WO2023042991A1 - 심폐소생술 중 예측 혈압을 제공하는 장치 및 그 방법 - Google Patents

심폐소생술 중 예측 혈압을 제공하는 장치 및 그 방법 Download PDF

Info

Publication number
WO2023042991A1
WO2023042991A1 PCT/KR2022/006756 KR2022006756W WO2023042991A1 WO 2023042991 A1 WO2023042991 A1 WO 2023042991A1 KR 2022006756 W KR2022006756 W KR 2022006756W WO 2023042991 A1 WO2023042991 A1 WO 2023042991A1
Authority
WO
WIPO (PCT)
Prior art keywords
blood pressure
chest compression
waveform
predicted
cpr
Prior art date
Application number
PCT/KR2022/006756
Other languages
English (en)
French (fr)
Inventor
황성오
한지호
윤영로
차경철
Original Assignee
연세대학교 원주산학협력단
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 연세대학교 원주산학협력단 filed Critical 연세대학교 원주산학협력단
Publication of WO2023042991A1 publication Critical patent/WO2023042991A1/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
    • 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
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H31/00—Artificial respiration or heart stimulation, e.g. heart massage

Definitions

  • the present invention relates to a CPR feedback device, and more particularly, to detect the hemodynamic effect (blood pressure) that occurs on a patient by chest compressions performed during CPR, using an indicator of a chest compression waveform during CPR to detect the heart rate by chest compressions.
  • Cardiopulmonary resuscitation feedback (feedback) device is a device that measures the state of chest compression when a rescuer performs cardiac arrest and informs the rescuer.
  • the CPR feedback device primarily measures the speed and depth of chest compressions by using a motion sensor, etc., and secondarily, the period during which chest compressions are stopped, the compression fraction (the amount of chest compression time out of the total time of CPR) ratio) can also be calculated.
  • the CPR feedback device provides a visual or auditory feedback of the measured result to the rescuer.
  • Commercialized feedback devices operate in such a way that when the device is placed between the sternum and the rescuer's hand, or when the rescuer puts the device on the wrist and performs chest compressions, indicators related to CPR are calculated and displayed on the monitor.
  • the CPR feedback device notifies the depth and speed of chest compression to a rescuer performing CPR, thereby inducing the rescuer to accurately perform chest compression in accordance with the CPR guidelines.
  • the reason why a rescuer should perform chest compressions accurately is to induce an appropriate hemodynamic effect that allows the rescuer to survive the chest compressions.
  • Patent Document 1 KR Patent Registration No. 10-1071432 (2011.09.30)
  • An object of the present invention to solve these problems is to measure blood pressure based on the waveform generated by chest compression so that the operator can know the hemodynamic effect (blood pressure) that occurs on the patient by the chest compression performed by the operator during CPR. By predicting, it is to provide predicted blood pressure during CPR, which provides CPR feedback including hemodynamic effects to the operator.
  • an apparatus for providing predicted blood pressure during CPR calculates index values from a chest compression waveform of a CPR feedback device, extracts the predicted blood pressure from the calculated index values, and displays the predicted blood pressure. It can be achieved by configuring to include a blood pressure feedback device that guides or guides.
  • the blood pressure feedback device includes a pre-processing unit that analyzes the chest compression waveform of the CPR feedback device and calculates an index value, and machine learning that calculates systolic, diastolic, and average predicted blood pressure values using the index values calculated by the pre-processing unit.
  • a neural network model-based point detection unit that predicts 8 point values for generating a blood pressure waveform using a neural network algorithm as a predictive model for multiple outputs using a base blood pressure prediction unit and index values calculated in the pre-processing unit; and One segmented blood pressure waveform using spline interpolation through a total of 11 predicted values including systolic, diastolic, and average blood pressure predicted by the learning-based blood pressure prediction unit and 8 point values detected by the neural network model-based point detection unit a blood pressure waveform generation unit that derives a blood pressure waveform, and a control unit that displays one or more of the calculated predicted blood pressure value, the chest compression waveform, the blood pressure waveform, the chest compression depth, and the chest compression rate on a display or provides voice guidance.
  • a device for providing predicted blood pressure during CPR which predicts, displays, and guides blood pressure using the chest compression waveform of the CPR feedback device according to another embodiment of the present invention, calculates 11 point values from the chest compression waveform. It can be achieved by including a blood pressure feedback device that generates and displays or guides a predicted blood pressure waveform with the calculated point value.
  • the blood pressure feedback device includes a pre-processing unit that analyzes the chest compression waveform of the CPR feedback device and calculates an index value, and a starting point, an ending point, and a peak point of the blood pressure segment using the index value calculated by the pre-processing unit.
  • a machine learning-based blood pressure prediction unit that calculates point values
  • a neural network model-based point detection unit that additionally derives 8 point values using the index values calculated in the pre-processing unit, and spline interpolation between the total of 11 points
  • a blood pressure waveform generation unit that calculates a predicted blood pressure waveform
  • a control unit that displays one or more of the calculated predicted blood pressure waveform, the predicted blood pressure, the chest compression waveform, the chest compression depth, and the chest compression rate on a display or provides voice guidance. It may be configured to include.
  • a method for providing a predicted blood pressure during CPR using a blood pressure feedback device that predicts, displays, and guides blood pressure using a chest compression waveform of the CPR feedback device according to another embodiment, includes chest compression from the CPR feedback device.
  • Predicting 8 point values for generating a blood pressure waveform using a neural network algorithm as a predictive model for multiple outputs, and providing predicted blood pressure using the 3 predicted blood pressure values extracted in the above step and the 8 point values It can be achieved by configuring the device to include a step of generating a blood pressure waveform, and a step of controlling the chest compression waveform in the step, the three predicted blood pressure values, and the blood pressure waveform to be displayed.
  • the apparatus for providing predicted blood pressure during CPR of the present invention By allowing the operator to know the hemodynamic effect generated in the patient during CPR, there is an effect of enabling the operator to perform CPR more effectively.
  • FIG. 1 is a diagram schematically showing a device for predicting blood pressure in CPR according to the present invention
  • FIG. 2 is a block diagram showing a device for predicting CPR blood pressure according to the present invention
  • FIG. 3 is a flowchart illustrating the operation of the device for predicting blood pressure during CPR according to the present invention
  • FIG. 5 is a reference diagram for explaining a method of generating a predictive blood pressure waveform
  • FIG. 6 is a diagram comparing a predicted blood pressure waveform and an actual blood pressure waveform
  • the term "and/or" should be understood to include all possible combinations from one or more related items.
  • the meaning of “a first item, a second item and/or a third item” may be presented from two or more of the first, second or third item as well as the first, second or third item. A combination of all possible items.
  • identification codes e.g., a, b, c, ...) for each step are used for convenience of explanation, and the identification code does not limit the order of each step, and each step Unless the specific order is clearly stated in context, it may occur in a different order from the specified order. That is, each step may occur in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.
  • FIG. 1 is a diagram schematically showing a CPR blood pressure predicting device according to the present invention
  • FIG. 2 is a block diagram showing a CPR blood pressure predicting device according to the present invention. It includes a predictive blood pressure providing device 200 during CPR that predicts, displays, and guides blood pressure using the chest compression waveform of the resuscitation feedback device 100 .
  • the predicted blood pressure providing device 200 calculates index values from a chest compression depth signal (hereinafter referred to as a chest compression waveform) fed back from the CPR feedback device 100, and extracts the predicted blood pressure using the calculated index values. It acts to indicate or guide.
  • a chest compression waveform a chest compression depth signal
  • the CPR feedback device 100 is defined as a device based on a 3-axis acceleration sensor 110 and a 3-axis gyroscope 120 that outputs the depth of chest compression over time, which is a typical CPR feedback device. can be used
  • CPR feedback devices such as those placed on the chest and worn on the wrist
  • the signal processor 130 receives signals from the 3-axis acceleration sensor 110 and the 3-axis gyroscope 120. Acquire the chest compression waveform by hindi.
  • This chest compression waveform is illustrated in FIG. 4 .
  • the chest compression waveform includes chest compression depth (CD) and chest compression time (CT) as index values for chest compression waveform analysis.
  • mean compression rate (Mean CV), maximum compression rate (Max CV), relaxation depth (RD), relaxation time (RT), mean relaxation rate (Mean RV), maximum relaxation rate (Max RV), chest compression rate (CPR) rate), compression/relaxation time rate, etc. are displayed in units of one cycle.
  • indicators include gender and age, but in the present invention, indicators for gender and age are reflected later.
  • the CPR feedback device 100 extracts chest compression factors including chest compression depth, rate of incomplete relaxation, compression pause period, and compression fraction, and transmits the extracted chest compression factors to the control unit 250 of the predictive blood pressure providing device 200. .
  • the predicted blood pressure providing device 200 predicts blood pressure through signal analysis of the chest compression waveform received from the CPR feedback device 100, outputs the analyzed content of the predicted blood pressure, and displays the analyzed content visually. It is configured so that it can be seen or guided by voice.
  • the blood pressure providing device 200 operates to calculate a blood pressure value (predicted blood pressure: systolic blood pressure, diastolic blood pressure, average blood pressure) estimated by a machine learning method using the calculated value of each indicator.
  • a blood pressure value predicted blood pressure: systolic blood pressure, diastolic blood pressure, average blood pressure
  • the predictive blood pressure providing device 200 during CPR can be configured as a modular electronic device that can be used in combination with a normal CPR feedback device that outputs the depth of chest compression or used independently.
