KR20240048973A - 생리변수 추정 장치 및 방법 - Google Patents

생리변수 추정 장치 및 방법 Download PDF

Info

Publication number
KR20240048973A
KR20240048973A KR1020220128917A KR20220128917A KR20240048973A KR 20240048973 A KR20240048973 A KR 20240048973A KR 1020220128917 A KR1020220128917 A KR 1020220128917A KR 20220128917 A KR20220128917 A KR 20220128917A KR 20240048973 A KR20240048973 A KR 20240048973A
Authority
KR
South Korea
Prior art keywords
physiological variable
data
physiological
time
calibration
Prior art date
Application number
KR1020220128917A
Other languages
English (en)
Inventor
장대근
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020220128917A priority Critical patent/KR20240048973A/ko
Priority to US18/121,453 priority patent/US20240115212A1/en
Publication of KR20240048973A publication Critical patent/KR20240048973A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • 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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • 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
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Cardiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Vascular Medicine (AREA)
  • Epidemiology (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Fuzzy Systems (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

생리변수 추정 장치의 다양한 실시예들이 개시된다. 일 실시예의 생리변수 추정 장치는 피검체로부터 생체신호를 측정하는 센서, 및 센서에 의해 측정된 서로 다른 시점의 생체신호 데이터를 기초로 신경망 기반 생리변수 추정 모델의 입력데이터를 구성하며, 상기 구성된 입력데이터를 상기 생리변수 추정 모델에 입력하여 캘리브레이션 시점으로부터 현재 시점까지의 생리변수의 변화량을 획득하는 프로세서를 포함할 수 있다.

