KR20240047119A - 통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치 및 이를 이용한 시스템 - Google Patents

Abstract

본 발명은 본 발명은 통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치 및 이를 이용한 시스템에 대한 것이다. 특히 비습적인 방법으로 피부 근전도도를 측정할 수 있으며 자극을 조절할 수 있다.
구체적으로 본 발명의 일 실시예는 측정부의 일단에 형성되는 복수 개의 제1 자극부 및 측정부의 타단에 형성되는 복수 개의 제2 자극부를 포함하고, 제1 자극부와 상기 제2 자극부는 인체 피부에 부착되되, 피부에 통증자극 및 진동자극을 가하여 피부 근전도를 측정할 수 있고, 자극의 종류 및 세기를 제어하는 조절부를 구비하여 사용자가 원하는 종류의 자극을 작동시킬 수 있어 피부 근전도 측정이 용이한 피부 근전도 측정장치를 제공한다.

Description

통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치 및 이를 이용한 시스템{SKIN ELECTROMYOGRAPHY DEVICE THAT PROVIDES PAIN STIMULATION AND VIBRATION STIMULATION AND SYSTEM USING THE SAME}

본 발명은 통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치 및 이를 이용한 시스템에 대한 것이다. 보다 상세하게는 비침습적인 장치로서, 측정부를 통하여 피부에 통증자극 및 진동자극을 가하여 피부 근전도를 측정할 수 있고, 자극의 종류 및 세기를 제어할 수 있도록 하여 피부 근전도 측정이 용이한 피부 근전도 측정장치를 제공한다. 또한 상기 장치를 이용한 말초신경계 기능 및 건강 상태 평가 시스템을 제공한다.

일반적으로 신경계 손상환자들의 치료를 위해서 전기자극치료, 운동치료, 수술치료 등 다양한 방법이 적용되지 만 신경계 손상환자의 치료 한계에 부딪치게 된다.

즉, 신경계 손상환자의 경우 수술을 통해 환자를 회복시키는 것은 한계가 있으며, 따라서 운동치료가 매우 중요하다. 특히, 신경계 손상환자들의 치료를 위해서는 운동치료와 함께 전기자극 치료가 병행하는 것이 바람직하다.

전기자극 치료는 자극 전극이 인체의 소정 근육에 부착되어 상기 자극 전극으로 소정의 주파수를 가진 미세전류를 흘려 주어 근육을 자극하는 것이다.

그러나 운동치료와 함께 전기자극 치료를 병행하는 경우, 자극전극과 본체 사이의 전선이 트레이드밀이나 자전거 등의 운동기구에 걸리거나 말려서 운동하기에 불편하며, 또한 운동 중에 자극 전극이 인체의 근육으로부터 떨어지거나 하여 제대로 전기 자극이 근육에 전달되지 않을 우려가 크다.

그리고 전기자극 치료 또는 운동치료를 병원에 내원하여 받아야 하는데, 신경계 손상환자가 병원까지 내원하는 것도 상당히 번거러운 일이며, 특히 환자가 병원에서 치료를 받을 수 있는 시간은 하루에 평균 30~40분 정도로, 이만으로는 치료량이 상당히 부족하다.

또한, 전기자극 치료 또는 운동치료의 경우 환자를 물리치료사들이 직접 제어해서 운동을 시켜야 하는데, 이렇게 함으로써, 물리치료사 등의 노동력이 많이 들어야 하며, 물리치료사들에 의해 제어를 받음으로써 환자들도 불편함을 느낀다.

따라서, 운동을 하면서 전기자극 치료가 가능하며 물리치료사의 직접 제어가 없이도 환자 스스로가 필요한 전기 자극을 제공하는 전기자극수단이 요망된다.

따라서, 안감쪽으로 자극 전극 및 근전도 전극이 장착되어 환자의 피부와 접촉하여 각 근육의 근육활성도를 측정하는 피부 근전도 측정장치가 필요한 실정이다.

KR 제10-2004-0094510 A

본 발명의 목적은 디스플레이부와 측정부가 연결되어 있어 사용자의 피부로 전달되는 자극전극과 근전도 전극을 제어하며, 자극의 종류 및 세기를 제어하는 조절부를 구비하여 사용자가 원하는 종류의 자극을 작동시킬 수 있어 피부 근전도 측정 장치를 제공하기 위한 것이다.

또한, 본 발명의 목적은 통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치는 소형이며, 휴대가 가능하고, 어느 장소에서도 통증을 치료할 수 있으며, 지능적 치료가 가능하고, 경제적이며, 사용이 쉽다. 또한 근의 경직치료, 통증완화, 자세교정, 근력증진의 효과를 나타낼 수 있는 장치를 제공하기 위한 것이다.

또한 본 발명의 목적은 상기 장치를 이용하여 말초 신경계의 생리학적 응답을 비침습적인 피부 표면근전도 (sEMG: surface EMG)를 이용하여 분석하고 제공된 자극정보를 조합하여 감각 신경 시스템의 기능적 상태와의 통계적 관계성을 기초로 보다 정확성이 높은 말초신경계 기능과 건강상태를 제공하기 위한 것이다.

본 발명의 목적을 달성하기 위하여, 본 발명에 따른 원통 형상으로 형성되는 측정부; 상기 측정부의 일단에 형성되는 복수 개의 제1 자극부; 및 상기 측정부의 타단에 형성되는 복수 개의 제2 자극부;를 포함하고, 상기 제1 자극부와 상기 제2 자극부는 인체 피부에 부착되되, 상기 피부에 통증자극 또는 진동자극을 가하여 피부 근전도를 측정할 수 있다.

또한, 본 발명에 따른 상기 복수 개의 제1 자극부와 상기 복수 개의 제2 자극부를 각각 연결하는 연결부;를 더 포함한다.