  • an electronic system for performing a prediction algorithm may be configured.
  • the apparatus 200 for providing predicted blood pressure during CPR not only provides a blood pressure prediction result in real time, but also analyzes (results of CPR by time and by operator) for debriefing of CPR results after CPR is completed. can also provide.
  • the apparatus 200 for providing predicted blood pressure during CPR receives the change in depth of chest compression over time as a digital signal in the pre-processing unit 210 of the chest compression waveform received from the CPR feedback device 100 in real time and pre-processes it. do.
  • the pre-processing unit 210 removes noise or unnecessary signals from the signals, segments the signals to be input to the predictive model, and extracts indicators from the segmented chest compression signals. The extracted indicators are used as input values to the predictive model.
  • the feature values extracted by the pre-processing unit 210 are respectively input into two predictive models.
  • the machine learning-based blood pressure prediction unit 220 operates to predict systolic, diastolic, and mean blood pressures with three main blood pressure values using a GPR algorithm prediction model.
  • the regression model learned with machine learning technology equipped with an algorithm to predict blood pressure is based on the GPR algorithm, and the work of transplanting it to the platform necessary for real-life use is carried out in a smooth laboratory environment, and new data is acquired. And this is to improve the predictive ability by inputting it to the previously learned model and relearning it.
  • the machine learning-based blood pressure prediction unit 220 learns to extract a correlation between the predicted blood pressure and the chest compression depth and speed, and operates to predict the depth and speed according to the predicted blood pressure.
  • the neural network model-based point detection unit 230 predicts 8 point values for generating a blood pressure waveform using a neural network algorithm as a predictive model for multiple outputs.
  • Each predictive model has been trained based on vast amounts of CPR data in advance and is designed to show high predictive value. When new data is input, it operates to gradually increase prediction accuracy through learning.
  • systolic and diastolic blood pressure values are important monitoring elements of CPR and must be displayed.
  • the blood pressure waveform generation unit 240 receives systolic, diastolic, and average blood pressure from the machine learning-based blood pressure prediction unit 220 and inputs eight point values for generating the predicted blood pressure waveform from the neural network model-based point detection unit 230. and operate to predict the blood pressure waveform.
  • the blood pressure waveform generator 240 derives one segmented blood pressure waveform using the spline interpolation method through a total of 11 predicted values and transmits it to the control unit 250.
  • diastolic blood pressure (DBP) and systolic blood pressure (SBP) are indicated by blue dots.
  • the remaining 8 points are defined as values at the time when the horizontal (time) of the Blood pressure segment is divided into 8 equal parts, and the values are derived by putting them into the neural network algorithm for the learned multi-output.
  • black dots are marked with P1 to P8.
  • the lower part is the blood pressure waveform generated by the apparatus for providing the predicted blood pressure of the present invention
  • the upper part matches the actual blood pressure waveform.
  • the predictive blood pressure providing device of the present invention can predict continuous blood pressure values in a non-invasive way by being universally combined with a CPR feedback device.
  • the predictive blood pressure providing device of the present invention provides hemodynamic feedback (blood pressure, blood pressure waveform) as well as calculated values from existing chest compression waveforms (compression depth, speed, incomplete relaxation, chest compression rest period, chest compression fraction) It can be done.
  • the blood pressure waveform generated by the blood pressure waveform generator 240 and the systolic, diastolic, and average blood pressure predicted by the machine learning-based blood pressure prediction unit 220 are visually visualized by the chest compression waveform generated by the CPR feedback device 100. It is displayed on the final display unit 250 so that it can be seen.
  • the control unit 250 controls each component of the predicted blood pressure providing device 200, and in particular, the blood pressure waveform generated by the blood pressure waveform generating unit 240 and the systolic and diastolic phases predicted by the machine learning-based blood pressure predicting unit 220. Receives the correlation between average blood pressure, chest compression depth and speed, and displays chest compression elements including chest compression depth, rate incomplete relaxation, compression pause period, and compression fraction transmitted from the CPR feedback device 100 It is controlled to be displayed on the unit 260 or guided by voice.
  • the display unit 260 displays a chest compression waveform, a predicted blood pressure value based on the waveform, and information about the depth and speed of chest compression according to the predicted blood pressure value.
  • the operator can visually or audibly know the hemodynamic effect generated in the patient during CPR, so that the operator can perform CPR more effectively.
  • Table 3 and FIGS. 7 to 9 are for predictive agreement analysis results using blood pressure predictive indicators, and Table 3 illustrates the performance of regression models learned by machine learning for each feature selection algorithm.
  • Table 3 shows that the combination of features selected using the NCA feature selection algorithm and the GPR regression model showed the most accurate predictive ability.
  • the machine learning-based blood pressure prediction unit 220 of the present invention is illustrated to extract three main blood pressure values using a GPR algorithm prediction model.
  • FIGS. 7 to 9 exemplify the results of analyzing the agreement of arterial pressure prediction using the blood pressure predictive index
  • FIGS. 7 to 9 are graphs of predictive performance by inputting data separated into a regression model using separately separated data that is not used for learning.
  • FIG. 7 (a) shows the degree of agreement of systolic blood pressure prediction using the blood pressure prediction index
  • FIG. 7 (b) is a Bland Altman Plot of the prediction result.
  • FIG. 8 is a congruence diagram of prediction of diastolic blood pressure using a blood pressure prediction index
  • (b) of FIG. 8 is a Bland Altman Plot of the prediction result.
  • FIG. 9 is a degree of agreement between predictions of mean arterial blood pressure using blood pressure predictive indexes
  • (b) of FIG. 9 is a Bland Altman Plot of prediction results.
  • FIG 3 is a flowchart illustrating the operation of the CPR blood pressure predicting device according to the present invention.
  • the CPR blood pressure predicting device of the present invention receives a chest compression waveform from the CPR feedback device 100.
  • the predicted blood pressure providing device 200 predicts, displays, and guides blood pressure.
  • a chest compression waveform is derived from the CPR feedback device 100 (S110).
  • chest compression depth CD
  • chest compression time CT
  • mean compression speed Mean CV
  • maximum compression speed Max CV
  • relaxation depth index values for chest compression waveform analysis.
  • Indices such as (RD), relaxation time (RT), mean relaxation rate (Mean RV), maximum relaxation rate (Max RV), chest compression rate (CPR rate), and compression/relaxation time ratio (Time rate) are included. .
  • the CPR feedback device 100 extracts chest compression factors including chest compression depth, chest compression rate, compression rest period, and compression fraction from the chest compression waveform and transmits them to the predicted blood pressure providing device 200.
  • the apparatus 200 for providing predicted blood pressure during CPR performs signal pre-processing and extracts input features to predict blood pressure through the chest compression wave analysis derived in step S110 (S120).
  • the pre-processing unit 210 receives the change in chest compression depth over time as a digital signal in real time and pre-processes it.
  • the pre-processing unit 210 includes an operation of segmenting the signal to remove noise or unnecessary signals from the signal and input the signal to the predictive model, and extracts features from the segmented chest compression signal.
  • the extracted feature extracts input features to be used as input values for the predictive model.
  • the feature values extracted in step S120 are respectively input to two predictive models (S130 and S140).
  • step S130 the machine learning-based blood pressure prediction unit 220 predicts systolic, diastolic, and average blood pressures with three main blood pressure values using the GPR algorithm prediction model.
  • the machine learning-based blood pressure prediction unit 220 learns to extract a correlation between the predicted blood pressure and the chest compression depth and speed, and operates to predict the depth and speed according to the predicted blood pressure.
  • step S140 the neural network model-based point detection unit 230 predicts 8 point values for generating a blood pressure waveform using a neural network algorithm as a prediction model for multiple outputs.
  • the blood pressure waveform generating unit 240 generates a blood pressure waveform using the three predicted blood pressure values and the eight point values in steps S130 and S140 (S150).
  • the blood pressure waveform generator 240 derives one segmented blood pressure waveform using the spline interpolation method through a total of 11 predicted values and transmits it to the control unit 250.
  • the control unit 250 controls the blood pressure waveform generated by the blood pressure waveform generator 240, the systolic, diastolic, and average blood pressures predicted by the machine learning-based blood pressure prediction unit 220 and chest compressions transmitted from the CPR feedback device 100.
  • the chest compression elements including depth, speed, incomplete relaxation, compression rest period, compression fraction, etc. are displayed on the display unit 260 or controlled to be guided by voice (S160).
  • Modularization of the above-described device for predicting blood pressure through chest compression waveform analysis during CPR can be commercialized as one element of a defibrillator/monitor using a CPR feedback device.
  • the present invention estimates and provides the blood pressure generated in the human body of a cardiac arrest patient by chest compression using the index of the chest compression waveform during CPR, thereby providing a predictive blood pressure during CPR that allows the operator to perform CPR more effectively
  • it can be applied to various industrial fields to the extent of taking the same configuration as in the present invention.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Cardiology (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Emergency Medicine (AREA)
  • Physiology (AREA)
  • Epidemiology (AREA)
  • Pain & Pain Management (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Rehabilitation Therapy (AREA)
  • Pulmonology (AREA)
  • Vascular Medicine (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Nursing (AREA)