Description

생리변수 추정 장치 및 방법{APPARATUS AND METHOD FOR ESTIMATING PHYSIOLOGICAL VARIABLES}
비침습적으로 측정된 생체신호를 기반으로 생리변수 추정 모델의 입력데이터를 구성하고, 이를 이용하여 생리변수를 추정하는 기술과 관련된다.
최근 고령화된 인구구조, 급증하는 의료비, 전문 의료서비스인력의 부족 등으로 인해 IT 기술과 의료기술이 접목된 IT-의료 융합기술에 대한 활발한 연구가 수행되고 있다. 특히, 인체의 건강상태에 대한 모니터링 행위는 병원에서만 국한되지 않고 가정과 사무실 등의 일상생활 속에서 움직이는 사용자의 건강상태를 언제 어디서나 모니터링해 주는 모바일 헬스케어 분야로 확대되고 있다. 개인의 건강상태를 나타내주는 생체신호의 종류에는 대표적으로 ECG(심전도, Electrocardiography), PPG(광전용적맥파, Photoplethysmogram), EMG(근전도, Electromyography) 신호 등이 있으며, 일상생활에서 이를 측정하기 위해서 다양한 생체신호 센서가 개발되고 있다. 특히 PPG 센서의 경우는, 심혈관계 상태 등을 반영하는 맥파 형태를 분석하여 인체의 혈압 추정이 가능하다.
대한민국 공개특허공보 10-2021-0014305(2021.02.09)
비침습적으로 다시점에 측정된 생체신호를 기반으로 생리변수 추정 모델의 입력데이터를 구성하고, 이를 이용하여 생리변수를 추정하는 장치 및 방법이 제시된다.
일 양상에 따르면, 생리변수 추정 장치는 피검체로부터 생체신호를 측정하는 센서 및 센서에 의해 측정된 서로 다른 시점의 생체신호 데이터를 기초로 신경망 기반 생리변수 추정 모델의 입력데이터를 구성하며, 구성된 입력데이터를 상기 생리변수 추정 모델에 입력하여 캘리브레이션 시점으로부터 현재 시점까지의 생리변수의 변화량을 획득하는 프로세서를 포함할 수 있다.
또한, 생리변수 추정 장치는 캘리브레이션 시점의 생체신호 데이터를 저장하는 메모리를 더 포함하고, 프로세서는 센서에 의해 생리변수 추정을 위한 현재 시점의 생체신호가 측정되면, 메모리로부터 상기 캘리브레이션 시점의 생체신호 데이터를 수집할 수 있다.
이때, 생체신호는 PPG(photoplethysmogram), ECG(Electrocardiography), EMG(Electromyography), IPG(impedance plethysmogram), Pressure wave, 및 VPG(video plethysmogram), SPG(Speckle-plethysmogram), MPG(Magnetic-plethysmograph), BCG(Ballistocardiogram), SCG(Seismocardiogram) 중의 적어도 하나를 포함할 수 있다.
생체신호 데이터는 센서에 의해 측정된 생체신호 자체의 원시 데이터, 원시 데이터들을 전처리한 데이터, 원시 데이터 또는 전처리 데이터로부터 추출한 대표 파형 데이터, 원시 데이터 또는 전처리 데이터를 변환한 다차원 데이터, 및 원시 데이터 또는 전처리 데이터부터 추출한 생리변수 연관 특징 데이터 중의 적어도 하나를 포함할 수 있다.
프로세서는 생체신호 데이터를 신경망 기반 생리변수 추정모델의 입력 레이어에 입력하기 위한 다채널 형태의 입력데이터로 구성할 수 있다.
프로세서는 생체신호 데이터의 길이가 서로 다른 경우, 미리 정해진 길이를 기준으로, 길이가 짧은 생체신호 데이터는 소정 패딩값을 추가하고, 길이가 긴 생체신호 데이터는 소정 구간을 잘라내거나 정규화하여 서로 길이가 동일해지도록 조절할 수 있다.
프로세서는 센서에 의해 생체신호가 측정되면, 측정된 생체신호로부터 생리변수 연관 특징을 추출하고, 캘리브레이션 시점의 캘리브레이션 특징을 기초로 추출된 생리변수 연관 특징을 정규화하여, 정규화된 값을 더 기초로 입력데이터를 구성할 수 있다.
프로세서는 캘리브레이션 시점의 생리변수 값 및 사용자 정보 중의 적어도 하나를 더 기초로 입력데이터를 구성할 수 있다.
생리변수의 변화량은 캘리브레이션 시점의 생리변수 값과 현재 시점의 생리변수 값 사이의 차이 및 비율 중의 적어도 하나를 포함할 수 있다.
프로세서는 획득된 생리변수의 변화량을 기초로, 혈압, 혈당, 체온, 항산화 및 중성지방 중의 적어도 하나를 포함하는 생리변수를 추정할 수 있다.
프로세서는 획득된 생리변수의 변화량과 캘리브레이션 시점의 생리변수 값을 결합하여 생리변수를 추정할 수 있다.
일 양상에 따르면, 생리변수 추정 방법은 센서에 의해 측정된 서로 다른 시점의 생체신호 데이터를 수집하는 단계, 수집된 서로 다른 시점의 생체신호 데이터를 기초로 신경망 기반 생리변수 추정 모델의 입력데이터를 구성하는 단계, 및 구성된 입력데이터를 상기 생리변수 추정 모델에 입력하여 캘리브레이션 시점으로부터 현재 시점까지의 생리변수의 변화량을 획득하는 단계를 포함할 수 있다.
생체신호 데이터를 수집하는 단계는 센서로부터 현재 시점의 생체신호를 수신하고, 메모리로부터 캘리브레이션 시점의 하나 이상의 생체신호 데이터를 수집할 수 있다.
입력데이터를 구성하는 단계는 생체신호 데이터를 신경망 기반 생리변수 추정모델의 입력 레이어에 입력하기 위한 다채널 형태의 입력데이터로 구성할 수 있다.
입력데이터를 구성하는 단계는 생체신호 데이터의 길이가 서로 다른 경우, 미리 정해진 길이를 기준으로, 길이가 짧은 생체신호 데이터는 소정 패딩값을 추가하고, 길이가 긴 생체신호 데이터는 소정 구간을 잘라내거나 정규화하여 서로 길이가 동일해지도록 조절할 수 있다.
입력데이터를 구성하는 단계는 캘리브레이션 시점의 캘리브레이션 특징을 기초로 현재 시점의 생리변수 연관 특징을 정규화한 값을 더 기초로 상기 입력데이터를 구성할 수 있다.
입력데이터를 구성하는 단계는 캘리브레이션 시점의 생리변수 값 및 사용자 정보 중의 적어도 하나를 더 기초로 입력데이터를 구성할 수 있다.
생리변수의 변화량은 캘리브레이션 시점의 생리변수 값과 현재 시점의 생리변수 값 사이의 차이 및 비율 중의 적어도 하나를 포함할 수 있다.
또한, 생리변수 추정 방법은 획득된 생리변수의 변화량과 캘리브레이션 시점의 생리변수 값을 결합하여 생리변수를 추정하는 단계를 더 포함할 수 있다.
일 양상에 다르면, 생리변수 추정 장치는 피검체로부터 생체신호를 측정하는 센서, 및 센서에 의해 상기 피검체로부터 측정된 서로 다른 시점의 생체신호 데이터를 기초로 신경망 기반 생리변수 추정 모델의 입력데이터를 구성하고, 상기 구성된 입력데이터 및 캘리브레이션 시점의 생리변수 값을 상기 생리변수 추정 모델에 입력하여 현재 시점의 생리변수 값을 획득하는 프로세서를 포함할 수 있다.
비침습적으로 다시점에 측정된 생체신호를 기반으로 생리변수 추정 모델의 입력데이터를 구성할 수 있고, 이를 이용함으로써 생리변수 추정의 정확성을 향상시킬 수 있다.
도 1은 일 실시예에 따른 생리변수 추정 장치의 블록도이다.
도 2a 내지 도 2e는 생리변수 추정 모델의 입력데이터 구성 및 생리변수 추정의 실시예들을 설명하기 위한 도면이다.
도 3은 다른 실시예에 따른 생리변수 추정 장치의 블록도이다.
도 4a 내지 도 4c는 실시예들에 따른 생리변수 추정 방법의 흐름도이다.
도 5 내지 도 7은 생리변수 추정 장치를 포함한 전자 장치의 다양한 구조를 예시적으로 도시한 도면이다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다. 기재된 기술의 이점 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
