KR20240009348A - 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법,프로그램 및 장치 - Google Patents
심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법,프로그램 및 장치 Download PDFInfo
- Publication number
- KR20240009348A KR20240009348A KR1020230081780A KR20230081780A KR20240009348A KR 20240009348 A KR20240009348 A KR 20240009348A KR 1020230081780 A KR1020230081780 A KR 1020230081780A KR 20230081780 A KR20230081780 A KR 20230081780A KR 20240009348 A KR20240009348 A KR 20240009348A
- Authority
- KR
- South Korea
- Prior art keywords
- electrocardiogram
- heart
- data
- ecg
- visualization content
- Prior art date
Links
- 238000012800 visualization Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000000747 cardiac effect Effects 0.000 claims abstract description 24
- 230000033001 locomotion Effects 0.000 claims abstract description 20
- 230000017531 blood circulation Effects 0.000 claims abstract description 17
- 238000003062 neural network model Methods 0.000 claims description 39
- 238000000718 qrs complex Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 14
- 230000001746 atrial effect Effects 0.000 claims description 10
- 239000008280 blood Substances 0.000 claims description 9
- 210000004369 blood Anatomy 0.000 claims description 9
- 230000006698 induction Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 13
- 210000003414 extremity Anatomy 0.000 description 13
- 208000019622 heart disease Diseases 0.000 description 10
- 230000001360 synchronised effect Effects 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 9
- 239000000284 extract Substances 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 201000010099 disease Diseases 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 210000005240 left ventricle Anatomy 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 210000005245 right atrium Anatomy 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 206010003119 arrhythmia Diseases 0.000 description 4
- 230000006793 arrhythmia Effects 0.000 description 4
- 210000001992 atrioventricular node Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000005189 cardiac health Effects 0.000 description 4
- 210000002837 heart atrium Anatomy 0.000 description 4
- 210000005246 left atrium Anatomy 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008602 contraction Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000002565 electrocardiography Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 210000005241 right ventricle Anatomy 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000004070 electrodeposition Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 206010008479 Chest Pain Diseases 0.000 description 1
- 206010049694 Left Ventricular Dysfunction Diseases 0.000 description 1
- 206010033557 Palpitations Diseases 0.000 description 1
- 208000001871 Tachycardia Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004375 bundle of his Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 210000001174 endocardium Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007914 intraventricular administration Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000003742 purkinje fiber Anatomy 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004213 regulation of atrial cardiomyocyte membrane depolarization Effects 0.000 description 1
- 230000013577 regulation of ventricular cardiomyocyte membrane repolarization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000001013 sinoatrial node Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 206010042772 syncope Diseases 0.000 description 1
- 230000006794 tachycardia Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/339—Displays specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/353—Detecting P-waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/355—Detecting T-waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
본 개시는 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법, 프로그램 및 장치에 관한 것으로서, 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는, 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법으로서, 심전도 데이터를 획득하는 단계; 상기 심전도 데이터로부터 심전도 특징을 추출하는 단계; 및 상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하는 단계를 포함하되, 상기 심장 애니메이션 데이터는, 상기 심전도 그래프와 동기화되어 재생되고, 심장 움직임, 혈액 흐름 또는 전기 흐름 중 적어도 하나를 포함하는 심장 상태 정보를 표시할 수 있는 방법을 제공하고자 한다.
Description
본 개시의 내용은 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법에 관한 것으로, 구체적으로 사전 학습된 신경망 모델을 사용하여 심전도 데이터를 분석한 심전도 특징에 기초하여 심전도 파형과 해부학적 심장의 모습에 대한 시각화 콘텐츠를 제공할 수 있는 방법에 관한 것이다.
심전도(ECG: electrocardiogram)는 심장에서 발생하는 전기적인 신호를 측정하여 심장에서부터 전극까지의 전도계통의 이상 유무를 확인하여 질환유무를 판별할 수 있게 하는 신호이다.
심전도의 발생 원인인 심장박동은 우심방(right atrium)에 자리잡은 동방결절(sinus node)에서 시작된 임펄스가 먼저 우심방과 좌심방(left atrium)을 탈분극(deploarization)시키며 방실결절(atrioventricular node)에서 잠시 지체된 후 심실을 활성화시킨다.
중격(septum)이 가장 빠르고 벽이 얇은 우심실은 벽이 두꺼운 좌심실보다 먼저 활성화된다. 푸르키녜 섬유(purkinje fiber)까지 전달된 탈분극 파는 심근에서 파도(wavefront)와 같이 심장내막에서 외심막으로 퍼져나가면서 심실수축을 일으키게 된다. 정상적으로 전기적 자극이 심장을 통하여 전도되기 때문에 심장은 분당 약 60~100회 수축된다. 각 수축은 1회 심박동수로 나타낸다.
이와 같은 심전도는 두 부위 간의 전위차를 기록하는 양극 유도(bipolar lead)와 전극을 부착시킨 부위의 전위를 기록하는 단극 유도(unipolar lead)를 통해 검출할 수 있으며, 심전도를 측정하는 방법에는 양극 유도인 표준 유도(standard limb lead), 단극 유도인 사지 유도(unipolar limb lead), 단극 유도인 흉부 유도(precordial lead) 등이 있다.
심장의 전기적 활성단계는 크게 심방 탈분극, 심실 탈분극, 심실 재분극 시기로 나뉘며, 이러한 각 단계는 도 1에 나타난 바와 같이 P, Q, R, S, T파라고 불리는 몇 개의 파의 형태로 반영된다.
이러한 파들은 표준 형태를 갖추어야 심장의 전기적 활성이 정상이라고 볼 수 있다. 표준 형태인지 아닌지를 파악하기 위해서는 각 파가 유지되는 시간, 각 파끼리의 간격(interval), 각 파의 진폭, 첨도 등의 특징들이 정상 범위(또는 기준)에 속하는지를 검사하여야 한다.
이러한 심전도는 고가의 측정 장비로 측정되어 환자의 건강상태를 측정하기 위한 보조 도구로 사용되며, 일반적으로 심전도 측정 장비는 측정결과만을 표시해주며 진단은 온전히 의사의 몫이었다.
특히, 24시간 심전도 검사는 소형 카세트 크기의 측정기기를 사용자의 몸에 장착한 후에 일정시간(예를 들어, 20시간 정도) 이후에 심전도 검사가 종료된 후 심전도 변화를 측정하는 검사이다. 이러한 24시간 심전도 검사는 일상생활 중에 나타나는 어지러움, 실신, 심계항진, 가슴통증 등의 증상이 부정맥과 관련성이 있는지를 심전도 상에서 확인하여 심장질환을 진단하기 위한 검사이지만, 검사를 시행하는 동안은 기기 부착과 탈착을 위해 검사실(예를 들어, 병원 등)에 사용자 직접 2회 정도 방문해야 하는 불편함이 있다. 실제로, 간헐적으로 발생하는 심장의 이상신호를 심전도 검사를 통해 발견하기 위해서는 병원 방문을 여러 번 해야 하는 어려움이 있고, 증상이 심하지 않거나 과거 질병으로 인한 사후관리를 하는 환자들은 병원 방문에 많은 시간과 노력을 할애해야 한다는 문제점이 있다.
현재 의사의 의존도를 낮추기 위해 심전도를 기초로 인공지능을 이용하여 신속 정확하게 질환을 진단하는 연구가 계속되고 있다. 또한, 스마트 워치 등의 웨어러블 형태의 자가 심전도 측정 기기의 발달과 함께 심전도를 기초로 심장 질환뿐만 아닌 다른 여러 질환을 진단 및 모니터링할 수 있는 가능성이 대두되고 있다.
따라서, 향후 심전도 검사 시스템은 사용자가 일상생활에서 지속적으로 심전도를 측정하는 것에만 한정되지 않고, 사용자에 대한 심전도 데이터를 병원에 설치된 의료정보시스템과 연동하여 사전 학습된 신경망 모델을 통해 신속 정확하게 파악할 수 있고, 의료 지식이 없는 일반인들도 심전도 신호를 쉽게 이해할 수 있도록 하는 플랫폼을 제공할 수 있어야 한다.
본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 심전도 데이터를 의료 지식이 없는 사용자가 이해할 수 있도록 심전도 파형과 함께 심장 움직임, 혈액 흐름 및 전기 흐름을 포함한 심장 상태 정보를 해부학적 심장의 모습으로 시각화한 애니메이션 형태로 보여줄 수 있는 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법을 제공하는 것을 목적으로 한다.
다만, 본 개시에서 해결하고자 하는 과제는 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재를 근거로 명확하게 이해될 수 있을 것이다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법을 제공하고자 한다. 상기 방법은, 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는, 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법으로서, 심전도 데이터를 획득하는 단계; 상기 심전도 데이터로부터 심전도 특징을 추출하는 단계; 및 상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하는 단계를 포함하되, 상기 심장 애니메이션 데이터는, 상기 심전도 그래프와 동기화되어 재생되고, 심장 움직임, 혈액 흐름 또는 전기 흐름 중 적어도 하나를 포함하는 심장 상태 정보를 표시하는 것이다.
