KR20240009892A - 심전도 측정 기능을 제공하는 키보드, 이를 포함하는시스템 및 그 방법 - Google Patents
심전도 측정 기능을 제공하는 키보드, 이를 포함하는시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20240009892A KR20240009892A KR1020230090217A KR20230090217A KR20240009892A KR 20240009892 A KR20240009892 A KR 20240009892A KR 1020230090217 A KR1020230090217 A KR 1020230090217A KR 20230090217 A KR20230090217 A KR 20230090217A KR 20240009892 A KR20240009892 A KR 20240009892A
- Authority
- KR
- South Korea
- Prior art keywords
- keyboard
- electrocardiogram
- computing device
- noise
- ecg
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000005259 measurement Methods 0.000 claims abstract description 49
- 238000001914 filtration Methods 0.000 claims abstract description 43
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000003062 neural network model Methods 0.000 claims description 43
- 238000002567 electromyography Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 30
- 210000003811 finger Anatomy 0.000 description 15
- 238000013528 artificial neural network Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 208000019622 heart disease Diseases 0.000 description 11
- 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
- 238000010586 diagram Methods 0.000 description 7
- 206010003119 arrhythmia Diseases 0.000 description 4
- 230000006793 arrhythmia Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 210000004932 little finger Anatomy 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000002565 electrocardiography Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 210000005245 right atrium Anatomy 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010049694 Left Ventricular Dysfunction Diseases 0.000 description 1
- 238000012951 Remeasurement Methods 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000001992 atrioventricular node Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000001174 endocardium Anatomy 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000005246 left atrium Anatomy 0.000 description 1
- 210000005240 left ventricle Anatomy 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
- 210000003205 muscle Anatomy 0.000 description 1
- 210000004165 myocardium Anatomy 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
- 238000002360 preparation method Methods 0.000 description 1
- 210000003742 purkinje fiber Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000005241 right ventricle Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000001013 sinoatrial node Anatomy 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 230000002861 ventricular 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
-
- 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/26—Bioelectric electrodes therefor maintaining contact between the body and the electrodes by the action of the subjects, e.g. by placing the body on the electrodes or by grasping the electrodes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6897—Computer input devices, e.g. mice or keyboards
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (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 측정 기능을 제공하는 키보드 및 이를 포함하는 시스템에 관한 것으로서, 키보드의 키들 중 하나 이상의 키에 설치되고, 사용자의 손가락이 접촉되면 사용자의 심전도 신호를 측정하는 전극부; 상기 심전도 신호를 측정하는 과정에서 상기 키보드에서 발생될 수 있는 타겟 노이즈를 필터링하는 필터링부; 및 상기 키보드와 무선 또는 유선 연결된 컴퓨팅 장치의 요청에 따라 상기 필터링 된 심전도 신호를 전송하는 전송부를 포함하는 키보드를 제공하고자 한다.
Description
본 개시의 내용은 심전도 측정 기능을 제공하는 키보드 및 이를 포함하는 시스템에 관한 것으로, 구체적으로 키보드를 이용하여 측정된 심전도를 기초로 신경망 모델을 이용하여 심전도 판독 서비스를 제공하는 시스템에 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.
이러한 심전도는 고가의 측정 장비로 측정되어 환자의 건강상태를 측정하기 위한 보조 도구로 사용되며, 일반적으로 심전도 측정 장비는 측정결과만을 표시해주며 진단은 온전히 의사의 몫이었다.
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.
현재 자가 심전도 측정 기기를 이용한 양성 예측율이 5% 정도, 즉 자가 심전도 측정 기기를 이용한 심장 질환이 있다고 판독된 결과 중 95%는 질환이 없는 것이므로 신뢰도가 매우 낮다는 문제점이 있다. 여기서, 양성 예측율은 질환이 있다고 판단되었으나 실제로 질환이 있을 확률을 의미한다.
이와 같이, 일상 생활 속에서 자가 심전도 측정 기기를 이용하여, 사용자가 자신의 건상 상태를 수시로 모니터링하게 되면, 심전도에서 비정상 소견이 발견되면 이를 바로 확인하여 조치할 수 있기 때문에, 특히 심혈관계 질환에서 많이 나타난다고 알려진 돌연사의 상황을 미연에 방지할 수 있다.
그러나, 자가 심전도 측정 기기의 심전도 판독 결과에서 비정상 소견이 발견된 경우, 사용자가 직접 병원 방문을 통해 질환이 없음을 확인해야 하므로 불필요한 병원 방문으로 인한 의료비의 낭비가 증가하고, 일상생활에서 측정한 심전도의 신뢰도가 감소하여 심장질환을 조기 발견하여 합병증을 예방할 수 있는 기회를 놓칠 수 있다는 문제점이 있다.
또한, 스마트워치 등의 자가 심전도 측정 기기가 병원에 설치된 의료정보시스템과 연동되지 않기 때문에, 사용자가 직접 심전도 측정 결과를 많은 양의 종이로 인쇄하거나 본인의 핸드폰에 저장하여, 병원 방문을 통해 의료진에게 심전도 판독 결과를 요청해야 하므로, 의료진이 다수의 사용자들에 대한 심전도 판독을 위해 많은 시간을 소비하게 되어 의료 자원의 낭비가 발생하는 문제점이 있다.