도 1은 일 실시예에 따른 생리변수 추정 장치의 블록도이다. 도 2a 내지 도 2e는 생리변수 추정 모델의 입력데이터 구성 및 생리변수를 추정하는 실시예들을 설명하기 위한 도면이다.
생리변수 추정 장치는 스마트폰, 태블릿 PC, 데스크탑 PC, 노트북 PC, 손목 시계형, 팔찌형, 손목 밴드형, 반지형, 안경형, 또는 헤어밴드형 등 웨어러블 기기 등의 전자장치로 구현될 수 있다.
도 1을 참조하면, 생리변수 추정 장치(100)는 센서(110) 및 프로세서(120)를 포함한다.
센서(110)는 피검체로부터 생체신호를 측정할 수 있다. 예컨대, 생체신호는 PPG(photoplethysmogram), ECG(Electrocardiography), EMG(Electromyography), IPG(impedance plethysmogram), Pressure wave, 및 VPG(video plethysmogram), SPG(Speckle-plethysmogram), MPG(Magnetic-plethysmograph), BCG(Ballistocardiogram), SCG(Seismocardiogram) 등을 포함할 수 있다. 이때, 피검체는 센서(110)와 접촉하거나 인접하는 생체 영역으로서 맥파 측정이 용이한 인체의 부위일 수 있다. 예를 들어, 요골 동맥에 인접한 손목 피부 영역, 모세혈이나 정맥혈이 지나가는 인체 피부 영역을 포함할 수 있다. 다만, 이에 제한되는 것은 아니며 기타 인체 내의 혈관 밀도가 높은 부위인 손가락, 발가락 등 인체의 말초 부위일 수도 있다.
예를 들어, 센서(110)는 피검체로부터 PPG 신호를 측정하는 PPG 센서를 포함할 수 있으며, PPG 센서는 피검체에 광을 조사하는 하나 이상의 광원과, 광원에 의해 조사되어 피검체에 의해 산란, 반사 또는 투과 등 반응된 광을 검출하는 하나 이상의 디텍터를 포함할 수 있다. 이때, 광원은 LED(light emitting diode), 레이저 다이오드(laser diode) 및 형광체 등을 포함할 수 있다. 광원은 하나 이상의 파장(예: 녹색, 적색, 청색, 적외 파장)의 광을 조사할 수 있다. 또한, 디텍터는 하나 이상 포토다이오드(photo diode), 포토트랜지스터(photo transistor, PTr) 또는 이미지 센서(예: CMOS 이미지 센서) 등을 포함할 수 있으나 이에 제한되지 않는다.
프로세서(120)는 센서(110)와 전기적 또는 기능적으로 연결될 수 있으며, 캘리브레이션 또는 생리변수 추정을 위해 센서(110)를 제어하여 피검체로부터 생체신호를 측정할 수 있다.
프로세서(120)는 센서(110)를 통해 서로 다른 시점에 측정된 생체신호 데이터 및 생리변수 추정 모델을 이용하여 생리변수를 추정할 수 있다. 생리변수 추정 모델은 예컨대 NN(Neural Network), DNN(Deep Neural Network), CNN(Convolutional Neural Network), RNN(Recurrent Neural Network) 등 이에 제한되지 않는 다양한 형태의 신경망 기반의 모델일 수 있으며, 딥러닝 등의 머신러닝을 통해 미리 학습될 수 있다. 생리변수 추정 모델은 이전 캘리브레이션 시점과 생리변수를 추정하고자 하는 현재 시점 사이의 생리변수 변화량을 출력하도록 학습되거나, 현재 시점의 생리변수 값을 출력하도록 학습될 수 있다.
이때, 생리변수는 혈압일 수 있으나, 이에 제한되지 않으며 예컨대 혈당, 체온, 항산화 및 중성지방 등을 포함할 수 있다. 이하, 설명의 편의를 위해 혈압을 예로 들어 설명한다.
예를 들어, 프로세서(120)는 센서(110)에 의해 혈압 추정을 위한 생체신호가 측정되면, 센서(110)로부터 측정된 생체신호를 수신하여 현재 시점의 생체신호 데이터를 수집하고, 이전 캘리브레이션 시점에 적어도 1회 이상 측정된 생체신호 데이터를 메모리, 클라우드 또는 다른 전자장치 등으로부터 수집할 수 있다. 이때, 생체신호 데이터는 센서(110)가 측정한 생체신호 자체의 원시 데이터 형태일 수 있다. 또는, 원시 데이터를 전처리한 데이터, 원시 데이터 또는 전처리 데이터로부터 추출한 대표 파형 데이터, 원시 데이터 또는 전처리 데이터로부터 추출한 혈압 연관 특징 데이터, 또는 원시 데이터 또는 전처리 데이터를 변환한 다차원 데이터(예: 스펙트로그램) 등의 형태일 수도 있다.
예를 들어, 프로세서(120)는 원시 데이터를 필터링(예: 0.4~10Hz의 밴드 패스 필터링), 생체신호의 증폭, 디지털 신호로의 변환, 스무딩, 또는 연속 측정 맥파신호의 앙상블 평균화(ensemble averaging) 등의 전처리를 수행하여 전처리 데이터를 획득할 수 있다. 또는, 원시 데이터 또는 전처리 데이터로부터 소정 시간 구간을 대표 파형으로 추출하거나 한 주기 단위 신호를 대표 파형으로 추출할 수 있으며, 복수의 시간 구간이나 복수의 한 주기 신호들을 중첩하여 대표 파형을 획득할 수도 있다. 또는 원시 데이터 또는 전처리 데이터를 스펙트로그램과 같은 다차원 신호로 변환할 수 있다. 또는, 원시 데이터 또는 전처리 데이터로부터 혈압과 연관된 특징을 추출할 수 있다.
일반적으로 평균 혈압의 변화량은 심박출량(cardiac output, CO)과 총혈관저항(total peripheral resistance, TPR)에 비례하는 것으로 알려져 있다. 따라서, 프로세서(120)는 CO 및/또는 TPR과 연관된 특징을 추출할 수 있다. 여기서, CO 연관 특징은 안정 상태 대비 실제 CO는 상대적으로 증가/감소할 때, 실제 CO에 비례하여 증가/감소하는 경향을 보이는 특징을 의미한다. 또한, TPR 연관 특징은 안정 상태 대비 실제 TPR에 비례하여 증가/감소하는 경향을 보이는 특징을 의미한다.
따라서, 프로세서(120)는 원시 데이터 또는 전처리 데이터, 및/또는 원시 데이터 또는 전처리 데이터의 2차 미분신호를 이용하여 CO 연관 특징 및/또는 TPR 연관 특징을 추출할 수 있다. 예컨대, 프로세서(120)는 심박수(heart rate, HR), 2차 미분신호에서 각 파형 성분들의 시간값과 그 시간값에 대응하는 원시 데이터 또는 전처리 데이터의 진폭값, 수축기 구간에서 원시 데이터 또는 전처리 데이터의 최대 진폭 지점의 시간값과 진폭값, 그 수축기 구간에서 원시 데이터 또는 전처리 데이터의 기울기가 0에 가장 가까운 지점의 시간값과 진폭값, 2차 미분신호에서 인접한 파형 성분들의 시간값을 내분한 지점의 시간값과 진폭값, 원시 데이터 또는 전처리 데이터의 전체 또는 일부 구간의 면적, 시간 경과, 주기, 및 맥압 중의 하나 또는 둘 이상을 적절히 조합한 값을 혈압 연관 특징으로 추출할 수 있다. 다만, 이에 제한되는 것은 아니다.
프로세서(120)는 수집된 서로 다른 시점의 생체신호 데이터를 이용하여 혈압 추정 모델의 입력데이터를 구성할 수 있다. 이때, 전술한 다양한 형태들 중의 한 형태의 생체신호 데이터를 이용하거나, 둘 이상의 다른 형태의 생체신호 데이터들을 조합하여 입력데이터를 구성할 수 있다. 예를 들어, 프로세서(120)는 생체신호 데이터를 혈압 추정 모델의 입력 레이어에 대응하도록 다채널 형태의 입력데이터로 구성할 수 있다. 이때, 프로세서(120)는 수집된 생체신호 데이터의 길이가 서로 다른 경우 길이가 동일해지도록 조절할 수 있다.