Abstract

심폐소생술 중 예측 혈압을 제공하는 장치와 방법이 개시된다. 본 발명의 일실시예에 의한 심폐소생술 중 예측 혈압을 제공하는 장치는, 심폐소생술 피드백장치의 가슴압박파형으로부터 지표값들을 산출하고 산출한 지표값으로 예측 혈압을 추출하여 표시하거나 안내해주는 혈압 피드백 장치를 포함하게 구성함으로써, 심폐소생술 중 환자에게서 발생한 혈역학적 효과를 시술자가 알 수 있도록 함으로써, 시술자가 심폐소생술을 더 효과적으로 할 수 있도록 하는 효과가 있다.

Description

심폐소생술 중 예측 혈압을 제공하는 장치 및 그 방법
본 발명은 심폐소생술 피드백 장치에 관한 것으로, 보다 상세하게는 행한 가슴압박에 의하여 환자에게 발생하는 혈역학적 효과(혈압)를 알 수 있도록, 심폐 소생술 중 가슴압박 파형의 지표를 사용하여 가슴압박으로 심장정지 환자의 인체에 발생된 혈압을 추정하여 제공하는 심폐소생술 중 예측 혈압을 제공하는 장치와 그방법에 관한 것이다.
심폐소생술 피드백(되먹임) 장치는 심장정지 환자에게 구조자가 시행할 때 가슴압박 상태를 측정하여 구조자에게 알려주는 장치이다. 심폐소생술 피드백 장치는 움직임 센서 등을 사용하여 일차적으로 가슴압박의 속도와 깊이를 측정하며, 이차적으로 가슴압박이 중단된 기간, 압박 분율(compression fraction, 심폐소생술을 한 총 시간 중 가슴압박 시간이 차지하는 비율)을 산출해 주기도 한다. 심폐소생술 피드백 장치는 측정된 결과를 시각적 또는 청각적으로 구조자에게 되먹임을 제공한다. 상용화된 되먹임 장치는 흉골과 구조자의 손 사이에 장치를 놓거나 구조자가 팔목에 차고 가슴압박을 하면 심폐소생술 술기와 관련된 지표가 산출되어 모니터에 표기되는 방식으로 작동된다.
상기한 바와 같이 심폐소생술 피드백 장치는 심폐소생술을 시행하는 구조자에게 가슴압박의 깊이와 속도를 알려줌으로써, 구조자가 가슴압박을 심폐소생술 가이드라인에 맞도록 정확하게 가슴압박을 하도록 유도하는 역할을 한다. 구조자가 가슴압박을 정확히 해야 하는 이유는 구조자의 가슴압박으로 환자를 생존시킬 수 있는 적절한 혈역학적 효과를 유발하기 위한 것이다.
현재의 심폐소생술 피드백 장치는 구조자가 시행한 가슴압박의 특성(압박 깊이, 속도 등)을 알려주지만, 구조자가 시행한 가슴압박이 환자에게서 어느 정도의 혈역학적 효과(수축기 혈압, 이완기 혈압, 평균 혈압)가 발생하는지에 대한 정보를 제공하지 않는다.
(특허문헌 1) KR 등록특허공보 제10-1071432호(2011.09.30)
이러한 문제점을 해결하기 위한 본 발명의 목적은 심폐소생술 중에 시술자가 자신이 시행한 가슴압박에 의하여 환자에게 발생하는 혈역학적 효과(혈압)를 알 수 있도록, 가슴압박으로 발생하는 파형을 바탕으로 혈압을 예측함으로써 시술자에게 혈역학적 효과를 포함한 심폐소생술 피드백을 제공하는 심폐소생술 중 예측 혈압을 제공하는 것이다.
이러한 과제를 해결하기 위한 본 발명의 일실시예에 의한 심폐소생술 중 예측 혈압을 제공하는 장치는, 심폐소생술 피드백장치의 가슴압박파형으로부터 지표값들을 산출하고 산출한 지표값으로 예측 혈압을 추출하여 표시하거나 안내해주는 혈압 피드백 장치를 포함하게 구성함으로써 달성될 수 있다.
상기 혈압피드백장치는 상기 심폐소생술 피드백 장치의 가슴압박 파형을 분석하여 지표값을 산출하는 전처리부와, 상기 전처리부에서 산출된 지표값을 이용하여 수축기, 이완기 그리고 평균 예측 혈압값을 산출하는 머신러닝기반 혈압예측부와, 상기 전처리부에서 산출된 지표값을 이용하여 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측하는 신경망모델 기반 포인트 검출부와, 상기 머신러닝기반 혈압예측부에서 예측된 수축기, 이완기 그리고 평균 혈압과 상기 신경망모델 기반 포인트 검출부에서 검출한 8개의 포인트값을 포함하는 총 11개의 예측된 값을 통해 Spline 보간법을 이용하여 하나의 분절된 혈압파형을 도출하는 혈압파형생성부와 그리고 상기 산출된 예측 혈압값, 상기 가슴압박 파형, 상기 혈압파형, 가슴압박 깊이, 또는 가슴압박속도 중 하나 이상을 디스플레이에 표시하거나 또는 음성으로 안내하는 제어부를 포함할 수 있다.
또한, 본 발명의 다른 실시예에 의한 심폐소생술 피드백 장치의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 심폐소생술 중 예측 혈압을 제공하는 장치는 상기 가슴압박파형으로부터 11개의 포인트값들을 산출하고 산출한 포인트값으로 예측 혈압 파형을 생성하여 표시하거나 안내해주는 혈압 피드백 장치를 포함하게 구성함으로써 달성될 수 있다.
상기 혈압피드백장치는 상기 심폐소생술 피드백 장치의 가슴압박 파형을 분석하여 지표값을 산출하는 전처리부와, 상기 전처리부에서 산출된 지표값을 이용하여 혈압세그먼트의 시작점과 종료점 그리고 최고점을 포함하는 3개의 포인트값을 산출하는 머신러닝기반 혈압예측부와, 상기 전처리부에서 산출된 지표값을 이용하여 8개의 포인트값을 추가로 도출하는 신경망모델기반 포인트 검출부와, 상기 총 11개의 포인트간 spline 보간법을 이용하여 예측 혈압 파형을 산출하는 혈압파형 생성부와, 상기 산출된 예측 혈압 파형, 예측 혈압, 상기 가슴압박 파형, 가슴압박 깊이, 또는 가슴압박속도 중 하나 이상을 디스플레이에 표시하거나 또는 음성으로 안내하는 제어부를 포함하여 구성될 수도 있다.
