은 알츠하이머성 치매에 대한 질병군 및 대조군을 포함할 수 있다.
예를 들어, 병증 판단부(240)는 수면 관련 병증에 대한 질병군의 수면 요소들의 분포값 및 대조군의 수면 요소들의 분포값을 활용할 수 있다. 일예로, 병증 판단부(240)는 질병군 및 대조군의 수면 요소들의 분포값으로 평균 및 표준편차를 이용할 수 있다. 병증 판단부(240)는 무호흡-저호흡 지수 정보를 관련 병증에 대한 질병군의 평균 및 표준편차와 비교할 수 있고, 무호흡-저호흡 지수 정보를 대조군의 평균 및 표준편차와 비교할 수 있다.
예를 들어, 병증 판단부(240)는 비교 결과에 기초하여 대상 객체가 수면 관련 병증에 해당하는지 여부를 판단할 수 있다. 병증 판단부(240)는 대상 객체에 대한 무호흡-저호흡 지수 정보를 무호흡의 질병군의 분포 정보 또는 무호흡의 대조군의 분포 정보와 각각 비교할 수 있고, 비교 결과에 기초하여 대상 객체가 수면 무호흡증인지 여부를 판단할 수 있다. 도 7a는 본 발명의 일 실시예에 따른 복수의 수면 항목에 대한 최적 파라미터를 설명하기 위한 예시적인 도면이고, 도 7b는 수면 다원 검사에 대한 데이터 세트의 예시적인 도면이다.
도 7a 및 도 7b를 참조하면, 병증 판단 장치(100)는 레이더를 이용하여 검출할 수 있는 복수의 수면 항목(710)을 설정할 수 있고, 각 항목에 대한 최적 파라미터를 설정할 수 있다. 병증 판단 장치(100)는 복수의 수면 항목(710)에 대하여 설정된 최적 파라미터에 기초하여 이벤트 발생 정보를 도출할 수 있다.
먼저, 도 7a에 도시된 예시와 같이, 병증 판단 장치(100)는 무호흡(711), 저호흡(712) 및 일시적 각성(713) 등과 관련된 복수의 수면 항목 각각에 대한 검출 항목(710)을 설정할 수 있다. 병증 판단 장치(100)는 무호흡(711)에 대하여 무호흡(711)의 원인이 되는 중추성 항목(711a), 혼합성 항목(711b) 및 폐쇄성 항목(711c)을 검출 항목(710)으로 설정할 수 있고, 저호흡(712)에 대하여 저호흡(712)의 원인이 되는 중추성 항목, 혼합성 항목 및 폐쇄성 항목을 검출 항목(710)으로 설정할 수 있고, 일시적 각성(713)에 대하여 일시적 각성(713)의 원인이 되는 사지 움직임에 의한 각성 항목, 호흡 노력 관련 각성 항목, 무호흡/저호흡 각성 항목, 코골이에 의한 각성 항목 및 자발적 각성 항목을 검출 항목(710)으로 설정할 수 있다.
예를 들어, 수면 질을 점수화 하는 장치(100)는 복수의 수면 항목 각각에 설정된 검출 항목(710)에 대하여 신호 처리 파라미터(720) 및 이벤트 발생 관련 파라미터(730)를 포함하는 최적 파라미터를 설정할 수 있다.
도 7a에 도시된 예시와 같이, 수면 질을 점수화하는 장치(100)는 특정 연속 구간의 시간 길이를 의미하는 시간 민감도 인자, L(721), 특정 연속 구간의 진폭에 반응하는 진폭 민감도 인자, F(722) 및 특정 임계 시간, T(723)을 포함하는 신호 처리 파라미터(720)를 설정할 수 있다.
수면 질을 점수화하는 장치(100)는 대상 객체로부터 반사되는 레이더 신호로부터 검출된 제1 수면 호흡 이벤트에 대한 회귀계수, b1(732), 제2 수면 호흡 이벤트에 대한 회귀계수, b2(733), 제1 수면 움직임 이벤트에 대한 회귀계수, b3(734), 제2 수면 움직임 이벤트에 대한 회귀계수, b4(735) 및 기타 회귀계수, b0(731)를 포함하는 이벤트 발생 관련 파라미터(730)를 설정할 수 있다.
예를 들어, 수면 질을 점수화하는 장치(100)는 복수의 수면 항목에 대하여 신호 처리 파라미터(720)를 변화시키며 이벤트 발생 정보를 산출하고, 회귀 분석을 통해 각 수면 항목에 대한 최적의 인자와 회귀계수를 도출할 수 있다. 일예로, 신호 처리 파라미터(720)의 변화를 위해, L(721)은 10s, 20s, 30s, 40s, 50s 및 60s 중 하나일 수 있고, F(722)는 0.5, 0.75, 1, 1.25, 1.5, 1.75 및 2 중 하나일 수 있고, T(723)는 5s, 7.5s, 10s, 12.5s, 15s, 17.5s 및 20s 중 하나일 수 있다.
도 7b를 참조하면, 수면 질을 점수화하는 장치(100)는 수면 다원 검사에 대한 데이터 세트(740)에 기초하여 복수의 수면 항목에 대한 최적 파라미터를 설정할 수 있다.
예를 들어, 수면 질을 점수화하는 장치(100)는 도 7b에 예시된 데이터 세트(740)에 기초하여 도 7a에 예시된 무호흡(711)에서 중추성 항목(711a)에 대한 신호 처리 파라미터(720) 및 이벤트 발생 관련 파라미터(730)를 포함하는 최적 파라미터를 설정할 수 있다.
예를 들어, 도 7a 및 도 7b를 참조하면, 수면 질을 점수화하는 장치(100)는 데이터 세트(740)에서 수면 다원 검사에 의해 측정된 수면 무호흡증(750)의 원인이 되는 중추성 항목(751)에 대한 정보를 토대로 무호흡(711)의 중추성 항목(711a)에 대한 신호 파라미터(720) 및 이벤트 발생 관련 파라미터(730)를 설정할 수 있고, 수면 다원 검사에 의해 측정된 수면 무호흡증(750)의 원인이 되는 혼합성 항목(752)에 대한 정보를 토대로 무호흡(711)의 혼합성 항목(711b)에 대한 신호 파라미터(720) 및 이벤트 발생 관련 파라미터(730)를 설정할 수 있다.
또한, 수면 질을 점수화하는 장치(100)는 수면 다원 검사에 의해 측정된 수면 무호흡증(754)에 대한 정보를 토대로 무호흡(711)에 대한 신호 파라미터(720) 및 이벤트 발생 관련 파라미터(730)를 설정할 수 있다.