특히, 스마트 워치를 이용한 자가 심전도 측정은 한쪽 손목에 스마트 워치를 착용한 상태에서, 다른 쪽 손의 검지손가락을 스마트 워치에 접촉한 후 몸을 움직이지 않는 자세에서 30초 동안 있어야 한다. 만일, 테이블 등에 손을 올려놓을 수 없는 측정 환경 상태에서 심전도 측정을 할 경우, 팔을 안정적으로 올려 놓을 곳이 없어, 불안정한 자세로 인해 정확한 심전도 측정이 실패할 확률이 높다는 문제점이 있다.
스마트 워치와 같은 웨어러블 기기 말고도 컴퓨터에 연결된 키보드, 의자 손잡이 같이 사용자가 자주 사용하는 물건에 생체신호 측정 장치를 탑재하여 사용할 수도 있다. 이러한 키보드 또는 의자 손잡이 등에 탑재된 생체신호 측정 장치는 사용자의 측정 자세가 불안정하거나, 생체 측정을 위한 전극과 신체 부위와의 접촉 위치가 불분명하여 자가 심전도 측정을 위한 사용 방식이 사용자 친화적이지 않고, 그로 인해 사용자가 불편함이 느끼게 되어 심전도 측정 기능을 사용하지 않게 되는 문제점이 있다.
또한, 향후 심전도 검사 시스템은 사용자가 일상생활에서 지속적으로 심전도를 측정하여 데서 그치지 않고, 사용자에 대한 심전도 데이터를 병원에 설치된 의료정보시스템과 연동하여 사전 학습된 신경망 모델을 통해 신속 정확하게 질환을 진단할 수 있는 플랫폼을 제공할 수 있어야 한다.
본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 장소와 시간에 구애받지 않고 가정, 학교 또는 직장에서 쉽고 간편하게 키보드를 이용하여 사용자의 심전도를 측정할 수 있고, 키보드와 연결된 컴퓨팅 장치를 통해 측정된 심전도에 대한 심전도 판독 데이터를 생성할 수 있도록 하는 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 측정 기능을 제공하는 키보드를 제공하고자 한다. 키보드는, 키보드의 키들 중 하나 이상의 키에 설치되고, 사용자의 손가락이 접촉되면 사용자의 심전도 신호를 측정하는 전극부; 상기 심전도 신호를 측정하는 과정에서 상기 키보드에서 발생될 수 있는 타겟 노이즈를 필터링하는 필터링부; 및 상기 키보드와 무선 또는 유선 연결된 컴퓨팅 장치의 요청에 따라 상기 필터링 된 심전도 신호를 전송하는 전송부;를 포함할 수 있다.
대안적으로, 상기 전극부는, 상기 키보드의 키들 중 하나 이상의 키를 이용한 제1 키 조합 방식에 의해 심전도 측정 기능을 실행하는 것이다.
대안적으로, 상기 전송부는, 상기 키보드의 키들 중 하나 이상의 키를 이용한 제2 키 조합 방식에 의해 심전도 전송 기능을 실행하는 것이다.
대안적으로, 상기 타겟 노이즈는, 상기 키보드에 공급되는 전원에 의해 발생되는 전원 노이즈, 또는 인체에서 발생되는 근전도 노이즈 중 적어도 하나 이상을 포함할 수 있다.
대안적으로, 상기 필터링부는, 상기 전극부에 의해 측정된 심전도 신호의 제1 영역에 대해, 복수의 필터링 기법들을 적용하여 상기 타겟 노이즈를 제거하는 것이다.
한편, 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 시스템에서, 사용자의 손가락이 접촉되면, 복수의 키들 중 하나 이상의 키에 배치된 전극들을 이용하여 사용자의 심전도 신호를 측정하는 키보드; 및 상기 키보드와 연결되어 상기 심전도 신호를 획득하고, 사전 학습된 제1 신경망 모델을 사용하여 상기 심전도 신호를 분석하고, 상기 심전도 신호의 노이즈를 제거하는 컴퓨팅 장치;를 포함할 수 있다.
대안적으로, 상기 키보드는, 상기 심전도 신호를 측정하는 과정에서 상기 키보드에서 발생될 수 있는 타겟 노이즈를 필터링하는 필터링부를 더 포함할 수 있다.
대안적으로, 상기 필터링부는, 상기 전극부에 의해 측정된 심전도 신호의 제1 영역에 대해, 복수의 필터링 기법들을 적용하여 상기 타겟 노이즈를 제거하는 것이다.
대안적으로, 상기 컴퓨팅 장치는, 상기 제1 신경망 모델을 사용하여, 상기 타겟 노이즈가 제거된 제1 영역에 적용된 복수의 필터링 기법들 각각에 대한 노이즈 점수를 평가하는 것이다.
