WO2018194205A1 - 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법 - Google Patents

광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법 Download PDF

Info

Publication number
WO2018194205A1
WO2018194205A1 PCT/KR2017/004580 KR2017004580W WO2018194205A1 WO 2018194205 A1 WO2018194205 A1 WO 2018194205A1 KR 2017004580 W KR2017004580 W KR 2017004580W WO 2018194205 A1 WO2018194205 A1 WO 2018194205A1
Authority
WO
WIPO (PCT)
Prior art keywords
pulse wave
subject
window
wave signal
stenosis
Prior art date
Application number
PCT/KR2017/004580
Other languages
English (en)
French (fr)
Inventor
신영숙
강현구
이석기
Original Assignee
조선대학교 산학협력단
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 조선대학교 산학협력단 filed Critical 조선대학교 산학협력단
Priority to US16/483,130 priority Critical patent/US11259711B2/en
Publication of WO2018194205A1 publication Critical patent/WO2018194205A1/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
    • A61B5/02—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
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • 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
    • A61B5/02—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
    • A61B5/02427—Details of sensor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
    • A61B5/4064—Evaluating the brain
    • 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
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6825—Hand
    • A61B5/6826—Finger
    • 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
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • 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
    • A61B5/02427—Details of sensor
    • A61B5/02433—Details of sensor for infrared radiation