일 예로, 소정 길이를 기준으로 길이가 짧은 생체신호 데이터는 소정 패딩값을 추가할 수 있다. 예컨대, 길이가 짧은 생체신호 데이터의 소정 구간(예: 0~1 시간 구간)의 진폭값, 전체 진폭값들의 평균, 최소값, 최대값 등의 통계값, 또는 임의의 고정값 등을 패딩값으로 하여 생체신호 데이터의 뒤에 추가할 수 있다. 이때, 소정 길이는 예컨대, 캘리브레이션 시점의 생체신호 길이, 또는 현재 시점의 생체신호 길이로 정의될 수 있다. 다만, 이에 제한되지 않으며 예컨대, 혈압 추정 모델의 입력 레이어의 각 노드에 입력될 샘플의 개수에 기초하여 임의의 고정 상수값으로 정의될 수 있다.
다른 예로, 소정 길이를 기준으로 길이가 더 긴 생체신호 데이터는 소정 구간을 잘라내거나 정규화 할 수 있다. 예를 들어, 생체신호 데이터의 전체 구간에서 앞 부분 또는 뒷 부분을 잘라낼 수 있다. 또는, 생체신호 데이터에서 그 소정 길이에 맞도록 일정 시간 간격으로 값을 추출하고 추출된 값들을 연결하여 정규화 할 수 있다. 프로세서(120)는 구성된 입력데이터를 혈압 추정 모델에 입력하여 캘리브레이션 시점과 현재 시점 사이의 혈압 변화량을 획득할 수 있다. 혈압 추정 모델은 입력데이터의 각 채널 데이터로부터 소정 개수의 샘플링을 수행하여 입력 레이어의 입력 노드에 입력하고, 출력 노드를 통해 혈압 변화량(ΔBP)을 출력할 수 있다. 이때, 출력 노드는 SBP 변화량(ΔSBP)을 출력하는 노드와, DBP 변화량(ΔDBP)을 출력하는 노드를 포함할 수 있고, 각 출력 노드에서 SBP 변화량(ΔSBP)과 DBP 변화량(ΔDBP)을 각각 출력할 수 있다. 이때, 혈압 변화량(ΔBP)은 예컨대 캘리브레이션 시점의 혈압값(예: Ycal)과 혈압 추정 시점의 혈압값(Ymeas) 사이의 차이(Ymeas-Ycal) 또는 그 혈압값들 사이의 비율(Ymeas/Ycal)로 정의될 수 있다.
또한, 프로세서(120)는 혈압 추정 모델에서 혈압 변화량이 출력되면, 아래 수학식 1과 같이 혈압 변화량에 캘리브레이션 혈압값을 선형 결합하여 혈압 추정 시점의 혈압값을 획득할 수 있다. 이때, 기준 혈압값은 캘리브레이션 시점에 커프 혈압계 등을 통해 측정한 혈압값일 수 있다.
여기서, ΔBPest는 혈압 추정 시점의 혈압 변화량을 나타내고, BPest는 최종 혈압이며, BPcal은 캘리브레이션 시점의 캘리브레이션 혈압을 나타낸다.
일 실시예에 따르면, 프로세서(120)는 생체신호 데이터 외에 추가 데이터를 더 수집하고, 수집된 추가 데이터를 생체신호 데이터와 함께 혈압 추정 모델의 입력데이터로 구성할 수 있다. 이때, 추가 데이터는 예컨대, 캘리브레이션 시점의 혈압값, 사용자 정보(예: 나이, 성별, 몸무게, 키 등) 및/또는 혈압 연관 특징 데이터 등을 포함할 수 있다.
예를 들어, 프로세서(120)는 메모리, 클라우드, 다른 전자장치 및/또는 사용자의 입력을 통해 캘리브레이션 시점의 혈압값 및/또는 사용자 정보를 수집할 수 있다. 또한, 프로세서(120)는 현재 시점의 원시 데이터 또는 전처리 데이터로부터 전술한 바와 같은 혈압 연관 특징을 추출하고, 추출된 혈압 연관 특징을 캘리브레이션 시점의 혈압 연관 특징을 이용하여 정규화 하여 정규화한 값을 입력데이터에 추가할 수 있다. 예컨대, 현재 시점의 특징값에서 캘리브레이션 시점의 특징값을 빼고, 그 결과를 캘리브레이션 시점의 특징값으로 나누어 정규화 할 수 있다. 다만, 이에 제한되는 것은 아니다.
도 2a는 N의 시간 길이를 갖는 캘리브레이션 시점의 M개의 원시 데이터(Cal_1, Cal_2,..., Cal_M)와 혈압 추정 시점의 원시 데이터(Mea)를 생체신호 데이터로 획득한 것을 예시한 것이다. 이때, 캘리브레이션 시점의 M개의 원시 데이터(Cal_1, Cal_2,..., Cal_M)는 소정 시간 간격(예: 2분)으로 M번 측정된 생체신호일 수 있다. 도 2b는 N의 시간 길이를 갖는 (M+1)개의 생체신호 데이터를 N×(M+1)의 다채널 형태로 입력데이터(211)를 구성하고, 입력데이터(211)를 혈압 추정 모델(220)에 입력하여 혈압 변화량(ΔSBP, ΔDBP)을 획득한 것을 예시한 것이다. 여기서, 생체신호 데이터의 시간 길이가 N으로 동일한 것으로 가정하였으나, 시간 길이가 다른 경우 전술한 바와 같이 시간 길이가 동일해지도록 조절할 수 있다.
도 2c는 N의 시간 길이를 갖는 (M+1)개의 원시 데이터에서 각각 N' 시간 길이를 갖는 대표 파형을 추출하여 생체신호 데이터를 획득하는 것을 예시한 것이다. 도 2d는 N'의 시간 길이를 갖는 (M+1)개의 대표 파형을 N'×(M+1) 형태의 입력데이터(212)로 구성하여 혈압 추정 모델(220)에 입력하고, 혈압 변화량(ΔSBP, ΔDBP)을 획득한 것을 예시한 것이다.
도 2b 및 도 2d의 혈압 추정 모델(220)은 간단한 신경망 기반 모델을 예시한 것으로, 입력레이어(221), 하나 이상의 히든 레이어(222) 및 출력 레이어(223)를 포함할 수 있다. 다만, 이에 제한되지 않으며, 생체신호 데이터의 개수, 획득하고자 하는 생리변수 종류, 샘플링할 개수 등에 따라 신경망 모델의 종류, 히든 레이어(222)의 수, 각 노드의 수 등은 다양하게 변형될 수 있다.
혈압 추정 모델(220)은 입력데이터(211, 212)가 입력되면, 입력데이터(211, 212)의 각 채널에서 소정 개수를 샘플링하여 샘플링한 값을 입력레이어(221)의 각 노드에 입력할 수 있다. 예를 들어, 생체신호 데이터가 4개이고 각 생체신호 데이터의 시간 길이가 100이라고 가정할 때, 프로세서(120)에 의해 100×4 형태의 다채널 입력데이터가 구성되고, 혈압 추정 모델(220)은 4개의 채널 각각에서 예컨대 100개의 샘플링을 수행한 후 400개의 샘플링 값(예: 진폭)을 입력레이어(221)의 400개의 노드에 각각 입력할 수 있다. 혈압 추정 모델(220)의 출력 레이어(223)는 히든 레이어(222)를 거쳐 입력된 결과를 처리하여 수축기 혈압 변화량(ΔSBP) 및/또는 이완기 혈압 변화량(ΔDBP)을 출력할 수 있다. 이때, 혈압 변화량은 캘리브레이션 시점과 혈압 추정 시점 사이의 혈압값의 차이 또는 비율을 포함할 수 있다.
일 실시예에 따르면, 도 2e에 도시된 바와 같이 혈압 추정 모델(240)은 혈압 변화량 대신에 현재 시점의 혈압값(SBP, DBP)을 출력하도록 미리 학습된 것일 수 있다. 프로세서(120)는 생체신호 데이터를 기초로 구성한 입력데이터(231) 외에 캘리브레이션 혈압값(232)을 혈압 추정 모델(240) 입력레이어(241)의 추가 노드(AN)에 더 입력할 수 있다. 입력레이어(241)에 입력된 입력데이터(231)와 캘리브레이션 혈압값(232)는 히든 레이어(242)를 거쳐 출력 레이어(243)를 통해 혈압값(SBP, DBP)으로 출력될 수 있다. 이때, 사용자 정보와 같은 추가 데이터를 입력레이어(241)의 다른 추가 노드에 더 입력할 수도 있다.
도 3은 다른 실시예에 따른 생리변수 추정 장치의 블록도이다.
도 3을 참조하면, 생리변수 추정 장치(300)는 센서(110) 및 프로세서(120), 통신부(310), 출력부(320) 및 저장부(330)를 포함할 수 있다. 센서(110)와 프로세서(120) 구성에 대하여는 앞에서 자세히 설명하였으므로 이하 생략한다.
통신부(310)는 프로세서(120)와 전기적으로 연결될 수 있으며, 프로세서(120)의 제어에 따라 다양한 통신 기술을 이용하여 다른 전자장치와 필요한 데이터를 송수신할 수 있다. 이때, 필요한 데이터는 기준 생리변수 값, 생리변수 추정 모델, 생리변수 변화량, 생리변수 추정 결과, 다른 전자장치에서 측정된 현재 시점의 생체신호, 캘리브레이션 시점의 생체신호 등을 포함할 수 있다. 다른 전자장치는 커프 혈압계와 같은 혈압 측정 장치, 스마트폰, 태블릿 PC, 데스크탑 PC, 노트북 PC, 웨어러블 기기 등을 포함할 수 있다. 다만, 여기 예시된 바에 제한되는 것은 아니다. 이때, 통신 기술은 블루투스(Bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등을 포함할 수 있다.