예를 들어, 도 7a 및 도 7b를 참조하면, 수면 질을 점수화하는 장치(100)는 데이터 세트(740)를 참조하여 수면 다원 검사에서 측정된 정답 값과 상관계수가 가장 높은 인자를 최적 인자로 결정함으로써 무호흡(711)의 검출 항목(710), 중추성 항목(711a)에 대하여 시간 민감도 인자, L(721)은 '30s', 진폭 민감도 인자, F(722)는 '1.5' 및 특정 임계 시간, T(723)는 '17.5s'를 포함하는 신호 처리 파라미터(720)를 최적 파라미터로 설정할 수 있고, 회귀계수, b0(731)는 '-3.21', b1(732)은 '1.28', b2(733)는 '-1.38', b3(734)은 '0.05', b4(735)는 '-0.05'를 포함하는 이벤트 발생 관련 파라미터(730)를 설정할 수 있다.
예를 들어, 수면 질을 점수화하는 장치(100)는 복수의 수면 항목에 대하여 설정된 최적파라미터에 기초하여 복수의 수면 항목에 대한 이벤트 발생 정보를 도출할 수 있다(전술한 수학식 12 참조). 구체적으로, 수면 질을 점수화하는 장치(100)는 무호흡(711)의 중추성(711a)과 관련하여 검출된 정보, 제1 수면 호흡 이벤트, 제2 수면 호흡 이벤트, 제1 수면 움직임 이벤트 및 제2 수면 움직임 이벤트와 무호흡(711)의 중추성 항목(711a)에 대하여 설정된 최적 파라미터(720, 730)를 이용하여 대상 객체의 무호흡증의 중추성 항목에 대한 이벤트 발생 정보를 도출할 수 있다.
도 8은 본 발명의 일 실시예에 따른 수면 관련 병증의 분포 정보에 대한 예시적인 도면이다. 도 8의 (a)는 알츠하이머 질병군 및 대조군의 총 수면 시간(Total Sleep Time, TST)에 대한 분포 정보이고, (b)는 알츠하이머 질병군 및 대조군의 무호흡-저호흡에 대한 분포 정보이고, (c)는 알츠하이머 질병군 및 대조군의 호흡 장애에 대한 분포 정보이다. 도 8의 (a) 내지 (c)에 예시된 분포 정보는 알츠하이머에 대한 총 수면 시간, 무호흡-저호흡 지수 및 호흡 장애 지수에 대한 데이터를 가공하여 도식화한 분포 정보일 수 있고, 평균값 및 표준 편차를 포함할 수 있다.
예를 들어, 수면 질을 점수화하는 장치(100)는 대상 객체의 호흡 관련 지수 정보와 수면관련 병증의 분포 정보를 비교하여 대상 객체가 해당 수면 관련 병증의 질병군에 포함되는지 여부를 판단할 수 있다.
예를 들어, 도 8의 (a)를 참조하면, 병증 판단 장치(100)는 대상 객체의 총수면 시간과 알츠하이머 질병군의 총 수면 시간의 분포 정보(810)를 비교할 수 있고, 대상 객체의 총 수면 시간과 대조군의 총 수면 시간의 분포 정보(820)를 비교할 수 있다. 수면 질을 점수화하는 장치(100)는 비교 결과에 기초하여, 대상 객체의 총 수면시간 분포 정보가 알츠하이머 질병군에 해당하는지 여부를 판단할 수 있다.
예를 들어, 도 8의 (b)를 참조하면, 수면 질을 점수화하는 장치(100)는 대상 객체로부터도출된 무호흡-저호흡 지수 정보와 알츠하이머 질병군의 무호흡-저호흡에 대한 분포 정보(830)를 비교할 수 있고, 대상 객체의 무호흡-저호흡 지수 정보와 대조군의 무호흡-저호흡에 대한 분포 정보(840)를 비교할 수 있다. 수면 질을 점수화하는 장치(100)는 비교 결과에 기초하여, 대상 객체의 무호흡-저호흡 지수 정보가 알츠하이머 질병군에 해당하는지 여부를 판단할 수 있다.
예를 들어, 도 8의 (c)를 참조하면, 수면 질을 점수화하는 장치(100)는 대상 객체로부터 도출된 호흡 장애 지수 정보와 알츠하이머 질병군의 호흡 장애에 대한 분포 정보(850)를 비교할 수 있고, 대상 객체의 호흡 장애 지수 정보와 대조군의 호흡 장애에 대한 분포 정보(860)를 비교할 수 있다. 수면 질을 점수화하는 장치(100)는 비교 결과에 기초하여, 대상 객체의 호흡 장애 지수 정보가 알츠하이머 질병군에 해당하는지 여부를 판단할 수 있다.
도 9는 본 발명의 일 실시예에 따른 대상 객체가 수면 관련 병증에 해당하는지 여부를 판단하는 과정을 설명하기 위한 예시적인 도면이다. 도 9를 참조하면, 수면 질을 점수화하는 장치(100)는 복수의 호흡 관련 지수 항목(910)에 대하여 대상 객체로부터 도출된 호흡 관련 지수 정보(920)를 수면 관련 병증에 대한 질병군의 분포 정보 및 대조군의 분포 정보와 각각 비교할 수 있고, 비교 결과에 기초하여 대상 객체가 확률 분포 상으로 수면 관련 병증에 해당하는지 여부를 판단한 예측 정보(950)를 생성할 수 있다.
예를 들어, 수면 질을 점수화하는 장치(100)는 복수의 호흡 관련 지수 항목(910)에 대한 대상 객체의 지수 정보(920)를 수면 관련 병증에 대한 질병군 분포 정보와 비교하여 대상 객체가 질병군에 속할 확률 정보(930)를 도출할 수 있고, 복수의 호흡 관련 지수 항목(910)에 대한 대상 객체의 지수 정보(920)를 수면 관련 병증에 대한 대조군 분포 정보와 비교하여 대상 객체가 정상군에 속할 확률 정보(940)를 도출할 수 있다. 수면 질을 점수화하는 장치(100)는 도출된 확률 정보(930, 940)에 기초하여 대상 객체가 수면 관련 병증의 질병군에 해당하는지 여부를 판단한 예측 정보(950)를 생성할 수 있다.