Definitions

  • the present invention relates to an apparatus and method for analyzing cerebrovascular disease and stenosis using photoplethysmography (PPG).
  • PPG photoplethysmography
  • cerebral artery stenosis is usually diagnosed by longitudinal canine Doppler examination, angiographic CT (Computer Tomography) or MRI (Magnetic Resonance Imaging). Check the degree of carotid stenosis.
  • the problem to be solved by the present invention is to provide an apparatus and method for analyzing cerebrovascular disease and stenosis using photoelectric pulse wave to determine the degree of narrowing of the cerebral artery from the neck to the cerebral artery using the pulse wave detected from the finger. .
  • the problem to be solved by the present invention is easy to measure at low cost, cerebral vascular disease using photo-propulsive pulse wave that can be analyzed in advance the degree of cerebral artery stenosis for the subject with a short measurement time of 60 ⁇ 120 seconds and It is to provide a narrowing analysis apparatus and method.
  • the analyzer includes a PPG probe on which a finger of a subject is seated and irradiates and receives light with a finger of the subject, a pulse wave signal extracting unit that extracts a pulse wave signal from an optical signal received by the PPG probe, and a sampling of the pulse wave signal.
  • Sampling unit for sampling according to the condition to form an optimized pulse wave signal in a desired shape
  • pulse wave signal normalization unit for making the pulse wave signals of the subject optimized by the sampling unit into a normalized pulse wave signal, the entire section of the normalized pulse wave signal
  • Pulse wave amplitude detector for detecting pulse wave amplitude value of pulse wave signal for each window and pulse wave amplitude value for each window detected by pulse wave amplitude detector using linear discriminant analysis algorithm Cerebral artery narrowing extracting the first principal component of each subject corresponding to the amplitude value Comparing the characteristic analyzing unit, and the contact point P by the first main component and the setting value and including a brain artery stenosis diagnosis for diagnosing the characteristic of the blood measurer.
  • the cerebral artery stenosis characteristic analyzer calculates and calculates an eigenvalue for the corresponding amplitude value of the entire window section for each subject by applying the pulse wave amplitude value for each window detected by the pulse wave amplitude detection unit to a linear discrimination analysis algorithm.
  • a first eigenvector value corresponding to an eigenvalue having the largest value among the eigenvalues is identified as the first principal component.
  • the cerebral artery stenosis characteristic analysis unit diagnoses that the first main component is a patient more than the set value.
  • the analysis apparatus divides the entire section of the normalized pulse wave signal of the subject into a plurality of window sections, and detects the notch position in the pulse wave signal for each window to provide notch position information. Further, wherein the cerebral artery stenosis diagnosis unit diagnoses the characteristics of the subject using the notch position information.
  • the analysis apparatus further includes a wax / wain waveform detection unit for classifying all sections of the normalized pulse wave signal of the subject into a plurality of window sections and detecting wax / wain waveforms from the pulse wave signals for each window.
  • the cerebral artery stenosis diagnosis unit diagnoses the characteristics of the subject using the wax / wain waveform.
  • the pulse wave amplitude value detected by the pulse wave amplitude detection unit is a maximum amplitude value for the pulse wave signal for each window.
  • a cerebrovascular disease and stenosis analysis method using photoelectric pulse wave comprises the steps of irradiating and receiving light on a finger of a subject, extracting a pulse wave signal from the received optical signal, and sampling the pulse wave signal according to a set sampling condition to produce an optimized pulse wave signal in a desired shape.
  • the method may include: generating the optimized pulse wave signals into a normalized pulse wave signal, dividing all sections of the normalized pulse wave signal into a plurality of window sections, and detecting a pulse wave amplitude value of the pulse wave signal for each window; Extracting the first principal component for each subject corresponding to the pulse wave amplitude value of the entire window section from the pulse wave amplitude value for each window detected by the detector using a linear discrimination analysis algorithm; and Diagnosing characteristics of the subject by comparing the set values.
  • the first principal component is a first eigenvector value corresponding to an eigenvalue having the largest value among eigenvalues calculated by applying the pulse wave amplitude value for each subject to a linear discrimination analysis algorithm. .
  • Diagnosing the characteristic of the subject is diagnosed as a patient if the first main component is equal to or larger than the set value.
  • the analysis method divides the entire section of the normalized pulse wave signal of the subject into a plurality of window sections, and detects the notch position in the pulse wave signal for each window and uses the notch position for each window. And diagnosing characteristics of the subject.
  • An analysis method is to divide the entire section of the normalized pulse wave signal of the subject into a plurality of window intervals, and to detect the wax / Wayne waveform from the pulse wave signal for each window and the wax / Wayne waveform And diagnosing the characteristic of the subject.
  • Extracting the pulse wave signal extracts pulse wave signals of the right finger or the left finger or the right finger and the left finger of the subject.
  • a non-invasive method for detecting a pulse wave signal from a finger of a subject makes it possible to easily identify a normal person and a cerebral artery stenosis patient.
  • FIG. 1 is a block diagram of a cerebrovascular disease and stenosis analysis apparatus using a photoelectric pulse wave in accordance with an embodiment of the present invention.
  • Figure 2 is an example showing the original pulse wave signal of PPG obtained in the cerebrovascular disease and stenosis analysis device using the photoelectric pulse wave in accordance with an embodiment of the present invention.
  • FIG. 3 is an example of a pulse wave signal resampled by a sampling unit according to an exemplary embodiment of the present invention.
  • FIG. 4 is an example showing a pulse wave signal finally processed by a sampling unit according to an embodiment of the present invention.
  • FIG. 5 is a flowchart illustrating a method for analyzing cerebrovascular disease and stenosis using photoelectric pulse wave according to an embodiment of the present invention.
  • FIG. 6 is a view showing the maximum amplitude value and the minimum amplitude value in the pulse wave signal according to an embodiment of the present invention.
  • FIG. 7 is a distribution diagram of a first principal component and a second principal component corresponding to an amplitude value of a pulse wave signal according to an exemplary embodiment of the present invention.
  • FIG. 8 is a graph representing only a first main component corresponding to an amplitude value of a pulse wave signal according to an exemplary embodiment of the present invention.
  • FIG. 9 is a view showing a wax / Wayne waveform of a normal person and a patient according to an embodiment of the present invention.
  • the photoelectric pulse wave is a pulse waveform obtained by measuring a change in volume caused by a change in pressure of an elastic blood vessel using an optical signal such as infrared light, visible light, or laser.
  • FIG. 1 is a block diagram of a cerebrovascular disease and stenosis analysis device using a photoelectric pulse wave.
  • a cerebrovascular disease and narrowing analysis device (hereinafter referred to as an “analyzer”) 100 using photodedicated pulse wave includes a PPG probe 110 and a pulse wave signal extracting unit 120. , Sampling unit 130, pulse wave signal normalization unit 140, pulse wave amplitude detection unit 150, pulse wave notch detection unit 160, wax / wane wave detection unit 170, cerebral artery stenosis characteristic analysis unit 180, the cerebral artery stenosis diagnosis unit 190 and the display unit 200.
  • the analysis apparatus 100 may exclude all of the pulse wave notch detection unit 160 and the wax / wain wave form detection unit 170 from the configuration, or the pulse wave notch detection unit 160 and the wax / wain wave form detection unit 170. Only one can be used.
  • the analysis device 100 may be implemented as a single device, a blood pressure monitor including a PPG probe 110 and the pulse wave signal extraction unit 120, the sampling unit 130, pulse wave Signal normalization unit 140, pulse wave amplitude detection unit 150, pulse wave notch detection unit 160, wax / Wayne waveform detection unit 170, cerebral artery stenosis characteristic analysis unit 180, cerebral artery stenosis diagnosis unit 190 and display It may be implemented by being divided into a computer / monitor including the unit 200.
  • the PPG probe 110 is configured such that a finger of a subject is inserted or seated, and irradiates an optical signal such as infrared light, visible light, or laser to a test site, and receives transmitted light or reflected light reflected from the tissue without being absorbed into the tissue.
  • the PPG probe 110 includes a light emitting unit (not shown) for irradiating light and a light receiving unit (not shown) for receiving light, and the construction and operation of the PPG probe 110 belong to a known technique. Detailed description will be omitted.
  • the pulse wave signal extractor 120 amplifies and filters the light quantity or intensity data of the optical signal received by the PPG probe 110, extracts the pulse wave signal of the user using the filtered data signal, and stores the pulse wave signal of the user in a storage unit (not shown). Save it.
  • FIG. 2 An example of the pulse wave signal extracted by the pulse wave signal extractor 120 is illustrated in FIG. 2.
  • Figure 2 is an example showing the original pulse wave signal of PPG obtained in the cerebrovascular disease and stenosis analysis device using the photoelectric pulse wave in accordance with an embodiment of the present invention.
  • the vertical axis represents voltage values
  • the horizontal axis represents time.
  • the sampling unit 130 samples the pulse wave signal of the subject to be extracted by the pulse wave signal extracting unit 120 according to a set sampling condition to generate a pulse wave signal having a desired shape.
  • the sampling unit 130 resamples to obtain a set number of data from the original pulse wave signal of the subject during the set time.
  • An example of resampling is shown in FIG. 3.
  • FIG. 3 is an example of a pulse wave signal resampled by a normalizer according to an exemplary embodiment of the present invention, and is a result of resampling to extract 66,000 data in one minute (60 seconds).
  • the sampler 130 smoothes the resampled pulse wave signal, for example, 66,000 pieces of data, and resamples the pulse wave signal resampled with an optimized sampling having 23 sampling intervals. Generate a sampled pulse wave signal.
  • the sampling interval such that the pulse wave notch (see A of FIG. 4) appears in the optimized sampled pulse wave signal at the time of optimization sampling, and the pulse wave extracted from one sampling interval (that is, one of 23 spaces) is 1. It is a good idea to include an average heart rate per minute. For example, if 66,000 data are resampled, dividing 66,000 data into 23 columns divides about 2,869 data in one column, and about 60 to 80 pulse waves exist in 2,869 data.
  • This resampling and optimized sampling apply equally to all original pulse wave signals obtained by multiple measurements by the same subject.
  • the pulse wave signal normalization unit 140 normalizes a plurality of pulse wave signals of each subject to be optimized and sampled by the sampling unit 130 to reduce the change of the pulse wave signals showing a change for each measurement number of the same subject. Output a normalized pulse wave signal. At this time, the pulse wave signal normalization unit 140 normalizes the pulse wave signal corresponding to the subject under the following Equation 1.
  • the total number of measurements obtained from the subject (e.g., 5 measurements per person and 10 measurement subjects is 50) is called W, and the number of subjects is expressed as N. Can be obtained.
  • the pulse wave signal (W ij ) means the j-th pulse wave signal of the i-th subject.
  • the pulse wave size value of the same subject ( ) Is the root of the sum of squared pulse wave signals of the same subject.
  • the normalized pulse wave signal W i * is obtained by measuring the pulse wave amplitude value ( Normalized pulse wave signals divided by
  • the pulse wave amplitude detection unit 150 divides all sections of the normalized pulse wave signal of each subject into a plurality of window sections, detects the pulse wave amplitude value of the pulse wave signal for each window, and detects the detected pulse wave amplitude value of the cerebral artery stenosis characteristic.
  • the analysis unit 180 is provided.
  • the pulse wave notch detection unit 160 divides all sections of the normalized pulse wave signal of each subject into a plurality of window sections, detects a notch position in the pulse wave signal for each window, and grasps information on the notch position.
  • the information on the notch position that is, the notch position information includes information indicating whether or not there is a notch and a voltage value at the corresponding notch position when there is a notch.
  • the wax / wain waveform detector 170 divides all sections of the normalized pulse wave signal of each subject into a plurality of window sections, detects a wax / wain pattern from the pulse wave signals for each window, and detects the detected wax / wain pattern.
  • the cerebral artery stenosis characteristic analysis unit 180 Provided to the cerebral artery stenosis characteristic analysis unit 180.
  • the window intervals and the number of windows in the pulse wave amplitude detection unit 150, the pulse wave notch detection unit 160, and the wax / wain wave detection unit 170 are the same and are normalized in one configuration (one of 150 to 170). After the operation of dividing the entire interval of the pulse wave signal of the measurer into a plurality of window intervals may be to share the pulse wave signal for each window with the other configuration.
  • the cerebral artery stenosis characteristic analysis unit 180 applies each pulse wave amplitude value of each window received from the pulse wave amplitude detection unit 150 to a linear discriminant analysis (LDA) algorithm to the pulse wave amplitude value extracted from the entire window section.
  • LDA linear discriminant analysis
  • a corresponding first principal component First-eigenvector is extracted and the extracted first principal component of the measured subject is provided to the cerebral artery stenosis diagnosis unit 190.
  • the linear discriminant analysis algorithm reflects the global characteristics of the total window values extracted individually rather than reflecting the local characteristics of each window. For example, after 60 features are extracted by (60 window values / 1 person), 60 discriminant components are extracted by performing a linear discriminant analysis algorithm.
  • the first principal component (First-eigenvector)
  • the next high explanatory power is the second principal component (Second-eigenvector)
  • the sixtieth component (Sixtieth-eigenvector) has the lowest explanatory power.
  • the criterion for finding the most explanatory power is determined by eigenvalues.
  • the eigenvector value corresponding to the largest eigenvalue is called the first-eigenvector.
  • the cerebral artery stenosis characteristic analysis unit 180 analyzes the notch location information for each window received from the pulse wave notch detection unit 160, and if the notch location information has the presence or absence of the notch location information for each window, the voltage value is 0V. Determine the number of windows above.
  • the cerebral artery stenosis characterization unit 180 receives the wax / wain pattern for each window from the wax / wain waveform detector 170 and analyzes the wax / wain pattern for each window to extract the features of the wax / wain pattern.
  • the characteristic of the wax / wain pattern is to extract the change of the waveform, that is, the change of amplitude and the change of spacing.