대안적으로, 상기 심전도 특징은, P파, QRS 복합체(complex) 및 T파를 포함할 수 있다.
대안적으로, 상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하는 단계는, 상기 심전도 데이터와 상기 추출된 심전도 특징을 기초로 심장 축(heart axis)을 계산하는 단계; 및 상기 계산된 심장 축을 기준으로 상기 해부학적 심장의 모습을 배치하여 상기 심장 애니메이션 데이터를 생성하는 단계를 포함할 수 있다.
대안적으로, 상기 심전도 데이터와 상기 추출된 심전도 특징을 기초로 심장 축(heart axis)을 계산하는 단계는, 상기 심전도 특징을 기초로 상기 심전도 데이터에서 표준 유도(lead)와 사지 유도(lead) 각각의 합산 진폭(net amplitude)를 계산하는 단계; 및 상기 표준 유도의 합산 진폭과 상기 사지 유도의 합산 진폭을 입력 변수로 하는 수학적 연산을 기초로 상기 심장 축의 각도를 산출하는 단계; 를 포함할 수 있다.
대안적으로, 상기 계산된 심장 축을 기준으로 상기 해부학적 심장의 모습을 배치하여 상기 심장 애니메이션 데이터를 생성하는 단계는, 상기 계산된 심장 축이 유도 Ⅰ를 기준으로 45도 내지 90도 범주에 포함되지 않는 경우, 상기 해부학적 심장의 모습을 60도를 기준으로 배치하여 상기 심장 애니메이션 데이터를 생성하는 단계; 를 포함할 수 있다.
대안적으로, 상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하는 단계는, 상기 심전도 특징을 기초로 심전도 파형의 시작점, 끝점 또는 지속 시간 중 적어도 하나를 파악하는 단계; 및 상기 시작점, 끝점 또는 지속시간 중 적어도 하나에 기반하여, 상기 심전도 파형과 상기 해부학적 심장의 모습에서 심장 움직임, 혈액 흐름 또는 전기 흐름의 동기를 맞추는 단계를 포함할 수 있다.
대안적으로, 상기 방법은, 상기 시각화 콘텐츠를 재생하기 위한 사용자 인터페이스를 사용자 단말기에 제공하는 단계를 더 포함할 수 있다.
대안적으로, 상기 시각화 콘텐츠를 재생하기 위한 사용자 인터페이스를 사용자 단말기에 제공하는 단계는, 상기 심전도 그래프에 기 설정된 기준점 또는 기준선에 대한 사용자 입력에 기초한 제1 이벤트 발생시, 상기 기준점 또는 기준선에 대응되는 해부학적 심장의 모습이 디스플레이 되도록 상기 시각화 콘텐츠를 재생하는 단계; 포함할 수 있다.
대안적으로, 상기 시각화 콘텐츠를 재생하기 위한 사용자 인터페이스를 사용자 단말기에 제공하는 단계는, 상기 심전도 그래프의 변화에 따라 상기 해부학적 심장의 모습의 색상, 명도, 채도, 또는 하이라이트 효과 중 적어도 하나가 변화하도록 상기 시각화 콘텐츠를 재생하는 단계를 포함할 수 있다.
대안적으로, 상기 시각화 콘텐츠를 재생하기 위한 사용자 인터페이스를 사용자 단말기에 제공하는 단계는, 상기 시각화 콘텐츠가 정지된 상태에서 상기 해부학적 심장의 모습에서 소정의 위치를 특정하는 사용자 입력에 기초한 제2 이벤트 발생시, 상기 특정된 위치와 상관 관계가 존재하는 심전도 파형이 디스플레이 되도록 상기 시각화 콘텐츠를 재생하는 단계를 포함할 수 있다.
대안적으로, 상기 시각화 콘텐츠를 재생하기 위한 사용자 인터페이스를 사용자 단말기에 제공하는 단계는, 상기 해부학적 심장의 모습에서 심방 영역을 선택 및 줌아웃(zoom out)하는 사용자 입력에 기초한 제3 이벤트 발생시, 상기 선택된 심방 영역에 혈액이 차오르고, 상기 선택된 심방 영역의 활동에 대응되는 심전도 파형이 디스플레이 되도록 상기 시각화 콘텐츠를 재생하는 단계; 포함할 수 있다.
대안적으로, 상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하는 단계는, 상기 심전도 파형 중 정상 범주에 포함되지 않는 파형을 파악하는 단계; 및 상기 파악된 정상 범주에 포함되지 않는 파형의 색상, 형태 또는 모양 중 적어도 하나를 변형시켜 상기 심전도 그래프를 생성하는 단계를 포함할 수 있다.
본 개시의 다른 실시예에 따른 컴퓨터 판독가능 저장 매체 저장된 컴퓨터 프로그램(program)으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서(processor)에서 실행되는 경우, 심전도 판독에 기반한 시각화 콘텐츠를 제공하기 위한 동작들을 수행하도록 하며, 상기 동작들은, 심전도 데이터를 획득하는 동작; 사전 학습된 신경망 모델을 사용하여, 상기 심전도 데이터로부터 심전도 특징을 추출하는 동작; 및 상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하는 동작을 포함하고, 상기 심장 애니메이션 데이터는, 상기 심전도 그래프와 동기화되어 재생되고, 심장 움직임, 혈액 흐름 또는 전기 흐름 중 적어도 하나를 포함하는 심장 상태 정보를 표시하는 것이다.
한편, 본 개시의 일 실시예에 따라 심전도 판독에 기반한 시각화 콘텐츠를 제공하기 위한 컴퓨팅 장치로서, 적어도 하나의 코어(core)를 포함하는 프로세서(processor); 및 상기 프로세서에서 실행 가능한 프로그램 코드(code)들을 포함하는 메모리(memory)를 포함하고, 상기 프로세서는, 상기 프로그램 코드의 실행에 따라, 심전도 데이터를 획득하고, 사전 학습된 신경망 모델을 사용하여, 상기 심전도 데이터로부터 심전도 특징을 추출하며, 상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하되, 상기 심장 애니메이션 데이터는, 상기 심전도 그래프와 동기화되어 재생되고, 심장 움직임, 혈액 흐름 또는 전기 흐름 중 적어도 하나를 포함하는 심장 상태 정보를 표시하는 것이다.
본 개시의 일 실시예에 따른 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법은, 사전 학습된 신경망 모델을 사용하여 심전도 데이터를 분석한 심전도 특징에 기초하여 심전도 파형과 함께 해부학적 심장의 모습에 대한 시각화 콘텐츠를 제공할 수 있어, 의료 지식이 없는 사용자가 쉽게 심전도에 대한 이해도가 높아지도록 할 수 있는 효과가 있다.
이때, 본 개시는 심전도 파형과 동기화되어 심장 움직임, 혈액 흐름 또는 전기 흐름을 해부학적 심장의 모습에 표현하여 애니메이션 방식으로 보여줌으로써 누구나 쉽고, 흥미롭게 심전도에 대해 이해하면서, 심장 활동, 심장 건강에 대한 관심이 높아지도록 하는 효과가 있다.
도 1은 본 개시에 따른 심전도 데이터를 보여주는 도면이다.
도 2는 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록도이다.
도 3은 본 개시의 일 실시예에 따라 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 시스템의 구성을 설명하는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 시각화 콘텐츠를 설명하는 예시도이다.
도 5는 본 개시의 일 실시예에 따라 표준유도 및 사지유도에서 측정된 심전도 그래프를 설명하는 도면이다.
도 6은 본 개시의 일 실시예에 따라 표준심전도유도에서 전극 위치 및 심장 축을 설명하는 도면이다.
도 7은 본 개시의 일 실시예에 따라 QRS 파형의 합산 진폭을 설명하는 예시도이다.
도 8는 본 개시의 일 실시예에 따라 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법을 설명하는 순서도이다.
도 9는 본 개시의 일 실시예에 따라 심전도 그래프와 심장 애니메이션 데이터의 동기화 과정을 설명하는 예시도이다.
도 10은 본 개시의 일 실시예에 따라 심전도와 심장의 전기 흐름이 동기화된 심장 애니메이션 데이터를 설명하는 예시도이다.
도 11은 본 개시의 일 실시예에 따라 시각화 콘텐츠의 재생 방법을 설명하는 순서도이다.
도 12는 본 개시의 일 실시예에 따른 심전도 그래프를 보여주는 예시도이다.
도 13은 본 개시의 일 실시예에 따라 심전도 그래프와 심장 애니메이션 데이터를 동기화하여 재생하는 과정을 설명하는 도면이다.
도 14는 본 개시의 일 실시예에 따라 심전도 특징에 기반하여 심전도 파형의 정상 기준을 설명하기 위한 도면이다.
도 2는 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록도이다.
도 3은 본 개시의 일 실시예에 따라 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 시스템의 구성을 설명하는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 시각화 콘텐츠를 설명하는 예시도이다.
도 5는 본 개시의 일 실시예에 따라 표준유도 및 사지유도에서 측정된 심전도 그래프를 설명하는 도면이다.
도 6은 본 개시의 일 실시예에 따라 표준심전도유도에서 전극 위치 및 심장 축을 설명하는 도면이다.