또한, 본 발명에 따른 상기 연결부에 결합되되, 상기 제1 자극부와 상기 제2 자극부가 상기 인체의 피부에 가하는 자극세기 및 자극시간을 조절할 수 있는 디스플레이부;를 더 포함하고, 사용자는 상기 통증자극과 상기 진동자극 중 어느 하나를 선택할 수 있다.

또한, 본 발명에 따른 상기 통증자극은 열자극 및 전기자극으로 구성되고, 상기 열자극을 선택 시 상기 디스플레이부를 이용하여 온도 및 열자극을 지속하는 시간을 조절할 수 있다.

또한, 본 발명에 따른 상기 전기자극을 선택 시 상기 디스플레이부를 이용하여 전압세기 및 전기자극을 지속하는 시간을 조절할 수 있다.

또한, 본 발명에 따른 사용자의 손가락 말단에 부착할 수 있는 손가락 자극부;를 더 포함하고, 상기 측정부를 상기 사용자의 손에 삽입하고, 상기 손가락 자극부를 상기 사용자의 손가락 말단에 밀착시켜 상기 피부 근전도를 측정할 수 있다.

또한, 본 발명에 따른 사용자의 발가락 말단에 부착할 수 있는 발가락 자극부;를 더 포함하고, 상기 측정부를 사용자의 발에 삽입하여 상기 발가락 자극부를 상기 사용자의 발가락 말단에 밀착시켜 상기 피부 근전도를 측정할 수 있다.

통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치는 피부 근전도 신호를 입력받는 입력부; 피부 근전도 신호에 기초하여 라벨링하고, 피부 근전도 신호를 복수 개의 주파수 대역 별 신호로 분리하며, 분리된 신호를 일정 시간 단위로 분할하는 세그멘테이션하고, 분할된 신호를 정규화하여 분할 및 정규화된 신호를 주파수 영역의 이미지 데이터로 변환하며, 상기 변환된 이미지 데이터를 이용한 딥러닝 학습하는 프로세서를 포함하고, 상기 프로세서는, 상기 딥러닝 된 데이터, 신규 입력데이터 및 상기 신규 입력데이터에 대응되는 의료데이터의 유사도를 측정하는 것일 수 있다.

상기 프로세서는, 상기 딥러닝 학습된 이미지 데이터 중 상기 측정데이터와 대응되는 이미지 데이터의 라벨링 된 정보를 추출하고, 상기 의료데이터에 라벨링 된 정보가 대응되는지 여부를 확인하는 것일 수 있다.

본 발명은 디스플레이부와 측정부가 연결되어 있어 사용자의 피부로 전달되는 자극전극과 근전도 전극을 제어하며, 자극의 종류 및 세기를 제어하는 조절부를 구비하여 사용자가 원하는 종류의 자극을 작동시킬 수 있어 피부 근전도 측정이 용이하다는 효과가 있다.

또한, 본 발명에 따른 통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치는 소형이며, 휴대가 가능하고, 어느 장소에서도 통증을 치료할 수 있으며, 지능적 치료가 가능하고, 경제적이며, 사용이 쉽다. 또한 근의 경직치료, 통증완화, 자세교정, 근력증진의 효과를 가져올 수 있다.

또한 본 발명에 의하면 상기 장치를 이용하여 말초 신경계의 생리학적 응답을 비침습적인 피부 표면근전도 (sEMG: surface EMG)를 이용하여 분석하고 제공된 자극정보를 조합하여 감각 신경 시스템의 기능적 상태와의 통계적 관계성을 기초로 보다 정확성이 높은 말초신경계 기능과 건강상태를 제공할 수 있다.

도 1은 본 발명에 따른 통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치를 나타낸 사시도이다.
도 2는 본 발명에 따른 디스플레이부의 구성요소를 블록도로 도시한 것이다.
도 3은 사용자의 피부에 가해지는 자극을 펄스 형태로 나타낸 그래프를 도시한 것이다.
도 4 및 도 5는 사용자가 본 발명에 따른 통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치를 착용한 모습을 도시한 것이다.
도 6는 본 발명에 따른 손가락 자극부를 도시한 것이다.
도 7은 본 발명에 따른 발가락 자극부를 도시한 것이다.
도 8은 본 발명에 따른 피부 표면근전도를 이용한 말초신경계 기능 및 건강 상태 평가 시스템을 도식화한 개념도이다.

이하, 본 발명의 도면을 참고하여 상세히 설명한다. 다음에 소개되는 실시 예들은 통상의 실시자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 그리고, 도면들에 있어서, 장치의 크기 및 두께 등은 편의를 위하여 과장되어 표현될 수도 있다. 명세서 전체에 걸쳐서 동일한 참조 번호들은 동일한 구성요소들을 나타낸다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 도면에서 층 및 영역들의 크기 및 상대적인 크기는 설명의 명료성을 위해 과장될 수 있다.

본 발명에서 말하는 프로세서는 장치의 제어부와 구별하기 위한 표현으로, 장치의 제어부에 포함되거나 별개의 제어부로 설치되는 것일 수 있으며, 명세서 전체에 걸쳐 프로레서 외에 제어부라는 표현을 혼용하여 사용하여도 그 의미상 상기 딥러닝 학습을 위한 장치 또는 수단을 모두 포함한다.

'일단'이라 함은 제1 자극부(110)가 형성된 부분이며, '타단'이라 함은 제2 자극부(120)가 형성된 부분이다.

본 발명에 따른 통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치는 측정부(100), 디스플레이부(200)로 구성되고, 측정부(100)는 제1 자극부(110), 제2 자극부(120), 연결부(130), 손가락 자극부(140) 및 발가락 자극부를 포함한다.

도 1을 참고하면, 제1 자극부(110)는 측정부(100)의 일단의 내부에 복수 개로 형성되는 것이 바람직하며, 복수 개의 제1 자극부(110)는 소정의 간격을 두고 이격되어 형성된다.