  • the cerebral artery stenosis diagnosis unit 190 diagnoses the subject's cerebral artery stenosis through the first main component extracted from the entire window section received from the pulse wave amplitude detection unit 150. Pulse wave amplitude values extracted in the entire window section have one first principal component for each subject. For example, the cerebral artery stenosis diagnosis unit 190 compares the first principal component of the subject with the set value and determines that the first principal component is greater than the set value, and determines that the patient is normal if the first principal component is less than the set value. . The cerebral artery stenosis diagnosis unit 190 determines the difference between the first main component and the set value for each subject, and diagnoses the degree of symptoms using the difference for each subject.
  • the first principal component for each subject is generally greater than "0", and in a normal person, the first principal component for each subject is generally smaller than "0". The more severe the patient, the greater the value of the first principal component than "0", and the less severe the patient, the closer the first principal component is "0".
  • grasping the pulse wave notch position information from the pulse wave signals for each window may determine whether the subject is a normal person or a patient.
  • the pulse wave notch position in the pulse wave signal for each window of the actual patient is displayed at a position higher than “0”, or the pulse wave notch does not appear, and in a normal person, the pulse wave notch position appears at a position lower than “0”.
  • the cerebral artery stenosis diagnosis unit 190 receives and analyzes the pulse wave notch position for each window to diagnose whether the subject is a normal person or a patient.
  • the wax / wain pattern shows the overall waveform evenly. That is, the maximum amplitude value and the minimum amplitude value of the wax / wain waveform do not fluctuate with time and the change of the interval between neighboring waveforms is also not large. In contrast, in the case of a real patient, the maximum amplitude and the minimum amplitude of the wax / wain waveform vary greatly with time, and the variation of the interval between neighboring waveforms is large.
  • the cerebral artery stenosis diagnosis unit 190 receives and analyzes wax / wain patterns for each window to diagnose whether the subject is a normal person or a patient.
  • the cerebral artery stenosis diagnosis unit 190 may diagnose whether or not the subject's cerebral artery stenosis using only the first main component, but for more precise analysis, the pulse wave notch detection unit 160 and wax The signal output from at least one of the / wain waveform detector 170 may be used.
  • the display unit 200 displays the first main component for each subject detected by the pulse wave amplitude detector 150 on the screen based on a set value, or displays the pulse wave notch position detected by the pulse wave notch detector 160. Or the wax / wain waveform detected by the wax / wain waveform detector 170 is displayed on the screen.
  • the diagnostic person does not use the cerebral artery stenosis diagnosis unit 190. By visually checking the displayed information, it is possible to know whether the subject is a normal person, a patient, or how severe the symptoms are.
  • the display unit 200 displays information detected or detected by the cerebral artery stenosis diagnosis unit 190 on the screen.
  • the subject starts the diagnosis by placing the finger of one hand or the finger of both hands on the PPG probe 110.
  • cerebral artery stenosis symptoms affect the pulse wave signal of the right finger more than the left finger.
  • using the pulse wave signals of the fingers of both hands is more accurate than using the pulse wave signals of the fingers of one hand.
  • sufficient results can be obtained.
  • the PPG probe 110 When the right finger is seated on the PPG probe 110 while the subject is sitting, the PPG probe 110 irradiates light for a predetermined measurement time (S501), and the irradiated light receives the light transmitted or reflected by the right finger. (S502).
  • the set measurement time is, for example, 60 to 120 seconds.
  • the same subject repeats the measurement so that the process S501 and S502 are performed a plurality of times.
  • the optical signal received by the PPG probe 110 is input to the pulse wave signal extractor 120, and the pulse wave signal extractor 120 extracts the pulse wave signal from the optical signal and stores the extracted pulse wave signal.
  • the pulse wave signal extractor 120 extracts the pulse wave signal from the optical signal and stores the extracted pulse wave signal.
  • the sampling unit 130 reads the pulse wave signal for the same subject from the storage unit and extracts 66,000 data in one minute (60 seconds) from the read pulse wave signal.
  • the resampled and resampled 66,000 pieces of data are optimized and sampled in units of 23 columns to generate an optimized sampled pulse wave signal (S504).
  • the pulse wave signal normalization unit 140 normalizes the optimized sampled pulse wave signals of the subject using Equation 1 to reduce the change of the pulse wave signals showing a change for each measurement number of the same subject.
  • the pulse wave signal is output to the pulse wave amplitude detector 150, the pulse wave notch detector 160, and the wax / wain waveform detector 170 (S505).
  • the pulse wave amplitude detection unit 150 divides the pulse wave signal normalized by the pulse wave signal normalization unit 140 into a plurality of window sections (S506), and a pulse wave amplitude value, that is, a maximum amplitude value (MXAP) for each window section. Or minimum amplitude value (MIAP: Minimum Amplitude Pulse) or maximum and minimum amplitude values are detected and provided to the cerebral artery stenosis characterization unit 180 (S507).
  • the number of windows is preferably obtained based on the number of pulse vibration waveforms including at least one pulse.
  • FIG. 6 is a view showing the maximum amplitude value and the minimum amplitude value in the pulse wave signal according to an embodiment of the present invention. Referring to FIG. 6, the maximum amplitude value B and the minimum amplitude value C detected in one feature window section divided after being divided into 60 feature window sections from the normalized pulse wave signal are shown.
  • the cerebral artery stenosis characteristic analysis unit 180 applies a linear discriminant analysis algorithm to the maximum amplitude value or the minimum amplitude value or the maximum and minimum amplitude values for each window received from the pulse wave amplitude detection unit 150 to apply the amplitude corresponding to the entire window section. Calculate the eigenvalue for the value and identify the first-eigenvector corresponding to the eigenvalue with the highest value among the calculated eigenvalues as the first principal component of each subject, The first main component is provided to the cerebral artery stenosis diagnosis unit 190 (S508).
  • the cerebral artery stenosis diagnosis unit 190 classifies (ie, diagnoses) a normal person or a patient based on a threshold value of the first main component of each pulse wave signal of each subject (S509). For example, when the set value is “0”, the cerebral artery stenosis diagnosis unit 190 compares the first main component of each subject and the set value “0” to identify a subject whose first main component is equal to or greater than zero, 1 Identify the subject whose primary component is less than zero. The cerebral artery stenosis diagnosis unit 190 calculates a difference between the first principal component and a value of zero for each subject.
  • the cerebral artery stenosis diagnosis unit 190 diagnoses a subject whose first principal component is zero or more as a patient, and diagnoses a subject whose first principal component is less than zero as a normal person.
  • the diagnosis method in the cerebral artery stenosis diagnosis unit 190 is not limited to the above-described method and may be achieved in various ways.
  • FIG. 7 is a distribution diagram of a first principal component and a second principal component corresponding to an amplitude value of a pulse wave signal according to an exemplary embodiment of the present invention. It may be displayed on the screen through the unit 200.
  • the distribution of the first principal component for each subject is divided into 60 feature window sections after optimizing sampling of the pulse wave signal from the right and left hand index fingers and detected in each feature window section.
  • the subjects were 64 patients, 32 of whom were normal persons (mean age: 59.8 years, standard deviation: 14.6 years), and 32 patients (mean age: 62.7 years, standard deviation: 11.2 years). to be.
  • FIG. 7 (a) is a distribution diagram of the first and second principal components corresponding to the maximum amplitude value of each subject, and (b) is a diagram of the first and second principal components corresponding to the minimum amplitude value of each subject. It is a distribution chart.
  • the horizontal axis represents the value of the first principal component (ie, the first eigenvector value)
  • the vertical axis represents the value of the second principal component (second eigenvector value, Second).
  • -eigenvector the distribution of the first main ingredient need not be displayed in connection with the second main ingredient, and may be replaced with another main ingredient other than the second main ingredient.
  • the blue dot is a two-dimensional point composed of first and second principal components for each subject, and the red dot is a first and second principal components for each subject for cerebral artery stenosis. It is a point shown on the constructed two-dimensional image.
  • the first principal component of the normal person is mostly smaller than the value of "0" based on the value of "0" on the horizontal axis, and the first principal component of the patient Most of the values are larger than the value of "0".
  • the distribution of FIG. 7 (a) is greater than the distribution of FIG. In other words, it can be seen that the recognition rate of the symptom determination is higher when the maximum amplitude value is used than when the minimum amplitude value is used.
  • FIG. 8 is a graph representation of only the first main component corresponding to the amplitude of the pulse wave signal in accordance with an embodiment of the present invention, the graph shown in Figure 8 may be displayed on a screen via the display unit 200.
  • the graph of the first principal component for each subject is divided into 60 feature window sections after optimizing sampling of the pulse wave signal from the right and left hand index fingers, and the maximum detected in each feature window section.
  • the subjects were 64 patients, 32 of whom were normal persons (mean age: 59.8 years, standard deviation: 14.6 years), and 32 patients (mean age: 62.7 years, standard deviation: 11.2 years). to be.
  • (a) is a graph of the first principal component corresponding to the maximum amplitude value for each subject
  • (b) is a graph of the first principal component corresponding to the minimum amplitude value for each subject.
  • the horizontal axis represents the subjects
  • the vertical axis represents the value of the first principal component (ie, the first eigenvector value).
  • the patient when the first principal component is greater than the set value "0", the patient is diagnosed. When the first principal component is less than the set value "0", it is determined that the patient is normal. 1 The range of the value of the main component is larger than the case of using the minimum amplitude value, it can be seen that more accurate and accurate diagnosis results can be obtained.
  • the recognition rate obtained through the actual experimental results was as follows. In the experiment, the pulse wave signals of the right and left fingers of the subject were extracted and used. When the maximum amplitude value was used in the pulse signals of the right and left fingers, the recognition rate was 59/64, which was about 92.2%. If the minimum amplitude value is used in the pulse wave signal, the recognition rate is about 58/64, which is about 90.6%, and when the minimum and maximum amplitude values are used in the pulse wave signal of the right and left fingers, the recognition rate is about 58/64, which is about 90.6%. Appeared in%.
  • the denominator value of “64” means a test subject, and the test subjects are 32 normal patients and 32 patients.
  • the molecular values “59” and 58 ”in the positive recognition rate refer to the number of subjects diagnosed (classified) as patients or normal persons.
  • the pulse wave signals of the right hand and the left hand finger analysis device 100 comprises two PPG probes 110, the light transmission or detected by each PPG probe 110 The right-hand pulse wave signal and the left-hand pulse wave signal extracted from the light reflected light signal are used in combination.
  • the combining is to combine the left-hand pulse wave signal at the end of the right-hand pulse wave signal or the right-hand pulse wave signal at the end of the left-hand pulse wave signal.
  • the cerebral artery stenosis diagnosis unit 190 diagnoses using at least one of the pulse wave notch position for each window detected by the pulse wave notch detection unit 160 and the wax / wain pattern for each window detected by the wax / wain waveform detector 170 ( S511).
  • the use of the pulse wave notch position per window and / or the wax / wain pattern for each window is set as a default, or used when the subject is determined to be normal by the diagnosis of S509 (S510).
  • 5 illustrates an example in which the subject is determined to be normal by diagnosis of S509.
  • the cerebral artery stenosis diagnosis unit 190 receives the pulse wave notch position for each window, and determines whether the pulse wave notch location is determined for each window to determine the number of windows having the pulse wave notch location (or the number of windows having no pulse wave notch location). After determining the number of windows whose pulse wave notch position is higher than the set value “0”, determine whether the number of windows having the pulse wave notch position (or the number of windows without the pulse wave notch position) is greater than or equal to the setting number and the pulse wave notch position Determines whether the patient is a normal person or a patient by comparing the number of windows higher than the set value “0” with the set number.
  • the cerebral artery stenosis diagnosis unit 190 has a number of windows having the pulse wave notch position or less than the first setting number or a number of windows having no pulse wave notch position or more than the second setting number and the pulse wave notch position is a set value. If the number of windows higher than 0 "is greater than or equal to the third set number, it is diagnosed as a patient.
  • the cerebral artery stenosis diagnosis unit 190 grasps the maximum amplitude value and the minimum amplitude value in the wax / wain pattern for each window and the amount of change in the interval between neighboring waveforms (pulse signals). The fluctuation amount and the change amount are compared with the set value and diagnosed as a patient if the set value is higher than the set value.
  • FIG. 9 is a view showing a wax / Wayne waveform of a normal person and a patient according to an embodiment of the present invention.
  • FIG. 9 (a) is the wax / Wayne waveform of a normal person
  • (b) is the wax / Wayne waveform of a patient.
  • the wax / wain waveform of a normal person does not have a large amount of change in the interval between neighboring waveforms (pulse signals), and the maximum and minimum amplitude values do not have a large amount of change with time.
  • the wax / wain waveform of the patient has a large amount of change in the interval between neighboring waveforms (pulse signals), and the maximum amplitude value and the minimum amplitude value also have a large change amount with time. .
  • the display 200 displays a diagnosis result diagnosed by the cerebral artery stenosis diagnosis unit 190, a distribution diagram of the first main components shown in FIGS. 7 and 8, and a wax / wain waveform shown in FIG. 9 on the screen. (S512).
  • Apparatus and method for analyzing cerebrovascular disease and stenosis using photoelectric pulse wave may be used in a device for diagnosing and analyzing cerebral artery stenosis or brain disease.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Neurology (AREA)
  • Psychology (AREA)
  • Neurosurgery (AREA)
  • Vascular Medicine (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