그리고 또 다른 실시예에 의한 심폐소생술 피드백 장치의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 혈압 피드백 장치를 이용한 심폐소생술 중 예측 혈압을 제공하는 방법은, 상기 심폐소생술 피드백 장치로부터 가슴압박파형을 도출하는 단계와, 상기 심폐소생술 중 예측 혈압 제공 장치에서 상기 도출된 가슴압박 파형분석을 통하여 혈압을 예측할 수 있도록 신호전처리와 입력특징을 추출하는 단계와, 상기 단계에서 추출된 입력특징을 이용하여 예측 혈압 제공 장치에서 GPR 알고리즘 예측 모델을 이용하여 3개의 주요 혈압값으로 수축기, 이완기, 평균 혈압을 예측하는 단계와, 상기 단계에서 추출된 입력특징과 3개의 혈압값을 이용하여 예측 혈압 제공 장치에서 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측하는 단계와, 상기 단계에서 추출된 3개의 예측 혈압값과 상기 8개의 포인트값을 이용하여 예측 혈압 제공 장치에서 혈압파형을 생성하는 단계와 그리고 상기 단계에서의 가슴압박파형과, 상기 3개의 예측 혈압값과 상기 혈압파형을 디스플레이되도록 제어하는 단계를 포함하게 구성함으로써 달성될 수 있다.
따라서 본 발명의 심폐소생술 중 예측 혈압을 제공하는 장치에 의하면. 심폐소생술 중 환자에게서 발생한 혈역학적 효과를 시술자가 알 수 있도록 함으로써, 시술자가 심폐소생술을 더 효과적으로 시행할 수 있도록 하는 효과가 있다.
도 1은 본 발명에 따른 심폐소생술 혈압 예측 장치를 개략적으로 나타낸 도면,
도 2는 본 발명에 따른 심폐소생술 혈압 예측 장치를 나타낸 블록도,
도 3은 본 발명에 따른 심폐소생술 혈압 예측 장치의 작동을 설명하기 위하여 나타낸 흐름도,
도 4는 가슴압박파형과 파라메터를 도시한 그래프,
도 5는 예측 혈압 파형을 생성하는 방법을 설명하기 위한 참고도면,
도 6은 예측 혈압파형과 실제 혈압파형을 비교한 도면,
도 7은 혈압 예측 지표를 사용한 수축기 혈압 예측의 일치도(좌)와 예측 결과의 Bland Altman Plot(우),
도 8은 혈압 예측 지표를 사용한 이완기 혈압 예측의 일치도(좌)와 예측 결과의 Bland Altman Plot(우),
그리고
도 9는 혈압 예측 지표를 사용한 평균동맥 혈압 예측의 일치도(좌)와 예측 결과의 Bland Altman Plot(우)이다.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정 해석되지 아니하며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
명세서 전체에서, 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", "…기", "모듈", "장치" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 및/또는 소프트웨어의 결합으로 구현될 수 있다.
명세서 전체에서 "및/또는"의 용어는 하나 이상의 관련 항목으로부터 제시 가능한 모든 조합을 포함하는 것으로 이해되어야 한다. 예를 들어, "제1 항목, 제2 항목 및/또는 제3 항목"의 의미는 제1, 제2 또는 제3 항목뿐만 아니라 제1, 제2 또는 제3 항목들 중 2개 이상으로부터 제시될 수 있는 모든 항목의 조합을 의미한다.
명세서 전체에서 각 단계들에 있어 식별부호(예를 들어, a, b, c, ...)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 한정하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
이하, 도면을 참고하여 본 발명의 일실시예에 대하여 설명한다.
도 1은 본 발명에 따른 심폐소생술 혈압 예측 장치를 개략적으로 나타낸 도면이고, 도 2는 본 발명에 따른 심폐소생술 혈압 예측 장치를 나타낸 블록도로, 도시된 바와 같이 본 발명의 심폐소생술 혈압 예측 장치는 심폐소생술 피드백 장치(100)의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 심폐소생술 중 예측 혈압 제공 장치(200)를 포함한다.
심폐소생술 중 예측 혈압 제공 장치(200)는 심폐소생술 피드백 장치(100)에서 피드백되는 가슴 압박 깊이 신호(이하, 가슴압박파형이라 함)로부터 지표값들을 산출하고 산출한 지표값으로 예측 혈압을 추출하여 표시하거나 안내해주도록 동작한다.
이를 위하여 심폐소생술 피드백 장치(100)는 3축 가속도 센서(110)와 3축 자이로스코프(120) 기반의 장치로 시간에 따른 가슴압박깊이를 출력하는 기기로 정의하고, 이는 통상의 CPR피드백 장치를 사용할 수 있다.
즉, 가슴에 올려놓은 형태, 손목에 차는 형태 등 다양한 형태의 심폐소생술 피드백 장치를 사용할 수 있으며, 신호처리부(130)는 3축 가속도 센서(110)와 3축 자이로스코프(120)로부터 신호를 수신하여 가슴압박 파형을 획득힌디.
이러한 가슴압박파형이 도 4에 예시되어 있다.
도 4는 심폐소생술 피드백 장치에서 생성한 가슴압박 파형(그림)과 파라메터를 도시한 그래프로서, 가슴압박 파형에는 가슴압박 파형 분석을 위한 지표값으로 가슴압박깊이(CD), 가슴압박시간(CT), 평균압박속도(Mean CV), 최대압박속도(Max CV), 이완깊이(RD), 이완시간(RT), 평균이완속도(Mean RV), 최대이완속도(Max RV), 가슴압박속도(CPR rate), 압박/이완 시간비율(Time rate) 등과 같은 지표값이 한 사이클 단위로 표시되어 있다.
도 4의 가슴 압박 파형의 지표에 대한 정의가 아래 표 1과 표 2에 예시되어 있다.
Figure PCTKR2022006756-appb-img-000001
Figure PCTKR2022006756-appb-img-000002
지표에는 표 2에서와 같이 성별과 나이 등도 포함되는 것이 가장 바람직하나, 본 발명에서는 성별과 나이에 대한 지표는 차후 반영하도록 하였다.
또한, 심폐소생술 피드백 장치(100)는 가슴 압박깊이, 속도 불완전 이완, 압박휴지기간, 그리고 압박 분율 등을 포함하는 가슴압박요소를 추출하여 예측 혈압 제공 장치(200)의 제어부(250)로 전송한다.