또한, 제2 자극부(120)는 측정부(100)의 타단의 내부에 복수 개로 형성되는 것이 바람직하며, 복수 개의 제2 자극부(120)는 소정의 간격을 두고 이격되어 형성된다.

복수 개의 제1 자극부(110)와 복수 개의 제2 자극부(120)는 각각 연결부(130)로 연결되어 있으며, 연결부(130)는 후술할 디스플레이부(200)로 인해 자극을 전달하는 역할을 한다.

이때, 제1 자극부(110), 제2 자극부(120) 및 연결부(130)는 측정부(100)의 안감과 겉감 사이에 형성되는 것이 바람직하며, 움직임에 방해가 되지 않고 탄력성이 있는 소재로 이루어져 안감쪽으로 자극 전극 및 근전도 전극이 장착된다.

즉, 사용자가 운동 등의 활동 시에 근전도 검출 및 근자극이 가능하도록 이루어져, 전극이 근육으로부터 이탈될 우려 없이 그리고 전선을 신경 쓰지 않고 전기자극을 하면서 운동 가능하다.

디스플레이부(200)는 연결부(130)의 일 지점에 결합되되, 디스플레이부(200)를 이용하여 제1 자극부(110)와 제2 자극부(120)에 전달하는 자극의 종류를 선택할 수 있다. 이에 대한 구체적인 설명은 후술하도록 한다.

도 1 및 도 2를 참고하면, 디스플레이부(200)는 조절부(210), 선택부(220), 제어부(230)를 포함하고, 조절부(210)는 세기조절부(211), 시간조절부(212), 온도조절부(213)를 포함한다. 선택부(220)는 열자극부(221), 전기자극부(222), 진동자극부(223)를 포함하고 제어부(230)는 전원부(231)를 포함한다.

제1 자극부(110)와 제2 자극부(120)에 전달하는 자극은 크게 통증 자극과 진동 자극으로 나뉘어지며, 통증 자극은 다시 열자극과 전기자극으로 나뉘어질 수 있다.

통증 자극과 진동 자극은 제1 자극부(110)와 제2 자극부(120)가 사용자의 피부, 예를들어 팔, 다리, 손, 발 등에 밀착되어 자극을 전달하여 사용자의 피부 근전도를 측정할 수 있게 된다.

사용자는 디스플레이부(200)에 구성된 선택부(220)를 이용하여 열자극, 전기자극, 진동자극 중 하나를 선택할 수 있고, 자극의 종류를 선택한 다음 조절부(210)를 이용하여 자극의 세기, 자극의 지속시간, 제1 자극부(110)와 제2 자극부(120)의 온도를 설정할 수 있다.

구체적으로, 사용자가 열자극을 선택할 경우 온도조절부(213)를 이용하여 제1 자극부(110), 제2 자극부(120)의 온도를 조절할 수 있고 시간조절부(212)를 이용하여 열자극 지속시간을 조절할 수 있다.

또한, 사용자가 전기자극을 선택할 경우 세기조절부(211)와 시간조절부(212)를 이용하여 전압세기 및 전기자극 지속시간을 조절할 수 있다.

또한, 사용자가 진동자극을 선택할 경우 세기조절부(211)와 시간조절부(212)를 이용하여 진동 주파수 및 진동자극 지속시간을 조절할 수 있다.

전원부(231)는 디스플레이부(200)가 제1 자극부(110) 및 제2 자극부(120)를 통해 이용자의 발바닥의 각 부위별로 자극이 전달될 수 있도록 자극을 제공한다.

이러한 전원부(231)는 디스플레이부(200)의 제어에 따라 정해지는 세기의 자극을 제1 자극부(110) 및 제2 자극부(120)로 전달할 수 있다.

또한, 전원부(231)는 전원을 무선으로 제공하기 위하여 배터리(미도시)를 포함할 수 있으며, 배터리의 낮은 전압을 제1 자극부(110) 및 제2 자극부(120)에서 필요로 하는 높은 전압으로 승압하여 공급하기 위하여 DC-DC 부스트 컨버터를 포함할 수도 있다.

제어부(230)는 자극패턴, 자극부위 및 자극인가타이밍의 조합에 따라 구분되는 다수개의 자극모드 중에서 이용자의 선택에 따라 선택되는 어느 하나의 자극모드가 실행되도록 한다.

여기서 자극부위는 제1 자극부(110)와 제2 자극부(120)를 통해 전기자극이 전달되는 팔, 다리, 발가락, 손가락의 부위를 말하며, 자극인가타이밍은 자극을 언제 전달할 것인지 즉 제1 자극부(110) 및 제2 자극부(120)로 자극이 인가되어 자극이 시작되는 시점을 말한다.

도 3은 사용자의 피부에 가해지는 자극을 펄스 형태로 나타낸 그래프를 도시한 것이다.

도 3 (a)는 사용자의 피부에 열자극이 가해졌을 경우 열자극이 나타나는 펄스를 그래프로 나타낸 것이며, X축은 시간을 의미하고 Y축은 온도를 의미한다.

도 3 (b)는 사용자의 피부에 진동자극이 가해졌을 경우 진동자극이 나타나는 펄스를 그래프로 나타낸 것이며, X축은 시간을 의미하고 Y축은 진폭을 의미한다.

그래프를 참고하면 펄스 형태로 열자극이 가해지는 구간과 휴지 구간으로 나누어진다.

전기자극도 이와 유사하게 각 자극에 해당하는 강도와 주기를 조절가능하며, PWM 변수로 자극 제시 구간을 설정할 수 있다.

도 4 및 도 5는 사용자가 본 발명에 따른 통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치를 착용한 모습을 도시한 것이다.