대안적으로, 상기 컴퓨팅 장치는, 상기 노이즈 점수에 기반하여 복수의 필터링 기법들에 대한 우선순위를 결정하고, 상기 결정된 우선순위에 기초하여 최상위 우선순위를 갖는 필터링 기법을 이용하여 상기 심전도 신호의 제2 영역에 포함된 타겟 노이즈를 제거하는 것이다.
대안적으로, 상기 컴퓨팅 장치는, 사전 학습된 제2 신경망 모델을 사용한 상기 심전도 판독 데이터를 1차 판독 결과로 생성하고, 전문가 심층 판독을 위한 사용자 인터페이스를 전문가 단말에 제공하여, 상기 전문가 판독 정보를 포함하는 2차 판독 결과를 생성하되, 상기 심전도 판독 데이터는, 상기 1차 판독 결과 또는 상기 2차 판독 결과 중 적어도 하나 이상을 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는, 심전도 측정 기능을 제공하는 키보드를 이용하여 심전도를 판독하는 방법으로서, 키보드를 이용하여 측정된 심전도 신호를 획득하는 단계; 및 사전 학습된 제1 신경망 모델을 사용하여 상기 심전도 신호를 분석하고, 상기 심전도 신호의 노이즈를 제거하는 단계를 포함하는 방법을 제공하고자 한다.
본 개시의 일 실시예에 따른 심전도 측정 기능을 제공하는 키보드 및 이를 포함한 시스템은, 장소와 시간에 구애받지 않고 가정, 학교 또는 직장에서 쉽고 간편하게 키보드를 이용하여 사용자의 심전도를 측정할 수 있어, 키보드와 연결된 컴퓨팅 장치를 통해 심전도를 판독할 수 있어 컴퓨터를 사용하는 시간 동안 자연스럽게 심전도 측정 및 판독이 이루어질 수 있고, 이렇게 측정된 심전도를 이용한 심전도 판독 결과를 병원 진료에 활용할 수 있도록 할 수 있다.
도 1은 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록도이다.
도 2는 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드를 포함하는 시스템의 구성을 설명하는 블록도이다.
도 3은 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드의 구성을 설명하는 블록도이다.
도 4는 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드에서 심전도를 측정하는 방법을 설명하는 순서도이다.
도 5는 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드를 이용하여 심전도 판독 데이터를 생성하기 위한 방법을 설명하는 순서도이다.
도 2는 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드를 포함하는 시스템의 구성을 설명하는 블록도이다.
도 3은 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드의 구성을 설명하는 블록도이다.
도 4는 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드에서 심전도를 측정하는 방법을 설명하는 순서도이다.
도 5는 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드를 이용하여 심전도 판독 데이터를 생성하기 위한 방법을 설명하는 순서도이다.
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 1은 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 1을 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 1은 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 신호를 기초로 심장질환을 진단하는 제2 신경망 모델을 학습시킬 수 있다. 예를 들어, 프로세서(110)는 심전도 신호와 함께, 성별, 나이, 체중, 신장 등의 정보를 포함하는 생물학적 정보를 기초로 부정맥 및 기타 심장질환을 추정하도록 제2 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, 제2 신경망 모델은 심전도 신호에서 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 제2 신경망 모델을 이용하여 심전도 신호를 기초로 심전도 판독 결과 데이터를 추정할 수 있다. 프로세서(110)는 상술한 과정을 통해 학습된 제2 신경망 모델로 심전도 신호, 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 제2 신경망 모델로 심전도 신호를 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.
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 병원 환경 내 데이터베이스, 의료 데이터의 표준화 등의 작업을 수행하는 클라우드 서버, 혹은 컴퓨팅 장치 등과의 통신을 통해 의료 데이터를 수신할 수 있다. 네트워크부(130)는 전술한 데이터베이스, 서버, 혹은 컴퓨팅 장치 등과의 통신을 통해, 신경망 모델의 출력 데이터, 및 프로세서(110)의 연산 과정에서 도출되는 중간 데이터, 가공 데이터 등을 송신할 수 있다.
도 2는 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드를 포함하는 시스템의 구성을 설명하는 블록도이고, 도 3은 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드의 구성을 설명하는 블록도이다.
도 2를 참조하면, 시스템은 컴퓨팅 장치(100) 및 키보드(200)를 포함하지만, 이에 한정되지 않고 심전도 판독을 위한 전문가 단말(300)을 포함할 수 있다.
컴퓨팅 장치(100)는 유선 또는 무선으로 키보드(200)와 연결될 수 있고, 키보드(200)에서 측정된 사용자의 심전도를 획득할 수 있으며, 사전 학습된 제2 신경망 모델을 사용하여 사용자의 심전도에 기초한 심전도 판독 데이터를 생성할 수 있다.
이러한 컴퓨팅 장치(100)는 사용자의 심박수, 체지방률, 혈압 등 다양한 건강지표를 수집할 수 있고, 수집된 건강 지표를 이용하여 사용자의 건강 상태에 대한 정보를 다양하게 제공할 수 있는 스마트 단말기를 포함할 수 있다. 이때, 스마트 단말기는 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook) 등이 포함될 수 있다.