도 9에 도시된 예시를 참조하면, 수면 질을 점수화하는 장치(100)는 대상 객체의 총 수면 시간(911)에 대한 지수 정보 '183(921)'와 질병군의 총 수면 시간의 분포 정보 및 대조군의 총 수면 시간의 분포 정보를 비교한 결과에 기초하여, 질병군에 속할 확률 정보 '0.8692(931)' 및 대조군에 속할 확률 정보 '0.1308(941)'를 도출할 수 있다. 이에 따라, 수면 질을 점수화하는 장치(100)는 대상 객체의 총 수면 시간으로부터 대상 객체가 확률 분포 상으로 수면 관련 병증의 질병군에 해당하는 것으로 판단한 예측정보 'AD(951)'를 생성할 수 있다.
수면 질을 점수화하는 장치(100)는 대상 객체의 무호흡-저호흡 지수(912)에 대한 지수정보 '10.49(922)'와 질병군의 무호흡-저호흡에 대한 분포 정보 및 대조군의 무호흡-저호흡에 대한 분포 정보를 비교한 결과에 기초하여, 질병군에 속할 확률 정보'0.2179(932)' 및 대조군에 속할 확률 정보 '0.7821(942)'를 도출할 수 있다. 이에 따라, 수면 질을 점수화하는 장치(100)는 대상 객체의 무호흡-저호흡 지수 정보로부터 대상 객체가 확률 분포 상으로 정상군에 해당하는 것으로 판단한 예측 정보'Control(952)'를 생성할 수 있다.
수면 질을 점수화하는 장치(100)는 대상 객체의 호흡 장애 지수(913)에 대한 지수 정보'14.43(923)'와 질병군의 호흡 장애에 대한 분포 정보 및 대조군의 호흡 장애에 대한 분포 정보를 비교한 결과에 기초하여, 질병군에 속할 확률 정보 '0.9801(933)' 및 대조군에 속할 확률 정보 '0.0199(943)'를 도출할 수 있다. 이에 따라, 수면 질을 점수화하는 장치(100)는 대상 객체의 호흡 장애 지수 정보로부터 대상 객체가 확률 분포 상으로 질병군에 해당하는 것으로 판단한 예측 정보 'AD(953)'를 생성할 수 있다.
이 경우, 각 항목마다 질병군/정상군에 대한 최종 판단 결과를 투표(Votting)로 결정할 수 있다. 예를 들어, 대상 객체의 총 수면 시간(911) 및 호흡 장애 지수(913)는 질병군으로 판단되고, 무호흡-저호흡 지수(912)에서는 정상군으로 판단되었으므로, 대상 객체는 각 항목별로 질병군이라는 판정이 우세하므로 최종적으로 질병군으로 판정함으로써 병증을 판단할 수 있다.
이와 같이, 본 발명은 대상 객체에 대한 수면 중 레이더 신호 분석 결과를 이용하여 병증 판단을 수행할 수 있으며, 이러한 병증 판단에 대한 정보를 제공하는 병증 판단 서비스를 대상 객체에게 제공할 수 있다.
그 밖에, 병증 판단 이후에 판단에 근거가 된 정보를 수합할 수 있다. 수합된 정보는 서비스 시점에서 사용자에게 병증 판단의 근거를 함께 제공할 수 있다.
단순히 검사에 사용된 항목과 항목별 병증 판단의 척도를 제련하여 특정 도메인 정보 상에서 대상 객체의 위치와 확률을 표현할 수 있다.
또한, 더 세밀한 정보를 파생시켜 대상 객체에게 제공할 수도 있다. 해당 검사자(대상 객체)의 경우, AHI(무호흡-저호흡 지수(912)는 정상군이었지만 RERA(호흡 노력에 의한 각성)에 대한 평균 횟수가 더해진 RDI(호흡 장애 지수(913))는 매우 높은 확률로 질병군으로 산출되었다. 즉, RERA의 횟수가 RDI 증가에 큰 기여를 했으며, RERA는 일반적으로 중추성 무호흡과 관련이 깊다. 따라서, 복수의 수면 검사 항목 중 '중추성 항목'과 관련된 항목의 결과를 함께 대상 객체에게 제공할 수 있다.
이러한 정보에 더불어 추후 다양한 사례 데이터가 축적되면, 유사한 나이군; 가정환경군; 기저질병군 등 에서의 질병의 위치와 같은 통계적 정보를 함께 제공할 수 있다.
이하, 수면 질을 점수화 하는 장치(100)가 수면 다원 검사 결과 정보로부터 분포 모델과 점수화 함수를 생성하고, 레이더 신호로부터 생성된 정보를 점수화 함수에 대입하여 수면 질 점수를 도출하는 과정을 설명하기로 한다.
도 1에 도시되지 않았으나, 수면 질을 점수화하는 장치(100)는 외부의 수면 다원 검사 장치(미도시)와 연결되어 수면 다원 검사 장치로부터 수면 다원 검사 결과 정보를 수신할 수 있다.
여기서 수면 다원 검사 장치는 수면 다원 검사를 수행하는 장치로서, 수면장애를 진단하기 위해, 수면 중 뇌파, 안구운동, 근육의 움직임, 호흡, 심전도와 같은 생체 데이터를 수면 다원 검사 대상자로부터 측정하는 장치를 의미할 수 있다.
수면 다원 검사 장치는 EEG(Electroencephalogram) 센서, EOG(Electrooculography) 센서, EMG(Electromyogram) 센서, EKG(Electrokardiogramme) 센서, PPG(Photoplethysmography) 센서, 체스트 벨트(Chest belt), 앱더먼 벨트(Abdomen belt), 서미스터(Thermister), 유동(Flow) 센서 및 마이크(Microphone) 중 적어도 하나의 감지 수단을 통해 측정된 수면 사용자의 생체 데이터를 생성할 수 있다.
즉, 수면 다원 검사 장치는 뇌파를 측정하기 위한 EEG 센서, 안구의 움직임을 측정하기 위한 EOG 센서, 근육의 움직임을 측정하기 위한 EMG 센서, 심장의 박동을 측정하기 위한 EKG 센서, 산소포화도 및 심박수를 측정하기 위한 PPG 센서, 호흡을 측정하기 위한 서미스터와 유동 센서, 복부와 가슴의 움직임을 측정하기 위한 체스트 벨트와 앱더먼 벨트 및 코콜이(Snoring)를 측정하기 위한 마이크를 통해 측정되는 적어도 하나의 수면 다원 검사 대상자의 생체 데이터를 생성할 수 있다. 그리고 수면 다원 검사 장치는 상기한 생체 데이터들로부터 수면 다원 검사 결과 정보를 생성할 수 있다.
수면 질을 점수화하는 장치(100)는 수면 다원 검사 장치로부터 상기한 수면 다원 검사 결과 정보를 수신하여 데이터베이스(미도시)에 저장할 수 있다. 그리고 데이터베이스는 상기한 수면 다원 검사 결과 정보와 추후 서술할 분포 모델과 점수화 함수에 대한 정보를 저장할 수 있다.