본 발명은 피측정자의 손가락으로 광을 조사하고 수광하여 맥파 신호를 추출하며, 추출된 맥파 신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태로 최적화된 맥파 신호로 만들고 이를 정규화하며, 상기 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고 각 윈도우별 맥파 신호에 대한 맥파 진폭값을 검출하고, 상기 윈도우별 맥파 진폭값을 선형판별분석 알고리즘을 이용하여 전체 윈도우구간의 맥파 진폭값에 대응하는 피측정자별 제1 주요성분을 추출한 후 피측정자별 제1 주요성분과 설정값을 비교하고 상기 설정값 대비 상기 피측정자별 주요성분의 분포를 파악하여 피측정자의 특성을 진단한다.

Description

광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법
본 발명은 광전용적맥파(PPG; photoplethysmography)를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법에 관한 것이다.
현재, 대뇌동맥 협착은 주로 경도개 도플러 검사나 혈관조영 CT(컴퓨터 단층촬영, Computer Tomography) 또는 MRI(자기공명촬영, Magnetic Resonance Imaging)로 진단하며, 경동맥 협착은 경동맥 초음파나 MRI을 이용한 경동맥 조영술을 통해 경동맥 협착층의 정도를 확인한다.
그런데, 혈관 조영 CT의 경우에, 방사선 노출을 해야 하는 부담이 있고, CT와 MRI 모두 조영제로 인한 부작용이 발생할 수 있는 침습적인 검사이다.
본 발명이 해결하고자 하는 과제는 목에서 대뇌로 연결되는 대뇌동맥의 협착 정도를 손가락에서 검출된 맥파를 이용하여 파악할 수 있게 하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법을 제공하는 것이다.
비침습적이며 측정이 간단한 PPG 신호의 주기 특성 및 파형패턴분석을 이용하여 정상인과 대뇌동맥협착 환자를 간단하게 식별할 수 있게 하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법을 제공하는 것이다.
또한, 본 발명이 해결하고자 하는 과제는 저비용으로 측정이 용이하며, 60 ~ 120초의 짧은 측정시간으로 피측정자에 대한 대뇌동맥 협착 정도를 사전에 분석할 수 있게 하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법을 제공하는 것이다.
상기 과제 이외에도 구체적으로 언급되지 않은 다른 과제를 달성하는 데 본 발명에 따른 실시 예가 사용될 수 있다.
상기 과제를 해결하기 위한 본 발명의 실시 예에 따르면 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치를 제공한다. 이 분석 장치는 피측정자의 손가락이 안착되고 피측정자의 손가락으로 광을 조사하고 수광하는 PPG 프로브, 상기 PPG 프로브에서 수광한 광 신호에서 맥파 신호를 추출하는 맥파신호 추출부, 상기 맥파 신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태로 최적화된 맥파 신호로 만드는 샘플링부, 상기 샘플링부에 의해 최적화된 피측정자의 맥파 신호들을 정규화된 맥파 신호로 만드는 맥파신호 정규화부, 상기 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고 각 윈도우별 맥파 신호에 대한 맥파 진폭값을 검출하는 맥파진폭 검출부, 상기 맥파진폭 검출부에 의해 검출된 윈도우별 맥파 진폭값을 선형판별분석 알고리즘을 이용하여 전체 윈도우 구간의 맥파 진폭값에 대응하는 피측정자별 제1 주요성분을 추출하는 대뇌동맥협착 특성분석부, 그리고 상기 피측정자별 제1 주요성분과 설정값을 비교하여 피측정자의 특성을 진단하는 대뇌동맥협착 진단부를 포함한다.
상기에서 대뇌동맥협착 특성분석부는 상기 맥파진폭 검출부에서 검출한 윈도우별 맥파 진폭값을 선형판별분석 알고리즘에 적용하여 피측정자별 전체 윈도우 구간의 해당 진폭값에 대한 고유값(eigenvalue)를 산출하고 산출한 고유값 중 그 값이 가장 큰 고유값에 해당하는 제1 고유벡터값을 상기 제1 주요성분으로 파악한다.
상기 대뇌동맥협착 특성분석부는 상기 제1 주요성분이 상기 설정값 이상이면 환자라고 진단한다.
본 발명의 실시 예에 따른 분석 장치는 피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 노치 위치를 검출하여 노치 위치 정보를 제공하는 맥파노치 검출부를 더 포함하며, 이때 대뇌동맥협착 진단부는 상기 노치 위치 정보를 이용하여 피측정자의 특성을 진단한다.
본 발명의 실시 예에 따른 분석 장치는 피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 왁스/웨인파형을 검출하는 왁스/웨인파형 검출부를 더 포함하며, 이때 대뇌동맥협착 진단부는 상기 왁스/웨인파형을 이용하여 피측정자의 특성을 진단한다.
상기 맥파진폭 검출부에서 검출되는 맥파 진폭값은 윈도우별 맥파 신호에 대한 최대 진폭값이다.
상기 과제를 해결하기 위한 본 발명의 실시 예에 따르면 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법을 제공한다. 이 분석 방법은 피측정자의 손가락에 광을 조사하고 수광하는 단계, 상기 수광한 광 신호에서 맥파 신호를 추출하는 단계, 상기 맥파 신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태로 최적화된 맥파 신호로 만드는 단계, 상기 최적화된 맥파 신호들을 정규화된 맥파 신호로 만드는 단계, 상기 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고 각 윈도우별 맥파 신호에 대한 맥파 진폭값을 검출하는 단계, 상기 맥파진폭 검출부에 의해 검출된 윈도우별 맥파 진폭값을 선형판별분석 알고리즘을 이용하여 전체 윈도우 구간의 맥파 진폭값에 대응하는 피측정자별 제1 주요성분을 추출하는 단계, 그리고 상기 피측정자별 제1 주요성분과 설정값을 비교하여 피측정자의 특성을 진단하는 단계를 포함한다.
상기 제1 주요성분은 상기 피측정자별 맥파 진폭값을 선형판별분석 알고리즘에 적용하여 산출된 해당 진폭값에 대한 고유값(eigenvalue) 중 그 값이 가장 큰 고유값에 대응하는 제1 고유벡터값이다.
상기 피측정자의 특성을 진단하는 단계는 상기 제1 주요성분이 상기 설정값 이상이면 환자라고 진단한다.
본 발명의 실시 예에 따른 분석 방법은 피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 노치 위치를 검출하는 단계와 상기 각 윈도우별 노치 위치를 이용하여 피측정자의 특성을 진단하는 단계를 더 포함한다.
본 발명의 실시 예에 따른 분석 방법은 피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 왁스/웨인파형을 검출하는 단계와 상기 왁스/웨인파형을 이용하여 피측정자의 특성을 진단하는 단계를 더 포함한다.
상기 맥파 신호를 추출하는 단계는 상기 피측정자의 오른 손가락 또는 왼 손가락 또는 오른 손가락 및 왼 손가락의 맥파 신호를 추출한다.
본 발명의 실시 예에 따르면, 피측정자의 손가락으로부터 맥파 신호를 검출하는 비침습적 방법으로 정상인과 대뇌동맥협착 환자를 간단하게 식별할 수 있게 한다.
또한, 본 발명의 실시 예에 따르면, 무증상의 대뇌동맥 협착 환자들을 사전에 조기 진단하여 뇌경색의 위협을 예방할 수 있게 한다.
또한 본 발명의 실시 예에 따르면, 저비용으로 짧은 시간 내에 대뇌동맥 협착 정도를 사전에 분석할 수 있게 한다.
도 1은 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치의 블록 구성도이다.
도 2는 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치에서 얻은 PPG의 오리지널 맥파 신호를 보인 일 예이다.
도 3은 본 발명의 실시 예에 따른 샘플링부에 의해 리샘플링된 맥파 신호를 보인 일 예이다.
도 4는 본 발명의 실시 예에 따른 샘플링부에 의해 최종 처리된 맥파 신호를 보인 일 예이다.
도 5는 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법을 보인 순서도이다.
도 6은 본 발명의 실시 예에 따른 맥파 신호에서 최대 진폭값과 최소 진폭값을 보인 도면이다.
도 7은 본 발명의 실시 예에 따른 맥파 신호의 진폭값에 대응하는 제1 주요성분(First-eigenvector)과 제2 주요성분(Second-eigenvector)에 대한 분포도이다.
도 8은 본 발명의 실시 예에 따른 맥파 신호의 진폭값에 대응하는 제1 주요성분만을 표현한 그래프이다.
도 9는 본 발명의 실시 예에 따른 정상인과 환자의 왁스/웨인 파형을 보인 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대해 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며 명세서 전체에서 동일 또는 유사한 구성요소에 대해서는 동일한 도면부호가 사용되었다. 또한, 널리 알려져 있는 공지기술의 경우 그 구체적인 설명은 생략한다.
본 명세서에서, 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 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
이하에서는 첨부한 도면을 참조로 하여 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법을 설명한다.
설명에 앞서, 광전용적맥파는 적외선이나 가시광선 또는 레이저 등의 광 신호를 이용하여 탄성혈관의 압력변화에 의한 용적 변화를 측정하여 얻어진 맥박 파형이다.
도 1은 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치의 블록 구성도이다. 도 1을 참고하면 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치(이하 “분석 장치”라 칭한다)(100)는 PPG 프로브(110), 맥파신호 추출부(120), 샘플링부(130), 맥파신호 정규화부(140), 맥파진폭 검출부(150), 맥파노치 검출부(160), 왁스/웨인파형(wax/wane wave) 검출부(170), 대뇌동맥협착 특성분석부(180), 대뇌동맥협착 진단부(190) 및 디스플레이부(200)를 포함한다. 한편, 분석 장치(100)는 경우에 따라서 맥파노치 검출부(160) 및 왁스/웨인파형 검출부(170) 모두를 구성에서 제외하거나, 또는 맥파노치 검출부(160)와 왁스/웨인파형 검출부(170) 중 하나만을 사용할 수 있다.
한편, 본 발명의 실시 예에 따른 분석 장치(100)는 하나의 장치로 구현될 수도 있지만, PPG 프로브(110)와 맥파신호 추출부(120)를 포함하는 혈압계와, 샘플링부(130), 맥파신호 정규화부(140), 맥파진폭 검출부(150), 맥파노치 검출부(160), 왁스/웨인파형 검출부(170), 대뇌동맥협착 특성분석부(180), 대뇌동맥협착 진단부(190) 및 디스플레이부(200)를 포함하는 컴퓨터/모니터로 구분하여 구현될 수도 있다.
PPG 프로브(110)는 피측정자의 손가락이 인입되거나 안착되도록 구성되고 적외선이나 가시광선 또는 레이저 등의 광 신호를 피검 부위에 조사하고 조직에 흡수되지 않고 투과된 투과광 또는 조직에서 반사되는 반사광을 수광한다. 이러한 기능을 위해 PPG 프로브(110)는 광을 조사하는 발광부(미도시)와 광을 수광하는 수광부(미도시)를 포함하며, 이러한 PPG 프로브(110)의 구성 및 동작은 공지된 기술에 속하므로 자세한 설명은 생략한다.