도 7은 본 개시의 일 실시예에 따라 QRS 파형의 합산 진폭을 설명하는 예시도이다.
도 8는 본 개시의 일 실시예에 따라 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법을 설명하는 순서도이다.
도 9는 본 개시의 일 실시예에 따라 심전도 그래프와 심장 애니메이션 데이터의 동기화 과정을 설명하는 예시도이다.
도 10은 본 개시의 일 실시예에 따라 심전도와 심장의 전기 흐름이 동기화된 심장 애니메이션 데이터를 설명하는 예시도이다.
도 11은 본 개시의 일 실시예에 따라 시각화 콘텐츠의 재생 방법을 설명하는 순서도이다.
도 12는 본 개시의 일 실시예에 따른 심전도 그래프를 보여주는 예시도이다.
도 13은 본 개시의 일 실시예에 따라 심전도 그래프와 심장 애니메이션 데이터를 동기화하여 재생하는 과정을 설명하는 도면이다.
도 14는 본 개시의 일 실시예에 따라 심전도 특징에 기반하여 심전도 파형의 정상 기준을 설명하기 위한 도면이다.
아래에서는 첨부한 도면을 참조하여 본 개시의 기술 분야에서 통상의 지식을 가진 자(이하, 당업자)가 용이하게 실시할 수 있도록 본 개시의 실시예가 상세히 설명된다. 본 개시에서 제시된 실시예들은 당업자가 본 개시의 내용을 이용하거나 또는 실시할 수 있도록 제공된다. 따라서, 본 개시의 실시예들에 대한 다양한 변형들은 당업자에게 명백할 것이다. 즉, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며, 이하의 실시예에 한정되지 않는다.
본 개시의 명세서 전체에 걸쳐 동일하거나 유사한 도면 부호는 동일하거나 유사한 구성요소를 지칭한다. 또한, 본 개시를 명확하게 설명하기 위해서, 도면에서 본 개시에 대한 설명과 관계없는 부분의 도면 부호는 생략될 수 있다.
본 개시에서 사용되는 "또는" 이라는 용어는 배타적 "또는" 이 아니라 내포적 "또는" 을 의미하는 것으로 의도된다. 즉, 본 개시에서 달리 특정되지 않거나 문맥상 그 의미가 명확하지 않은 경우, "x는 a 또는 b를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 이해되어야 한다. 예를 들어, 본 개시에서 달리 특정되지 않거나 문맥상 그 의미가 명확하지 않은 경우, "x는 a 또는 b를 이용한다" 는 x가 a를 이용하거나, x가 b를 이용하거나, 혹은 x가 a 및 b 모두를 이용하는 경우 중 어느 하나로 해석될 수 있다.
본 개시에서 사용되는 "및/또는" 이라는 용어는 열거된 관련 개념들 중 하나 이상의 개념의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
본 개시에서 사용되는 "포함한다" 및/또는 "포함하는" 이라는 용어는, 특정 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는" 이라는 용어는, 하나 이상의 다른 특징, 다른 구성요소 및/또는 이들에 대한 조합의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.
본 개시에서 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 단수는 일반적으로 "하나 또는 그 이상" 을 포함할 수 있는 것으로 해석되어야 한다.
본 개시에서 사용되는 "제 n(n은 자연수)" 이라는 용어는 본 개시의 구성요소들을 기능적 관점, 구조적 관점, 혹은 설명의 편의 등 소정의 기준에 따라 상호 구별하기 위해 사용되는 표현으로 이해될 수 있다. 예를 들어, 본 개시에서 서로 다른 기능적 역할을 수행하는 구성요소들은 제1 구성요소 혹은 제2 구성요소로 구별될 수 있다. 다만, 본 개시의 기술적 사상 내에서 실질적으로 동일하나 설명의 편의를 위해 구분되어야 하는 구성요소들도 제1 구성요소 혹은 제2 구성요소로 구별될 수도 있다.
본 개시에서 사용되는 "획득" 이라는 용어는, 외부 장치 혹은 시스템과의 유무선 통신 네트워크를 통해 데이터를 수신하는 것 뿐만 아니라, 온-디바이스(on-device) 형태로 데이터를 생성하는 것을 의미하는 것으로 이해될 수 있다.
한편, 본 개시에서 사용되는 용어 "모듈(module)", 또는 "부(unit)" 는 컴퓨터 관련 엔티티(entity), 펌웨어(firmware), 소프트웨어(software) 혹은 그 일부, 하드웨어(hardware) 혹은 그 일부, 소프트웨어와 하드웨어의 조합 등과 같이 컴퓨팅 자원을 처리하는 독립적인 기능 단위를 지칭하는 용어로 이해될 수 있다. 이때, "모듈", 또는 "부"는 단일 요소로 구성된 단위일 수도 있고, 복수의 요소들의 조합 혹은 집합으로 표현되는 단위일 수도 있다. 예를 들어, 협의의 개념으로서 "모듈", 또는 "부"는 컴퓨팅 장치의 하드웨어 요소 또는 그 집합, 소프트웨어의 특정 기능을 수행하는 응용 프로그램, 소프트웨어 실행을 통해 구현되는 처리 과정(procedure), 또는 프로그램 실행을 위한 명령어 집합 등을 지칭할 수 있다. 또한, 광의의 개념으로서 "모듈", 또는 "부"는 시스템을 구성하는 컴퓨팅 장치 그 자체, 또는 컴퓨팅 장치에서 실행되는 애플리케이션 등을 지칭할 수 있다. 다만, 상술한 개념은 하나의 예시일 뿐이므로, "모듈", 또는 "부"의 개념은 본 개시의 내용을 기초로 당업자가 이해 가능한 범주에서 다양하게 정의될 수 있다.
본 개시에서 사용되는 "모델(model)" 이라는 용어는 특정 문제를 해결하기 위해 수학적 개념과 언어를 사용하여 구현되는 시스템, 특정 문제를 해결하기 위한 소프트웨어 단위의 집합, 혹은 특정 문제를 해결하기 위한 처리 과정에 관한 추상화 모형으로 이해될 수 있다. 예를 들어, 신경망(neural network) "모델" 은 학습을 통해 문제 해결 능력을 갖는 신경망으로 구현되는 시스템 전반을 지칭할 수 있다. 이때, 신경망은 노드(node) 혹은 뉴런(neuron)을 연결하는 파라미터(parameter)를 학습을 통해 최적화하여 문제 해결 능력을 가질 수 있다. 신경망 "모델" 은 단일 신경망을 포함할 수도 있고, 복수의 신경망들이 조합된 신경망 집합을 포함할 수도 있다.
본 개시에서 사용되는 "블록(block)" 이라는 용어는 종류, 기능 등과 같은 다양한 기준을 기초로 구분된 구성의 집합으로 이해될 수 있다. 따라서, 하나의 "블록"으로 분류되는 구성은 기준에 따라 다양하게 변경될 수 있다. 예를 들어, 신경망 "블록"은 적어도 하나의 신경망을 포함하는 신경망 집합으로 이해될 수 있다. 이때, 신경망 "블록"에 포함된 신경망을 특정 연산을 동일하게 수행하는 것으로 가정할 수 있다. 전술한 용어의 설명은 본 개시의 이해를 돕기 위한 것이다. 따라서, 전술한 용어를 본 개시의 내용을 한정하는 사항으로 명시적으로 기재하지 않은 경우, 본 개시의 내용을 기술적 사상을 한정하는 의미로 사용하는 것이 아님을 주의해야 한다.
도 2는 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도이다.
본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 데이터의 종합적인 처리 및 연산을 수행하는 하드웨어 장치 혹은 하드웨어 장치의 일부일 수도 있고, 통신 네트워크로 연결되는 소프트웨어 기반의 컴퓨팅 환경일 수도 있다. 예를 들어, 컴퓨팅 장치(100)는 집약적 데이터 처리 기능을 수행하고 자원을 공유하는 주체인 서버일 수도 있고, 서버와의 상호 작용을 통해 자원을 공유하는 클라이언트(client)일 수도 있다. 또한, 컴퓨팅 장치(100)는 복수의 서버들 및 클라이언트들이 상호 작용하여 데이터를 종합적으로 처리하는 클라우드 시스템(cloud system)일 수도 있다. 상술한 기재는 컴퓨팅 장치(100)의 종류와 관련된 하나의 예시일 뿐이므로, 컴퓨팅 장치(100)의 종류는 본 개시의 내용을 기초로 당업자가 이해 가능한 범주에서 다양하게 구성될 수 있다.
도 2를 참조하면, 본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 프로세서(processor)(110), 메모리(memory)(120), 및 네트워크부(network unit)(130)를 포함할 수 있다. 다만, 도 2는 하나의 예시일 뿐이므로, 컴퓨팅 장치(100)는 컴퓨팅 환경을 구현하기 위한 다른 구성들을 포함할 수 있다. 또한, 상기 개시된 구성들 중 일부만이 컴퓨팅 장치(100)에 포함될 수도 있다.