심폐소생술 중 예측 혈압 제공 장치(200)는 심폐소생술 피드백 장치(100)로부터 수신한 가슴압박 파형을 신호 분석을 통하여 혈압을 예측하고, 예측된 혈압을 분석한 내용을 출력함과 동시에 분석 내용을 시각적으로 볼 수 있거나 음성으로 안내할 수 있도록 구성한다.
또한, 혈압 제공 장치(200)는 산출된 각 지표의 값을 사용하여 machine learning 방법으로 추정한 혈압값(예측 혈압: 수축기 혈압, 이완기 혈압, 평균 혈압)을 산출하도록 동작한다.
이러한 심폐소생술 중 예측 혈압 제공 장치(200)는 가슴압박깊이가 출력되는 통상의 CPR 피드백장치와 결합하여 사용되거나 독립적으로 사용될 수 있는 모듈형태의 전자장치로 구성할 수 있음은 물론이다. 내부에는 예측알고리즘을 수행하기 위한 전자적 시스템이 구성될 수 있다.
또한, 본 발명의 심폐소생술 중 예측 혈압 제공 장치(200)는 혈압 예측 결과를 실시간 제공할 뿐 아니라, 심폐소생술이 종료된 후 심폐소생술 결과의 debriefing을 위한 분석(시간별, 시술자별 심폐소생술 결과) 결과를 제공할 수도 있다.
이를 위하여 심폐소생술 중 예측 혈압 제공 장치(200)는 심폐소생술 피드백 장치(100)로부터 수신한 가슴압박파형을 전처리부(210)에서 실시간으로 시간에 따른 가슴압박깊이의 변화를 디지털신호로 받아 이를 전처리 한다.
전처리부(210)는 신호의 노이즈나 불필요한 신호를 제거하고 예측모델에 입력하기 위해 신호를 분절(Segmentation)하는 작업을 포함하고, 분절된 가슴압박신호로부터 지표들을 추출한다. 추출된 지표들은 예측모델에 입력값으로 쓰인다.
전처리부(210)에서 추출된 특징값들은 2개의 예측모델에 각각 입력된다.
즉, 머신러닝 기반 혈압예측부(220)는 GPR 알고리즘 예측 모델을 이용하여 3개의 주요 혈압값으로 수축기, 이완기, 평균 혈압을 예측하도록 동작한다.
수축기, 이완기 혈압은 중요한 수치이므로 정확도가 높은 GPR 알고리즘을 이용한다.
이러한 혈압을 예측하는 알고리즘이 탑재된 머신러닝 기술로 학습된 회귀모델은 GPR알고리즘 기반으로 구성되어 있으며, 이를 실생활에 사용하기 위해 필요한 플랫폼에 이식하는 작업을 원활한 실험실환경에서 진행되며, 새로운 데이터를 획득하고 이는 기존에 학습된 모델에 입력시켜 재학습하게 함으로써, 예측능력을 향상시킬 수 있도록 하는 것이다.
또한, 머신러닝 기반 혈압예측부(220)는 예측된 혈압과 가슴압박 깊이와 속도간의 상관관계를 추출하도록 학습하고, 예측된 혈압에 따라 깊이와 속도를 예측하도록 동작한다.
그리고 신경망모델기반 포인트 검출부(230)는 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측한다.
각 예측모델들은 사전에 방대한 CPR 데이터를 기반으로 학습을 하였고 높은 예측도를 보이도록 설계된 모델로서, 새로운 데이터가 입력되면 학습을 통해 점점 예측 정확도를 높일 수 있도록 동작한다.
실제 의료상황에서 수축기, 이완기 혈압값은 CPR의 중요한 모니터링 요소이며 반드시 디스플레이 해주어야 하는 요소이다.
혈압파형생성부(240)는 머신러닝 기반 혈압예측부(220)로부터 수축기, 이완기, 평균 혈압을 입력받고, 신경망모델기반 포인트 검출부(230)로부터 예측된 혈압 파형 생성을 위한 8개의 포인트값을 입력받아 혈압파형을 예측하도록 동작한다.
즉, 혈압파형생성부(240)는 총 11개의 예측된 값을 통해 Spline 보간법을 이용하여 하나의 분절된 혈압파형을 도출하여 제어부(250)로 전송한다.
도 5의 예측 혈압 파형을 생성하는 방법을 설명하기 위한 참고도면과 도 6의 예측 혈압파형과 실제 혈압파형을 비교한 도면을 참고하면, 수축기, 이완기 혈압은 Blood pressure segment의 시작과 끝 그리고 최고점을 표시할 수 있게 한다.
도면에는 DBP(이완기혈압)와 SBP(수축기 혈압)로 파란색 점으로 표시되어 있다.
나머지 8개 포인트는 Blood pressure segment의 가로(시간)를 8등분한 시점에서의 값으로 정의하고 이를 학습된 다중출력을 위한 신경망 알고리즘에 넣어 값을 도출하는 것이다. 도면에는 검정색 점으로 P1 내지 P8으로 표기되어 있다.
결국 총 11개의 포인트가 생성되었고 이점들 사이는 Spline 보간법을 이용하여 데이터를 채워 넣으면 된다.
도 6을 참고하면, 하단에는 본 발명의 예측 혈압 제공 장치에서 생성된 혈압파형이고 상단은 실제 혈압파형으로 일치하고 있음을 알 수 있다.
따라서 본 발명의 예측 혈압 제공 장치는 CPR 피드백장치와 범용성있게 결합하여 비침습적인 방법으로 연속적인 혈압값을 예측할 수 있는 것이다.
또한, 본 발명의 예측 혈압 제공 장치는 기존의 가슴압박 파형으로부터의 산출값(압박 깊이, 속도, 불완전 이완, 가슴압박 휴지 기간, 가슴압박 분율)과 더불어 혈역학적 피드백(혈압, 혈압 파형)을 제공할 수 있는 것이다.
또한, 혈압파형생성부(240)에서 생성된 혈압파형과 머신러닝기반혈압예측부(220)에서 예측된 수축기, 이완기, 평균 혈압은 심폐소생술 피드백 장치(100)에서 생성한 가슴압박 파형은 시각적으로 볼 수 있도록 최종 디스플레이부(250)에 디스플레이되는 것이다.
제어부(250)는 예측 혈압 제공 장치(200)의 각 구성요소를 제어하며, 특히 혈압파형생성부(240)에서 생성한 혈압파형과, 머신러닝 기반 혈압예측부(220)에서 예측된 수축기, 이완기, 평균 혈압과 가슴압박 깊이와 속도간의 상관관계를 수신하고, 심폐소생술 피드백 장치(100)에서 전송된 가슴 압박깊이, 속도 불완전 이완, 압박휴지기간, 그리고 압박 분율 등을 포함하는 가슴압박요소를 디스플레이부(260)에 디스플레이되게 하거나 음성으로 안내할 수 있도록 제어한다.