이 때, 데이터베이스에 저장되는 수면 다원 검사 결과 정보는 복수의 수면 다원 검사 대상자들에 대해 각각 생성된 수면 다원 검사 결과의 집합에 해당할 수 있다. 상기한 수면 다원 검사 결과 정보는 수면 다원 검사 장치로부터 생성되어 데이터베이스에 전송될 수 있으나, 다른 데이터베이스에서 가공되어 파일 형태로 저장될 수도 있다. 이러한 경우 데이터베이스는 수면 다원 검사 장치가 아닌 다른 데이터베이스로부터 기 생성된 수면 다원 검사 결과 정보를 수신할 수 있다.
상기한 데이터베이스는 수면 질을 점수화하는 장치(100)의 내부뿐 아니라 외부에 위치할 수도 있으며, 이러한 경우 수면 질을 점수화하는 장치(100)와 외부의 데이터베이스는 유선 또는 무선으로 연결되어 데이터나 정보를 송수신할 수 있다.
점수화 함수 생성부(250) 복수의 수면 다원 검사 대상자에 대한 수면 다원 검사 결과 정보에 기초하여 수면 다원 검사의 요소 별로 분포 모델을 생성하고, 상기 분포 모델 별로 점수화 함수를 생성할 수 있다.
여기서 수면 다원 검사의 요소는 수면 시간 관련 요소와 호흡 이벤트 관련 요소를 포함할 수 있다. 수면 시간 관련 요소는 총 수면 시간, 총 각성 횟수, 총 각성 시간 및 수면 잠복기를 포함할 수 있고, 호흡 이벤트 관련 요소는 중추성 무호흡 횟수, 폐쇄성 무호흡 횟수, 저호흡 횟수, 호흡 노력 관련 각성 횟수를 포함할 수 있다.
보다 구체적으로, 수면 시간 관련 요소 중 총 수면 시간(Total Sleep Time)은 수면 다원 검사 대상자의 수면 시간에 의해 결정될 수 있고, 총 각성 시간(WASO, Wake After Sleep Onset)과 총 각성 횟수(# of wake)는 수면 다원 검사 대상자의 수면 중 각성한 횟수와 시간에 따라 결정될 수 있다. 그리고, 수면 잠복기(Sleep Latency)는 수면 다원 검사 대상자가 잠자리에 누운 후 잠들기까지 걸린 시간을 의미할 수 있다.
호흡 이벤트 관련 요소 중 중추성 무호흡 횟수(Central Apnea), 폐쇄성 무호흡 횟수(Obstructive Apnea)는 수면 중 호흡 정지가 10초 이상 지속될 때 호흡조절계통의 문제로 호흡노력이 소실되어 발생하는 경우와 상기도가 좁아져 호흡 노력이 있음에도 호흡이 정지되는 경우로 나누어 결정될 수 있고, 저호흡 횟수(Hypopnea)는 호흡수는 변화가 거의 없으나 호흡의 깊이가 얕아져 1회 환기량이 감소하는 상태의 횟수에 따라 결정될 수 있다. 호흡 노력 관련 각성 횟수(RERA, Respiratory Effort Related Arousal)는 호흡 노력의 증가에 의해 수면 중 각성되는 횟수를 의미할 수 있다.
분포 모델은 점수화 함수 생성부(250)에 의해 수면 다원 검사의 요소 별로 생성될 수 있다. 보다 구체적으로, 분포 모델은 수면 다원 검사의 요소 중 수면 시간 관련 요소인 총 수면 시간, 총 각성 횟수, 총 각성 시간 및 수면 잠복기에 대해 각각 생성될 수 있고, 호흡 이벤트 관련 요소인 중추성 무호흡 횟수, 폐쇄성 무호흡 횟수, 저호흡 횟수, 호흡 노력 관련 각성 횟수에 대해 각각 생성될 수 있다.
즉, 분포 모델은 수집된 수면 다원 검사 결과 정보를 기반으로 각 요소 별로 생성될 수 있으며, 이를 위해 데이터베이스에 저장된 다수의 검사 대상자를 대상으로 한 수면 다원 검사 결과 정보가 사용될 수 있다. 다수의 수면 다원 검사 대상자로부터 측정된 각 수면 다원 검사 항목 별 점수로부터 분포표를 생성하면, 분포도에 따라 수면 다원 검사 항목 별 정상 수치에 포함되는 지 여부를 판단할 수 있게 된다. 즉, 점수화 함수 생성부(250)는 복수의 수면 다원 검사 대상자에 대해 각각 측정된 수면 다원 검사 결과 정보로부터 각 요소별 히스토그램을 생성하고, 상기 요소별 히스토그램에 기초하여 분포 모델을 생성할 수 있다.
예를 들어, 총 수면 시간에 대한 분포 모델은 대다수의 검사 대상자가 특정한 수면 시간 범위(예를 들어 300 분 내지 450분)에 분포할 수 있고, 이러한 분포를 반영하여 해당 시간 범위의 값이 높도록 분포 모델이 생성될 수 있다. 또 다른 예로서, 총 각성 시간, 총 각성 횟수, 수면 잠복기의 경우 수면 건강이 정상적인 대부분의 검사 대상자로부터 그 수치가 적게 나타나므로 보다 적은 수치에 대해 높은 분포도를 갖도록 분포 모델이 생성될 수 있다. 반면, 수면 건강이 정상적인 대부분의 검사 대상자가 호흡 관련 이벤트의 발생 횟수가 없거나 적으므로 이와 관련된 분포 모델은 적은 횟수에 보다 높은 분포도를 갖도록 분포 모델이 생성될 수 있다.
또한, 점수화 함수 생성부(250)는 수면 다원 검사 대상자의 나이 또는 질병군에 따라 서로 다른 분포 모델을 생성할 수 있다. 보다 구체적으로, 검사 대상자의 신체적 특성 또는 질환의 특징을 고려하여 더 정확한 수면 질 점수를 산출하기 위해, 일관된 분포 모델이 아닌 검사 대상자의 나이 또는 검사 대상자가 가진 질병군 별로 다른 분포 모델을 사용할 수 있다. 보다 구체적으로, 수면 다원 검사 대상자 또는 수면 다원 검사자로부터 입력되는 정보를 활용하여 분포 모델을 설정할 수 있다. 예를 들어, 점수화 함수 생성부(250)는 수면 다원 검사 대상자의 성별이나 나이를 구분하여 측정되는 수면 다원 검사 결과를 활용하여 각 성별이나 나이대에 맞는 분포 모델을 생성할 수 있다. 또는 점수화 함수 생성부(250)는 고혈압 환자 또는 수면제를 복용하는 환자에 따라 다른 분포 모델을 생성할 수 있으며, 이와 같이 성별, 나이, 질환 등에 대한 정보는 데이터베이스에 저장된 수면 다원 검사 결과로부터 필터링 과정을 수행하여 도출된 수면 다원 검사 결과에 기초할 수 있다.