도 4는 측정부(100)를 사용자의 팔에 착용한 모습이며, 도 5는 측정부(100)를 사용자의 다리에 착용한 모습이다.

측정부(100)는 플렉서블하게 형성됨에 따라 다양한 소재로도 형성이 가능하며, 도 4에서는 측정부(100)가 원통 형상으로 형성되어 있으나 측정부(100)의 모양에는 제한을 두지 않을 수 있다.

원통 형상의 측정부(100)의 내부에 사용자의 팔이나 다리가 삽입되며, 측정부(100)의 지름은 사용자의 팔굵기에 따라 조절가능하고 측정부(100)의 전체적인 내부면이 사용자의 팔이나 다리를 감싸는 형상으로 형성되는 것이 바람직하다.

복수 개의 제1 자극부(110)와 복수 개의 제2 자극부(120)는 사용자의 피부에 밀착되는 것이 바람직하고, 제1 자극부(110) 및 제2 자극부(120)를 통해 사용자의 피부로 자극이 전달된다.

전술하였지만 사용자는 디스플레이부(200)를 이용하여 열자극, 전기자극, 진동자극 중 자극의 종류를 한가지 설정할 수 있으며, 또한 자극의 세기, 지속 시간 등을 설정할 수 있다.

디스플레이부(200)는 측정부(100)와 연결되어 있어 사용자의 피부로 전달되는 자극전극과 근전도 전극을 제어하며, 자극의 종류 및 세기를 제어하는 조절부를 구비하여 사용자가 원하는 종류의 자극을 작동시킬 수 있어 피부 근전도 측정이 용이하다.

또한, 본 발명에 따른 통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치는 소형이며, 휴대가 가능하고, 어느 장소에서도 통증을 치료할 수 있으며, 지능적 치료가 가능하고, 경제적이며, 사용이 쉽다. 또한 근의 경직치료, 통증완화, 자세교정, 근력증진의 효과를 가져올 수 있다.

덧붙여, 신경계 손상 환자들의 치료에 있어서 운동치료와 전기자극 치료를 동시에 또는 개별적으로 할 수 있기에 효율적이며, 환자의 회복시간을 단축시킬 수 있게 된다.

또한, 물리치료사의 도움 없이도 전기자극이 제공되기 때문에 노동력이 절감되는 효과를 가져오며, 환자의 경제적 부담을 감소시킬 수 있다.

다음으로, 도 6을 참고하여, 손가락 자극부(140)에 대해서 구체적으로 설명하도록 한다.

손가락 자극부(140)는 측정부(100)의 내부면에 복수 개로 형성되며, 사용자의 손을 측정부(100)의 내부에 삽입시키면 사용자의 손가락 말단이 복수 개의 손가락 자극부(140)와 밀착된다.

먼저 사용자의 팔을 상부측정기(1)의 내부에 삽입시킨 후 사용자의 손은 측정기 외부로 돌출되어 있는 것이 바람직하다.

또한, 사용자의 팔은 상부측정기(1)에 고정되어 있으며, 사용자의 손에 측정부(100)를 삽입시키면 측정부(100)의 내부에 형성된 복수 개의 손가락 자극부(140)와 사용자의 손가락이 맞닿게 된다.

이때 손가락 자극부(140)를 통해 사용자의 손가락에 자극이 전달되고, 디스플레이부(200)를 이용하여 열자극, 전기자극, 진동자극 중 자극의 종류를 한가지 설정할 수 있으며, 또한 자극의 세기, 지속 시간 등을 설정할 수 있다.

손가락 자극부(140)는 사용자의 팔을 자극하는 것보다 국부적인 영역을 자극시키는 것이므로, 손가락 자극부(140)를 이용하는 경우 보다 정확하고 세심하게 피부 근전도를 측정할 수 있게 된다.

다음으로, 도 7을 참고하여, 발가락 자극부(150)에 대해서 구체적으로 설명하도록 한다.

발가락 자극부(150)는 하부측정기(2)의 하부면에 복수 개로 형성되며, 사용자의 발을 하부측정기(2)의 내부에 삽입시키면 사용자의 발가락 말단이 복수 개의 발가락 자극부(150)와 밀착된다.

이때, 사용자의 발등은 고정된 채로 사용자의 발가락의 말단이 발가락 자극부(150)와 맞닿게 되고, 발가락 자극부(150)를 통해 사용자의 피부로 자극을 전달할 수 있다.

전술하였지만, 손가락 자극부(140)와 마찬가지로 디스플레이부(200)를 이용하여 열자극, 전기자극, 진동자극 중 자극의 종류를 한가지 설정할 수 있으며, 또한 자극의 세기, 지속 시간 등을 설정할 수 있다.

즉, 본 발명에 따른 통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치를 통해 특정 신체의 근육 세포에 직접 전기적으로 자극함으로써, 인체에 강한 운동효과를 실현할 수 있을 뿐만 아니라, 재활 운동 기간을 줄이며 재활 효과를 향상시킬 수 있다.

또한, 측정부(100)와 제1 자극부(110), 제2 자극부(120)를 간편하게 세척하여 위생적으로 사용할 수 있을 뿐만 아니라 제1 자극부(110) 및 제2 자극부(120)의 고장 시 간편하게 수리할 수 있다.

통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치는 피부 표면근전도를 이용한 말초신경계 기능 및 건강 상태 평가 시스템이 결합된 것일 수 있다. 이를 통하여 제공된 자극정보를 조합하여 감각 신경 시스템의 기능적 상태와의 통계적 관계성을 기초로 보다 정확성이 높은 말초신경계 기능과 건강상태를 제공한다.