컴퓨팅 장치(100)는 심전도 판독 서비스와 관련된 서비스앱을 실행하여, 데이터 선택, 전송, 열람 및 다운로드 등의 기능을 수행할 수 있다. 사용자는 컴퓨팅 장치(100)에서 실행되는 서비스앱을 통해 키보드(200)에서 측정된 심전도를 선택하여 전문가 단말(300)로 전송할 수 있다.
여기서, 전문가 단말(300)은 외부 전문가와 협업이 가능하여 전문가 심층 판독 서비스를 제공하는 심전도 판독 센터 또는 의료 전문가의 진단 서비스를 제공하는 단말일 수 있다. 이러한 전문가 단말(300)은 심전도 데이터를 심층 분석한 전문가 판독 정보를 생성하여 컴퓨팅 장치(100)로 제공한다.
컴퓨팅 장치(100)는 심전도 신호에 포함된 노이즈 신호나 부정확한 측정으로 인한 오류 신호로 인해 심전도 판독이 불가능한 경우, 전문가 단말(300)로 협진 요청 데이터를 전송하여 협업을 요청할 수 있다. 즉, 심전도 신호가 제2 신경망 모델의 해석(또는 추론)이 어려운 상태라면, 컴퓨팅 장치(100)는 신속히 의료 전문가의 진단 서비스를 제공하는 전문가 단말(300)로 심전도 데이터를 포함한 협진 요청 데이터를 전송할 수 있다. 전문가 단말(300)에서도 심전도 판독이 불가능한 경우, 컴퓨팅 장치(100)는 전문가 단말(300)의 피드백을 토대로 심전도 재측정에 관한 안내 메시지 또는 알람 정보를 제공할 수 있다.
심전도는 개인마다 성별, 나이, 심장의 위치, 크기에 따라 다르기 때문에 개인의 고유한 신호이다. 따라서, 컴퓨팅 장치(100)는 제2 신경망 모델로 심전도 데이터와 함께 나이, 성별, 체중, 신장 중 적어도 하나를 포함하는 생물학적 정보를 입력하여, 심전도 데이터의 사용자에 대한 심전도 판독 데이터를 추정하는 단계를 포함할 수 있다.
여기서, 제2 신경망 모델은 딥러닝 알고리즘을 이용하여 심전도 데이터를 특징별로 학습하고, 학습된 모델을 이용하여 심장 질환의 진단명을 포함한 심전도 판독 데이터를 도출할 수 있다. 또한, 제2 신경망 모델은, 좌심실 수축기 장애와 심전도, 성별, 나이, 체중, 신장 등의 특성의 변화 간의 상관관계를 기초로 학습된 것일 수 있다. 구체적으로, 제2 신경망 모델은 심전도 및 심장질환의 진단 결과를 포함한 학습 데이터셋을 기초로 학습 데이터셋에서 여러 인자들 간의 상관관계를 기초로 학습된 것일 수 있다.
제2 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, 제1 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, 제2 신경망 모델은 심전도 데이터를 입력 받아 심전도 판독 데이터를 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. 제1 신경망 모델은 나이, 성별, 신장, 체중 등의 생물학적 정보가 보조 정보로 입력되는 풀리 커넥티드(Fully connected) 레이어를 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.
도 3에 도시된 바와 같이, 심전도 측정 기능을 제공하는 키보드(200)는, 전극부(210), 필터링부(220), 저장부(230) 및 전송부(240)를 포함하지만 이에 한정되지는 않는다.
전극부(210)는 키보드의 키들 중 하나 이상의 키에 설치되고, 사용자의 손가락이 접촉되면 사용자의 심전도를 측정한다. 이러한 전극부(210)는 2전극 방식 또는 3전극 방식의 심전도 측정 회로를 포함할 수 있다. 2전극 방식은 증폭기 입력단 (+), (-)의 2개 지점을 피부 접촉용 전극으로 사용하고, 3전극 방식은 증폭기 입력단 (+), (-), 접지까지 총 3개의 지점을 피부 접촉용 전극으로 사용한다. 여기서, 증폭기는 전극의 각각에 연결되는 입력단을 통해 입력되는 생체 신호를 차동 증폭하여 심전도 신호를 획득 및 출력할 수 있다.
이러한 전극부(210)를 2전극 방식으로 구현할 경우, 전극부(210)는 키보드의 한국 자판을 기준으로, ‘ㄹ(영어자판 f)’과 ‘ㅓ(영어자판 j)’의 키에 전극을 각각 설치할 수 있고, 각 키의 상부면에 돌출 영역 또는 점자 등의 다양한 표출 형태를 사용하여 다른 키들과 구별되도록 함으로써 사용자가 촉감만으로도 전극부(210)임을 인지할 수 있도록 한다. 이때, 전극부(210)가 설치되는 키들은 사용자의 왼쪽 검지손가락과 오른쪽 검지손가락이 올라가는 부분으로, 보통 키보드 사용시 손의 위치를 자연스럽게 올려놓을 수 있는 키들로 설정할 수 있다.