본 개시의 일 실시예에 따른 프로세서(110)는 컴퓨팅 연산을 수행하기 위한 하드웨어 및/또는 소프트웨어를 포함하는 구성 단위로 이해될 수 있다. 예를 들어, 프로세서(110)는 컴퓨터 프로그램을 판독하여 기계 학습을 위한 데이터 처리를 수행할 수 있다. 프로세서(110)는 기계 학습을 위한 입력 데이터의 처리, 기계 학습을 위한 특징 추출, 역전파(backpropagation)에 기반한 오차 계산 등과 같은 연산 과정을 처리할 수 있다. 이와 같은 데이터 처리를 수행하기 위한 프로세서(110)는 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치(GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit), 주문형 반도체(ASICc: application specific integrated circuit), 혹은 필드 프로그래머블 게이트 어레이(FPGA: field programmable gate array) 등을 포함할 수 있다. 상술한 프로세서(110)의 종류는 하나의 예시일 뿐이므로, 프로세서(110)의 종류는 본 개시의 내용을 기초로 당업자가 이해 가능한 범주에서 다양하게 구성될 수 있다.
프로세서(110)는 심전도 데이터를 기초로 P파, QRS 복합체(complex) 및 T파를 포함하는 심전도 특징을 추출하고, 추출된 심전도 특징에 기반하여 심장질환을 진단하는 신경망 모델을 학습시킬 수 있다. 예를 들어, 프로세서(110)는 심전도 데이터와 함께, 성별, 나이, 체중, 신장 등의 정보를 포함하는 생물학적 정보를 기초로 심전도를 분석하여 심장질환을 추정하도록 신경망 모델을 학습시킬 수 있다. 구체적으로, 프로세서(110)는 심전도 데이터 및 각종 생물학적 정보를 신경망 모델에 입력하여 신경망 모델이 부정맥이나 기타 심장질환에 따른 심전도의 변화를 감지하도록, 신경망 모델을 학습시킬 수 있다. 이때, 신경망 모델은 심전도 데이터에서 추출한 특징들과 부정맥 및 기타 심장질환의 진단 데이터들 포함하는 심전도 데이터셋을 토대로 학습을 수행할 수 있다. 프로세서(110)는 신경망 모델의 학습 과정에서 신경망 모델에 포함된 적어도 하나의 신경망 블록을 표현하는 연산을 수행할 수 있다.
프로세서(110)는 상술한 학습 과정을 통해 생성된 신경망 모델을 이용하여 심전도 측정기로부터 획득한 심전도 데이터로부터 심전도 특징을 추출하고, 추출된 심전도 특징에 기반하여 심전도 판독 데이터를 추정할 수 있다. 프로세서(110)는 상술한 과정을 통해 학습된 신경망 모델로 심전도 데이터 및 성별, 나이, 체중, 신장 등의 정보를 포함하는 생물학적 정보를 입력하여 심장 질환에 대한 확률을 추정한 결과를 나타내는 추론 데이터를 생성할 수 있다. 예를 들어, 프로세서(110)는 학습이 완료된 신경망 모델로 심전도 데이터를 입력하여, 부정맥이나 기타 심장질환 유무, 진행 정도 등을 예측할 수 있다.
상술한 예시 이외에도 의료 데이터의 종류 및 신경망 모델의 출력은 본 개시의 내용을 기초로 당업자가 이해 가능한 범주에서 다양하게 구성될 수 있다.
또한, 프로세서(110)는 신경망 모델을 통해 분석한 심전도 특징에 기반하여 심전도 파형, 심장의 움직임, 혈액의 흐름, 또는 전기의 흐름을 보여줄 수 있는 시각화 콘텐츠를 생성할 수 있다. 이때, 시각화 콘텐츠는 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프, 및 심전도 그래프와 동기화되어 재생되는 심장 애니메이션 데이터를 포함할 수 있다.
본 개시의 일 실시예에 따른 메모리(120)는 컴퓨팅 장치(100)에서 처리되는 데이터를 저장하고 관리하기 위한 하드웨어 및/또는 소프트웨어를 포함하는 구성 단위로 이해될 수 있다. 즉, 메모리(120)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 데이터 및 네트워크부(130)가 수신한 임의의 형태의 데이터를 저장할 수 있다. 예를 들어, 메모리(120)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리, 램(ram: random access memory), 에스램(sram: static random access memory), 롬(rom: read-only memory), 이이피롬(eeprom: electrically erasable programmable read-only memory), 피롬(prom: programmable read-only memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 메모리(120)는 데이터를 소정의 체제로 통제하여 관리하는 데이터베이스(database) 시스템을 포함할 수도 있다. 상술한 메모리(120)의 종류는 하나의 예시일 뿐이므로, 메모리(120)의 종류는 본 개시의 내용을 기초로 당업자가 이해 가능한 범주에서 다양하게 구성될 수 있다.
메모리(120)는 프로세서(110)가 연산을 수행하는데 필요한 데이터, 데이터의 조합, 및 프로세서(110)에서 실행 가능한 프로그램 코드(code) 등을 구조화 및 조직화하여 관리할 수 있다. 예를 들어, 메모리(120)는 후술할 네트워크부(130)를 통해 수신된 심전도 데이터를 저장할 수 있다. 메모리(120)는 신경망 모델이 의료 데이터를 입력받아 학습을 수행하도록 동작시키는 프로그램 코드, 신경망 모델이 의료 데이터를 입력받아 컴퓨팅 장치(100)의 사용 목적에 맞춰 추론을 수행하도록 동작시키는 프로그램 코드, 및 프로그램 코드가 실행됨에 따라 생성된 가공 데이터 등을 저장할 수 있다.
본 개시의 일 실시예에 따른 네트워크부(130)는 임의의 형태의 공지된 유무선 통신 시스템을 통해 데이터를 송수신하는 구성 단위로 이해될 수 있다. 예를 들어, 네트워크부(130)는 근거리 통신망(LAN: local area network), 광대역 부호 분할 다중 접속(WCDMA: wideband code division multiple access), 엘티이(LTE: long term evolution), 와이브로(WIBRO: wireless broadband internet), 5세대 이동통신(5g), 초광역대 무선통신(ultra wide-band), 지그비(zigbee), 무선주파수(RF: radio frequency) 통신, 무선랜(wireless lan), 와이파이(wireless fidelity), 근거리 무선통신(NFC: near field communication), 또는 블루투스(bluetooth) 등과 같은 유무선 통신 시스템을 사용하여 데이터 송수신을 수행할 수 있다. 상술한 통신 시스템들은 하나의 예시일 뿐이므로, 네트워크부(130)의 데이터 송수신을 위한 유무선 통신 시스템은 상술한 예시 이외에 다양하게 적용될 수 있다.
네트워크부(130)는 임의의 시스템 혹은 임의의 클라이언트 등과의 유무선 통신을 통해, 프로세서(110)가 연산을 수행하는데 필요한 데이터를 수신할 수 있다. 또한, 네트워크부(130)는 임의의 시스템 혹은 임의의 클라이언트 등과의 유무선 통신을 통해, 프로세서(110)의 연산을 통해 생성된 데이터를 송신할 수 있다. 예를 들어, 네트워크부(130)는 웨어러블 디바이스 등을 포함한 심전도 측정기(10) 등과의 통신을 통해 의료 데이터를 수신할 수 있다. 네트워크부(130)는 전술한 기기 등과의 통신을 통해, 신경망 모델의 출력 데이터, 및 프로세서(110)의 연산 과정에서 도출되는 중간 데이터, 가공 데이터 등을 송신할 수 있다.
도 3은 본 개시의 일 실시예에 따라 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 시스템의 구성을 설명하는 블록도이고, 도 4는 본 개시의 일 실시예에 따른 시각화 콘텐츠를 설명하는 예시도이다.
심전도 판독에 기반한 시각화 콘텐츠를 제공하는 시스템은, 적어도 하나 이상의 심전도 측정기(10) 및 컴퓨팅 장치(100)를 포함하지만 이에 한정되지는 않는다.
심전도 측정기(10)은 사용자 신체에 착용되어 심박수, 체지방률, 혈압 등 다양한 건강지표를 측정하여 수집할 수 있는 웨어러블 디바이스, 심전도 키오스크 등 심전도 측정이 가능한 다양한 기기를 사용할 수 있다. 이때, 심전도 측정기(10)는 손목 시계형이나 패치 등과 같은 웨어러블 디바이스를 이용한 단유도 방식뿐만 아니라, 12유도 방식, 6유도 방식 등 다양한 전극 조합을 이용하여 심전도를 측정할 수 있다. 심전도 측정 시간 또한 얻고자 하는 신호에 따라 가감되어 설정되는 것이 바람직하다.
이러한 심전도 측정기(10)는 심전도를 측정할 수 있도록 식품 의약품 안전처에서 의료기기 인허가를 받은 전자 앱세사리(appcessory) 및 스마트 워치(smartwatch) 등을 포함하는 웨어러블 디바이스와 연결되는 사용자 단말기를 포함할 수 있다.