입력부(11)는 근전도 측정부(100)로부터 근전도 신호(SEMG: surface electromyograpy)를 입력받는다. 입력부(11)는 근전도 측정기(100)와 유선 또는 무선으로 통신가능하도록 연결되어 있으며, 예를 들어, USB 등의 유선 케이블을 통해 연결될 수도 있고, 와이파이나 블루투스와 같은 무선 통신을 통해 연결될 수도 있다. 그리고, 입력부(11)는 근전도 신호를 유선 또는 무선 통신을 이용하여 입력받게 된다.

평가 시스템(10)의 프로세서(120)는 측정부(100)로부터 사용자의 근전도 신호를 입력받는다. 그리고, 프로세서(12)는 측정부(100)의 근전도 신호에 기초하여 사용자에게 가해진 통증(온도/강도, 자극구간) 및 진동(진동주파수, 강도, 자극구간)의 종류, 병증 위험도 여부를 라벨링한다. 구체적으로, 평가 시스템(10)은 동일 시간대에 사용자에게 가해진 자극 및 진동 종류에 관한 정보 등을 입력 장치로부터 수신하고 신호를 이용하여 근전도 신호에 자극 및 진동 종류를 표시하여 라벨링을 수행하게 된다.

사용자는 자신의 특정 신체부위(예를 들어 발끝 또는 손끝과 같은 말단부위)에 통증 또는 진동에 의한 자극이 들어오면 해당 자극이 어떤 자극인지를 기록할 수 있는데, 평가 시스템(10)과 유선 또는 무선으로 연결된 외부단말(미도시) 등을 통하여 해당 자극의 종류, 자극의 세기 및 자극 시각 등을 기록할 수 있다.

평가 시스템(10)의 프로세서(12)는 근전도 신호를 복수개의 주파수 대역별 신호로 분리한다(S230). 평가 시스템(10)의 프로세서(12)는 각 대역 별 밴드패스필터를 이용하여 근전도 신호를 복수개의 주파수 대역 별 신호로 분리할 수 있게 된다.

한편 평가 시스템(10)의 프로세서(12)는 주파수 대역별로 분리된 신호를 일정 시간 단위로 분할하는 세그멘테이션(segmentation) 단계를 수행할 수 있다. 이 때, 평가 시스템(10)은 분리된 신호를 일정 시간 단위로 분할할 때 일부 시간이 중첩되도록 분할하게 된다. 즉, 평가 시스템(10)은 분리된 신호를 일정 시간 단위로 분할할 때 시간상으로 앞서는 분할구간의 뒷부분과 시간상으로 뒤지는 분할구간의 앞부분이 일정부분 중첩되도록 시간영역을 설정하게 되는 것이다. 이와 같이, 일부 시간이 중첩되도록 분할할 경우, 평가 시스템(10)은 분할되는 경계 부분의 특성을 더욱 정확하게 처리할 수 있게 된다.

예를 들어, 평가 시스템(10)의 프로세서(12)는 주파수 대역별로 분리된 신호를 2초 단위로 분할할 수 있으며, 이 때 신호의 25%(즉, 0.5초)가 이전 시간영역과 중첩되도록 분할할 수도 있다.

평가 시스템(10)의 프로세서(12)는 이와 같은 세그멘테이션(segmentation) 단계를 각각의 분리신호에 대해 모두 수행하게 되며, 모든 분리신호들을 시간 영역으로 분할된 복수개의 분할 신호로 만들게 된다.

그 후에, 평가 시스템(10)의 프로세서(12)는 분할된 신호를 정규화하게 된다(S250). 구체적으로, 평가 시스템(10)의 프로세서(12)는 분할된 신호들이 전체적으로 진폭이 -1과 1의 사이 값이 되고, 평균이 0이 되고, 표준편차가 0에서 1 사이 값이 되도록 정규화 처리를 하게 된다.

그 다음, 프로세서(12)는 분할 및 정규화된 신호를 주파수 영역의 이미지 데이터로 변환한다(S260).

구체적으로, 프로세서(12)는 분할 및 정규화 된 신호를 숏타임푸리에변환(STFT: Short-time Fourier transform)를 이용하여 주파수 영역의 이미지 데이터로 변환하게 된다.

숏타임푸리에변환은 시계열 신호에 내포되어 있는 시간별 주파수 변화를 표현하는 광범위하게 사용되는 변환 방법이다. 평가 시스템(10)는 특정 범위의 근전도 신호와 특정한 특징을 갖는 윈도우 함수를 곱한 후, 이를 FFT (Fast Fourier Transform)을 사용하여 주파수 분석을 수행하며, 시간 축을 따라서 분할된 신호들에 대해 계속적으로 FFT(Fast Fourier Transform)를 수행하면, 숏타임푸리에변환의 결과인 주파수 영역의 이미지 데이터를 얻을 수 있게 된다.

평가장치는 숏타임푸리에변환을 수행하게 되고, 주파수 대역별로 분리된 신호들에 대한 이미지 데이터를 획득하게 된다. 여기에서 이미지 데이터는 주파수 대역별로 분리된 신호들의 숏타임푸리에변환 결과값에 해당되며, 이미지 데이터의 x축은 시간, y축은 주파수, 색깔은 진폭(amplitude)을 나타내게 된다.

따라서, 프로세서(12)는 분할 및 정규화 된 신호를 숏타임푸리에변환(STFT: Short-time Fourier transform)를 이용하여 주파수 영역의 이미지 데이터로 변환하여, 해당 이미지 데이터의 이미지 패턴 차이를 이용하게 된다.

다시 도 2로 돌아가서, 프로세서(12)는 변환된 이미지 데이터를 이용한 딥러닝 학습을 통해, 근전도 신호에 기반하여 여부를 판단하는 평가모델을 생성한다. 구체적으로, 평가 시스템(10)는 변환된 이미지 데이터를 학습데이터로 이용한 CNN(Convolutional Neural Network)에 의한 딥러닝 학습을 통해, 근전도 신호에 기반하여 평가모델을 생성하게 된다.