결국 디스플레이부(260)에는 가슴압박파형과 이에 따른 예측 혈압값과 예측 혈압값에 따른 가슴 압박의 깊이와 속도에 대한 정보가 디스플레이되는 것이다.
따라서 이러한 정보를 이용하여 심폐소생술 중 환자에게서 발생한 혈역학적 효과를 시술자가 시각 또는 음성으로 알 수 있도록 함으로써, 시술자가 심폐소생술을 더 효과적으로 할 수 있도록 하는 것이다.
표 3과 도 7 내지 도 9는 혈압 예측 지표를 사용한 예측 일치도 분석결과에 대한 것으로 표 3은 특징 선택 알고리즘별로 머신러닝으로 학습한 회귀모델의 성능을 예시한 것이다.
Figure PCTKR2022006756-appb-img-000003
표 3은 NCA 특징선택 알고리즘을 이용하여 특징을 선택하고 GPR 회귀모델의 조합이 가장 정확한 예측 능력을 보여주었음을 알 수 있다.
따라서 본 발명의 머신러닝 기반 혈압예측부(220)는 GPR 알고리즘 예측 모델을 이용하여 3개의 주요 혈압값을 추출하도록 예시한 것이다.
도 7 내지 도 9는 혈압 예측 지표를 사용한 동맥압 예측의 일치도 분석 결과를 예시한 것으로, 도 7 내지 도 9는 학습에 사용되지 않고 따로 분리된 데이터를 이용하여 회귀모델에 입력하여 예측성능을 그래프로 표현한 것으로 도 7의 (a)도면은 혈압 예측 지표를 사용한 수축기 혈압 예측의 일치도를 표시한 것이며, 도 7(b)도면은 예측 결과의 Bland Altman Plot이다.
또한, 도 8의 (a)도면은 혈압 예측 지표를 사용한 이완기 혈압 예측의 일치도이며 도 8의 (b)도면은 예측 결과의 Bland Altman Plot이다.
또한, 도 9의 (a)도면은 혈압 예측 지표를 사용한 평균동맥 혈압 예측의 일치도이며 도 9의 (b)도면은 예측 결과의 Bland Altman Plot이다.
이하, 도면을 참고하여 상술한 구성의 심폐소생술 중 가슴압박 파형 분석을 통한 혈압 예측 장치의 동작에 대하여 설명한다.
도 3은 본 발명에 따른 심폐소생술 혈압 예측 장치의 작동을 설명하기 위하여 나타낸 흐름도로서, 도시된 바와 같이, 본 발명의 심폐소생술 혈압 예측 장치는 심폐소생술 피드백 장치(100)로부터 가슴압박 파형을 입력받아 예측 혈압 제공 장치(200)에서 혈압을 예측하여 표시하고 안내하도록 동작한다.
구체적으로 심폐소생술 피드백 장치(100)로부터 가슴압박파형을 도출한다(S110).
단계 S110에서 도출된 가슴압박파형에는 가슴압박 파형 분석을 위한 지표값으로 가슴압박깊이(CD), 가슴압박시간(CT), 평균압박속도(Mean CV), 최대압박속도(Max CV), 이완깊이(RD), 이완시간(RT), 평균이완속도(Mean RV), 최대이완속도(Max RV), 가슴압박속도(CPR rate), 압박/이완 시간비율(Time rate) 등과 같은 지표값이 포함된다.
또한, 심폐소생술 피드백 장치(100)는 가슴압박파형으로부터 가슴 압박깊이, 속도 불완전 이와, 압박휴지기간, 그리고 압박 분율 등을 포함하는 가슴압박요소를 추출하여 예측 혈압 제공 장치(200)로 전송한다.
심폐소생술 중 예측 혈압 제공 장치(200)는 단계 S110에서 도출된 가슴압박 파 분석을 통하여 혈압을 예측할 수 있도록 신호전처리와 입력특징을 추출한다(S120).
구체적으로 전처리부(210)에서 실시간으로 시간에 따른 가슴압박깊이의 변화를 디지털신호로 받아 이를 전처리한다.
또한, 전처리부(210)는 신호의 노이즈나 불필요한 신호를 제거하고 예측모델에 입력하기 위해 신호를 분절(Segmentation)하는 작업을 포함하고, 분절된 가슴압박신호로부터 특징을 추출한다. 추출된 특징은 예측모델에 입력값으로 사용할 수 있도록 입력특징들을 추출하는 것이다.
단계 S120에서 추출된 특징값들은 2개의 예측모델에 각각 입력된다(S130, S140).
즉, 단계 S130에서는 머신러닝 기반 혈압예측부(220)에서 GPR 알고리즘 예측 모델을 이용하여 3개의 주요 혈압값으로 수축기, 이완기, 평균 혈압을 예측한다.
또한, 머신러닝 기반 혈압예측부(220)는 예측된 혈압과 가슴압박 깊이와 속도간의 상관관계를 추출하도록 학습하고, 예측된 혈압에 따라 깊이와 속도를 예측하도록 동작한다.
단계 S140에서는 신경망모델기반 포인트 검출부(230)에서 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측한다.
단계 S130과 단계 S140에서 3개의 예측 혈압값과 8개의 포인트값을 이용하여 혈압파형생성부(240)에서 혈압파형을 생성한다(S150).
즉, 혈압파형생성부(240)는 총 11개의 예측된 값을 통해 Spline 보간법을 이용하여 하나의 분절된 혈압파형을 도출하여 제어부(250)로 전송한다.
제어부(250)는 혈압파형생성부(240)에서 생성한 혈압파형과, 머신러닝 기반 혈압예측부(220)에서 예측된 수축기, 이완기, 평균 혈압과 심폐소생술 피드백 장치(100)에서 전송된 가슴 압박깊이, 속도 불완전 이완, 압박휴지기간, 그리고 압박 분율 등을 포함하는 가슴압박요소를 디스플레이부(260)에 디스플레이되게 하거나 음성으로 안내할 수 있도록 제어한다(S160)
상술한 심폐소생술 중 가슴압박 파형 분석을 통한 혈압 예측 장치를 모듈화하면 심폐소생술 피드백장치를 사용하는 제세동기/모니터의 한 요소로서 상용화가 가능하다.
이상에서 본 발명은 기재된 구체예에 대하여 상세히 설명되었지만 본 발명의 기술사상 범위 내에서 다양한 변형 및 수정이 가능함은 당업자에게 있어서 명백한 것이며, 이러한 변형 및 수정이 첨부된 특허 청구범위에 속함은 당연한 것이다.
본 발명은 심폐 소생술 중 가슴압박 파형의 지표를 사용하여 가슴압박으로 심장정지 환자의 인체에 발생된 혈압을 추정하여 제공하여 시술자가 심폐소생술을 더 효과적으로 시행할 수 있는 심폐소생술 중 예측 혈압을 제공하는 장치로 구현되었으나 본 발명에서와 같은 구성을 취하는 범위에서 다양한 산업 분야에 적용 가능하다.