출력부(320)는 센서(110) 및/또는 프로세서(120)의 처리 결과를 출력하여 사용자에게 제공할 수 있다. 출력부(320)는 디스플레이를 포함한 시각적 출력 모듈, 스피커 등의 음성 출력 모듈 또는, 진동이나 촉감 등의 햅틱 모듈 등을 이용하여 시각적/비시각적인 다양한 방법으로 사용자에게 정보를 제공할 수 있다. 예를 들어, 디스플레이를 통해 생리변수 추정 결과, 생리변수 추정 결과에 따른 경고, 조치 사항 등의 정보를 출력할 수 있다.
저장부(330)는 장치(100)의 각 구성들의 동작과 관련된 각종 명령어, 센서(110) 및/또는 프로세서(120)에서 생리변수 추정을 위해 필요한 데이터 및/또는 센서(110) 및/또는 프로세서(120)의 처리 결과를 저장할 수 있다. 예컨대, 생리변수 추정 모델, 사용자 정보(예: 성별, 나이, 키, 몸무게, 건강 상태 등), 캘리브레이션 시점 및/또는 생리변수 추정 시점에 생성된 생체신호 원시 데이터, 전처리 데이터, 생리변수 연관 특징, 다차원 데이터, 대표 파형 데이터, 캘리브레이션 생리변수 값, 생리변수 추정값 등을 저장할 수 있다.
저장부(330)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어, SD 또는 XD 메모리 등), 램(Random Access Memory: RAM) SRAM(Static Random Access Memory), 롬(Read-Only Memory: ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 등의 저장매체를 포함하며, 이에 제한되는 것은 아니다.
도 4a는 일 실시예에 따른 생리변수 추정 방법의 흐름도이다. 도 4a는 도 1 및 도 3의 생리변수 추정 장치(100,300)에 의해 수행되는 생리변수 추정 방법의 일 실시예로, 앞에서 자세히 설명한 바 있으므로 이하 간단하게 기술한다.
먼저, 생리변수 추정 장치는 생리변수 추정 요청에 따라 서로 다른 시점의 생체신호 데이터를 수집할 수 있다(411). 예를 들어, 센서를 이용하여 피검체로부터 현재 시점의 생체신호를 측정하거나, 다른 전자장치에서 측정된 현재 시점의 생체신호를 수신할 수 있다. 또한 메모리, 클라우드, 다른 전자장치 등으로부터 이전 캘리브레이션 시점의 하나 이상의 생체신호 데이터를 수집할 수 있다. 이때, 생리변수 데이터는 센서에서 측정된 형태의 생체신호 원시 데이터, 원시 데이터를 전처리한 데이터, 원시 데이터 또는 전처리 데이터로부터 추출한 대표 파형 데이터, 원시 데이터 또는 전처리 데이터로부터 추출한 생리변수 연관 특징 데이터, 또는 원시 데이터 또는 전처리 데이터를 변환한 다차원 데이터일 수 있다.
그 다음, 서로 다른 시점의 생체신호 데이터를 기초로 생리변수 추정 모델의 입력데이터를 구성할 수 있다(412). 입력데이터는 다채널 형태로 구성될 수 있다. 이때, 생체신호 데이터의 길이가 다른 경우 패딩값을 추가하거나, 생체신호의 일부 구간을 자르거나 정규화 등의 과정을 통해 길이가 동일해 지도록 조절할 수 있다.
그 다음, 입력데이터를 생리변수 추정 모델에 입력하여 생리변수 변화량을 획득할 수 있다(413). 생리변수 추정 모델은 입력데이터의 각 채널에서 샘플을 추출하고 추출된 샘플값을 입력 노드에 입력하며, 출력 노드를 통해 생리변수 변화량을 출력하도록 딥러닝 등의 머신러닝을 통해 미리 학습된 모델일 수 있다.
그 다음, 생리변수 변화량을 기초로 현재 시점의 생리변수를 추정할 수 있다(414). 예를 들어, 획득된 생리변수 변화량을 캘리브레이션 생리변수값과 선형 결합하여 생리변수 값을 획득할 수 있다.
도 4b는 다른 실시예에 따른 생리변수 추정 방법의 흐름도이다. 도 4b는 도 1 및 도 3의 생리변수 추정 장치(100,300)에 의해 수행되는 생리변수 추정 방법의 일 실시예로, 앞에서 자세히 설명하였으므로 이하 간단하게 기술한다.
먼저, 생리변수 추정 장치는 생리변수 추정 요청에 따라 서로 다른 시점의 생체신호 데이터를 수집할 수 있다(421). 센서를 이용하여 피검체로부터 현재 시점의 생체신호를 측정하거나 다른 전자장치에서 측정된 현재 시점의 생체신호를 수신할 수 있고, 메모리 등으로부터 이전 캘리브레이션 시점의 하나 이상의 생체신호 데이터를 수집할 수 있다.
또한, 생체신호 데이터 외에 추가 데이터를 수집할 수 있다(422). 추가 데이터는 캘리브레이션 시점의 생리변수 값(예: 혈압값), 사용자 정보(예: 나이, 성별, 몸무게, 키 등), 및/또는 생리변수 연관 특징의 정규화 값 등을 포함할 수 있다. 예를 들어, 메모리, 클라우드, 다른 전자장치 및/또는 사용자의 입력을 통해 캘리브레이션 시점의 생리변수 값 및/또는 사용자 정보를 수집할 수 있다. 또한, 현재 시점의 혈압 연관 특징을 캘리브레이션 시점의 혈압 연관 특징으로 정규화 할 수 있다.
그 다음, 생체신호 데이터 및 추가 데이터를 기초로 생리변수 추정 모델의 입력데이터를 구성할 수 있다(423). 입력데이터는 다채널 형태로 구성될 수 있으며, 생체신호 데이터의 길이가 다른 경우 패딩값을 추가하거나, 생체신호의 일부 구간을 자르거나 정규화 하는 등의 과정을 통해 길이가 동일해 지도록 조절할 수 있다.
그 다음, 입력데이터를 생리변수 추정 모델에 입력하여 생리변수 변화량을 획득하고(424), 생리변수 변화량을 기초로 현재 시점의 생리변수를 추정할 수 있다(425).
도 4c는 다른 실시예에 따른 생리변수 추정 방법의 흐름도이다. 도 4c는 도 1 및 도 3의 생리변수 추정 장치(100,300)에 의해 수행되는 생리변수 추정 방법의 일 실시예로, 앞에서 자세히 설명하였으므로 이하 간단하게 기술한다.
먼저, 생리변수 추정 장치는 생리변수 추정 요청에 따라 서로 다른 시점의 생체신호 데이터를 수집할 수 있다(431).
또한, 캘리브레이션 생리변수값을 수집할 수 있다(432). 캘리브레이션 시점의 생리변수 값은 예컨대 커프 혈압계와 같은 기기를 통해 캘리브레이션 시점에 피검체로부터 측정된 혈압값일 수 있으며, 메모리 등으로부터 수신할 수 있다.
그 다음, 수집된 생체신호 데이터를 기초로 생리변수 추정 모델의 입력데이터를 구성할 수 있다(433). 이때, 사용자 정보 등의 추가 데이터를 더 이용하여 입력데이터를 구성할 수 있다.
그 다음, 캘리브레이션 생리변수값 및 입력데이터를 현재 시점의 생리변수값을 출력하도록 학습된 생리변수 추정 모델에 입력하여 현재 시점의 생리변수를 추정할 수 있다(434).
도 5 내지 도 7은 도 1 또는 도 3의 생리변수 추정 장치(100,300)를 포함한 전자장치의 다양한 구조들을 예시적으로 나타낸 도면들이다.
전자장치는 예컨대, 스마트 워치, 스마트 밴드, 스마트 안경, 스마트 이어폰, 스마트 링, 스마트 패치, 스마트 목걸이 타입의 웨어러블 기기, 및 스마트폰, 태블릿 PC 등의 모바일기기, 또는 가전 기기나 사물인터넷(Internet of Things)을 기반으로 하는 다양한 IoT 기기(예: 홈 IoT 기기 등)일 수 있다.