CNN(Convolutional Neural Network)에 의한 학습은 다음과 같은 과정을 통해 수행된다.

먼저 컨볼루셔널 필터(Convolutional Filter)를 통해 입력된 이미지의 특징을 추출한다. 구체적으로, 컨볼루셔널 필터는 이미지를 입력으로 사용하는 딥러닝 모델에 기본적으로 쓰이는 특징 추출 필터이다. 컨볼루셔널 필터는 필터의 종류가 많으면 많을수록 다양한 특징을 추출할 수 있으며, 이미지의 픽셀 데이터들을 다른 도메인으로 변환하는 것을 통해서 다른 패턴의 데이터들을 서로 분리할 수 있게 변환해주는 역할을 한다. 컨볼루셔널 필터는 전체 데이터의 관계를 확인하지 않기 때문에 연산량 및 연산 파라미터가 기존의 신경망(Neural Network)보다 적다. 컨볼루셔널 필터는 각 채널별로 필터 가중 행렬(filter weights matrix)이 존재하며 각 채널과 맞는 가중 행렬에 행렬곱을 수행한 후, 모두 더해 평균을 내는 방식으로 해당 픽셀의 특징을 추출하게 된다.

그 다음 배치 노멀라이제이션(Batch Normalization)을 수행하게 된다. 배치 노멀라이제이션(Batch Normalization)은 딥러닝 모델 학습시 정규화를 통해 학습 수렴이 안정되게 해주는 기법이다. 필터를 통해 선형변환되어 나오는 데이터의 평균과 표준편차가 편향되어있다고 가정하고, 배치 노멀라이제이션은 이를 다시 재조정해주는 방식으로 평균과 표준편차를 맞춰주어 학습이 안정적이며 학습 속도 가속화 및 성능 향상에 목적이 있다. 배치 노멀라이제이션은 딥러닝 계층사이에 모듈형태로 삽입이 되며, 스케일 파라미터(scale parameter)와 시프트(shift) 파라미터를 딥러닝 모델 학습 시 데이터에 기반하여 데이터에 맞는 스케일(scale)과 시프트(shift)의 스케일러(scalar) 값을 학습하고, 학습 완료 후, 딥러닝 모델 추론 시 각 배치 노멀라이제이션 파라미터를 이용하여 계층을 통과한 데이터를 다시 재조정하는 역할을 수행하게 된다.

그 다음으로는 풀링(Pooling)을 수행하게 된다. 컨볼루셔널 필터(Convolutional Filter)는 필터 가중치(Filter weights)의 크기에 따라서 입력 이미지에서 일정한 부분을 볼 수 있으며, 필터 가중치가 커지면 연산량 및 파라미터 수가 많아지는 트레이드오프(trade-off) 특성을 갖는다. 이를 보완하기 위해 풀링이 수행되며, 풀링은 이미지의 대표적인 성질은 남겨두되 영상 크기를 줄이는 역할을 통해서 같은 컨볼루셔널 필터 크기로 전체 영상을 볼 수 있다는 이점을 갖는다. 본 실시예에서는 선명도는 유지하면서 영상의 크기만 감소시키는 맥스 풀링(Max pooling) 기법을 이용할 수 있다.

그 다음으로는 드랍아웃(Drop out)을 수행하게 된다. 드랍아웃은 네트워크의 가중치들을 랜덤하게 사용하지 않는 것을 통해서 정규화 하는 효과를 갖는 기법으로 딥러닝 모델의 학습 안정성 및 수렴속도, 성능향상에 목적이 있다. 드랍아웃은 데이터가 임밸런스(imbalance)한 상황에서 특정한 데이터에 대해서 특정 가중치(weight)를 오프(off)하여 모델의 모든 가중치(weight)가 임밸런스(imbalance)한 데이터를 모두 학습하지 못하는 효과를 갖기 때문에 정규화효과가 일어나며, 학습 데이터에 대한 오버피팅(overfitting)을 막는 역할을 하게 된다.

그 다음으로 풀리 커넥티드 네트워크(Fully Connected Network)를 생성하게 된다. 풀리 커넥티드 네트워크는 뉴럴 네트워크(Neural Netowrk) 혹은 인공신경망이라고 불리며, 본 실시예에서 컨볼루셔널 필터(Convolutioanl Filter)를 통해서 분리 가능하도록 나타난 데이터 표현에 대해서 경계 함수를 결정하는 네트워크를 나타낸다.

이와 같은 CNN모델은 CNN모델을 이루는 다양한 알고리즘 중 하나의 예시를 나타낸 것이며, 추가적으로 사진을 분리 구분할 수 있는 알고리즘은 CNN에 적용이 가능하다.

이와 같은 각 모듈들을 모두 결합하여 CNN(Convolutional Neural network)을 설계하게 된다.

프로세서(12)는 복수의 이미지 데이터를 각각 대응되는 채널을 갖는 하나의 이미지로 통합하여 이를 입력으로 CNN(Convolutional Neural network)를 통해 딥러닝 학습을 수행하게 된다. 이를 통해, 평가 시스템(10)는 복수 개의 변환된 이미지 데이터를 학습데이터로 이용한 CNN(Convolutional Neural Network)에 의한 딥러닝 학습을 통해, 근전도 신호에 기반하여 피부 표면근전도를 이용한 말초신경계 기능 및 건강 상태 평가 모델을 생성하게 된다

다시 도 2로 돌아가서, 프로세서(12)는 생성된 말초신경계 건강 상태 평가모델을 이용하여, 신규 입력데이터에 대응되는 의료데이터의 유사도를 측정한다. 의료데이터는 의사에 의해 사용자의 상태를 나타낸 데이터를 의미하며, 사용자에게 가해지는 자극의 종류, 크기, 자극이 가해지는 환경, 측정자의 질환여부, 심각성이나 진동시 온도, 강도 통증의 온도, 자극 구간 등이 라벨링 된 데이터를 의미한다.