Claims (15)

  1. 심폐소생술 피드백 장치의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 심폐소생술 중 예측 혈압을 제공하는 장치에 있어서,
    상기 가슴압박파형으로부터 지표값들을 산출하고 산출한 지표값으로 예측 혈압을 추출하여 표시하거나 안내해주는 혈압 피드백 장치;
    를 포함하는 심폐소생술 중 예측 혈압을 제공하는 장치.
  2. 청구항 1에 있어서,
    상기 심폐소생술 피드백 장치는
    가슴압박의 깊이와 속도를 추출하여 혈압 피드백장치로 전송하고, 혈압 피드백장치는 상기 가슴압박파형과 예측 혈압 그리고 예측 혈압에 따른 가슴압박의 깊이와 속도를 표시하거나 안내해주는 심폐소생술 중 예측 혈압을 제공하는 장치.
  3. 청구항 2에 있어서,
    상기 혈압피드백장치는
    상기 심폐소생술 피드백 장치의 가슴압박 파형을 분석하여 지표값을 산출하는 전처리부;
    상기 전처리부에서 산출된 지표값을 이용하여 수축기, 이완기 그리고 평균 예측 혈압값을 산출하는 머신러닝기반 혈압예측부;
    상기 전처리부에서 산출된 지표값을 이용하여 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측하는 신경망모델 기반 포인트 검출부;
    상기 머신러닝기반 혈압예측부에서 예측된 수축기, 이완기 그리고 평균 혈압과 상기 신경망모델 기반 포인트 검출부에서 검출한 8개의 포인트값을 포함하는 총 11개의 예측된 값을 통해 Spline 보간법을 이용하여 하나의 분절된 혈압파형을 도출하는 혈압파형생성부;및
    상기 산출된 예측 혈압값, 상기 가슴압박 파형, 상기 혈압파형, 가슴압박 깊이, 또는 가슴압박속도 중 하나 이상을 디스플레이에 표시하거나 또는 음성으로 안내하는 제어부;
    를 포함하는 심폐소생술 중 예측 혈압을 제공하는 장치.
  4. 청구항 3에 있어서,
    상기 전처리부는
    상기 심폐소생술 피드백 장치의 가슴압박 파형으로부터 가슴압박 파형 분석을 위한 지표값으로 가슴압박깊이(CD), 가슴압박시간(CT), 평균압박속도(Mean CV), 최대압박속도(Max CV), 이완깊이(RD), 이완시간(RT), 평균이완속도(Mean RV), 최대이완속도(Max RV), 가슴압박속도(CPR rate), 압박/이완 시간비율(Time rate) 중 둘 이상의 값을 산출하는 심폐소생술 중 예측 혈압을 제공하는 피드백 장치.
  5. 청구항 3에 있어서,
    상기 머신러닝기반 혈압예측부는
    가슴압박파형으로부터 지표값들을 산출하고 산출된 지표값에 대한 예측혈압을 학습하여 저장하고 있는 것을 특징으로 하는 심폐소생술 중 예측 혈압을 제공하는 장치.
  6. 심폐소생술 피드백 장치의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 심폐소생술 중 예측 혈압을 제공하는 장치에 있어서,
    상기 가슴압박파형으로부터 11개의 포인트값들을 산출하고 산출한 포인트값으로 예측 혈압 파형을 생성하여 표시하거나 안내해주는 혈압 피드백 장치;
    를 포함하는 심폐소생술 중 예측 혈압을 제공하는 장치.
  7. 청구항 6에 있어서,
    상기 혈압피드백장치는
    상기 심폐소생술 피드백 장치의 가슴압박 파형을 분석하여 지표값을 산출하는 전처리부;
    상기 전처리부에서 산출된 지표값을 이용하여 혈압세그먼트의 시작점과 종료점 그리고 최고점을 포함하는 3개의 포인트값을 산출하는 머신러닝기반 혈압예측부;
    상기 전처리부에서 산출된 지표값을 이용하여 8개의 포인트값을 추가로 도출하는 신경망모델기반 포인트 검출부;
    상기 총 11개의 포인트간 spline 보간법을 이용하여 예측 혈압 파형을 산출하는 혈압파형 생성부;
    상기 산출된 예측 혈압 파형, 예측 혈압, 상기 가슴압박 파형, 가슴압박 깊이, 또는 가슴압박속도 중 하나 이상을 디스플레이에 표시하거나 또는 음성으로 안내하는 제어부;
    를 포함하는 심폐소생술 중 예측 혈압을 제공하는 장치.
  8. 청구항 7에 있어서,
    상기 전처리부는
    상기 심폐소생술 피드백 장치의 가슴압박 파형으로부터 가슴압박 파형 분석을 위한 지표값으로 가슴압박깊이(CD), 가슴압박시간(CT), 평균압박속도(Mean CV), 최대압박속도(Max CV), 이완깊이(RD), 이완시간(RT), 평균이완속도(Mean RV), 최대이완속도(Max RV), 가슴압박속도(CPR rate), 압박/이완 시간비율(Time rate) 중 둘 이상의 값을 산출하는 심폐소생술 중 예측 혈압을 제공하는 피드백 장치.
  9. 청구항 7에 있어서,
    상기 신경망모델기반 포인트 검출부는
    상기 압박파형분석부로부터 시작포인트, 종료포인트, 그리고 최고포인트의 3개의 포인트값을 산출하여 혈압 예측 파형에 표시하고, 상기 시작포인트와 종료포인트를 가로로 8등분하여 8개의 포인트값을 추가로 도출하는 심폐소생술 중 예측 혈압을 제공하는 장치.
  10. 심폐소생술 피드백 장치의 가슴압박 파형을 사용하여 혈압을 예측하여 표시하고 안내하는 혈압 피드백 장치를 이용한 심폐소생술 중 예측 혈압을 제공하는 방법에 있어서,
    (a)상기 심폐소생술 피드백 장치로부터 가슴압박파형을 도출하는 단계;
    (b)상기 심폐소생술 중 예측 혈압 제공 장치에서 상기 도출된 가슴압박 파형분석을 통하여 혈압을 예측할 수 있도록 신호전처리와 입력특징을 추출하는 단계;
    (c)상기 (b)단계에서 추출된 입력특징을 이용하여 예측 혈압 제공 장치에서 GPR 알고리즘 예측 모델을 이용하여 3개의 주요 혈압값으로 수축기, 이완기, 평균 혈압을 예측하는 단계;
    (d)상기 (b)단계에서 추출된 입력특징과 상기 (c)단계에서 추출된 3개의 혈압값을 이용하여 예측 혈압 제공 장치에서 다중 출력을 위한 예측모델로 신경망 알고리즘을 이용하여 혈압 파형 생성을 위한 8개의 포인트값을 예측하는 단계;
    (e)상기 (c)단계에서 추출된 3개의 예측 혈압값과 상기 (d)단계에서 추출된 8개의 포인트값을 이용하여 예측 혈압 제공 장치에서 혈압파형을 생성하는 단계;및
    (f)상기 (a)단계에서의 가슴압박파형과, 상기 (c)단계에서의 3개의 예측 혈압값과 상기 (e)단계에서의 혈압파형을 예측 혈압 제공 장치에서 디스플레이되도록 제어하는 단계;
    를 포함하는 심폐소생술 중 예측 혈압을 제공하는 방법.
  11. 청구항 10에 있어서,
    상기 (a)단계는
    상기 가슴압박파형으로부터 가슴 압박깊이, 속도 불완전 이완, 압박휴지기간, 그리고 압박 분율을 포함하는 가슴압박요소를 추출하여 예측 혈압 제공 장치로 전송하는 단계를 더 포함하는 심폐소생술 중 예측 혈압을 제공하는 방법.
  12. 청구항 10에 있어서,
    상기 (a)단계는
    상기 가슴압박파형에는 가슴압박 파형 분석을 위한 지표값으로 가슴압박깊이(CD), 가슴압박시간(CT), 평균압박속도(Mean CV), 최대압박속도(Max CV), 이완깊이(RD), 이완시간(RT), 평균이완속도(Mean RV), 최대이완속도(Max RV), 가슴압박속도(CPR rate), 압박/이완 시간비율(Time rate) 중 둘 이상의 지표값이 포함되는 심폐소생술 중 예측 혈압을 제공하는 방법.
  13. 청구항 10에 있어서,
    상기 (c)단계는
    예측된 혈압과 가슴압박 깊이와 속도간의 상관관계를 추출하도록 학습하고, 예측된 혈압에 따라 깊이와 속도를 예측하는 단계를 더 포함하는 심폐소생술 중 예측 혈압을 제공하는 방법.
  14. 청구항 10에 있어서,
    상기 (e)단계는
    상기 3개의 예측 혈압값과 8개의 포인트값을 Spline 보간법을 이용하여 하나의 분절된 혈압파형을 도출하는 단계를 더 포함하는 심폐소생술 중 예측 혈압을 제공하는 방법.
  15. 청구항 11에 있어서,
    상기 (f)단계는
    상기 (a)단계에서의 전송된 가슴 압박깊이, 속도 불완전 이완, 압박휴지기간, 그리고 압박 분율을 디스플레이되게 하여 예측 혈압과 가슴 압박깊이, 그리고 속도를 표시하는 단계를 포함하는 심폐소생술 중 예측 혈압을 제공하는 방법.
PCT/KR2022/006756 2021-09-15 2022-05-11 심폐소생술 중 예측 혈압을 제공하는 장치 및 그 방법 WO2023042991A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210123000A KR20230040403A (ko) 2021-09-15 2021-09-15 심폐소생술 중 예측 혈압을 제공하는 장치 및 그 방법
KR10-2021-0123000 2021-09-15