맥파신호 추출부(120)는 PPG 프로브(110)에서 수광한 광 신호에 대한 광량 또는 광도 데이터를 증폭 및 필터링하고 필터링된 데이터 신호를 이용하여 사용자의 맥파 신호를 추출하고 저장부(미도시)에 저장한다. 맥파신호 추출부(120)에 의해 추출된 맥파 신호의 일 예가 도 2에 도시되어 있다. 도 2는 본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치에서 얻은 PPG의 오리지널 맥파 신호를 보인 일 예이다. 도 2에서 세로축은 전압값을 나타내고, 가로축은 시간을 나타낸다.
샘플링부(130)는 맥파신호 추출부(120)에 의해 추출된 피측정자의 맥파신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태의 맥파 신호를 생성한다.
구체적으로, 샘플링부(130)는 피측정자의 오리지널 맥파 신호로부터 설정 시간 동안에 설정 개수의 데이터를 얻기 위해 리샘플링(resampling)을 한다. 리샘플링한 일 예가 도 3에 도시되어 있다. 도 3은 본 발명의 실시 예에 따른 정규화부에 의해 리샘플링된 맥파 신호를 보인 일 예로서, 1분(60초) 동안에 66,000개의 데이터가 추출되도록 리샘플링한 결과이다. 그리고 샘플링부(130)는 오리지널 맥파 신호를 리샘플링하면 리샘플링한 맥파 신호 예컨대 66,000 개의 데이터를 샘플링 간격을 23칸으로 한 최적화 샘플링으로 리샘플링된 맥파 신호를 매끄럽게(smoothing)하여 도 4에 도시된 바와 같은 최적화 샘플링된 맥파 신호를 생성한다. 이때 최적화 샘플링 시에 최적화 샘플링된 맥파 신호에 맥파 노치(도 4의 A 참조)가 나타나도록 샘플링 간격을 조절하는 것이 양호하며, 하나의 샘플링 간격(즉, 23칸 중 한칸)에서 추출되는 맥파가 1분당 평균 심박수가 포함하도록 하는 것이 양호하다. 66,000개의 데이터를 리샘플링한 경우를 예를 들면, 66,000개의 데이터를 23칸으로 나누면 한 칸에는 약 2,869개의 데이터로 나눠지는데, 2,869개 데이터 속에는 맥파가 약 60 ~ 80개 가량 존재한다.
이러한 리샘플링 및 최적화 샘플링은 동일 피측정자가 복수회 측정하여 얻은 모든 오리지널 맥파 신호에 동일하게 적용된다.
맥파신호 정규화부(140)는 동일한 피측정자의 각 측정 횟수마다 변화를 보이는 맥파 신호들의 변화를 감소시키기 위하여 샘플링부(130)에 의해 최적화 샘플링된 각 피측정자의 복수의 맥파 신호들을 정규화(normalization)하여 정규화된 맥파 신호를 출력한다. 이때 맥파신호 정규화부(140)는 다음의 수학식 1 에 기초하여 피측정자에 대응하는 맥파 신호를 정규화한다.
피측정자로부터 얻어진 총 측정횟수(예; 1인당 측정횟수가 5회이고 피측정자가 10명이면 측정횟수는 50임)를 W라 하고, 피측정자의 수를 N로 표현하여,
Figure PCTKR2017004580-appb-I000001
를 얻을 수 있다. 그리고 동일한 피측정자로부터 얻어진 맥파 신호들은
Figure PCTKR2017004580-appb-I000002
로 표현될 수 있으며, 맥파 신호(Wij)는 i번째 피측정자의 j번째 맥파 신호를 의미한다.
Figure PCTKR2017004580-appb-M000001
상기 수학식 1에서 동일한 피측정자의 맥파 크기값(
Figure PCTKR2017004580-appb-I000003
)는 동일한 피측정자의 맥파 신호들을 각각 제곱하여 더한 값을 루트화한 값이다. 그리고 정규화된 맥파 신호 Wi *는 피측정자의 맥파 신호들을 맥파 크기값(
Figure PCTKR2017004580-appb-I000004
)으로 나눈 정규화된 맥파 신호들이다.
맥파진폭 검출부(150)는 정규화된 각 피측정자의 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에 대해 맥파 진폭값을 검출하고 검출한 맥파 진폭값을 대뇌동맥협착 특성분석부(180)에 제공한다.
맥파노치 검출부(160)는 정규화된 각 피측정자의 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 노치 위치(notch position)를 검출하고 노치 위치에 대한 정보를 파악하여 대뇌동맥협착 특성분석부(180)에 제공한다. 이때 노치 위치에 대한 정보 즉, 노치 위치 정보는 노치가 있는지의 유무를 알리는 정보와 노치가 있는 경우에 해당 노치 위치에서의 전압값을 포함한다.
왁스/웨인파형 검출부(170)는 정규화된 각 피측정자의 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 왁스/웨인 패턴을 검출하고, 검출한 왁스/웨인 패턴을 대뇌동맥협착 특성분석부(180)에 제공한다.
상기 맥파진폭 검출부(150), 맥파노치 검출부(160) 및 왁스/웨인파형 검출부(170)에서의 윈도우 구간 및 윈도우 개수는 서로 동일하며, 하나의 구성(150 내지 170 중 하나)에서 정규화된 각 피측정자의 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하는 동작을 한 후 다른 구성과 윈도우별 맥파 신호를 공유하도록 할 수 있다.
대뇌동맥협착 특성분석부(180)는 맥파진폭 검출부(150)로부터 수신된 윈도우별 각 맥파 진폭값을 선형판별분석(LDA: Linear Discriminant Analysis) 알고리즘에 적용하여 전체 윈도우 구간에서 추출된 맥파 진폭값에 대응하는 제1 주요성분(First-eigenvector)을 추출하고, 추출한 피측정자의 제1 주요성분을대뇌동맥협착 진단부(190)에 제공한다.
여기서 선형판별분석 알고리즘은 각 윈도우별 개별적인(local) 특성을 반영하기 보다는 개별적으로 추출된 전체 윈도우값들을 대상으로 전체적인(global) 특성을 반영한다. 예를 들어, (60개 윈도우값/1人) 의해 60개의 특징이 추출된 후 선형 판별 분석 알고리즘을 시행하면 60개의 주요성분이 추출되는데, 이때 60개의 전체 특징에 대한 가장 높은 설명력을 가진 성분이 제1 주요성분(First-eigenvector)이고, 그 다음으로 설명력이 높은 것이 제2 주요성분(Second-eigenvector)이며, 60 번째 성분(Sixtieth-eigenvector)은 가장 설명력이 낮다. 가장 설명력이 높은 것을 찾는 기준은 고유값(eigenvalue)들에 의해 결정되는데, 가장 큰 고유값 에 해당되는 eigenvector값을 제1 주요성분(First-eigenvector)라고 한다.
그리고 대뇌동맥협착 특성분석부(180)는 맥파노치 검출부(160)로부터 수신된 윈도우별 노치 위치 정보를 분석하여 윈도우별로 노치 위치 정보의 유무 및 노치 위치 정보가 있는 경우에 노치 위치가 전압값이 0V 이상인 윈도우의 개수를 파악한다.
또한 대뇌동맥협착 특성분석부(180)는 왁스/웨인파형 검출부(170)로부터 윈도우별 왁스/웨인 패턴을 수신하고 윈도우별 왁스/웨인 패턴을 분석하여 왁스/웨인 패턴의 특징을 추출한다. 이때 왁스/웨인 패턴의 특징은 파형의 변화 즉, 진폭 변화 및 간격 변화를 추출한다.
대뇌동맥협착 진단부(190)는 맥파진폭 검출부(150)로부터 수신된 전체 윈도우구간에서 추출한 제1 주요성분을 통해 피측정자의 대뇌동맥협착 여부를 진단한다. 전체 윈도우 구간에서 추출된 맥파 진폭값들은 각 피측정자별로 한 개의 제1 주요성분이 존재한다. 예컨대, 대뇌동맥협착 진단부(190)는 피측정자의제1 주요성분을 설정값과 비교하여 제1 주요성분이 설정값보다 크면 환자라고 판단하고 제1 주요성분이 설정값 미만이면 정상인이라고 판단한다. 그리고 대뇌동맥협착 진단부(190)는 피측정자별로 제1 주요성분과 설정값 간의 차이값을 파악하고 피측정자별 차이값을 이용하여 증상의 정도를 진단한다.
참고로, 실제 환자를 대상으로 한 윈도우별 맥파 신호에서 피측정자별 제1 주요성분이 대체적으로 “0”보다 크며, 정상인의 경우에는 피측정자별 제1 주요성분이 대체적으로 “0”보다 작다. 그리고 증상이 심한 환자일수록 제1 주요성분이 “0”보다 큰 값을 나타내며, 증상이 약한 환자일수록 제1 주요성분이 “0”에 근접한 값을 나타낸다.
한편, 윈도우별 맥파 신호에서 맥파 노치 위치에 대한 정보를 파악하는 것으로도 피측정자가 정상인인지 환자인지를 판단할 수 있다. 실제 환자를 대상으로 한 윈도우별 맥파 신호에서의 맥파 노치 위치를 보면 “0”보다 높은 위치에 나타하거나, 맥파 노치가 나타나지 않으며, 정상인의 경우에는 맥파 노치 위치가 “0”보다 낮은 위치에 나타난다. 이에 따라 대뇌동맥협착 진단부(190)는 윈도우별 맥파 노치 위치를 수신하고 분석하여 피측정자가 정상인인지 환자인지를 진단한다.
또한 윈도우별 맥파 신호에서 왁스/웨인 패턴에 대한 정보를 파악하는 것으로도 피측정자가 정상인인지 환자인지를 판단할 수 있다. 정상인의 경우에 왁스/웨인 패턴은 전체적인 파형이 고르게 나타난다. 즉 왁스/웨인 파형의 최대 진폭값 및 최소 진폭값이 시간에 따른 변동이 크지 않으며 이웃하는 파형간의 간격의 변화 또한 크지 않다. 이에 반해 실제 환자의 경우에는 왁스/웨인 파형의 최대 진폭값 및 최소 진폭값이 시간에 따른 변동이 크며 이웃하는 파형간의 간격의 변화가 크다. 그리고 증상이 심할수록 왁스/웨인 파형의 최대 진폭값 및 최소 진폭값이 시간에 따른 변동이 커지며 이웃하는 파형간의 간격의 변화가 커진다. 이에 따라 대뇌동맥협착 진단부(190)는 윈도우별 왁스/웨인 패턴을 수신하고 분석하여 피측정자가 정상인인지 환자인지를 진단한다.
본 발명의 실시 예에 따른 대뇌동맥협착 진단부(190)는 제1 주요성분만을 이용하여 피측정자의 대뇌동맥협착 여부 및 정도를 진단할수 있지만, 보다 정밀한 분석을 위해서 맥파노치 검출부(160)와 왁스/웨인파형 검출부(170) 중 적어도 하나에서 출력하는 신호를 이용할 수 있다.
디스플레이부(200)는 맥파진폭 검출부(150)에서 검출한 각 피측정자별 제1 주요성분을 설정값을 기준으로 화면상에 표시하거나, 맥파노치 검출부(160)에서 검출한 맥파 노치 위치를 맥파 신호를 기준으로 표시하거나 또는 왁스/웨인파형 검출부(170)에서 파악한 왁스/웨인 파형을 화면상으로 표시한다. 이렇게 맥파진폭 검출부(150), 맥파노치 검출부(160), 왁스/웨인파형 검출부(170)의 출력을 화면상에 표시하게 되면, 진단자가 대뇌동맥협착 진단부(190)를 이용하지 않고 화면상에 표시된 정보를 직접 육안으로 확인하여 해당 피측정자가 정상인인지 환자인지 또는 증상이 어느 정도 심각한지를 알 수 있게 된다. 또한 디스플레이부(200)는 대뇌동맥협착 진단부(190)에서 검출 또는 파악한 정보를 화면상에 표시한다.
이하에서는 도 5를 참조로 하여 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법을 설명한다.
피측정자는 한 손의 손가락 또는 두 손의 손가락을 PPG 프로브(110)에 안착시켜 진단을 시작한다. 한편, 대뇌동맥협착 증상은 왼 손가락보다 오른 손가락의 맥파 신호에 영향을 더 준다. 그리고 한 손의 손가락의 맥파 신호를 이용하는 것보다 양손의 손가락의 맥파 신호를 이용하는 것이 더 정확한 결과를 얻을 수 있으나, 한 손의 손가락의 맥파 신호를 이용하더라도 충분한 결과를 얻을 수 있다.
이하의 설명에서는 오른 손가락을 이용하는 것을 일 예로 하여 설명한다.
피측정자가 앉은 상태에서 오른 손가락을 PPG 프로브(110)에 안착시키면, PPG 프로브(110)에서 설정 측정시간 동안 광을 조사하고(S501), 조사한 광이 오른 손가락을 투과 또는 반사한 광을 수광한다(S502). 상기 설정 측정시간은 예컨대 60 ~ 120초이다. 한편 동일한 피측정자는 S501 과정 및 S502 과정이 복수회 이루어지도록 측정을 반복한다.
매회 측정시 PPG 프로브(110)에 의해 수광된 광 신호는 맥파신호 추출부(120)에 입력되고, 맥파신호 추출부(120)는 광 신호로부터 맥파 신호를 추출하고 추출한 맥파신호를 저장부(미도시)에 저장한다(S503),