프로세서(12)는 사용자의 근전도 신호를 이용하여 앞서 설명한 과정을 통해 평가모델을 생성하게 되고, 현재 입력된 근전도 신호를 해당 평가모델에 입력하여, 의사의 의료데이터의 신뢰도 정도를 판단할 수 있게 된다.

딥러닝 학습된 이미지 데이터 중 신규 입력데이터 대응되는 이미지 데이터의 라벨링 된 정보를 추출하고, 상기 의료데이터에 라벨링 된 정보가 대응되는지 여부를 확인할 수 있다.

앞서 설명한 바와 같이 각각의 데이터에 라벨링 된 정보에는 측정자의 질환여부, 심각성이나 진동시 온도, 강도 통증의 온도, 자극 구간 등이 포함되는데, 이들을 모두 라벨링 할 수 있다.

앞서 설명한 CNN방식의 딥러닝 모델은 신규 입력데이터에 대응되는 이미지 데이터를 우선 찾을 수 있으며 찾아진 각각의 딥러닝 된 이미지 데이터에 라벨링 된 정보도 추출할 수 있다. 의료데이터에 라벨링 된 정보가 딥러닝 된 이미지 데이터에 라벨링 된 정보와 대응되는지 여부는 자카드 유사도를 이용할 수 있다.

예를 들어, 신규 입력데이터에 대응되는 이미지 데이터에 라벨링 된 정보가 "고온", "통증", "말초신경 질환", "손끝자극" 등이고, 의료데이터 상에 라벨링 된 정보가 "통증", "말초신경 질환", "발끝자극" 일 경우 자카드 유사도는 2/5(40%)가 된다.

대응여부에 대한 기준은 기 설정될 수 있으며, 자카드 유사도가 해당 기준을 넘어서는 경우 의료데이터와 입력데이터가 서로 대응되는 데이터임을 인정할 수 있고, 만약 기준 이하일 경우 대응되는 데이터가 아니라고 판정할 수 있다.

바람직하게 상기 프로세서(12)는 <식 1>에 기초하여 상기 딥러닝 된 데이터, 신규 입력데이터 및 상기 신규 입력데이터에 대응되는 의료데이터의 유사도를 측정하는 피부 표면 근전도를 이용한 것일 수 있다.

<식 1> 유사도 =

A1: 신규 데이터와 대응되는 이미지 데이터의 라벨링 된 위험도값

A2: 의료데이터에 라벨링 된 위험도값

B1: 이미지 데이터의 라벨링 된 위험도값에 대응되는 기 설정된 가중치

B2: 의료데이터에 라벨링 된 위험도값에 대응되는 기 설정된 가중치

I1: 신규 데이터와 대응되는 이미지 데이터의 라벨링 된 중요팩터 값

I2: 의료데이터에 라벨링 된 중요팩터 값

K: 외부 변수를 고려한 외란값

즉 자카드 유사도만으로는 판별이 어려운 케이스도 존재할 수 있다. 이에, 본 발명의 일실시예는 <식 1>에 기초하여 대응여부를 판단할 수 있다.

상기 <식 1>은 라벨링 된 위험도값과 의료데이터에 라벨링 된 위험도값을 서로 비교하여 환자의 말초신경 건강도에 대한 진단결과를 비교하는 것으로써, 이는 서로 동일한 말초신경 질환에 대한 위험도가 이미 판단되어져 있음을 전제로 한다. 그리고 중요 팩터는 라벨링 된 각각의 값들 중 중요 팩터로 지목되어진 값을 의미하며, 이는 기 설정될 수도 있고, 필요시 의료데이터에 중요팩터가 무엇인지 입력되어 있을 수도 있다.

각각의 라벨링 된 위험도값은 측정자나 사용되어지는 환경에 따라 조절될 필요가 있는데, 각각의 상황에 맞는 가중치는 기 설정될 수 있으며 이들을 각각의 라벨링 된 위험도값에 곱함으로써 위험도값을 제한할 수 있다.

한편, <식 1>은 제한된 각각의 위험도값을 이용하여, 의료데이터와 딥러닝 데이터 사이의 유사도를 판단할 수 있다. 구체적으로 설명하면, 의료데이터에 라벨링 된 위험도와 기존 이미지 데이터에 라벨링 된 위험도 값에 대해서 <식 1>에 기초한 계산을 하는 경우, 결과값은 -1 내지 1 사이의 값으로 제한될 수 있다.

만약 결과값이 -1에 가까운 값이 나오게 되면, 의료데이터와 딥러닝 이미지 데이터는 서로 대응되지 않는 결과를 나타낸 것이며, 결과값이 1에 가까운 값이 나오게 되면, 의료데이터와 딥러닝 이미지 데이터가 서로 대응되는 결과가 나온 것임을 의미할 수 있으며, -1에 가까운 값이 나오는 것은 딥러닝 데이터와 의사의 판단이 서로 반대됨을 의미한다.

바람직하게, <식 1>에서 필요시 외란 K값을 추가로 포함할 수 있는데 K값은 결정하는 원리는 <식 2>와 같다.

<식 2>

CNN을 이용한 학습을 진행하면 ACCURACY와 LOSS가 각각 1에서 0 사이에서 머물면서 최종적으로 학습이 완료되게 되는데, 학습이 고도화된 경우 ACCURACY값이 높아지는데, 이때 ACCURACY값, 즉 학습정확도 값이 x값이 될 수 있다.

x값이 1이 되었을 때, K값이 0이 될 수 있도록 a, c값은 설정될 수 있으며, 외란에 의한 영향(학습이 잘 되지 않아 발생하는 오류)이 실제 데이터 값에 영향을 크게 줄 수 없도록 c값의 절대값은 0.2를 넘어갈 수 없다. 따라서 상기 <식 2>를 사용하는 경우 학습에 의한 정확도가 크게 높아질 수 있게 된다.