전자장치는 센서장치, 프로세서, 입력장치, 통신모듈, 카메라모듈, 출력장치, 저장장치, 및 전력모듈을 포함할 수 있다. 전자장치의 구성들은 특정 기기에 일체로 탑재되거나, 둘 이상의 기기에 분산 탑재될 수 있다. 센서장치는 생리변수 추정 장치(100,300)의 센서를 포함할 수 있으며, 그 밖에 자이로센서, GPS(Global Positioning System) 등의 추가적인 센서를 포함할 수 있다.
프로세서는 저장장치에 저장된 프로그램 등을 실행하여 프로세서에 연결된 구성요소들을 제어할 수 있고 이를 통해 생리변수 추정을 포함한 다양한 데이터 처리 또는 연산을 수행할 수 있다. 프로세서는 중앙 처리 장치 및 어플리케이션 프로세서 등과 같은 메인 프로세서 및, 이와 독립적으로 또는 함께 운영 가능한 보조 프로세서 예컨대, 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 커뮤니케이션 프로세서 등을 포함할 수 있다.
입력장치는 전자장치의 각 구성요소에서 사용될 명령 및/또는 데이터를 사용자 등으로부터 수신할 수 있다. 입력장치는 마이크, 마우스, 키보드, 및/또는 디지털 펜(스타일러스 펜 등)을 포함할 수 있다.
통신모듈은 전자장치와 네트워크 환경 내에 있는 다른 전자장치나 서버 또는 센서장치 사이의 직접(유선) 통신 채널 및/또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신모듈은 프로세서와 독립적으로 운영되고, 직접 통신 및/또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 통신모듈은 예컨대 셀룰러 통신 모듈, 근거리 무선 통신 모듈, GNSS(Global Navigation Satellite System 등) 통신 모듈 등의 무선 통신 모듈, 및/또는 예컨대 LAN(Local Area Network) 통신 모듈, 전력선 통신 모듈 등의 유선 통신 모듈을 포함할 수 있다. 이와 같이 다양한 종류의 통신 모듈들은 단일 칩 등으로 통합되거나, 서로 별도의 복수 칩으로 구현될 수 있다. 무선 통신 모듈은 가입자 식별 모듈에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI) 등)를 이용하여 통신 네트워크 내에서 전자 장치를 확인 및 인증할 수 있다.
카메라모듈은 정지영상 및 동영상을 촬영할 수 있다. 카메라모듈은 하나 이상의 렌즈를 포함하는 렌즈 어셈블리, 이미지센서들, 이미지 시그널 프로세서들, 및/또는 플래시들을 포함할 수 있다. 카메라모듈에 포함된 렌즈 어셈블리는 이미지 촬영의 대상인 피사체로부터 방출되는 빛을 수집할 수 있다.
출력장치는 전자장치에 의해 생성되거나 처리된 데이터를 시각적/비시각적인 방식으로 출력할 수 있다. 출력장치는 음향 출력 장치, 표시 장치, 오디오 모듈 및/또는 햅틱 모듈을 포함할 수 있다.
음향 출력 장치는 음향 신호를 전자장치의 외부로 출력할 수 있다. 음향 출력 장치는 스피커 및/또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 리시버는 스피커의 일부로 결합되어 있거나 또는 독립된 별도의 장치로 구현될 수 있다.
표시 장치는 전자장치의 외부로 정보를 시각적으로 제공할 수 있다. 표시 장치는 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 표시 장치는 터치를 감지하도록 설정된 터치 회로(Touch Circuitry) 및/또는 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(압력 센서 등)를 포함할 수 있다.
오디오 모듈은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 오디오 모듈은 입력 장치를 통해 소리를 획득하거나, 음향 출력 장치 및/또는 전자 장치와 직접 또는 무선으로 연결된 다른 전자 장치의 스피커 및/또는 헤드폰을 통해 소리를 출력할 수 있다.
햅틱 모듈은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(진동, 움직임 등) 또는 전기적인 자극으로 변환할 수 있다. 햅틱 모듈은, 모터, 압전 소자, 및/또는 전기 자극 장치를 포함할 수 있다.
저장장치는 센서장치의 구동을 위해 필요한 구동 조건 및, 그 밖의 전자장치의 구성요소들이 필요로 하는 다양한 데이터 예컨대, 소프트웨어 및 이와 관련된 명령에 대한 입력 데이터 및/또는 출력 데이터 등을 저장할 수 있다. 저장장치는 휘발성 메모리 및/또는 비휘발성 메모리를 포함할 수 있다.
전력모듈은 전자장치에 공급되는 전력을 관리할 수 있다. 전력 관리 모듈은 PMIC(Power Management Integrated Circuit)의 일부로서 구현될 수 있다. 전력모듈은 배터리를 포함할 수 있으며, 배터리는 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 및/또는 연료 전지를 포함할 수 있다.
도 5를 참조하면 전자장치는 시계 타입의 웨어러블 장치(500)로 구현될 수 있으며 본체와 손목 스트랩을 포함할 수 있다. 본체의 전면에는 디스플레이가 마련되어, 생리변수 추정값, 경고 정보, 시간 정보, 수신 메시지 정보 등을 포함하는 다양한 어플리케이션 화면이 표시될 수 있다. 본체의 후면에 센서장치(510)가 배치될 수 있다.
도 6을 참조하면 전자장치는 스마트 폰(Smart Phone)과 같은 모바일 장치(600)로 구현될 수 있다. 모바일 장치(600)는 하우징 및 디스플레이 패널을 포함할 수 있다. 하우징은 모바일 장치(600)의 외관을 형성할 수 있다. 하우징의 제1 면에는 디스플레이 패널 및 커버 글래스(Cover Glass)가 차례로 배치될 수 있고, 디스플레이 패널은 커버 글래스를 통해 외부로 노출될 수 있다. 하우징의 제2 면에는 센서 장치(610), 카메라 모듈, 및/또는 적외선 센서 등이 배치될 수 있다. 하우징의 내부에는 프로세서 및 그 밖의 다양한 구성들이 배치될 수 있다.
도 7을 참조하면 전자장치는 이어(Ear) 웨어러블 장치(700)로도 구현될 수 있다. 이어(Ear) 웨어러블 장치700)는 본체와 이어 스트랩(Ear Strap)을 포함할 수 있다. 사용자는 이어 스트랩을 귓바퀴에 걸어 착용할 수 있다. 이어 스트랩은 이어 웨어러블 장치(1000)의 형태에 따라 생략이 가능하다. 본체는 사용자의 외이도(External Auditory Meatus)에 삽입될 수 있다. 본체에는 센서장치(1010)가 탑재될 수 있다. 또한, 본체에는 프로세서가 배치될 수 있으며 센서장치(1010)가 측정한 PPG 신호를 이용하여 생리변수를 추정할 수 있다. 또는, 이어 웨어러블 장치(700)는 외부 장치와 연동하여 생리변수를 추정할 수 있다. 예컨대, 이어 웨어러블 장치(700)의 센서장치(710)에서 측정한 PPG 신호를 본체 내부에 마련된 통신 모듈을 통해 외부 장치 예컨대 스마트 폰, 테블릿 PC 등으로 전송하여 외부 장치의 프로세서에서 생리변수를 추정하도록 하고, 이어 웨어러블 장치의 본체 내에 마련된 음향 출력 모듈을 통해 생리변수 추정값을 출력할 수 있다.
한편, 본 실시 예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 해당 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
본 개시가 속하는 기술분야의 통상의 지식을 가진 자는 개시된 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100,300: 생리변수 추정 장치 110: 센서
120: 프로세서 310: 통신부
320: 출력부 330: 저장부