점수화 함수 생성부(250)는 생성된 분포 모델 각각에 대해 점수화 함수를 생성할 수 있다. 각각의 분포 모델 별로 생성되는 점수화 함수는 앞서 생성된 분포 모델을 기반으로 각각의 요소 값에 대응되는 점수로 변환하는 함수일 수 있다. 즉, 점수화 함수는 수면 다원 검사의 요소 별로 생성되며, 각 요소에 대응되는 수면 시간 정보 또는 이벤트 발생 정보가 입력되면 상기 수면 시간 정보 또는 이벤트 발생 정보의 수치를 상기 분포 모델 내 위치에 따른 점수로 변환하는 함수일 수 있다.
점수화 함수는 기본적으로 가우시안 분포를 사용할 수 있으나, 모든 요소들의 값이 음수가 될 순 없으므로 추가적인 점수 변환 과정이 요구된다. 수면 시간 요소에 대한 점수화 함수의 경우, 특히 총 각성 시간, 총 각성 횟수 및 수면 잠복기는 최고점을 기준으로 그보다 낮은 값을 가질 경우 모두 최고점을 산출하도록 설정될 수 있다.
그리고 호흡 이벤트 요소에 대한 점수화 함수의 경우 가우시안 분포의 평균을 0으로 하여 표준 편차를 계산하도록 설정될 수 있다.
상기한 바와 같이, 수면 질을 점수화하는 장치(100)는 송수신부(210)를 이용하여 대상 객체의 폐쇄성 수면무호흡증, 중추성 수면무호흡증 및 혼합성 수면무호흡증 등을 포함하는 수면 관련 병증을 판단할 수 있다.
또한, 상기한 폐쇄성 수면무호흡증, 중추성 수면무호흡증 및 혼합성 수면무호흡증 등을 포함하는 수면 관련 병증을 판단하는 과정에서, 정보 도출부(220)는 중추성 무호흡 횟수, 폐쇄성 무호흡 횟수, 저호흡 횟수 및 호흡 노력 관련 각성 횟수를 파악할 수 있다.
따라서, 수면 질을 점수화하는 장치(100)를 이용하면 수면 다원 검사를 진행하지 않더라도, 수면 다원 검사와 같이 대상 객체의 수면 관련 병증을 정밀하게 판단하고 원인을 분석할 수 있다.
또한, 수면 질을 점수화하는 장치(100)는 송수신부(210)를 통해 대상 객체가 수면을 시작한 시점과 수면을 종료한 시점을 파악할 수 있고, 수면 중 각성한 시점과 각성한 시간을 파악할 수 있다.
이후, 정보 도출부(220)는 상기한 수면 시작 시점과 수면 종료 시점의 차이로 총 수면 시간을 도출할 수 있다. 또한, 정보 도출부(220)는 수면 중 각성한 시점과 해당 각성이 유지된 시간을 통해 총 각성 횟수와 총 각성 시간을 도출할 수 있다. 또한, 정보 도출부(220)는 수면 시작 시점과 레이더 신호를 기반으로 움직임 분석을 통해 수면 잠복기를 도출할 수 있다.
즉, 정보 도출부(220)가 도출하는 수면 시간 정보는 상기 수면 다원 검사의 요소 중 총 수면 시간, 총 각성 횟수, 총 각성 시간 및 수면 잠복기 중 적어도 하나에 대응되는 요소를 포함할 수 있고, 정보 도출부(220)가 도출하는 이벤트 발생 정보는 상기 수면 다원 검사의 요소 중 중추성 무호흡 횟수, 폐쇄성 무호흡 횟수, 저호흡 횟수 및 호흡 노력 관련 각성 횟수 중 적어도 하나에 대응되는 요소를 포함할 수 있다.
요소별 점수 계산부(260)는 정보 도출부(220)가 도출한 정보를 상기 점수화 함수에 적용하여 요소별 점수를 계산할 수 있다. 보다 구체적으로, 요소별 점수 계산부(260)는 대상 객체에 대해 정보 도출부(220)에 의해 생성된 측정값에 대해 점수화 함수를 적용할 수 있고, 이를 통해 0 내지 100의 범위 내 결과 값으로 각 수면 다원 검사의 요소별 점수를 도출할 수 있다.
수면 질 점수 계산부(270)는 요소별 점수 계산부(260)에 의해 계산된 상기 요소별 점수를 기초로 상기 대상 객체에 대한 수면 질 점수를 계산할 수 있다. 보다 구체적으로, 수면 질 점수 계산부(270)는 수면 다원 검사 요소 별로 계산된 점수를 모두 평균하여 수면 질 점수를 도출할 수 있다.
이러한 수면 질 점수는 수면 질을 점수화하는 장치(100)의 출력 장치를 통해 별도의 디스플레이 장치를 통해 표시되거나 연결된 다른 장치에 제공될 수 있다.
또한, 수면 질 점수 계산부(270)는 대상 객체로부터 입력되는 피드백 정보에 기초하여 계산된 요소별 점수에 가중치를 부여하고, 부여된 가중치를 반영하여 수면 질 점수를 계산할 수 있다. 여기서 피드백 정보는 대상 객체가 수면 후 수면 질을 점수화 하는 장치(100)에 지난 수면에 대한 피드백 입력하여 생성되는 정보에 해당할 수 있다.
보다 구체적으로, 피드백 정보는 매일 또는 간헐적으로 이루어지는 수면 질을 점수화 하는 장치(100)에 의한 수면 검사 중 수면 만족도에 대한 설문 결과에 대해 대상 객체가 입력하는 정보를 포함할 수 있다. 수면 질을 점수화하는 장치(100)는 피드백을 받을 날짜에 산출된 각 수면 검사 대상 항목들의 요소에 대한 값들과 피드백 받은 만족도 간의 상관 분석을 통해 피드백의 변동과 요소 값의 변동 간의 일치도를 파악하여 가중치를 생성할 수 있다. 여기서 보다 높은 가중치가 부여된 수면 검사 대상 항목들은 그만큼 대상 객체가 수면의 질에 있어서 민감하게 반응하는 항목을 의미할 수 있다. 따라서, 가중치가 반영된 수면 질 점수는 보다 대상 객체의 상태를 표현하기에 적합하고, 대상 객체의 수면 질을 보다 정확하게 측정할 수 있다.