[실험예 1: 알고리즘 평가]

상기 내용과 관련하여 총 1000명의 데이터를 확보하여 실험을 진행하였으며, 기 설정된 학습정확도 이상으로 딥러닝을 진행한 후, 피실험자 50명의 신규 입력데이터와 의료데이터 사이의 대응여부를 판단하였다.(단, K값은 <식 2>에 기초하여 설정하였다)

TP : 입력데이터와 의료데이터가 서로 대응되며, 이를 정확하게 판단한 경우

FP : 입력데이터와 의료데이터가 서로 상이하며, 이를 정확하게 판단한 경우

TN : 입력데이터와 의료데이터가 서로 대응되며, 이를 정확하게 판단하지 못한 경우

FN : 입력데이터와 의료데이터가 서로 대응되지 못하며, 이를 정확하게 판단하지 못한 경우

	대조방식	자카드 유사도	<식 1> & <식2>
TP	23	25	26
FP	17	19	22
TN	6	3	1
FN	4	3	1

상기 [표 1]을 참조하면, 총 50건에 케이스 중 자카드 유사도를 이용하는 경우 FN과 TN이 각각 3건씩 발생하였으며, <식 1> 및 <식 2>를 이용하여 판별을 진행하는 경우 FN과 TN이 각각 1건식 발생하여 기존의 분석 방식 대비 압도적인 정확도가 나왔음을 확인할 수 있었다.

반면 기존의 비침습적 방법을 통한 측정 데이터와 의료데이터 사이에는 FN과 TN 이 각각 6건 및 4건이 발견되었는 바, 본 발명의 일실시예가 갖는 정확도와는 큰 차이가 있었다.

1 : 상부측정기,
2 : 하부측정기,
10: 말초신경계 기능 및 건강 상태 평가 시스템
11: 입력부
12: 프로세서
100 : 측정부,
110 : 제1 자극부,
120 : 제2 자극부,
130 : 연결부,
140 : 손가락 자극부,
150 : 발가락 자극부,
200 : 디스플레이부,
210 : 조절부,
211 : 세기조절부,
212 : 시간조절부,
213 : 온도조절부,
220 : 선택부,
221 : 열자극부,
222 : 전기자극부,
223 : 진동자극부,
300 : 제어부,
231 : 전원부

Claims (9)

1. 원통 형상으로 형성되는 측정부;
   상기 측정부의 일단에 형성되는 복수 개의 제1 자극부; 및
   상기 측정부의 타단에 형성되는 복수 개의 제2 자극부;를 포함하고,
   상기 제1 자극부와 상기 제2 자극부는 인체 피부에 부착되되, 상기 피부에 통증자극 또는 진동자극을 가하여 피부 근전도를 측정할 수 있는 것인
   통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치.
2. 제1항에 있어서,
   상기 복수 개의 제1 자극부와 상기 복수 개의 제2 자극부를 각각 연결하는 연결부;를 더 포함하는 것인
   통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치.
3. 제2항에 있어서,
   상기 연결부에 결합되되, 상기 제1 자극부와 상기 제2 자극부가 상기 인체의 피부에 가하는 자극세기 및 자극시간을 조절할 수 있는 디스플레이부;를 더 포함하고,
   사용자는 상기 통증자극과 상기 진동자극 중 어느 하나를 선택할 수 있는 것인
   통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치.
4. 제3항에 있어서,
   상기 통증자극은 열자극 및 전기자극으로 구성되고,
   상기 열자극을 선택 시 상기 디스플레이부를 이용하여 온도 및 열자극을 지속하는 시간을 조절할 수 있는 것인
   통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치.
5. 제4항에 있어서,
   상기 전기자극을 선택 시 상기 디스플레이부를 이용하여 전압세기 및 전기자극을 지속하는 시간을 조절할 수 있는 것인
   통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치.
6. 제5항에 있어서,
   사용자의 손가락 말단에 부착할 수 있는 손가락 자극부;를 더 포함하고,
   상기 측정부를 상기 사용자의 손에 삽입하고, 상기 손가락 자극부를 상기 사용자의 손가락 말단에 밀착시켜 상기 피부 근전도를 측정할 수 있는 것인
   통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치.
7. 제6항에 있어서,
   사용자의 발가락 말단에 부착할 수 있는 발가락 자극부;를 더 포함하고,
   상기 측정부를 사용자의 발에 삽입하여 상기 발가락 자극부를 상기 사용자의 발가락 말단에 밀착시켜 상기 피부 근전도를 측정할 수 있는 것인
   통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치.
8. 제 7항에 있어서,
   피부 근전도 신호를 입력받는 입력부;
   피부 근전도 신호에 기초하여 라벨링하고, 피부 근전도 신호를 복수 개의 주파수 대역 별 신호로 분리하며, 분리된 신호를 일정 시간 단위로 분할하는 세그멘테이션하고, 분할된 신호를 정규화하여 분할 및 정규화된 신호를 주파수 영역의 이미지 데이터로 변환하며, 상기 변환된 이미지 데이터를 이용한 딥러닝 학습하는 프로세서를 포함하고,
   상기 프로세서는,
   상기 딥러닝 된 데이터, 신규 입력데이터 및 상기 신규 입력데이터에 대응되는 의료데이터의 유사도를 측정하는 것인
   통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치.
9. 제 8항에 있어서,
   상기 프로세서는,
   상기 딥러닝 학습된 이미지 데이터 중 상기 측정데이터와 대응되는 이미지 데이터의 라벨링 된 정보를 추출하고, 상기 의료데이터에 라벨링 된 정보가 대응되는지 여부를 확인하는 것인
   통증자극 및 진동자극을 제공하는 피부 근전도 측정 장치.