Publications (1)

Publication Number Publication Date
WO2023042991A1 true WO2023042991A1 (ko) 2023-03-23

Family

ID=85603051

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/006756 WO2023042991A1 (ko) 2021-09-15 2022-05-11 심폐소생술 중 예측 혈압을 제공하는 장치 및 그 방법

Country Status (2)

Country Link
KR (1) KR20230040403A (ko)
WO (1) WO2023042991A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117503085A (zh) * 2023-11-07 2024-02-06 西康软件有限责任公司 血压数据评估方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101071432B1 (ko) 2009-01-29 2011-10-10 연세대학교 산학협력단 심폐소생술용 흉부압박 깊이 측정장치
WO2013181376A1 (en) * 2012-05-31 2013-12-05 Lifewave, Inc. Medical radar system for guiding cardiac resuscitation
JP2014521476A (ja) * 2011-08-12 2014-08-28 ゾール メディカル コーポレイション Ｃｐｒ深さ情報を含む除細動器ディスプレイ
US20160199251A1 (en) * 2013-08-13 2016-07-14 Koninklijke Philips N.V. Cardio pulmonary resuscitation quality feedback system
WO2020095276A1 (fr) * 2018-11-09 2020-05-14 Archeon Appareils d'assistance à la réalisation d'une procédure de soins d'urgence, système d'assistance à la réanimation cardiopulmonaire synchronisée et procédé associé
KR20200104675A (ko) * 2019-02-27 2020-09-04 연세대학교 원주산학협력단 광용적맥파 기반의 심폐소생술 피드백 장치 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101071432B1 (ko) 2009-01-29 2011-10-10 연세대학교 산학협력단 심폐소생술용 흉부압박 깊이 측정장치
JP2014521476A (ja) * 2011-08-12 2014-08-28 ゾール メディカル コーポレイション Ｃｐｒ深さ情報を含む除細動器ディスプレイ
WO2013181376A1 (en) * 2012-05-31 2013-12-05 Lifewave, Inc. Medical radar system for guiding cardiac resuscitation
US20160199251A1 (en) * 2013-08-13 2016-07-14 Koninklijke Philips N.V. Cardio pulmonary resuscitation quality feedback system
WO2020095276A1 (fr) * 2018-11-09 2020-05-14 Archeon Appareils d'assistance à la réalisation d'une procédure de soins d'urgence, système d'assistance à la réanimation cardiopulmonaire synchronisée et procédé associé
KR20200104675A (ko) * 2019-02-27 2020-09-04 연세대학교 원주산학협력단 광용적맥파 기반의 심폐소생술 피드백 장치 및 방법

Also Published As

Publication number Publication date
KR20230040403A (ko) 2023-03-23

Similar Documents

Publication Publication Date Title
US20210202090A1 (en) Automated health condition scoring in telehealth encounters
WO2019088462A1 (ko) 혈압 추정 모델 생성 시스템 및 방법과 혈압 추정 시스템 및 방법
WO2023042991A1 (ko) 심폐소생술 중 예측 혈압을 제공하는 장치 및 그 방법
WO2020009387A1 (ko) 순환신경망을 이용한 구간혈압 추정 방법 및 그 방법을 구현하기 위한 구간 혈압 추정 장치
WO2020040363A1 (ko) 4d 아바타를 이용한 동작가이드장치 및 방법
WO2018169330A1 (en) Systems and methods for determining defects in visual field of a user
WO2016159443A1 (ko) 얼굴 인식 기반 어플리케이션의 피드백 ｕｉ 제공 서비스 방법 및 시스템
WO2013133583A1 (ko) 실감 인터랙션을 이용한 인지재활 시스템 및 방법
WO2021045367A1 (ko) 상담 대상자의 드로잉 과정을 통해 심리 상태를 판단하는 방법 및 컴퓨터 프로그램
WO2020111344A1 (ko) 근전도 신호를 이용하여 신체동작을 가상의 공간에서 구현하는 시스템 및 방법
JP3027521B2 (ja) 無人端末装置
JP2018503413A (ja) 心肺適応能評価
KR20140112121A (ko) 네츄럴 인터렉션 기반의 건강 및 재활 게임 장치 및 방법
WO2014104463A1 (ko) 네츄럴 인터렉션 기반의 건강 및 재활 장치
WO2020145455A1 (ko) 증강현실 기반 심혈관계 시술 가상훈련 시뮬레이터 시스템 및 그 방법
WO2023068440A1 (ko) 로봇 손 시스템 및 로봇 손 제어 방법
WO2019035586A1 (ko) 자세 가이드 제공 방법 및 그 장치
WO2021141186A1 (ko) 멀티형 인지재활 훈련 시스템 및 방법
WO2022145563A1 (ko) 사용자 맞춤형 운동 훈련 방법 및 시스템
WO2021153863A1 (ko) 신체의 목적 타겟 위치 확인 방법
WO2020159276A1 (ko) 수술 분석 장치, 수술영상 분석 및 인식 시스템, 방법 및 프로그램
CN115212459A (zh) 基于智能终端的可穿戴自动体外除颤仪、系统、设备
WO2021162181A1 (ko) 의료 도구 제어 장치의 동작을 결정하기 위한 기계 학습 모델을 트레이닝하는 방법 및 장치
WO2024111831A1 (ko) 광체적 변화신호를 이용한 혈압 추정 모델 학습 방법 및 시스템
WO2022182182A1 (ko) 딥러닝 알고리즘을 기반으로 하는 심전도 생성 시스템 및 그 방법

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: 22870081

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2022870081

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022870081

Country of ref document: EP

Effective date: 20240328

NENP Non-entry into the national phase

Ref country code: DE