한편, 전극부(210)를 8전극 방식으로 구현할 경우, 전극부(210)는 키보드의 한국 자판을 기준으로, ‘ㅁ(영어자판 a)’, ‘ㄴ(영어자판 s)’, ‘ㅇ(영어자판 d)’, ‘ㄹ(영어자판 f)’, ‘ㅓ(영어자판 j)’, ‘ㅏ(영어자판 k)’, ‘ㅣ(영어자판 l)’, ‘;’ 8개의 키들 상에 형성될 수 있고, 사용자는 전극부(210)에 순차적으로 왼쪽 손의 소지(또는 새끼 손가락), 약지, 중지, 검지를 올려놓고, 오른쪽 손의 검지, 중지, 약지, 소지를 올려 놓을 수 있다. 대부분의 키보드 사용자들은 키보드를 사용하기 위한 준비 동작, 키보드의 사용 직후 또는 다음 키보드를 사용하기 직전의 시간 동안 8개의 자판에 8개의 손가락을 올려놓고 대기하게 된다. 따라서, 전극부(210)는 8개의 키들을 이용하여 심전도 신호를 측정할 수 있도록 해당 키들에 전극을 탑재할 수 있다.
컴퓨팅 장치(100)는 8전극 방식의 전극부(210)를 구비한 키보드(200)와 연결될 경우, 왼쪽 손의 4개의 손가락으로부터 획득한 심전도 신호, 오른쪽 손의 4개의 손가락으로부터 획득한 심전도 신호 중 가장 노이즈가 적은 신호를 각각 선택하여 심전도 판독에 사용할 수 있다.
한편, 전극부(210)는 키보드(200)의 키들 중 하나 이상의 키를 이용한 제1 키 조합 방식에 의해 심전도 측정 기능을 실행하는데, 예를 들어, 기능(Function, Fn) 키를 누른 상태에서 한국 자판을 기준으로 'ㄴ(영어자판 S)'을 일정 시간 이상 누르면 심전도 측정 신호가 입력된 것으로 인식할 수 있고, 또는 전극부(210)를 포함하는 하나 이상의 키에서 일정 시간 이상의 인체 접촉이 감지되면 심전도 측정 신호가 입력된 것으로 인식할 수도 있다. 따라서, 키보드(200)에서는 사용자가 키보드를 사용하는 동안에 자연스럽게 기 설정된 시간 동안 심전도 측정 기능을 수행할 수 있다.
전극부(210)는 제1 키 조합 방식이 아니더라도, 키보드(200)에 연결된 컴퓨팅 장치(100)의 전원이 켜지거나, 절전 모드 진행 중 키보드의 하나 이상의 키로 절전 모드가 해제될 경우에 심전도 측정 신호가 입력된 것으로 인식되도록 설정될 수도 있다.
필터링부(220)는 전극부(210)가 심전도 신호를 측정하는 과정에서 키보드(200)에서 발생될 수 있는 타겟 노이즈를 필터링한다. 구체적으로, 필터링부(220)는 심전도 신호의 제1 영역, 즉 심전도의 앞부분에 대해 복수의 필터링 기법들을 적용하여 타겟 노이즈를 제거한다. 이때, 타겟 노이즈는 키보드(200)에 공급되는 전원에 의해 발생되는 전원 노이즈, 인체에서 발생되는 근전도 노이즈 중 적어도 하나 이상을 포함할 수 있다.
저장부(230)는 필터링부(220)에서 필터링된 심전도를 저장하거나 전송부(240)에 전송한 심전도 신호 및 기타 데이터를 저장한다.
전송부(240)는 키보드(200)와 무선 또는 유선 연결된 컴퓨팅 장치(100)의 요청에 따라 필터링부(220)에 의해 필터링 된 심전도 신호를 컴퓨팅 장치(100)로 전송한다.
전송부(240)는 키보드의 키들 중 하나 이상의 키를 이용한 제2 키 조합 방식에 의해 심전도 전송 기능을 실행하는데, 예를 들어, 기능(Function, Fn) 키를 누른 상태에서 한국 자판을 기준으로 'ㅅ(영어자판 T)'을 일정 시간 이상 누르면 심전도 전송 신호가 입력된 것으로 인식할 수 있다.
전송부(240)는 제2 키 조합 방식이 아니더라도, 전극부(210)에서 심전도 측정을 시작하고 기 설정된 시간이 경과된 후에 자동으로 키보드(200)에 연결된 컴퓨팅 장치(100)로 심전도 신호가 전송되도록 설정될 수 있고, 다양한 방식으로 심전도 전송 신호를 설정할 수 있다.
도 4는 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드에서 심전도를 측정하는 방법을 설명하는 순서도이고, 도 5는 본 개시의 일 실시예에 따라 심전도 측정 기능을 제공하는 키보드를 이용하여 심전도 판독 데이터를 생성하기 위한 방법을 설명하는 순서도이다.
도 4를 참조하면, 키보드(200)는 심전도 측정 신호가 입력됨이 감지되면(S11), 전극부(210)에서 사용자의 손가락이 접촉된 이후로 기 설정된 시간 동안 심전도 측정을 수행한다(S12).