도 10은 본 발명의 일 실시예에 따른 수면 질을 점수화하는 과정을 예시하여 설명하기 위한 도면이다.
도 10을 참조하면, 수면 질을 점수화하는 장치가 데이터베이스(1010)에서 추출된 데이터에 기초하여 분포 모델(1050)과 점수화 함수(1060)가 생성되고, 레이더 신호가 저장된 데이터베이스 (1011)로부터 추출된 정보에 기초하여 수면 시간 측정(1020)과 호흡 이벤트 분류(1030)가 이루어지는 것을 알 수 있다. 그리고 수면 질을 점수화하는 장치(100)는 수면 시간 측정(1020)을 통해 각 수면 시간 관련 요소들(1041)에 대한 정보를 생성하고, 호흡 이벤트 분류(1030)를 통해 호흡 이벤트 관련 요소들(1042)에 대한 정보를 생성하는 것을 알 수 있다. 이후, 수면 질을 점수화 하는 장치(100)는 각각의 요소들(1040)에 대한 정보에 분포 모델(1050)과 점수화 함수(1060)를 적용하여 각 요소별 수면 시간 관련 요소별 점수(1070)와 호흡 이벤트 관련 요소별 점수(1080)를 계산하고, 이를 종합하여 수면 질 점수(1090)를 계산하는 것을 알 수 있다.
도 11을 참조하면, 수면 다원 검사 결과(1110)로부터 요소 별 분포 모델과 점수화 함수(1120)를 생성하고, 수면 관련 요소들과 호흡 관련 요소들(1130)에 대해 점수화 함수를 적용하여 요소별 점수화(1140)를 수행하고 이를 합산(1150)하는 과정을 통해 수면 질 점수를 도출하는 것을 알 수 있다.
도 12 및 도 13은 본 발명의 일 실시예에 따른 분포 모델을 예시하여 설명하기 위한 도면이다. 도 12는 수면 시간 관련 요소들에 대해 생성된 분포 모델들 예시하며, 도 13은 호흡 이벤트 관련 요소들에 대해 생성된 분포 모델들을 예시한다. 도 12에서 총 수면 시간에 대한 분포 모델은 300분 내지 450분의 범위에서 높은 분포도를 갖는 것을 알 수 있고, 반면 총 각성 시간은 0분 내지 100분의 높은 분포도를 갖는 것을 알 수 있다.
도 13은 호흡 이벤트 관련 요소들에 대한 분포 모델을 예시하고, 각 호흡 이벤트의 경우 그 빈도가 적을수록 보다 높은 분포도를 갖는 것을 알 수 있다.
도 14 및 도 15는 본 발명의 일 실시예에 따른 점수화 함수를 예시하여 설명하기 위한 도면이다.
도 14는 수면 시간 관련 요소들에 대한 점수화 함수를 예시하고, 도 15는 호흡 이벤트 관련 요소들에 대한 점수화 함수를 예시한다. 보다 구체적으로, 도 14에서 점수화 함수는 도 12의 분포 모델을 기초로 하여 분포 모델 상에서 분포도가 높은 범위에 대해 보다 높은 점수가 부여될 수 있도록 결정되는 것을 알 수 있다. 다만, 총 각성 시간(WASO), 총 각성 횟수(# of Wake), 수면 잠복기(Sleep Latency)의 점수화 함수는 최고점을 기준으로 그보다 낮은 값을 가진 경우 모두 최고점을 산출하도록 설정될 수 있다.
도 15에서 점수화 함수는 도 13의 분포 모델을 기초로 하여 보다 적은 횟수에 대해 보다 높은 점수가 부여될 수 있도록 결정되는 것을 알 수 있다. 여기서 도 15의 점수화 함수들은 가우시안 분포의 평균을 0으로하여 표준 편차를 재산출하고, 음의 영역(2사분면)에 대칭인 분포가 있다고 가정할 수 있다.
도 16은 도 14의 점수화 함수에 대해 측정값을 입력하여 요소별 점수를 계산하는 과정을 예시하여 설명하기 위한 도면이다.
보다 구체적으로, 도 16은 도 14의 점수화 함수 중 총 각성 시간에 대한 점수화 함수를 예시한다. 요소별 점수 계산부는 대상 객체의 총 각성 시간을 대응되는 점수화 함수에 대입하여 총 각성 시간에 대한 점수를 계산할 수 있다. 도 16은 대상 객체의 총 각성 시간이 70분인 경우 89점, 총 각성 시간이 120분인 경우 30점이 계산되도록 점수화 함수가 생성된 것을 예시한다. 도 8은 각 요소별 점수화 함수를 통해 점수를 계산하는 과정 중 일부를 예시한 것이며, 도 8에 예시된 총 각성 시간 이외의 요소들에 대해서도 도 16과 같이 점수가 계산될 수 있다.
도 17은 본 발명의 일 실시예에 따라 수면 다원 검사의 요소별로 계산된 점수를 기초로 수면 질 점수를 계산하는 것을 예시하여 설명하기 위한 도면이다. 도 17을 참조하면, 수면 질을 점수화 하는 장치가 각 요소 별로 계산된 점수에 대한 평균 값을 통해 수면 질 점수를 계산한 것을 알 수 있다.
도 18은 본 발명의 일 실시예에 따라 수면 다원 검사의 요소별로 계산된 점수에 가중치를 부여하여 수면 질 점수를 계산하는 것을 예시하여 설명하기 위한 도면이다. 도 18의 좌측 도면은 수면 질 점수를 계산하는 과정에서 각 수면 다원 검사의 요소별로 계산된 점수에 대해 균등한 가중치(0.25)로 설정하여 수면 질 점수를 계산한 것을 예시한다. 반면, 도 18의 우측 도면은 피드백 데이터를 통해 가중치를 재조정하여 수면 다원 검사의 요소별로 다른 가중치를 부여하여 수면 질 점수를 계산한 것을 예시한다.