Claims (20)

  1. 피검체로부터 생체신호를 측정하는 센서; 및
    상기 센서에 의해 측정된 서로 다른 시점의 생체신호 데이터를 기초로 신경망 기반 생리변수 추정 모델의 입력데이터를 구성하며, 상기 구성된 입력데이터를 상기 생리변수 추정 모델에 입력하여 캘리브레이션 시점으로부터 현재 시점까지의 생리변수의 변화량을 획득하는 프로세서를 포함하는 생리변수 추정 장치.
  2. 제1항에 있어서,
    상기 캘리브레이션 시점의 생체신호 데이터를 저장하는 메모리를 더 포함하고,
    상기 프로세서는
    상기 센서에 의해 생리변수 추정을 위한 현재 시점의 생체신호가 측정되면, 상기 메모리로부터 상기 캘리브레이션 시점의 생체신호 데이터를 수집하는 생리변수 추정 장치.
  3. 제1항에 있어서,
    상기 생체신호는
    PPG(photoplethysmogram), ECG(Electrocardiography), EMG(Electromyography), IPG(impedance plethysmogram), Pressure wave, 및 VPG(video plethysmogram), SPG(Speckle-plethysmogram), MPG(Magnetic-plethysmograph), BCG(Ballistocardiogram), SCG(Seismocardiogram) 중의 적어도 하나를 포함하는 생리변수 추정 장치.
  4. 제1항에 있어서,
    상기 생체신호 데이터는
    상기 센서에 의해 측정된 생체신호 자체의 원시 데이터, 상기 원시 데이터들을 전처리한 데이터, 상기 원시 데이터 또는 전처리한 데이터로부터 추출한 대표 파형 데이터, 상기 원시 데이터 또는 전처리한 데이터를 변환한 다차원 데이터, 및 상기 원시 데이터 또는 전처리한 데이터부터 추출한 생리변수 연관 특징 데이터 중의 적어도 하나를 포함하는 생리변수 추정 장치.
  5. 제1항에 있어서,
    상기 프로세서는
    상기 생체신호 데이터를 상기 신경망 기반 생리변수 추정모델의 입력 레이어에 입력하기 위한 다채널 형태의 입력데이터로 구성하는 생리변수 추정 장치.
  6. 제5항에 있어서,
    상기 프로세서는
    상기 생체신호 데이터의 길이가 서로 다른 경우, 미리 정해진 길이를 기준으로, 길이가 짧은 생체신호 데이터는 소정 패딩값을 추가하고, 길이가 긴 생체신호 데이터는 소정 구간을 잘라내거나 정규화하여 서로 길이가 동일해지도록 조절하는 생리변수 추정 장치.
  7. 제1항에 있어서,
    상기 프로세서는
    상기 센서에 의해 생리변수 추정을 위한 생체신호가 측정되면, 측정된 생체신호로부터 생리변수 연관 특징을 추출하고, 캘리브레이션 시점의 캘리브레이션 특징을 기초로 상기 추출된 생리변수 연관 특징을 정규화하여, 정규화된 값을 더 기초로 상기 입력데이터를 구성하는 생리변수 추정 장치.
  8. 제1항에 있어서,
    상기 프로세서는
    캘리브레이션 시점의 생리변수 값 및 사용자 정보 중의 적어도 하나를 더 기초로 상기 입력데이터를 구성하는 생리변수 추정 장치.
  9. 제1항에 있어서,
    상기 생리변수의 변화량은
    캘리브레이션 시점의 생리변수 값과 현재 시점의 생리변수 값 사이의 차이 및 비율 중의 적어도 하나를 포함하는 생리변수 추정 장치.
  10. 제1항에 있어서,
    상기 프로세서는
    상기 획득된 생리변수의 변화량을 기초로, 혈압, 혈당, 체온, 항산화 및 중성지방 중의 적어도 하나를 포함하는 생리변수를 추정하는 생리변수 추정 장치.
  11. 제10항에 있어서,
    상기 프로세서는
    상기 획득된 생리변수의 변화량과 캘리브레이션 시점의 생리변수 값을 결합하여 상기 생리변수를 추정하는 생리변수 추정 장치.
  12. 센서에 의해 측정된 서로 다른 시점의 생체신호 데이터를 수집하는 단계;
    상기 수집된 서로 다른 시점의 생체신호 데이터를 기초로 신경망 기반 생리변수 추정 모델의 입력데이터를 구성하는 단계; 및
    상기 구성된 입력데이터를 상기 생리변수 추정 모델에 입력하여 캘리브레이션 시점으로부터 현재 시점까지의 생리변수의 변화량을 획득하는 단계를 포함하는 생리변수 추정 방법.
  13. 제12항에 있어서,
    상기 생체신호 데이터를 수집하는 단계는
    상기 센서에 의해 측정된 현재 시점의 생체신호를 수신하고, 메모리로부터 캘리브레이션 시점의 하나 이상의 생체신호 데이터를 수집하는 생리변수 추정 방법.
  14. 제12항에 있어서,
    상기 입력데이터를 구성하는 단계는
    상기 생체신호 데이터를 상기 신경망 기반 생리변수 추정모델의 입력 레이어에 입력하기 위한 다채널 형태의 입력데이터로 구성하는 생리변수 추정 방법.
  15. 제14항에 있어서,
    상기 입력데이터를 구성하는 단계는
    상기 생체신호 데이터의 길이가 서로 다른 경우, 미리 정해진 길이를 기준으로, 길이가 짧은 생체신호 데이터는 소정 패딩값을 추가하고, 길이가 긴 생체신호 데이터는 소정 구간을 잘라내거나 정규화하여 서로 길이가 동일해지도록 조절하는 생리변수 추정 방법.
  16. 제12항에 있어서,
    상기 입력데이터를 구성하는 단계는
    캘리브레이션 시점의 캘리브레이션 특징을 기초로 현재 시점의 생리변수 연관 특징을 정규화한 값을 더 기초로 상기 입력데이터를 구성하는 생리변수 추정 방법.
  17. 제17항에 있어서,
    상기 입력데이터를 구성하는 단계는
    캘리브레이션 시점의 생리변수 값 및 사용자 정보 중의 적어도 하나를 더 기초로 상기 입력데이터를 구성하는 생리변수 추정 방법.
  18. 제12항에 있어서,
    상기 생리변수의 변화량은
    캘리브레이션 시점의 생리변수 값과 현재 시점의 생리변수 값 사이의 차이 및 비율 중의 적어도 하나를 포함하는 생리변수 추정 방법.
  19. 제12항에 있어서,
    상기 획득된 생리변수의 변화량과 캘리브레이션 시점의 생리변수 값을 결합하여 생리변수를 추정하는 단계를 더 포함하는 생리변수 추정 방법.
  20. 피검체로부터 생체신호를 측정하는 센서; 및
    상기 센서에 의해 상기 피검체로부터 측정된 서로 다른 시점의 생체신호 데이터를 기초로 신경망 기반 생리변수 추정 모델의 입력데이터를 구성하고, 상기 구성된 입력데이터 및 캘리브레이션 시점의 생리변수 값을 상기 생리변수 추정 모델에 입력하여 현재 시점의 생리변수 값을 획득하는 프로세서를 포함하는 생리변수 추정 장치.