필터링부(220)는 전극부(210)에서 측정된 심전도 신호의 제1 영역에 대해 타겟 노이즈를 제거하고, 저장부(230)는 타겟 노이즈가 제거된 심전도 신호를 저장한다(S13). 이때, 필터링부(220)는 심전도 측정 기능을 제공하는 키보드(200)에 특화된 심전도 필터링 기능을 수행하는 것으로서, 심전도를 측정하는 과정에서 키보드에서 발생할 수 있는 타겟 노이즈를 제거하기 위해, 심전도 신호의 제1 영역에 대해 복수의 필터링 기법들을 적용한다.
타겟 노이즈에는 키보드(200)에 전원이 공급됨에 따라 발생하는 전원 노이즈와 인체의 손 근육에서 발생하는 근전도 노이즈 중 적어도 하나 이상을 포함할 수 있다. 심전도는 심장에서 발생하는 전류를 측정하는 것이므로, 전원 노이즈나 근전도 노이즈를 포함한 타겟 노이즈는 정확한 심전도 측정에 방해 요소로 작용될 가능성이 높다. 따라서, 필터링부(220)는 심전도 신호에서 타겟 노이즈를 제거하여, 이후 컴퓨팅 장치(100)에서 노이즈 제거된 심전도 신호를 이용하여 정확한 심전도 판독을 수행할 수 있도록 한다.
전송부(240)는 심전도 전송 신호가 입력되면(S14), 키보드(200)와 연결된 컴퓨팅 장치(100)로 저장부(230)에 저장된 심전도 신호를 전송한다(S15).
본 개시의 대안적 실시예에 따르면, 도 4와 달리 필터링부(220)에 의해 타겟 노이즈가 제거된 신호는 필터링부(220)에서 타겟 노이즈가 제거된 신호는 저장부(230)에 저장되지 않고 전송부(240)를 통해 컴퓨팅 장치(100)로 곧바로 전송될 수 있다. 그리고, 전송된 결과물이 저장부(230)에 저장될 수도 있다.
한편, 도 5를 참조하면, 컴퓨팅 장치(100)는 유선 또는 무선으로 연결된 키보드(200)로부터 심전도 신호를 획득하고(S21), 사전 학습된 제1 신경망 모델을 사용하여 심전도 신호에서 타겟 노이즈가 제거된 제1 영역에 적용된 복수의 필터링 기법들 각각에 대한 노이즈 점수를 평가한다(S22). 제1 신경망 모델은 심전도 신호에 노이즈 성분이 많이 남아 있으면 저점으로 노이즈 점수를 평가하고, 반대로 심전도 신호에 노이즈 성분이 잘 제거되어 있으면 고점으로 노이즈 점수를 평가할 수 있다.
심전도 신호에 라벨 데이터를 붙이는 데이터 라벨링 작업을 통해 학습 데이터를 생성하고, 이렇게 생성된 학습 데이터를 통해 제1 신경망 모델이 학습된 것일 수 있다. 예를 들어, 데이터 라벨링 작업은 노이즈 없는 심전도 신호를 0으로 라벨화하고, 노이즈 성분이 증가되는 정도에 따라 1부터 9까지 라벨화할 수 있다. 따라서, 제1 신경망 모델은 라벨 데이터 값이 높을수록 노이즈 점수를 저점으로 평가할 수 있다.
컴퓨팅 장치(100)는 노이즈 점수가 기준 점수보다 낮은 임계 점수의 수준까지 떨어지는 경우, 노이즈 신호로 인해 심전도 판독이 불가능하다고 판단하고, 전문가 단말(300)로 협진 요청 데이터를 전송하여 협업을 요청하거나, 심전도의 재측정을 요청할 수 있다.
컴퓨팅 장치(100)는 제1 신경망 모델을 통해 평가된 노이즈 점수가 기 설정된 기준 점수 이하이면(S23), 심전도 신호에 포함된 노이즈 신호를 제거하여 출력한다(S24). 컴퓨팅 장치(100)는 노이즈 점수에 기반하여 복수의 필터링 기법들에 대한 우선순위를 결정하고, 결정된 우선순위에 기초하여 최상위 우선순위를 갖는 필터링 기법을 이용하여 심전도 신호의 제2 영역에 포함된 타겟 노이즈를 제거할 수 있다. 여기서, 제2 영역은 심전도 신호의 제1 영역을 제외한 나머지 영역이 될 수 있다.
제2 영역의 타겟 노이즈가 제거되면, 컴퓨팅 장치(100)는 제2 영역을 제거하기 위해 선택한 필터링 기법이 적용된 제1 영역에 대한 필터링 결과물과 제2 영역의 필터링 결과물을 결합하여 노이즈가 제거된 전체 심전도 신호를 생성할 수 있다. 다시 말해서, 컴퓨팅 장치(100)는 제1 영역의 필터링 결과물 중에서 최상위 우선순위를 갖는 필터링 기법이 적용된 결과물과 최상위 우선순위를 갖는 필터링 기법이 적용된 제2 영역의 결과물을 연결하여 가장 좋은 품질의 심전도 신호를 저장할 수 있다.