도 19는 본 발명의 일 실시예에 따른 수면 질 점수화 방법의 순서도이다. 도 19를 참조하면, 본 발명의 일 실시예에 따른 수면 질을 점수화하는 방법은 복수의 수면 다원 검사 대상자에 대한 수면 다원 검사 결과 정보에 기초하여 수면 다원 검사의 요소 별로 분포 모델을 생성하고, 상기 분포 모델 별로 점수화 함수를 생성하는 점수화 함수 생성 단계(S100), 대상 객체를 향하여 레이더 신호를 송신하고, 상기 대상 객체로부터 반사된 레이더 신호를 수신하는 송수신 단계(S200), 상기 레이더 신호에 상기 대상 객체에 대한 수면 시간 정보 및 복수의 수면 항목에 대한 이벤트 발생 정보를 도출하는 도출 단계(S300), 상기 수면 시간 정보 및 이벤트 발생 정보를 상기 점수화 함수에 적용하여 상기 요소별 점수를 계산하는 요소별 점수 계산 단계(S400) 및 계산된 상기 요소별 점수를 기초로 상기 대상 객체에 대한 수면 질 점수를 계산하는 단계(S500)를 포함할 수 있다.
수면 질을 점수화하는 방법은 앞서 도 1 내지 도 18을 통해 설명된 실시예를 통해 더 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
상기한 수면 질 점수화 방법은 컴퓨터에 의해 실행되는 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행 가능한 명령어들을 포함하는 기록 매체의 형태로도 구현될 수 있다. 또한, 상기한 수면 질 점수화 방법은 컴퓨터에 의해 실행되는 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램의 형태로도 구현될 수 있다.
컴퓨터 판독 가능 기록매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 기록매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 수면 질을 점수화하는 장치
210: 송수신부
220: 정보 도출부
230: 지수 도출부
240: 병증 판단부
250: 점수화 함수 생성부
260: 요소별 점수 계산부
270: 수면 질 점수 계산부

Claims (15)

  1. 수면 질을 점수화하는 장치에 있어서,
    복수의 수면 다원 검사 대상자에 대한 수면 다원 검사 결과 정보에 기초하여 수면 다원 검사의 요소 별로 분포 모델을 생성하고, 상기 분포 모델 별로 점수화 함수를 생성하는 점수화 함수 생성부;
    대상 객체를 향하여 레이더 신호를 송신하고, 상기 대상 객체로부터 반사된 레이더 신호를 수신하는 송수신부;
    상기 레이더 신호에 기초하여 상기 대상 객체에 대한 수면 시간 정보 및 복수의 수면 항목에 대한 이벤트 발생 정보를 도출하는 정보 도출부;
    상기 수면 시간 정보 및 상기 이벤트 발생 정보를 상기 점수화 함수에 적용하여 요소별 점수를 계산하는 요소별 점수 계산부; 및
    계산된 상기 요소별 점수를 기초로 상기 대상 객체에 대한 수면 질 점수를 계산하는 수면 질 점수 계산부; 를 포함하는 것을 특징으로 하는 수면 질을 점수화하는 장치.
  2. 제1항에 있어서, 상기 대상 객체의 상기 수면 시간 정보는,
    상기 수면 다원 검사의 요소 중 총 수면 시간, 총 각성 횟수, 총 각성 시간 및 수면 잠복기 중 적어도 하나에 대응되는 요소를 포함하는 것을 특징으로 하는 수면 질을 점수화하는 장치.
  3. 제1항에 있어서, 상기 대상 객체의 상기 이벤트 발생 정보는,
    상기 수면 다원 검사의 요소 중 중추성 무호흡 횟수, 폐쇄성 무호흡 횟수, 저호흡 횟수 및 호흡 노력 관련 각성 횟수 중 적어도 하나에 대응되는 요소를 포함하는 것을 특징으로 하는 수면 질을 점수화하는 장치.
  4. 제1 항에 있어서, 상기 점수화 함수 생성부는
    상기 복수의 수면 다원 검사 대상자에 대해 각각 측정된 수면 다원 검사 결과 정보로부터 각 요소별 히스토그램을 생성하고, 상기 요소별 히스토그램에 기초하여 상기 분포 모델을 생성하는 것을 특징으로 하는 수면 질을 점수화하는 장치.
  5. 제1 항에 있어서, 상기 점수화 함수 생성부는
    수면 다원 검사 대상자의 나이 및 질병군 중 적어도 하나 이상의 분류 기준에 따라 서로 다른 분포 모델을 생성하는 것을 특징으로 하는 수면 질을 점수화하는 장치.
  6. 제1 항에 있어서, 상기 점수화 함수는
    상기 분포 모델 별로 생성되며, 각 분포 모델이 기초하는 상기 요소에 따라 입력되는 수면 시간 정보 또는 이벤트 발생 정보의 수치를 상기 분포 모델 내의 위치에 따른 점수로 변환하는 함수인 것을 특징으로 하는 수면 질을 점수화 하는 장치.
  7. 제1 항에 있어서, 상기 수면 질 점수 계산부는,
    상기 요소별 점수에 가중치를 부여하고, 부여된 가중치를 반영하여 상기 수면 질 점수를 계산하되, 상기 가중치는 상기 대상 객체로부터 입력되는 피드백 정보에 기초하여 계산되는 것을 특징으로 하는 수면 질을 점수화하는 장치.
  8. 수면 질을 점수화하는 장치를 이용하는 수면 질의 점수화 방법에 있어서,
    복수의 수면 다원 검사 대상자에 대한 수면 다원 검사 결과 정보에 기초하여 수면 다원 검사의 요소 별로 분포 모델을 생성하고, 상기 분포 모델 별로 점수화 함수를 생성하는 점수화 함수 생성 단계;
    대상 객체를 향하여 레이더 신호를 송신하고, 상기 대상 객체로부터 반사된 레이더 신호를 수신하는 송수신 단계;
    상기 레이더 신호에 기초하여 상기 대상 객체에 대한 수면 시간 정보 및 복수의 수면 항목에 대한 이벤트 발생 정보를 도출하는 도출 단계;
    상기 수면 시간 정보 및 상기 이벤트 발생 정보를 상기 점수화 함수에 적용하여 요소별 점수를 계산하는 요소별 점수 계산 단계; 및
    계산된 상기 요소별 점수를 기초로 상기 대상 객체에 대한 수면 질 점수를 계산하는 수면 질 점수 계산 단계; 를 포함하는 것을 특징으로 하는 수면 질의 점수화 방법.
  9. 제8항에 있어서, 상기 대상 객체의 상기 수면 시간 정보는,
    상기 수면 다원 검사의 요소 중 총 수면 시간, 총 각성 횟수, 총 각성 시간 및 수면 잠복기 중 적어도 하나에 대응되는 요소를 포함하는 것을 특징으로 하는 수면 질의 점수화 방법.