동일 피측정자에 대한 복수회 측정이 완료되면, 샘플링부(130)는 저장부에서 동일 피측정자에 대한 맥파 신호를 읽어들이고, 읽어들인 맥파 신호를 1분(60초) 동안에 66,000개의 데이터가 추출되도록 리샘플링하고, 리샘플링한 66,000 개의 데이터를 23칸 단위로 최적화 샘플링하여 최적화 샘플링된 맥파 신호를 생성한다(S504).
맥파신호 정규화부(140)는 동일한 피측정자의 각 측정 횟수마다 변화를 보이는 맥파 신호들의 변화를 감소시키기 위하여 상기 수학식 1을 이용하여 피측정자의 최적화 샘플링된 맥파 신호들을 정규화하고 피측정자의 정규화된 맥파 신호를 맥파진폭 검출부(150), 맥파노치 검출부(160) 및 왁스/웨인파형검출부(170)로 출력한다(S505).
맥파진폭 검출부(150)는 맥파신호 정규화부(140)에 의해 정규화된 맥파 신호를 복수의 윈도우 구간으로 분할하고(S506), 각 윈도우 구간마다 맥파 진폭값 즉, 최대 진폭값(MXAP: Maximum Amplitude Pulse) 또는 최소 진폭값 최소 진폭값(MIAP: Minimum Amplitude Pulse) 또는 최대 및 최소 진폭값을 검출하여 대뇌동맥협착 특성분석부(180)에 제공한다(S507). 상기에서 정규화된 맥파 신호를 복수의 윈도우 구간으로 분할시에 윈도우의 개수는 최소 1회 맥박을 포함하는 맥박 진동 파형수에 기초하여 얻어지는 것이 바람직하다.
맥파진폭 검출부(150)에 의해 검출된 최소 진폭값과 최대 진폭값의 일 예가 도 6에 도시되어 있다. 도 6은 본 발명의 실시 예에 따른 맥파 신호에서 최대 진폭값과 최소 진폭값을 보인 도면이다. 도 6을 참고하면, 정규화된 맥파 신호로부터 60개의 특징 윈도우 구간으로 분할된 후 분할된 한 개의 특징 윈도우 구간에서 검출된 최대 진폭값(B)과 최소 진폭값(C)을 나타내고 있다.
대뇌동맥협착 특성분석부(180)는 맥파진폭 검출부(150)로부터 수신된 윈도우별 최대 진폭값 또는 최소 진폭값 또는 최대 및 최소 진폭값에 대하여 선형 판별 해석 알고리즘을 적용하여 전체 윈도우 구간에 해당하는 진폭값에 대한 고유값(eigenvalue)를 산출하고 산출한 고유값 중 그 값이 가장 큰 고유값에 대응되는 고유벡터값(First-eigenvector)을 각 피측정자의 제1 주요성분으로 파악하고 파악한 피측정자별 제1 주요성분을 대뇌동맥협착 진단부(190)에 제공한다(S508).
그러면 대뇌동맥협착 진단부(190)는 각 피측정자별 맥파 신호에 대한 제1 주요성분을 설정값(threshold)을 기반으로 정상인 또는 환자를 분류(즉, 진단)한다(S509). 예컨대, 설정값이 “0”의 값이면 대뇌동맥협착 진단부(190)는 피측정자별 제1 주요성분과 설정값 “0”을 비교하여, 제1 주요성분이 0 이상인 피측정자를 파악하고 제1 주요성분이 0 미만인 피측정자를 파악한다. 그리고 대뇌동맥협착 진단부(190)는 피측정자별로 제1 주요성분과 0의 값 간의 차이값을 산출한다.
대뇌동맥협착 진단부(190)는 제1 주요성분이 0 이상인 피측정자를 환자라고 진단하고, 제1 주요성분이 0 미만인 피측정자를 정상인이라고 진단한다. 대뇌동맥협착 진단부(190)에서의 진단 방법은 전술한 방법에 국한되지 않고 다양한 방법으로도 달성될 수 있다.
이러한 대뇌동맥협착 진단부(190)에서의 진단을 도 7을 참조로 하여 설명한다. 도 7은 본 발명의 실시 예에 따른 맥파 신호의 진폭값에 대응하는 제1 주요성분(First-eigenvector)과 제2 주요성분(Second-eigenvector)에 대한 분포도로서, 도 7에 도시된 분포도는 디스플레이부(200)를 통해 화면상에 표시될 수 있다.
도 7을 참고하면, 피측정자별 제1 주요성분에 대한 분포도는 오른손과 왼손 검지 손가락으로부터 맥파 신호의 최적화 샘플링 후 추출된 맥파 신호를 60개의 특징 윈도우 구간에서 분할하고 각 특징 윈도우 구간에서 검출된 최대 진폭값과 최소 진폭값들을 이용하여 선형판별분석을 적용하여 정상인 피측정자와 대뇌동맥협착 환자들을 분류한 결과이다. 여기서, 피측정자는 총 64명을 대상으로 하였고, 64명 중 32명은 정상인(평균연령: 59.8세, 표준편차: 14.6세)이고, 32명은 환자(평균연령: 62.7세, 표준편차: 11.2세)이다.
도 7에서 (a)는 피측정자별 최대 진폭값에 대응하는 제1 및 제2 주요성분에 대한 분포도이고, (b)는 피측정자별 최소 진폭값에 대응하는 제1 및 제2 주요성분에 대한 분포도이다. 도 7에서, 가로축은 제1 주요성분의 값(즉, 제1 고유벡터값, First-eigenvector)을 나타내고, 세로축은 두 번째 큰 값을 나타내는 제2 주요성분의 값(제2 고유벡터값, Second-eigenvector)이다. 실질적으로 제1 주요성분에 대한 분포도는 제2 주요성분과 연계하여 표시하지 않아도 되고, 제2 주요성분이 아닌 다른 주요성분으로 대체하여도 무방하다.
그리고 도 7에서 파란색 점은 정상인에 대한 피측정자별 제1 및 제2 주요성분으로 구성된 2차원상에 나타낸 점이고, 붉은색 점은 대뇌동맥협착 환자에 대한 피측정자별 제1 및 제2 주요성분으로 구성된 2차원상에 나타낸 점이다.
도 7의 (a)와 (b)를 참고하면, 가로축의 “0”의 값을 기준으로 정상인의 제1 주요성분은 대부분 “0”의 값보다 작은 값을 나타내고, 환자의 제1 주요성분은 대부분 “0”의 값보다 큰 값을 나타낸다. 그리고 도 7의 (a)의 분포도가 도 7의 (b)의 분포도에 비해 환자의 경우에 “0”의 값보다 큰 값을 나타내는 제1 주요성분의 개수가 많다. 즉 최대 진폭값을 이용하는 경우가 최소 진폭값을 이용하는 경우보다 증상의 판정에 대한 인식률이 높음을 알 수 있다.
그리고 다른 일 예로서, 도 8을 참고로 하여 대뇌동맥협착 진단부(190)에서의 진단 방법을 설명한다. 도 8은 본 발명의 실시 예에 따른 맥파 신호의 진폭값에 대응하는 제1 주요성분만을 표현한 그래프로서, 도 8에 도시된 그래프는 디스플레이부(200)를 통해 화면상에 표시될 수 있다.
도 8을 참고하면, 피측정자별 제1 주요성분에 대한 그래프는 오른손과 왼손 검지 손가락으로부터 맥파 신호의 최적화 샘플링 후 추출된 맥파 신호를 60개의 특징 윈도우 구간에서 분할하고 각 특징 윈도우 구간에서 검출된 최대 진폭값과 최소 진폭값들을 이용하여 선형판별분석을 적용하여 정상인 피측정자와 대뇌동맥협착 환자들을 분류한 결과이다. 여기서, 피측정자는 총 64명을 대상으로 하였고, 64명 중 32명은 정상인(평균연령: 59.8세, 표준편차: 14.6세)이고, 32명은 환자(평균연령: 62.7세, 표준편차: 11.2세)이다.
도 8에서 (a)는 피측정자별 최대 진폭값에 대응하는 제1 주요성분에 대한 그래프이고, (b)는 피측정자별 최소 진폭값에 대응하는 제1 주요성분에 대한 그래프이다. 도 8에서 가로축은 피측정자들을 나타내고, 세로축은 제1 주요성분의 값(즉, 제1 고유벡터값, First-eigenvector)을 나타낸다.
도 8을 참고하면 제1 주요성분이 설정값 “0”보다 크면 환자이고, 제1 주요성분이 설정값 “0”보다 작으면 정상인으로 판정하는 것을 알 수 있으며, 최대 진폭값을 이용하는 경우에 제1 주요성분의 값의 범위가 최소 진폭값을 이용하는 경우에 비해 크므로 보다 정밀하고 정확한 진단 결과를 얻을 수 있음을 알 수 있다.
참고로, 실제 실험 결과를 통해 얻은 인식률은 다음과 같았다. 실험은 피측정자의 오른손과 왼손 손가락의 맥파 신호를 추출하여 이용하였으며, 오른손과 왼손 손가락의 맥파 신호에서 최대 진폭값을 이용하는 경우에 정인식률은 59/64로 약 92.2%이고, 오른손과 왼손 손가락의 맥파 신호에서 최소 진폭값을 이용하는 경우에 정인식률은 58/64로 약 90.6%이며, 오른손과 왼손 손가락의 맥파 신호에서 최소 진폭값과 최대 진폭값을 이용하는 경우에 정인식률은 58/64로 약 90.6%로 나타났다.
상기 정인식률에서 분모값인 “64”는 실험 대상자를 의미하며, 실험 대상자는 정상인 32명과 환자 32명이다. 그리고 정인식률에서 분자값인 “59”, 58”은 환자 또는 정상인으로 진단(분류)된 대상자의 수를 의미한다.
한편, 오른손과 왼손 손가락의 맥파 신호를 이용하는 경우에 본 발명의 실시 예에 따른 분석 장치(100)는 2개의 PPG 프로브(110)를 구성으로 하며, 각 PPG 프로브(110)에서 검출된 광 투과 또는 광 반사된 광 신호로부터 추출한 오른손 맥파 신호와 왼손 맥파 신호를 결합하여 이용한다. 이때 결합은 오른손 맥파 신호의 끝에 왼손 맥파 신호를 결합하거나, 왼손 맥파 신호의 끝에 오른손 맥파 신호를 결합하는 것이다.
대뇌동맥협착 진단부(190)는 맥파노치 검출부(160)에서 검출한 윈도우별 맥파 노치 위치와 왁스/웨인파형 검출부(170)에서 검출한 윈도우별 왁스/웨인 패턴 중 적어도 하나를 이용하여 진단한다(S511). 이때 윈도우별 맥파 노치 위치 또는/및 윈도우별 왁스/웨인 패턴에 대한 이용은 디폴트로 설정되거나, 또는 S509의 진단에 의해 피측정자가 정상인이라고 판단한 경우에 이용된다(S510). 도 5는 S509의 진단에 의해 피측정자가 정상인이라고 판단한 경우를 일 예로 한 것이다.
대뇌동맥협착 진단부(190)는 윈도우별 맥파 노치 위치를 수신하고, 윈도우별로 맥파 노치 위치 여부를 파악하여 맥파 노치 위치를 가진 윈도우의 개수(또는 맥파 노치 위치를 가지지 않은 윈도우의 개수)를 파악하고, 맥파 노치 위치가 설정값인 “0”보다 높은 윈도우의 개수를 파악한 후 맥파 노치 위치를 가진 윈도우의 개수(또는 맥파 노치 위치를 가지지 않은 윈도우의 개수)가 설정개수 이상인지를 파악하고 맥파 노치 위치가 설정값인 “0”보다 높은 윈도우의 개수를 설정개수와 비교하여 정상인인지 환자인지를 파악한다. 대뇌동맥협착 진단부(190)는 맥파 노치 위치를 가진 윈도우의 개수가 제1 설정개수 이하이거나 또는 맥파 노치 위치를 가지지 않은 윈도우의 개수가 제2 설정개수 이상이며, 맥파 노치 위치가 설정값인 “0”보다 높은 윈도우의 개수가 제3 설정개수 이상이면 환자라고 진단한다. 그리고 왁스/웨인 패턴에 대하여 대뇌동맥협착 진단부(190)는 윈도우별 왁스/웨인 패턴에서 최대 진폭값 및 최소 진폭값이 시간에 따른 변동량 및 이웃하는 파형(맥박 신호)간의 간격의 변화량을 파악하고 상기 변동량 및 변화량을 설정값과 비교하여 설정값 이상이면 환자라고 진단한다.
이해를 돕기 위해 도 9를 참고하여 왁스/웨인 패턴을 이용한 진단을 설명한다. 도 9는 본 발명의 실시 예에 따른 정상인과 환자의 왁스/웨인 파형을 보인 도면이다.
도 9에서 (a)는 정상인의 왁스/웨인 파형이고, (b)는 환자의 왁스/웨인 파형이다. 도 9의 (a)에 도시된 바와 같이, 정상인의 왁스/웨인 파형은 이웃하는 파형(맥박 신호)간의 간격의 변화량이 크지 않으며 최대 진폭값 및 최소 진폭값이 시간에 따른 변동량이 크지 않다. 이에 반해 도 8의 (b)에 도시된 바와 같이 환자의 왁스/웨인 파형은 이웃하는 파형(맥박 신호)간의 간격의 변화량이 크며 최대 진폭값 및 최소 진폭값이 시간에 따른 변동량 또한 큼을 알 수 있다.
디스플레이부(200)는 대뇌동맥협착 진단부(190)에서 진단한 진단 결과 및 도 7 및 도 8에 도시된 제1 주요성분의 분포도, 도 9에 도시된 왁스/웨인 파형 등을 화면상에 표시한다(S512).
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였으나, 본 발명의 권리범위가 이에 한정되는 것은 아니며 본 발명이 속하는 분야에서 통상의 지식을 가진 자가 여러 가지로 변형 및 개량한 형태 또한 본 발명의 권리범위에 속한다.
본 발명의 실시 예에 따른 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법은 대뇌동맥 협착이나 뇌질환을 진단하고 분석하는 장치에 이용될 수 있다.