컴퓨팅 장치(100)는 새롭게 심전도를 측정할 때마다 키보드(200)의 위치나 사용자의 자세 등이 매번 바뀔 수 있기 때문에, 심전도 신호에서 노이즈 점수를 평가하는 단계와, 심전도 신호에 남아있는 노이즈 신호를 제거하는 단계를 반복 수행한다.
컴퓨팅 장치(100)는 사전 학습된 제2 신경망 모델을 사용하여 필터링 모듈을 통해 노이즈 신호가 제거된 심전도 신호를 분석하여, 사용자의 심전도에 대한 심전도 판독 데이터를 생성한다(S25). 이때, 컴퓨팅 장치(100)는 제2 신경망 모델을 사용한 심전도 판독 데이터를 1차 판독 결과로 생성할 수 있다.
그리고, 컴퓨팅 장치(100)는 전문가 심층 판독을 위한 사용자 인터페이스를 전문가 단말(300)에 제공하고, 전문가 단말(300)을 통해 전문가 판독 정보를 포함하는 2차 판독 결과를 수신한 후, 1차 판독 결과 또는 2차 판독 결과 중 적어도 하나 이상을 포함하는 심전도 판독 데이터를 생성할 수 있다.
이러한 키보드 및 키보드를 포함한 시스템을 통해 수행되는 심전도 측정 및 판독 과정을 통해 사용자는 원하는 시간 및 장소에서 자유롭게 키보드를 이용하여 심전도를 측정하여 손쉽게 건강 상태를 모니터링 할 수 있다. 그리고, 컴퓨팅 장치는 30초 이하의 단시간에 측정된 심전도 신호를 30초~2분 정도의 심전도 신호로 연결하는 기술을 적용함으로써, 30초에서 2분 정도의 시간 동안 불편한 자세로 심전도 측정을 하지 않더라도 의학적 분석으로도 의미 있는 심전도 분석 결과를 도출할 수 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 (12)
- 심전도 측정 기능을 제공하는 키보드에서,
키보드의 키들 중 하나 이상의 키에 설치되고, 사용자의 손가락이 접촉되면 사용자의 심전도 신호를 측정하는 전극부;
상기 심전도 신호를 측정하는 과정에서 상기 키보드에서 발생될 수 있는 타겟 노이즈를 필터링하는 필터링부; 및
상기 키보드와 무선 또는 유선 연결된 컴퓨팅 장치의 요청에 따라 상기 필터링 된 심전도 신호를 전송하는 전송부;
를 포함하는,
키보드.
- 제1항에 있어서,
상기 전극부는,
상기 키보드의 키들 중 하나 이상의 키를 이용한 제1 키 조합 방식에 의해 심전도 측정 기능을 실행하는 것인,
키보드.
- 제1항에 있어서,
상기 전송부는,
상기 키보드의 키들 중 하나 이상의 키를 이용한 제2 키 조합 방식에 의해 심전도 전송 기능을 실행하는 것인,
키보드.
- 제1항에 있어서,
상기 타겟 노이즈는,
상기 키보드에 공급되는 전원에 의해 발생되는 전원 노이즈, 또는 인체에서 발생되는 근전도 노이즈 중 적어도 하나 이상을 포함하는,
키보드.
- 제1항에 있어서,
상기 필터링부는,
상기 전극부에 의해 측정된 심전도 신호의 제1 영역에 대해, 복수의 필터링 기법들을 적용하여 상기 타겟 노이즈를 제거하는 것인,
키보드.
- 심전도 측정 기능을 제공하는 시스템에서,
사용자의 손가락이 접촉되면, 복수의 키들 중 하나 이상의 키에 배치된 전극들을 이용하여 사용자의 심전도 신호를 측정하는 키보드; 및
상기 키보드와 연결되어 상기 심전도 신호를 획득하고, 사전 학습된 제1 신경망 모델을 사용하여 상기 심전도 신호를 분석하고, 상기 심전도 신호의 노이즈를 제거하는 컴퓨팅 장치;
를 포함하는,
시스템.
- 제6항에 있어서,
상기 키보드는,
상기 심전도 신호를 측정하는 과정에서 상기 키보드에서 발생될 수 있는 타겟 노이즈를 필터링하는 필터링부를 더 포함하는,
시스템.
- 제7항에 있어서,
상기 필터링부는,
상기 전극부에 의해 측정된 심전도 신호의 제1 영역에 대해, 복수의 필터링 기법들을 적용하여 상기 타겟 노이즈를 제거하는 것인,
시스템.
- 제8항에 있어서,
상기 컴퓨팅 장치는,
상기 제1 신경망 모델을 사용하여, 상기 타겟 노이즈가 제거된 제1 영역에 적용된 복수의 필터링 기법들 각각에 대한 노이즈 점수를 평가하는 것인,
시스템.