  10. 제8항에 있어서, 상기 대상 객체의 상기 이벤트 발생 정보는,
    상기 수면 다원 검사의 요소 중 중추성 무호흡 횟수, 폐쇄성 무호흡 횟수, 저호흡 횟수 및 호흡 노력 관련 각성 횟수 중 적어도 하나에 대응되는 요소를 포함하는 것을 특징으로 하는 수면 질의 점수화 방법.
  11. 제8 항에 있어서, 상기 점수화 함수 생성 단계는
    상기 복수의 수면 다원 검사 대상자에 대해 각각 측정된 수면 다원 검사 결과 정보로부터 각 요소별 히스토그램을 생성하고, 상기 요소별 히스토그램에 기초하여 상기 분포 모델을 생성하는 단계인 것을 특징으로 하는 수면 질의 점수화 방법.
  12. 제8 항에 있어서, 상기 점수화 함수 생성 단계는
    수면 다원 검사 대상자의 나이 및 질병군 중 적어도 하나 이상의 분류 기준에 따라 서로 다른 분포 모델을 생성하는 단계인 것을 특징으로 하는 수면 질의 점수화 방법.
  13. 제8 항에 있어서, 상기 점수화 함수는
    상기 분포 모델 별로 생성되며, 각 분포 모델이 기초하는 상기 요소에 따라 입력되는 수면 시간 정보 또는 이벤트 발생 정보의 수치를 상기 분포 모델 내의 위치에 따른 점수로 변환하는 함수인 것을 특징으로 하는 수면 질의 점수화 방법.
  14. 제8 항에 있어서, 상기 수면 질 점수 계산 단계는,
    상기 요소별 점수에 가중치를 부여하고, 부여된 가중치를 반영하여 상기 수면 질 점수를 계산하되, 상기 가중치는 상기 대상 객체로부터 입력되는 피드백 정보에 기초하여 계산되는 것을 특징으로 하는 수면 질의 점수화 방법.
  15. 수면 질을 점수화하는 명령어들의 시퀀스를 포함하는 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램에 있어서,
    복수의 수면 다원 검사 대상자에 대한 수면 다원 검사 결과 정보에 기초하여 수면 다원 검사의 요소 별로 분포 모델을 생성하고, 상기 분포 모델 별로 점수화 함수를 생성하며,
    대상 객체를 향하여 레이더 신호를 송신하고, 상기 대상 객체로부터 반사된 레이더 신호를 수신하고,
    상기 레이더 신호에 기초하여 상기 대상 객체에 대한 수면 시간 정보 및 복수의 수면 항목에 대한 이벤트 발생 정보를 도출하며,
    상기 수면 시간 정보 및 상기 이벤트 발생 정보를 상기 점수화 함수에 적용하여 요소별 점수를 계산하고,
    계산된 상기 요소별 점수를 기초로 상기 대상 객체에 대한 수면 질 점수를 계산하는 명령어들의 시퀀스를 포함하는, 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램.
KR1020230021306A 2022-03-10 2023-02-17 수면 질을 점수화하는 장치, 방법 및 컴퓨터 프로그램 KR20230133198A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US18/119,519 US20230284971A1 (en) 2022-03-10 2023-03-09 Device, method and computer program for scoring sleep quality
EP23160941.3A EP4241657A1 (en) 2022-03-10 2023-03-09 Device, method and computer program for scoring sleep quality
JP2023037711A JP2023133265A (ja) 2022-03-10 2023-03-10 睡眠質を点数化する装置、方法及びコンピュータプログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220030033 2022-03-10
KR20220030033 2022-03-10

Publications (1)

Publication Number Publication Date
KR20230133198A true KR20230133198A (ko) 2023-09-19

Family

ID=88196510

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230021306A KR20230133198A (ko) 2022-03-10 2023-02-17 수면 질을 점수화하는 장치, 방법 및 컴퓨터 프로그램

Country Status (1)

Country Link
KR (1) KR20230133198A (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180077453A (ko) 2016-12-29 2018-07-09 주식회사 올비 동작 패턴 분석에 기반한 수면중 호흡 분석 시스템
KR102321991B1 (ko) 2020-03-30 2021-11-03 디디에이치 주식회사 수면 무호흡증 진단을 위한 기도 형태 분석 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180077453A (ko) 2016-12-29 2018-07-09 주식회사 올비 동작 패턴 분석에 기반한 수면중 호흡 분석 시스템
KR102321991B1 (ko) 2020-03-30 2021-11-03 디디에이치 주식회사 수면 무호흡증 진단을 위한 기도 형태 분석 방법 및 장치

Similar Documents

Publication Publication Date Title
Toften et al. Validation of sleep stage classification using non-contact radar technology and machine learning (Somnofy®)
US10492720B2 (en) System and method for determining sleep stage
KR102090968B1 (ko) 개인의 수면 및 수면 단계들을 결정하기 위한 시스템 및 방법
JP5628147B2 (ja) 睡眠／覚醒状態評価方法及びシステム
CN107506569B (zh) 用于评估和干预的生活质量参数的无接触和最小接触监控
AU2005204433B2 (en) Method and apparatus for ECG-derived sleep disordered breathing monitoring, detection and classification
US8515529B2 (en) Detecting sleep disorders using heart activity
US11751803B2 (en) Sleep apnea detection system and method
JP7104076B2 (ja) 睡眠統計を決定する方法及び装置
EP3536225A1 (en) Sleep apnea detection system and method
CN111466906A (zh) 穿戴式睡眠监测仪及监测方法
US20210282706A1 (en) Characterizing stimuli response to detect sleep disorders
Jung et al. Estimation of tidal volume using load cells on a hospital bed
KR20230133198A (ko) 수면 질을 점수화하는 장치, 방법 및 컴퓨터 프로그램
JP7478473B2 (ja) レーダを利用して病症を判断する装置、方法及びコンピュータプログラム
US20230284971A1 (en) Device, method and computer program for scoring sleep quality
Townsend et al. Amplitude-based central apnea screening
KR20230037420A (ko) 레이더를 이용하여 수면 호흡을 분석하는 장치, 방법 및 컴퓨터 프로그램
US20230075040A1 (en) Device, method and computer program for analyzing sleep breathing using radar
CN111481189A (zh) 睡眠评估方法及装置
US11998347B2 (en) Sleep apnea detection system and method
Almazaydeh et al. A highly Reliable and Fully Automated Classification System for Sleep Apnea Detection
US20230200677A1 (en) Methods and systems of calibrating respiratory measurements to determine flow, ventilation and/or endotypes
Zhang RF Sensors for Medical and Cyber-Physical Intelligence
TWI462725B (zh) 依據比對基準判斷睡眠障礙嚴重程度之系統及其方法