컴퓨팅 장치(100)는 심전도 측정기(10)로부터 획득된 심전도 데이터를 기초로 머신러닝 혹은 다양한 통계기법으로도 기초로 P파, QRS 복합체(complex) 및 T파를 포함하는 심전도 특징을 추출할 수 있다. 이때, 컴퓨팅 장치(100)는 사전 학습된 신경망 모델을 사용하여 심전도 특징을 추출할 경우, 신경망 모델은 빈맥의 빈도, QT 간격(interval)의 길이, P파, R파 및 T파의 편위 방향, 또는 QRS 지속시간 중 적어도 하나를 포함하는 심전도 특징에 기반하여 학습된 것일 수 있다.
또한, 도 4에 도시된 바와 같이, 컴퓨팅 장치(100)는 심전도 특징에 기반하여 심전도 파형을 나타내는 심전도 그래프(310)와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터(320)를 포함한 시각화 콘텐츠를 생성한다. 이때, 심장 애니메이션 데이터(320)는 2차원 이미지, 3차원 이미지 또는 실사 이미지 등 다양한 색상 표현과 이미지 표현으로 심장 움직임, 혈액 흐름 또는 전기 흐름 중 적어도 하나를 포함하는 심장 상태 정보를 나타낼 수 있다.
컴퓨팅 장치(100)는 심전도 그래프(310)와 심장 애니메이션 데이터(320)를 동기화하여, 심장 애니메이션 데이터(320)가 재생되도록 한다. 이때, 컴퓨팅 장치(100)는 사전 학습된 신경망 모델을 사용하여, 심전도 데이터에서 심전도 파형을 나타내는 심전도 그래프를 추출하고, 심전도 특징을 기초로 심전도 파형의 시작점, 끝점 또는 지속시간 중 적어도 하나를 파악한 후, 심전도 파형의 시작점, 끝점 또는 지속시간 중 적어도 하나에 기반하여 심전도 파형과 해부학적 심장의 모습에서 심장 움직임, 혈액 흐름 또는 전기 흐름의 동기를 맞출 수 있다.
이러한 컴퓨팅 장치(100)는 심전도 데이터 전송 및 시각화 콘텐츠를 재생할 수 있는 사용자 인터페이스를 사용자 단말기로 제공할 수 있다. 따라서, 사용자는 사용자 단말기를 통해 웨어러블 디바이스에서 측정된 심전도 데이터를 컴퓨팅 장치(100)로 전송할 수 있고, 심전도 특징에 기반한 시각화 콘텐츠를 재생하여 사용자의 심장 상태 정보(심장 활동, 심장 건강 등)를 의료진의 도움 없이 이해할 수 있다.
컴퓨팅 장치(100)는 심전도 데이터와 심전도 특징을 기초로 개인 별로 심장 축(Ha)을 계산할 수 있고, 계산된 심장 축(Ha)에 기반하여 심장 애니메이션 데이터(320)의 해부학적 심장의 모습을 배치할 수 있다.
도 5는 본 개시의 일 실시예에 따라 표준 유도 및 사지유도 에서 측정된 심전도 그래프를 설명하는 도면이고, 도 6은 본 개시의 일 실시예에 따라 표준심전도유도에서 전극 위치 및 심장 축을 설명하는 도면이고, 도 7은 본 개시의 일 실시예에 따라 QRS 파형의 합산 진폭을 설명하는 예시도이다.
컴퓨팅 장치(100)는 사전 학습된 신경망 모델을 사용하여 추출된 심전도 그래프의 P파, QRS복합체 및 T파의 특징 정보를 이용하여 심장 축(Ha)을 계산한다.
표준 12유도 심전도는 표준유도, 사지 유도(Limb leads) 및 흉부 유도(Precordial leads)를 기록하는 것으로서, 특히 표준유도와 사지유도는 심장 전면부의 심전도를 기록하고, 흉부유도는 심장 수평부의 심전도를 기록한다.
도 5 및 도 6에 도시된 바와 같이, 표준 유도는 피검자의 왼손과 오른손의 전위차, 오른손과 왼발의 전위차, 왼발과 오른손의 전위를 기록하는3개의 표준팔다리유도(I, II, III)가 있고, 사지 유도는 각각 오른손, 왼손, 왼발의 전위를 증폭해 기록하는 3개의 증폭단극팔다리유도(aVR, aVL, aVF)가 있다.
QRS 파형을 이용한 심장 축(Ha)의 정상 기준은 다양하나, 일반적으로 0°에서 +90°를 정상 심장 축, 0°에서 -90°를 좌축편위, +90°에서 +180°를 우축편위, -90°에서 -180°를 심한 축편위라고 한다. QRS 복합체의 파형을 이용한 심장 축(Ha)은 통상적으로는 유도 I와 유도 aVF에 의해 네 개의 구역으로 나누어 두 유도 모두에서 QRS 복합체의 합이 상향이면 정상 전기축이고, 유도 I에서 상향이고 유도 aVF에서 하향이면 좌축편위이다. 그리고, 유도 I에서 하향이고, 유도 aVF에서 상향이면 우축편위이며, 두 유도 모두에서 하향이면 심한 축편위라고 할 수 있다.
컴퓨팅 장치(100)는 심전도 특징을 기초로 심전도 데이터에서 표준유도와 사지 유도의 각각의 합산 진폭(net amplitude)을 계산하고, 표준 유도의 합산 진폭과 사지 유도의 합산 진폭을 입력 변수로 하는 하기 수학식 1을 기초로 심장 축(Ha)의 각도를 계산할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 하기 수학식 1을 기초로 유도 I과 유도 aVF의 합산 진폭을 활용해서 심장 축의 각도를 계산할 수 있다. 이때, 합산 진폭은 합산 QRS 진폭(net QRS amplitude), 합산 P 진폭(net P amplitude), 및 합산 T 진폭(net T amplitude)을 포함할 수 있다.
[수학식 1]
여기서, 합산 QRS 진폭은 QRS 밸런스(balance)와 같은 값으로서, QRS 방향이 양(positive)의 방향 또는 음(negative)의 방향인지를 의미하고, 합산 QRS 진폭은 양의 방향의 가장 높은 지점의 양수 값과 음의 방향의 가장 낮은 지점의 음수값을 합산하여 계산된다. 예를 들어, 도 7에 도시된 바와 같이, QRS 복합체(complex)에서 R파의 진폭=+5, Q파의 진폭=-1, S파의 진폭=-3일 때, 합산 QRS 진폭은 5+(-3)=2가 된다.
이때, QRS 복합체는 심실 탈분극에 의해 형성되며, 3개 파로 구성되어 있다. 12 표준 유도 심전도에서 QRS 복합체로 심박동수, 심장 전기 축과 회전 정도를 평가할 수 있고, 심실 내 전도 이상 유무도 알 수 있다.
합산 P 진폭과 합산 T 진폭은 각각 P 파와 T파의 양의 방향의 가장 높은 지점을 의미할 수 있다. 만약 P'/T'과 같이 음의 방향의 가장 낮은 지점이 존재할 경우, 합산 P 진폭과 합산 T 진폭은 각각 양의 방향의 가장 높은 지점의 양수 값과 음의 방향의 가장 낮은 지점의 음수 값을 합산하여 계산될 수 있다.
한편, 합산 P 진폭(net P amplitude)과 합산 T 진폭(net T amplitude )을 구할 수 없을 경우에는, 컴퓨팅 장치(100)는 유도 aVL과 유도 II 쌍을 이용해서 합산 진폭을 구하고, 그 값에 30도를 합산하여 심장 축의 각도를 계산할 수 있다. 상술한 값도 구할 수 없을 경우에는, 컴퓨팅 장치(100)는 유도 aVR과 유도 III 쌍을 이용하여 합산 진폭을 구하는데, 유도 aVR은 -1을 곱한 값을 사용할 수 있다. 그리고, 컴퓨팅 장치(100)는 유도 aVR과 유도 III 쌍을 이용하여 구한 합산 진폭의 값에 30도를 합산하여 심장 축의 각도를 구할 수 있다.
컴퓨팅 장치(100)는 이와 같이 계산된 심장 축의 각도를 기준으로 해부학적 심장의 모습을 배치하여 심장 애니메이션 데이터를 생성할 수 있다. 사람마다 심장의 축이 다르다는 것을 일반적으로 사람들은 잘 알지 못하기 때문에, 심장 축을 기준으로 심장의 모습을 보여주면 흥미와 더불어 개인화된 심장의 형태를 손쉽게 파악할 수 있도록 할 수 있다는 장점이 있다. 또한, 정상 범주의 심장의 경우, 심장 축의 각도가 대부분 0도 내지 90도의 범주 안에 들어오기 때문에, 심장 축을 기준으로 배치된 심장의 모습을 토대로 사용자가 손쉽게 질환의 가능성을 예측해볼 수도 있다는 장점도 있다. 다만, 심장의 축의 각도에 맞추어 심장의 모습이 배치되면, 심장의 모습 자체에 대한 직관적 파악이 어려울 수도 있으므로, 컴퓨팅 장치(100)는 계산된 심장 축의 각도가 유도 Ⅰ를 기준으로 45도 내지 90도 범주에 포함되지 않는 경우, 해부학적 심장의 모습을 60도를 기준으로 배치하여 심장 애니메이션 데이터를 생성할 수 있다.