- 제9항에 있어서,
상기 컴퓨팅 장치는,
상기 노이즈 점수에 기반하여 복수의 필터링 기법들에 대한 우선순위를 결정하고, 상기 결정된 우선순위에 기초하여 최상위 우선순위를 갖는 필터링 기법을 이용하여 상기 심전도 신호의 제2 영역에 포함된 타겟 노이즈를 제거하는 것인,
시스템.
- 제6항에 있어서,
상기 컴퓨팅 장치는,
사전 학습된 제2 신경망 모델을 사용한 상기 심전도 판독 데이터를 1차 판독 결과로 생성하고,
전문가 심층 판독을 위한 사용자 인터페이스를 전문가 단말에 제공하여, 상기 전문가 판독 정보를 포함하는 2차 판독 결과를 생성하되,
상기 심전도 판독 데이터는,
상기 1차 판독 결과 또는 상기 2차 판독 결과 중 적어도 하나 이상을 포함하는,
시스템.
- 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는, 심전도 측정 기능을 제공하는 키보드를 이용하여 심전도를 판독하는 방법으로서,
키보드를 이용하여 측정된 심전도 신호를 획득하는 단계; 및
사전 학습된 제1 신경망 모델을 사용하여 상기 심전도 신호를 분석하고, 상기 심전도 신호의 노이즈를 제거하는 단계;
를 포함하는,
방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2023/009931 WO2024014864A1 (ko) | 2022-07-14 | 2023-07-12 | 심전도 측정 기능을 제공하는 키보드, 이를 포함하는 시스템 및 그 방법 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220086831 | 2022-07-14 | ||
| KR20220086831 | 2022-07-14 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240009892A true KR20240009892A (ko) | 2024-01-23 |
Family
ID=89713768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230090217A KR20240009892A (ko) | 2022-07-14 | 2023-07-12 | 심전도 측정 기능을 제공하는 키보드, 이를 포함하는시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240009892A (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101573212B1 (ko) | 2008-03-04 | 2015-12-02 | 삼성전자주식회사 | 바이오 마우스 및 바이오 키보드를 포함하는 원격 의료 진단 장치 및 이를 이용하는 방법 |
-
2023
- 2023-07-12 KR KR1020230090217A patent/KR20240009892A/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101573212B1 (ko) | 2008-03-04 | 2015-12-02 | 삼성전자주식회사 | 바이오 마우스 및 바이오 키보드를 포함하는 원격 의료 진단 장치 및 이를 이용하는 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2020536623A (ja) | モバイルデバイスを用いたユーザの健康の連続的監視 | |
| RU2657384C2 (ru) | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий | |
| KR20110120962A (ko) | 포인트-어브-케어 인액티브 의료 시스템 및 방법 | |
| US20210353203A1 (en) | Diagnostics for detection of ischemic heart disease | |
| KR20230133230A (ko) | 심전도에 기초한 신경망 모델의 대조적인 사전 학습 방법, 프로그램 및 장치 | |
| US11529106B1 (en) | Noninvasive tool for assessing hydration status | |
| Goyal et al. | IoT based cloud network for smart health care using optimization algorithm | |
| US20210361217A1 (en) | Ecg-based age and sex estimation | |
| TWI688371B (zh) | 心房顫動信號型態擷取及輔助診斷智能裝置 | |
| KR20240009892A (ko) | 심전도 측정 기능을 제공하는 키보드, 이를 포함하는시스템 및 그 방법 | |
| WO2024014864A1 (ko) | 심전도 측정 기능을 제공하는 키보드, 이를 포함하는 시스템 및 그 방법 | |
| WO2023281424A1 (en) | Integrative system and method for performing medical diagnosis using artificial intelligence | |
| KR20240009885A (ko) | 심전도에 기반하여 체성분을 측정하는 방법 및 그 장치 | |
| Shi et al. | Glucose-tracking: A postprandial glucose prediction system for diabetic self-management | |
| González et al. | Multi-modal heart failure risk estimation based on short ECG and sampled long-term HRV | |
| WO2024014844A1 (ko) | 심전도에 기반하여 체성분을 측정하는 방법 및 그 장치 | |
| KR20240002162A (ko) | 심전도 판독 서비스를 제공하는 시스템 및 그 방법 | |
| WO2024005348A1 (ko) | 심전도 판독 서비스를 제공하는 시스템 및 그 방법 | |
| Durga | Intelligent Support for Cardiovascular Diagnosis: The AI-CDSS Approach | |
| Das et al. | BayesBeat: A Bayesian deep learning approach for atrial fibrillation detection from noisy photoplethysmography data | |
| EP4385413A1 (en) | Method, computer program, and device for continuously measuring body condition on basis of deep learning | |
| KR20240013676A (ko) | 심전도를 이용한 심근경색 진단 방법, 프로그램 및장치 | |
| US20240057902A1 (en) | Apparatus and method for measuring blood components | |
| WO2023053176A1 (ja) | 学習装置、行動推薦装置、学習方法、行動推薦方法及び記憶媒体 | |
| KR20240009348A (ko) | 심전도 판독에 기반한 시각화 콘텐츠를 제공하는 방법,프로그램 및 장치 |