Claims (13)

  1. 피측정자의 손가락이 안착되고 피측정자의 손가락으로 광을 조사하고 수광하는 PPG 프로브,
    상기 PPG 프로브에서 수광한 광 신호에서 맥파 신호를 추출하는 맥파신호 추출부,
    상기 맥파 신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태로 최적화된 맥파 신호로 만드는 샘플링부,
    상기 샘플링부에 의해 최적화된 피측정자의 맥파 신호들을 정규화된 맥파 신호로 만드는 맥파신호 정규화부,
    상기 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고 각 윈도우별 맥파 신호에 대한 맥파 진폭값을 검출하는 맥파진폭 검출부,
    상기 맥파진폭 검출부에 의해 검출된 윈도우별 맥파 진폭값을 선형판별분석 알고리즘을 이용하여 전체 윈도우 구간의 맥파 진폭값에 대응하는 피측정자별 제1 주요성분을 추출하는 대뇌동맥협착 특성분석부, 그리고
    상기 피측정자별 제1 주요성분과 설정값을 비교하여 피측정자의 특성을 진단하는 대뇌동맥협착 진단부
    를 포함하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치.
  2. 제1항에서,
    상기 대뇌동맥협착 특성분석부는 상기 맥파진폭 검출부에서 검출한 윈도우별 맥파 진폭값을 선형판별분석 알고리즘에 적용하여 피측정자별 전체 윈도우 구간의 해당 진폭값에 대한 고유값(eigenvalue)를 산출하고 산출한 고유값 중 그 값이 가장 큰 고유벡터값(First-eigenvector)을 상기 제1 주요성분으로 파악하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치.
  3. 제2항에서,
    상기 대뇌동맥협착 특성분석부는 상기 제1 주요성분이 상기 설정값 이상인 경우이면 환자라고 진단하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치.
  4. 제3항에서,
    피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 노치 위치를 검출하여 노치 위치 정보를 제공하는 맥파노치 검출부를 더 포함하며,
    상기 대뇌동맥협착 진단부는 상기 노치 위치 정보를 이용하여 피측정자의 특성을 진단하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치.
  5. 제1항 또는 제4항에서,
    피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 왁스/웨인파형을 검출하는 왁스/웨인파형 검출부를 더 포함하며,
    상기 대뇌동맥협착 진단부는 상기 왁스/웨인파형을 이용하여 피측정자의 특성을 진단하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치.
  6. 제1항에서,
    상기 맥파진폭 검출부는 윈도우별 맥파 신호에 대한 최대 진폭값을 검출하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치.
  7. 피측정자의 손가락에 광을 조사하고 수광하는 단계,
    상기 수광한 광 신호에서 맥파 신호를 추출하는 단계,
    상기 맥파 신호를 설정된 샘플링 조건에 따라 샘플링하여 원하는 형태로 최적화된 맥파 신호로 만드는 단계,
    상기 최적화된 맥파 신호들을 정규화된 맥파 신호로 만드는 단계,
    상기 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고 각 윈도우별 맥파 신호에 대한 맥파 진폭값을 검출하는 단계,
    상기 맥파진폭 검출부에 의해 검출된 윈도우별 맥파 진폭값을 선형판별분석 알고리즘을 이용하여 전체 윈도우 구간의 맥파 진폭값에 대응하는 피측정자별 제1 주요성분을 추출하는 단계, 그리고
    상기 피측정자별 제1 주요성분과 설정값을 비교하여 피측정자의 특성을 진단하는 단계
    를 포함하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법.
  8. 제7항에서,
    상기 제1 주요성분은 상기 윈도우별 맥파 진폭값을 선형판별분석 알고리즘에 적용하여 산출된 해당 진폭값에 대한 고유값(eigenvalue) 중 그 값이 가장 큰 고유값에 해당하는 제1 고유벡터값(First-eigenvector)인 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법.
  9. 제8항에서,
    상기 피측정자의 특성을 진단하는 단계는 상기 제1 주요성분이 상기 설정값 이상인 경우이면 환자라고 진단하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법.
  10. 제7항에서,
    피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 노치 위치를 검출하는 단계와
    상기 각 윈도우별 노치 위치를 이용하여 피측정자의 특성을 진단하는 단계를 더 포함하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법.
  11. 제7항 또는 제10항에서,
    피측정자의 정규화된 맥파 신호의 전 구간을 복수의 윈도우 구간으로 구분하고, 각 윈도우별 맥파 신호에서 왁스/웨인파형을 검출하는 단계와
    상기 왁스/웨인파형을 이용하여 피측정자의 특성을 진단하는 단계를 더 포함하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법.
  12. 제7항에서,
    상기 맥파 진폭값을 검출하는 단계에서 검출하는 맥파 진폭값은 최대 진폭값인 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법.
  13. 제7항에서,
    상기 맥파 신호를 추출하는 단계는
    상기 피측정자의 오른 손가락 또는 왼 손가락 또는 오른 손가락 및 왼 손가락의 맥파 신호를 추출하는 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 방법.
PCT/KR2017/004580 2017-04-21 2017-04-28 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법 WO2018194205A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/483,130 US11259711B2 (en) 2017-04-21 2017-04-28 Device and method for analyzing cerebrovascular disease and stenosis by using photoplethysmography