도 8는 본 개시의 일 실시예에 따라 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법을 설명하는 순서도이고, 도 9는 본 개시의 일 실시예에 따라 심전도 그래프와 심장 애니메이션 데이터의 동기화 과정을 설명하는 예시도이며, 도 10은 본 개시의 일 실시예에 따라 심전도와 심장의 전기 흐름이 동기화된 심장 애니메이션 데이터를 설명하는 예시도이다.
도 8를 참조하면, 컴퓨팅 장치(100)는 적어도 하나 이상의 심전도 측정기(10)로부터 심전도 데이터를 획득할 수 있다(S10). 이때, 심전도 데이터는 사용자별 심전도와 함께 생물학적 정보를 포함할 수 있다.
컴퓨팅 장치(100)는 사전 학습된 신경망 모델이나 다양한 통계 기법을 사용하여 심전도 데이터를 분석하고(S20), 사용자별 심전도 데이터에 기초하여 심전도 특징을 추출한다(S30). 심전도는 개인마다 성별, 나이, 심장의 위치, 크기에 따라 다르기 때문에 개인의 고유한 신호이다. 따라서, 컴퓨팅 장치(100)는 신경망 모델을 사용하여 심전도 데이터에 대한 심전도 특징을 추출할 수 있고, 심전도 데이터와 함께 나이, 성별, 체중, 신장 중 적어도 하나를 포함하는 생물학적 정보를 이용하여 사용자에 대한 심전도 판독 정보를 추정하게 된다.
여기서, 신경망 모델은 딥러닝 알고리즘을 이용하여 심전도 데이터를 심전도 특징별로 학습하고, 학습된 모델을 이용하여 심장 질환의 진단명을 포함한 심전도 판독 정보를 도출할 수 있다. 또한, 신경망 모델은, 좌심실 수축기 장애와 심전도, 성별, 나이, 체중, 신장 등의 특성의 변화 간의 상관관계를 기초로 학습된 것일 수 있다. 구체적으로 신경망 모델은 심전도 및 심장질환의 진단 결과를 포함한 학습 데이터셋을 기초로 학습 데이터셋에서 여러 인자들 간의 상관관계를 기초로 학습된 것일 수 있다.
신경망 모델은 인체에 연결된 심전도 측정 기기의 전극으로부터 획득되는 12 리드로 측정된 심전도를 기초로 학습된 것일 수 있다. 일례로, 심전도는 10초 길이의 12 리드로 측정되고, 1초당 500개의 포인트로 저장될 수 있다. 추가로, 신경망 모델은 12 리드 심전도 중 6개의 림브 리드(limb lead) 심전도와 단일 리드(lead I) 심전도만을 추출한 부분 정보를 기초로 학습될 수 있다.
구체적으로, 신경망 모델은 심전도 데이터를 입력 받아 심전도 특징을 추출하고, 추출된 심전도 특징에 기반하여 심전도 판독 정보를 출력할 수 있는데, 적어도 하나 이상의 컨볼루션 신경망(CNN), 배치 정규화(Batch normalization), 렐루 활성화 함수(ReLU activation function) 레이어를 포함하고, 드롭아웃(Dropout) 레이어를 포함할 수 있다. 신경망 모델은 나이, 성별, 신장, 체중 등의 생물학적 정보가 보조 정보로 입력되는 풀리 커넥티드(Fully connected) 레이어를 포함할 수 있다.
신경망 모델은 심전도 데이터의 복수의 리드들 각각에 대응되는 신경망을 포함할 수 있다. 즉, 신경망 모델은 개별 리드들로 측정된 심전도가 각각 입력되는 개별 신경망을 포함할 수 있다.
한편, 상술한 신경망 모델의 구조 및 신경망 종류는 하나의 예시일 뿐이므로, 본 발명의 일 실시예에 따른 신경망 모델은 상술한 예시를 토대로 다양하게 구성될 수 있다.
컴퓨팅 장치(100)는 추출된 심전도 특징에 기반하여 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프를 추출하고(S40), 추출된 심전도 그래프와 동기화되어 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성할 수 있다(S50).
도 9를 참조하면, 심전도 데이터가 12 리드로 측정된 심전도에 기초한 것인 경우, 컴퓨팅 장치(100)는 표준 12 유도 심전도 중 하나의 대표 심전도를 선정하고, 선정된 대표 심전도와 해부학적 심장의 모습을 표현한 심장 애니메이션 데이터를 동기화하여 재생한다. 이때, 컴퓨팅 장치(100)는 1회 심장 박동시, 심전도 파형의 P파, QRS 복합체, T파에 대한 피크(시작점과 끝점) 위치, 지속시간, 파형간 간격, 길이, 진폭, 파 형태를 포함한 정보를 추출하고, 이렇게 추출된 정보 중 적어도 하나에 기반하여 해부학적 심장의 모습에서 심장 움직임, 혈액 흐름 또는 전기 흐름의 동기를 맞추게 된다.
예를 들어, 컴퓨팅 장치(100)는 P파의 시작점과 끝점에 대한 위치 정보를 이용해 좌심실과 우심방을 가득 채운 혈액이 심실로 옮겨가도록 해부학적 심장의 모습을 표현한다. 구체적으로, 컴퓨팅 장치(100)는 P파의 시작점과 P파의 끝점 사이의 시간 간격을 계산하여 심방을 채운 혈액이 심실 쪽으로 넘어가는 시간으로 세팅해서 해부학적 심장의 모습이 움직이도록 설정한다.
또한, 컴퓨팅 장치(100)는 P파가 종료되는 시점(끝점)에서 QRS 복합체가 시작되는 시점의 특징 구간에서 해부학적 심장의 모습 중 심실에 혈액이 채워지도록 설정하고, QRS 복합체가 시작되는 시점(시작점)에서 QRS 복합체가 종료되는 시점(끝점)의 특징 구간에서 해부학적 심장의 모습 중 심실을 채운 혈액이 비워지도록 하면서 심방에 혈액이 채워지도록 설정하며, T파가 시작되는 시점(시작점)에서 T파가 종료되는 시점(끝점)의 특징 구간에서 해부학적 심장의 모습 중 심방에 혈액이 가득 채워지도록 설정한다.
이러한 심전도 그래프와 심장 애니메이션 데이터의 동기화 과정을 통해, 컴퓨팅 장치(100)는 심전도 그래프의 심전도 파형에 심장을 박동하게 하는 전기 신호의 간격과 강도를 재생하면서, 심전도 파형과 동기화되어 해부학적 심장의 모습 내 심장의 수축 및 이완 작용을 통해 혈액이 순환되는 과정을 보여줄 수 있다.
또한, 컴퓨팅 장치(100)는 심전도와 심장 내 전기 흐름의 동기를 맞춰 심장 애니메이션 데이터를 재생시킬 수 있다. 도 10에 도시된 바와 같이, 심장 애니메이션 데이터는 P파의 앞부분과 동기화되어 SA node에서 전기 신호를 발생하고, P파의 뒷부분과 동기화되어 SA 노드에서 발생된 전기 신호가 좌심방 및 우심방을 통해 퍼지고, PR 간격(interval)과 동기화되어 AV node에서 전기 신호가 잠시 지체되며, QRS파와 동기화되어 AV node에서 His bundle, Left bundle, right bundle을 따라 전기 신호가 퍼지며, T파와 동기화되어 심실 흥분 회복기로 심실의 전기신호가 사라지도록 설정된다.
도 11은 본 개시의 일 실시예에 따라 시각화 콘텐츠의 재생 방법을 설명하는 순서도이고, 도 12는 본 개시의 일 실시예에 따른 심전도 그래프를 보여주는 예시도이다. 도 13은 본 개시의 일 실시예에 따라 심전도 그래프와 심장 애니메이션 데이터를 동기화하여 재생하는 과정을 설명하는 도면이고, 도 14는 본 개시의 일 실시예에 따라 심전도 특징에 기반하여 심전도 파형의 정상 기준을 설명하기 위한 도면이다.
도 11을 참조하면, 컴퓨팅 장치(100)는 사용자 단말기 또는 디스플레이 기능을 포함하는 심전도 측정기(10)로 시각화 콘텐츠를 재생할 수 있는 사용자 인터페이스를 제공한다. 컴퓨팅 장치(100)는 시작 버튼이나 터치 등의 사용자 입력에 기초하여 시각화 콘텐츠의 재생 시작이 감지되면(S110), 심전도 그래프와 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 제공한다.
도 12에 도시된 바와 같이, 컴퓨팅 장치(100)는 심전도 그래프에 기준점 또는 기준선을 표시하여 제공하고, 기준점 또는 기준선이 터치 앤 드래그(touch and drag) 또는 클릭 앤 드래그(click and drag) 등의 사용자 입력에 기초한 제1 이벤트가 발생되면(S120), 심전도 그래프의 기준점 또는 기준선에 대응되는 해부학적 심장의 모습이 디스플레이 되도록 심장 애니메이션 데이터를 제공한다(S130).