KR1020220128917A 2022-10-07 2022-10-07 생리변수 추정 장치 및 방법 KR20240048973A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220128917A KR20240048973A (ko) 2022-10-07 2022-10-07 생리변수 추정 장치 및 방법
US18/121,453 US20240115212A1 (en) 2022-10-07 2023-03-14 Apparatus and method for estimating physiological variables

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220128917A KR20240048973A (ko) 2022-10-07 2022-10-07 생리변수 추정 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20240048973A true KR20240048973A (ko) 2024-04-16

Family

ID=90575206

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220128917A KR20240048973A (ko) 2022-10-07 2022-10-07 생리변수 추정 장치 및 방법

Country Status (2)

Country Link
US (1) US20240115212A1 (ko)
KR (1) KR20240048973A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210014305A (ko) 2019-07-30 2021-02-09 삼성전자주식회사 생체정보 추정 장치 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210014305A (ko) 2019-07-30 2021-02-09 삼성전자주식회사 생체정보 추정 장치 및 방법

Also Published As

Publication number Publication date
US20240115212A1 (en) 2024-04-11

Similar Documents

Publication Publication Date Title
CN111012323B (zh) 用于估计血压的设备以及用于支持血压估计的设备
KR102480197B1 (ko) 생체정보 추정 장치 및 방법
KR102576126B1 (ko) 생체정보 추정 장치 및 방법
KR20210004376A (ko) 생체정보 추정 모델의 캘리브레이션 장치 및 방법과, 생체정보 추정 장치
KR20200012596A (ko) 생체정보 추정 모델의 캘리브레이션 장치 및 방법과, 생체정보 추정 장치
EP4197435A1 (en) Apparatus and method for estimating blood pressure
US20240172945A1 (en) Apparatus and method for estimating blood pressure
KR20240048973A (ko) 생리변수 추정 장치 및 방법
KR20230026100A (ko) 혈압 추정 장치 및 방법
EP4184147A1 (en) Apparatus and method for estimating bio-information
KR102569987B1 (ko) 생체정보 추정 장치 및 방법
KR102687529B1 (ko) 생체신호 대표 파형 검출 방법 및 생체정보 추정 장치
KR102677449B1 (ko) 생체신호 품질 평가 방법 및 생체정보 추정 장치
KR20230141161A (ko) 혈압 추정 장치 및 방법
KR102680472B1 (ko) 혈압 추정 장치 및 방법
US20240188834A1 (en) Apparatus and method for measuring blood pressure
KR20240080674A (ko) 항산화 성분 추정 장치 및 방법
KR20240111237A (ko) 혈압 추정 장치 및 방법
US20240081663A1 (en) Apparatus for estimating bio-information and method of detecting abnormal bio-signal
KR102580270B1 (ko) 생체정보 추정 장치 및 방법
US11877858B2 (en) Apparatus and method for estimating bio-information
KR20240059195A (ko) 분석물 성분 농도 추정 장치 및 방법
KR20230059708A (ko) 생체정보 추정 장치 및 생체신호 피크의 오검출 판단방법
JP2024098138A (ja) 生体情報推定装置、方法及び装置
KR20230149387A (ko) 혈압 추정 장치 및 방법