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0051860 2017-04-21
KR1020170051860A KR101994788B1 (ko) 2017-04-21 2017-04-21 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법

Publications (1)

Publication Number Publication Date
WO2018194205A1 true WO2018194205A1 (ko) 2018-10-25

Family

ID=63856662

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/004580 WO2018194205A1 (ko) 2017-04-21 2017-04-28 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법

Country Status (3)

Country Link
US (1) US11259711B2 (ko)
KR (1) KR101994788B1 (ko)
WO (1) WO2018194205A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030061157A (ko) * 2002-01-11 2003-07-18 삼성전자주식회사 생리신호획득 및 해석을 이용한 동물의 상태 파악 방법 및장치
JP2004358022A (ja) * 2003-06-06 2004-12-24 U-Medica Inc 脈波解析法、この解析法に基づく自律神経機能評価法及び自律神経機能評価装置
KR20120006440A (ko) * 2010-07-12 2012-01-18 조선대학교산학협력단 오실로매트릭 동맥 혈압 측정에 기반한 개인적인 특성 진단 장치 및 방법
KR20160034722A (ko) * 2014-09-22 2016-03-30 조선대학교산학협력단 혈압 측정에 근거한 개인적인 특성 분석 장치 및 방법
JP2016214731A (ja) * 2015-05-25 2016-12-22 ローム株式会社 バイタルセンサモジュールおよびその動作方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8187197B2 (en) * 2002-01-15 2012-05-29 Orsan Medical Technologies Ltd. Cerebral perfusion monitor
JP2007218780A (ja) 2006-02-17 2007-08-30 Fujitsu Ltd ディジタル周波数測定装置
US8825428B2 (en) * 2010-11-30 2014-09-02 Neilcor Puritan Bennett Ireland Methods and systems for recalibrating a blood pressure monitor with memory
US11103140B2 (en) * 2015-06-14 2021-08-31 Facense Ltd. Monitoring blood sugar level with a comfortable head-mounted device
US10420515B2 (en) * 2015-06-15 2019-09-24 Vital Labs, Inc. Method and system for acquiring data for assessment of cardiovascular disease
EP3355787B1 (en) * 2015-09-29 2022-06-08 Koninklijke Philips N.V. Device, system and method for extracting physiological information

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030061157A (ko) * 2002-01-11 2003-07-18 삼성전자주식회사 생리신호획득 및 해석을 이용한 동물의 상태 파악 방법 및장치
JP2004358022A (ja) * 2003-06-06 2004-12-24 U-Medica Inc 脈波解析法、この解析法に基づく自律神経機能評価法及び自律神経機能評価装置
KR20120006440A (ko) * 2010-07-12 2012-01-18 조선대학교산학협력단 오실로매트릭 동맥 혈압 측정에 기반한 개인적인 특성 진단 장치 및 방법
KR20160034722A (ko) * 2014-09-22 2016-03-30 조선대학교산학협력단 혈압 측정에 근거한 개인적인 특성 분석 장치 및 방법
JP2016214731A (ja) * 2015-05-25 2016-12-22 ローム株式会社 バイタルセンサモジュールおよびその動作方法

Also Published As

Publication number Publication date
KR101994788B1 (ko) 2019-07-01
US11259711B2 (en) 2022-03-01
US20200229720A1 (en) 2020-07-23
KR20180118472A (ko) 2018-10-31

Similar Documents

Publication Publication Date Title
KR100763233B1 (ko) 동잡음 제거된 혈류량 신호 검출 장치 및 방법, 그리고이를 이용한 스트레스 검사 장치
CN104382570B (zh) 数字化全自动健康状况检测装置
US7419473B2 (en) Living body inspection apparatus
KR20190059376A (ko) 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법
US20060282008A1 (en) System and method for vision examination utilizing fault detection
KR100945197B1 (ko) 의료검사를 수행하기 위한 시스템, 시각검사를 수행하기 위한 방법 및 일련의 감각자극 표시를 시각 유발 전위신호의 샘플링율과 동기화하는 방법
JP2006150065A (ja) 自律神経検査装置
WO2017135681A9 (ko) 망막 또는 맥락막 내 혈관조영 광가간섭 단층촬영 장치 및 이를 이용한 질병 진단방법
KR20060066708A (ko) 동잡음 제거된 혈류량 신호 검출 장치 및 방법, 그리고이를 이용한 스트레스 검사 장치
AU2021106583A4 (en) IoT AND MACHINE LEARNING BASED AUTOMATED SYSTEM FOR COVID - 19 DETECTION
KR102123149B1 (ko) 침 근전도 신호를 이용한 말초신경병증 감별 장치
Goykhman et al. Reproducibility of myocardial perfusion reserve-variations in measurements from post processing using commercially available software
WO2014021515A1 (ko) 태아 건강 평가 방법 및 장치
Li et al. Hybrid D1DCnet using forehead iPPG for continuous and noncontact blood pressure measurement
US20230172562A1 (en) Disease detection system
CN110584638A (zh) 一种基于cmor小波的非接触式心率测量方法
WO2019198981A1 (ko) 촬영 이미지 기반의 건강상태 분석 및 정보 제공 방법, 그의 장치 및 그의 기록 매체
Lamarque et al. A new concept of virtual patient for real-time ECG analyzers
WO2018194205A1 (ko) 광전용적맥파를 이용한 뇌혈관 질환 및 협착 분석 장치 및 방법
CN113729708B (zh) 一种基于眼动技术的谎言评判方法
CN113576475A (zh) 一种基于深度学习的无接触血糖测量方法
Mayorov et al. Application of space technologies for valuation of a stress level
CN111261264A (zh) 一种智能体质测试设备、方法及存储介质
Bue et al. Classification and diagnosis of myopathy from EMG signals
EP3372152B1 (en) Apparatus, method and computer program for determining whether a measured pulse waveform contains noise

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17906011

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17906011

Country of ref document: EP

Kind code of ref document: A1