도 13에 도시된 바와 같이, 컴퓨팅 장치(100)는 심전도 그래프와 심장 애니메이션 데이터를 동기화하여, 심전도 파형의 심장 박동시 발생되는 전기 신호의 간격과 강도를 재생하면서, 이와 함께 심전도 그래프의 변화에 따라 해부학적 심장의 모습에 심장 움직임, 혈액 흐름 및 전기 흐름을 포함하는 심장 상태 정보가 시시각각 변화하는 모습을 실시간 재생한다(S140).
컴퓨팅 장치(100)는 디스플레이가 소형인 기기에서 시각화 콘텐츠를 재생할 경우, 10초 정도의 심전도 파형이 모두 하나의 화면에 재생할 수 없다면, 심전도 그래프의 배경화면을 클릭 앤 드래그하면서 심전도 파형을 움직이고, 심전도 파형의 움직임에 따른 해부학적 심장의 모습의 심장 애니메이션 데이터를 제공한다.
이때, 컴퓨팅 장치(100)는 심전도 그래프의 변화에 따라 해부학적 심장의 모습의 색상, 명도, 채도 또는 하이라이트 효과 중 적어도 하나가 변화하도록 시각화 콘텐츠를 재생할 수 있다.
만일, 컴퓨팅 장치(100)는 심전도 특징에 기초하여 심전도 파형이 정상 범주에 포함되지 않는 파형을 파악한 후 정상 범주에 포함되지 않은 파형이 발견되면(S150), 정상 범주에 포함되지 않은 파형의 색상, 형태 또는 모양 중 적어도 하나를 변형시켜 심전도 그래프를 생성하여 디스플레이 할 수 있다(S160). 또한, 컴퓨팅 장치(100)는 정상 범주에 포함되지 않은 파형과 상관 관계가 있는 질환이 확인되면, 해당 질환에 의해 변화된 해부학적 심장의 모습 또는 비정상적인 심장의 움직임이나 전기 흐름을 시각화 콘텐츠에 표시하여 제공한다.
도 14에 도시된 바와 같이, 컴퓨팅 장치(100)는 규칙 기반(Rule-based) 머신러닝에 기초한 신경 모델을 사용하여, 심전도 데이터를 분석한 심전도 판독 정보에서 심전도 그래프의 심전도 파형 중에서 정상 기준을 벗어난 심전도 파형의 특징을 정상적인 심전도 파형과 다른 색상 또는 무늬로 표시할 수 있다.
이와 같이, 컴퓨팅 장치(100)는 비정상 결과에 해당되는 심장 위치나 심장 활동을 애니메이션 방식의 시각화 콘텐츠를 제공함으로써 사용자가 스스로 자신의 비정상 심장 움직임이나 질환에 대한 이해도가 높아질 수 있고, 치료에 더욱 적극적으로 참여할 수 있도록 도움이 될 수 있다.
컴퓨팅 장치(100)는 터치 앤 드래그 또는 클릭 앤 드래그 등의 키 입력시 발생되는 사용자 입력 이벤트가 발생되면(S170), 발생된 사용자 입력 이벤트에 해당하는 심전도 파형이나 해부학적 심장의 모습의 움직임을 제어하거나, 심전도 파형 또는 해부학적 심장의 모습의 특정한 구성을 변경하기 위한 콘텐츠 제어 동작을 실행한다(S180).
예를 들어, 컴퓨팅 장치(100)는 하이라이트 효과로 전기가 발생하는 경로, 즉 전기 흐름을 심전도 그래프와 동기를 맞춰서 표시할 수 있고, 전기 흐름의 방향뿐만 아니라 심전도 신호의 전압(Voltage) 값을 기반으로 밝기 혹은 크기 등으로 전기의 세기를 표시할 수도 있다.
또한, 컴퓨팅 장치(100)는 시각화 콘텐츠가 정지된 상태에서 해부학적 심장의 모습에서 소정의 위치를 특정하는 사용자 입력에 기초한 제2 이벤트 발생시, 특정된 위치와 상관 관계가 존재하는 심전도 파형이 디스플레이 되도록 시각화 콘텐츠를 재생할 수 있다. 일례로, 사용자가 해부학적 심장의 모습에서 전기 아이콘을 클릭한 후 드래그 할 경우, 해부학적 심장의 모습에서 일반적인 전기 흐름 경로를 따라 전기 신호가 움직이도록 하면서, 이와 함께 심전도 그래프의 전기 신호도 동기화되어 움직일 수 있도록 한다.
또한, 컴퓨팅 장치(100)는 심장 애니메이션 데이터가 정지한 상태에서 해부학적 심장의 모습의 심방, 심실, 좌심실, AV 노드 등 특정 위치를 사용자가 1회 클릭하는 이벤트 발생시, 첫 번째 심장 박동 심전도의 해당 부분과 가장 유사한 부분의 심전도 파형을 재생하고, 연속하여 2회 클릭 이벤트 발생시 두번째 심장 박동 심전도에 해당하는 심전도 파형을 재생한다. 즉, 컴퓨팅 장치(100)는 심전도 파형 중 사용자가 특정한 위치에서 심장 영역과 가장 연관이 높은 심전도 파형 중 어느 하나를 재생할 수 있다. 일반적으로, 해부학적 심장의 모습과 심전도 파형의 연관 관계를 살펴보면, 좌심방 및 우심방은 P파, 좌심실과 우심실은 QRS 복합체, 좌심실과 우심실을 구별하는 벽 영역은 Q파, SA 노드는 P파가 연관 관계가 높게 나타나게 된다.
예를 들어, 좌심방 영역을 특정하는 사용자 입력에 기초한 제2 이벤트 발생시, 컴퓨팅 장치(100)는 좌심방 활동과 가장 연관이 높은 P파가 디스플레이 되도록 시각화 콘텐츠를 재생할 수 있다.
또한, 컴퓨팅 장치(100)는 해부학적 심장의 모습에서 심방 영역을 선택 및 줌아웃(Zoom out)하는 사용자 입력에 기초한 제3 이벤트 발생시, 선택된 심방 영역에 혈액이 차오르고, 선택된 심방 영역의 활동에 대응되는 심전도 파형이 디스플레이 되도록 시각화 콘텐츠를 재생할 수 있다.
이와 같이, 본 개시에서는 의료 지식이 없는 사용자도 쉽게 이해할 수 있도록 애니메이션 방식의 시각화 콘텐츠를 제공함으로써 사용자가 현재 자신의 심장 건강 상태를 확인하기 위해 전문 의료진의 진단이 필요 없어져 심전도 진단에 소요되는 비용이 절감될 수 있다. 또한, 본 개시는 심전도 데이터를 이용하여 사용자별 심장 축을 계산할 수 있고, 이렇게 계산된 심장 축을 반영하여 개인화된 심장 애니메이션 데이터를 제공할 수 있어, 사용자가 자신의 심장 모습을 직관적으로 관찰할 수 있으며, 시간 변화에 따른 심장 활동의 변화를 의료진 도움 없이 사용자 스스로 체크할 수 있다.
본 개시는 병원이나 건강검진센터에서도 환자들에게 심장 건강에 대한 설명시 시각화 콘텐츠를 사용할 수 있고, 심전도 측정 기능을 겸비한 운동 기구와 연동하여 운동 전, 운동 중, 운동 후의 실시간으로 변화하는 해부학적 심장의 모습을 시각화하여 보여줄 수도 있다.
앞서 설명된 본 개시의 다양한 실시예는 추가 실시예와 결합될 수 있고, 상술한 상세한 설명에 비추어 당업자가 이해 가능한 범주에서 변경될 수 있다. 본 개시의 실시예들은 모든 면에서 예시적인 것이며, 한정적이 아닌 것으로 이해되어야 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성요소들도 결합된 형태로 실시될 수 있다. 따라서, 본 개시의 특허청구범위의 의미, 범위 및 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 개시의 범위에 포함되는 것으로 해석되어야 한다.
Claims (14)
- 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는, 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법으로서,
심전도 데이터를 획득하는 단계;
상기 심전도 데이터로부터 심전도 특징을 추출하는 단계; 및
상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하는 단계를 포함하되,
상기 심장 애니메이션 데이터는,
상기 심전도 그래프와 동기화되어 재생되고, 심장 움직임, 혈액 흐름 또는 전기 흐름 중 적어도 하나를 포함하는 심장 상태 정보를 표시하는 것인,
방법.
- 제1항에 있어서,
상기 심전도 특징은,
P파, QRS 복합체(complex) 및 T파를 포함하는,
방법.
- 제1항에 있어서,
상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하는 단계는,
상기 심전도 데이터와 상기 추출된 심전도 특징을 기초로 심장 축(heart axis)을 계산하는 단계; 및
상기 계산된 심장 축을 기준으로 상기 해부학적 심장의 모습을 배치하여 상기 심장 애니메이션 데이터를 생성하는 단계;
를 포함하는,
방법.
- 제3항에 있어서,
상기 심전도 데이터와 상기 추출된 심전도 특징을 기초로 심장 축(heart axis)을 계산하는 단계는,
상기 심전도 특징을 기초로 상기 심전도 데이터에서 표준 유도(lead)와 사지 유도(lead) 각각의 합산 진폭(net amplitude)를 계산하는 단계; 및
상기 표준 유도의 합산 진폭과 상기 사지 유도의 합산 진폭을 입력 변수로 하는 수학적 연산을 기초로 상기 심장 축의 각도를 산출하는 단계;
를 포함하는,
방법.
- 제3항에 있어서,
상기 계산된 심장 축을 기준으로 상기 해부학적 심장의 모습을 배치하여 상기 심장 애니메이션 데이터를 생성하는 단계는,
상기 계산된 심장 축이 유도 Ⅰ를 기준으로 45도 내지 90도 범주에 포함되지 않는 경우, 상기 해부학적 심장의 모습을 60도를 기준으로 배치하여 상기 심장 애니메이션 데이터를 생성하는 단계;
를 포함하는,
방법.
- 제1항에 있어서,
상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하는 단계는,
상기 심전도 특징을 기초로 심전도 파형의 시작점, 끝점 또는 지속 시간 중 적어도 하나를 파악하는 단계; 및
상기 시작점, 끝점 또는 지속시간 중 적어도 하나에 기반하여, 상기 심전도 파형과 상기 해부학적 심장의 모습에서 심장 움직임, 혈액 흐름 또는 전기 흐름의 동기를 맞추는 단계를 포함하는,
방법.
- 제1항에 있어서,
상기 시각화 콘텐츠를 재생하기 위한 사용자 인터페이스를 사용자 단말기에 제공하는 단계를 더 포함하는,
방법,
- 제7항에 있어서,
상기 시각화 콘텐츠를 재생하기 위한 사용자 인터페이스를 사용자 단말기에 제공하는 단계는,
상기 심전도 그래프에 기 설정된 기준점 또는 기준선에 대한 사용자 입력에 기초한 제1 이벤트 발생시, 상기 기준점 또는 기준선에 대응되는 해부학적 심장의 모습이 디스플레이 되도록 상기 시각화 콘텐츠를 재생하는 단계;
를 포함하는,
방법.
- 제7항에 있어서,
상기 시각화 콘텐츠를 재생하기 위한 사용자 인터페이스를 사용자 단말기에 제공하는 단계는,
상기 심전도 그래프의 변화에 따라 상기 해부학적 심장의 모습의 색상, 명도, 채도, 또는 하이라이트 효과 중 적어도 하나가 변화하도록 상기 시각화 콘텐츠를 재생하는 단계;
를 포함하는,
방법.
- 제7항에 있어서,
상기 시각화 콘텐츠를 재생하기 위한 사용자 인터페이스를 사용자 단말기에 제공하는 단계는,
상기 시각화 콘텐츠가 정지된 상태에서 상기 해부학적 심장의 모습에서 소정의 위치를 특정하는 사용자 입력에 기초한 제2 이벤트 발생시, 상기 특정된 위치와 상관 관계가 존재하는 심전도 파형이 디스플레이 되도록 상기 시각화 콘텐츠를 재생하는 단계;
를 포함하는,
방법.
- 제7항에 있어서,
상기 시각화 콘텐츠를 재생하기 위한 사용자 인터페이스를 사용자 단말기에 제공하는 단계는,
상기 해부학적 심장의 모습에서 심방 영역을 선택 및 줌아웃(zoom out)하는 사용자 입력에 기초한 제3 이벤트 발생시, 상기 선택된 심방 영역에 혈액이 차오르고, 상기 선택된 심방 영역의 활동에 대응되는 심전도 파형이 디스플레이 되도록 상기 시각화 콘텐츠를 재생하는 단계;
를 포함하는,
방법.
- 제1항에 있어서,
상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하는 단계는,
상기 심전도 파형 중 정상 범주에 포함되지 않는 파형을 파악하는 단계; 및
상기 파악된 정상 범주에 포함되지 않는 파형의 색상, 형태 또는 모양 중 적어도 하나를 변형시켜 상기 심전도 그래프를 생성하는 단계;
를 포함하는,
방법.
- 컴퓨터 판독가능 저장 매체 저장된 컴퓨터 프로그램(program)으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서(processor)에서 실행되는 경우, 심전도 판독에 기반한 시각화 콘텐츠를 제공하기 위한 동작들을 수행하도록 하며,
상기 동작들은,
심전도 데이터를 획득하는 동작;
사전 학습된 신경망 모델을 사용하여, 상기 심전도 데이터로부터 심전도 특징을 추출하는 동작; 및
상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하는 동작을 포함하고,
상기 심장 애니메이션 데이터는,
상기 심전도 그래프와 동기화되어 재생되고, 심장 움직임, 혈액 흐름 또는 전기 흐름 중 적어도 하나를 포함하는 심장 상태 정보를 표시하는 것인,
컴퓨터 프로그램.
- 심전도 판독에 기반한 시각화 콘텐츠를 제공하기 위한 컴퓨팅 장치로서,
적어도 하나의 코어(core)를 포함하는 프로세서(processor); 및
상기 프로세서에서 실행 가능한 프로그램 코드(code)들을 포함하는 메모리(memory);
를 포함하고,
상기 프로세서는, 상기 프로그램 코드의 실행에 따라,
심전도 데이터를 획득하고,
사전 학습된 신경망 모델을 사용하여, 상기 심전도 데이터로부터 심전도 특징을 추출하며,
상기 추출된 심전도 특징에 기반하여 상기 심전도 데이터의 심전도 파형을 나타내는 심전도 그래프와 해부학적 심장의 모습을 시각화한 심장 애니메이션 데이터를 포함한 시각화 콘텐츠를 생성하되,
상기 심장 애니메이션 데이터는,
상기 심전도 그래프와 동기화되어 재생되고, 심장 움직임, 혈액 흐름 또는 전기 흐름 중 적어도 하나를 포함하는 심장 상태 정보를 표시하는 것인,
장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2023/009857 WO2024014838A1 (ko) | 2022-07-13 | 2023-07-11 | 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법, 프로그램 및 장치 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220086191 | 2022-07-13 | ||
| KR20220086191 | 2022-07-13 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20240009348A true KR20240009348A (ko) | 2024-01-22 |
| KR20240009348A9 KR20240009348A9 (ko) | 2024-03-25 |
Family
ID=89716554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230081780A KR20240009348A9 (ko) | 2022-07-13 | 2023-06-26 | 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법, 프로그램 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240009348A9 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140037326A (ko) | 2012-09-17 | 2014-03-27 | 가천대학교 산학협력단 | 개인건강기록을 위한 실시간 심전도 모니터링 시스템 및 방법 |
-
2023
- 2023-06-26 KR KR1020230081780A patent/KR20240009348A9/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140037326A (ko) | 2012-09-17 | 2014-03-27 | 가천대학교 산학협력단 | 개인건강기록을 위한 실시간 심전도 모니터링 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20240009348A9 (ko) | 2024-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11826126B2 (en) | Method and system for visualization of heart tissue at risk | |
| CN107092771A (zh) | 采用定期数据整合的个性化模型 | |
| KR102141617B1 (ko) | 인공 신경망을 이용하여 부정맥을 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| JP2016019753A (ja) | 患者の心臓の電気解剖学的画像を提供するためのシステムおよびその作動方法 | |
| WO2019162054A1 (en) | System and method for client-side physiological condition estimations based on a video of an individual | |
| Landreani et al. | Smartphone accelerometers for the detection of heart rate | |
| WO2018106146A2 (ru) | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий | |
| US20160135704A1 (en) | Matrix-Based Patient Signal Analysis | |
| EP3954291B1 (en) | Detection of activation in electrograms using neural-network-trained preprocessing of intracardiac electrograms | |
| US20220039882A1 (en) | Use of machine learning to improve workflow during mapping and treatment of cardiac arrhythmias | |
| AU2019350718A1 (en) | Model-based sensor technology for detection of cardiovascular status | |
| EP4368105A1 (en) | Method for generating synchronous electrocardiograms on basis of two lead asynchronous electrocardiograms | |
| Zia et al. | Modeling consistent dynamics of cardiogenic vibrations in low-dimensional subspace | |
| KR20240009348A (ko) | 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법,프로그램 및 장치 | |
| CN111755104B (zh) | 一种心脏状态监测方法、系统、电子设备及存储介质 | |
| KR20240009349A (ko) | 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법,프로그램 및 장치 | |
| WO2024014838A1 (ko) | 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법, 프로그램 및 장치 | |
| WO2024014854A1 (ko) | 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법, 프로그램 및 장치 | |
| Spinsante et al. | Contactless measurement of heart rate for exergames applications | |
| Sahay et al. | Computer‐Aided Interpretation of ECG Signal—A Challenge | |
| US20240050018A1 (en) | Signal analyzing apparatus, signal analyzing method and program | |
| KR20240009892A (ko) | 심전도 측정 기능을 제공하는 키보드, 이를 포함하는시스템 및 그 방법 | |
| Angelva | Heartbeat detection with dictionary learning from ballistocardiography | |
| CN117940060A (zh) | 以心电图为基础诊断甲状腺功能障碍的方法、程序及装置 | |
| Matias | ECG based Prediction Model for Cardiac-Related Diseases using Machine Learning Techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| G170 | Re-publication after modification of scope of protection [patent] |