WO2024072102A1 - 레이더 기반 비접촉식 부정맥 감지 방법 및 장치 - Google Patents

레이더 기반 비접촉식 부정맥 감지 방법 및 장치 Download PDF

Info

Publication number
WO2024072102A1
WO2024072102A1 PCT/KR2023/015043 KR2023015043W WO2024072102A1 WO 2024072102 A1 WO2024072102 A1 WO 2024072102A1 KR 2023015043 W KR2023015043 W KR 2023015043W WO 2024072102 A1 WO2024072102 A1 WO 2024072102A1
Authority
WO
WIPO (PCT)
Prior art keywords
matrix
trajectory
trajectory matrix
equation
arrhythmia detection
Prior art date
Application number
PCT/KR2023/015043
Other languages
English (en)
French (fr)
Inventor
강시혁
신인식
Original Assignee
서울대학교병원
한국과학기술원
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
Priority claimed from KR1020230129639A external-priority patent/KR20240046070A/ko
Application filed by 서울대학교병원, 한국과학기술원 filed Critical 서울대학교병원
Publication of WO2024072102A1 publication Critical patent/WO2024072102A1/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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing

Abstract

일 실시예에 따른 부정맥 감지 장치 및 방법이 개시된다. 일 실시예에 따른 부정맥 감지 장치는 하나 이상의 프로세서; 및 상기 하나 이상의 프로세서에 의해 실행되는 하나 이상의 프로그램을 저장하는 메모리를 구비하는 부정맥 감지 장치로서, 상기 하나 이상의 프로세서는: 피검자로부터 반사되는 일정 주기의 초광대역 레이더 신호의 원시 데이터를 획득하고, 상기 원시 데이터에서 변환되는 시계열 데이터에 기초하여 제1 궤적 행렬을 생성하고, 상기 제1 궤적 행렬을 분해하여 제2 궤적 행렬을 생성하고, 상기 제2 궤적 행렬을 변환하여 심장 신호를 추출하고, 상기 심장 신호에서 특정 파장 간격이 기 설정된 값 이상인 경우, 상기 피검자를 부정맥 환자로 분류한다.

Description

레이더 기반 비접촉식 부정맥 감지 방법 및 장치
개시되는 실시예들은 초광대역 레이더 기반의 비접촉식 부정맥 감지 기술에 관한 것이다.
[관련 출원의 상호 참조]
본 출원은 2022년 9월 30일에 출원된 대한민국 임시 특허 출원 제10-2022-0125497호 및 2023년 9월 26일 출원된 대한민국 특허출원 제10-2023-0129639호에 대한 우선권을 주장하며, 그 출원 내용 전체가 본 출원에 통합된다.
부정맥은 심장돌연사 원인 및 뇌졸중의 주요 원인으로 꼽히는 중대한 질환으로 신속한 검사가 필요하다. 부정맥은 심전도(electrocardiogram; ECG)와 초음파에 의존하여 진단된다.
그러나, 심전도는 환자에게 부착된 전극으로 환자의 움직임을 제한하고, 접촉성 감염 질환을 유발할 수 있다. 초음파는 고가의 장비로서, 숙련된 의료진에 의해 다뤄져야만 한다.
상기 문제점을 해결하고자 일부 연구에서는 부정맥 감지 방법에 초광대역(Ultra-WideBand; UWB) 기술을 접목한다. 그러나, 일부 연구는 심장 박동 수 또는 심장 박동 사이의 시간 차이를 측정하여 부정맥을 추정한다.
즉, 현재 연구들은 전통적인 방식을 벗어나 UWB 기술에 접목하기 위해 변형된 단순화 방식을 채택할 뿐이다. 전통적인 방식으로는, R 피크 간격, P파 특성, PR 간격 및 QRS 간격을 분석함으로써 부정맥을 검출하기 때문이다.
일부 심전도 파형의 특징들은 심장의 전기적 특성을 고려해야 하므로, 심전도 측정이 불가피하다. 그러나, R 피크 간격의 경우에는 UWB 기술을 통해서 검출 가능함에도 불구하고, 관련된 연구가 존재하지 않는다.
즉, 현재 도출된 기존 연구들에도 불구하고, 전통적인 부정맥 검출 방식을 답습하면서도, 측정 기기의 단점을 극복할 수 있는 새로운 부정맥 검출 방식이 여전히 필요한 실정이다.
개시되는 실시예들은 레이더 기반 비접촉식 부정맥 감지 방법 및 장치를 제공하기 위한 것이다.
일 실시예에 따른 부정맥 감지 장치는 하나 이상의 프로세서; 및 상기 하나 이상의 프로세서에 의해 실행되는 하나 이상의 프로그램을 저장하는 메모리를 구비하는 부정맥 감지 장치로서, 상기 하나 이상의 프로세서는: 피검자로부터 반사되는 일정 주기의 초광대역 레이더 신호의 원시 데이터를 획득하고, 상기 원시 데이터에서 변환되는 시계열 데이터에 기초하여 제1 궤적 행렬을 생성하고, 상기 제1 궤적 행렬을 분해하여 제2 궤적 행렬을 생성하고, 상기 제2 궤적 행렬을 변환하여 심장 신호를 추출하고, 상기 심장 신호에서 특정 파장 간격이 기 설정된 값 이상인 경우, 상기 피검자를 부정맥 환자로 분류한다.
상기 하나 이상의 프로세서는: 상기 원시 데이터에 포함되는 최대 동적 변동에 기초하여 상기 피검자의 흉벽 위치를 식별할 수 있다.
상기 하나 이상의 프로세서는: 상기 제1 궤적 행렬의 주대각선에 수직하는 나머지 대각선들의 성분이 모두 동일하도록, 상기 시계열 데이터를 하기 [수학식 1]에 기초하여 상기 제1 궤적 행렬의 성분으로 배치함으로써 상기 제1 궤적 행렬을 생성할 수 있다.
[수학식 1]
Figure PCTKR2023015043-appb-img-000001
(여기서, H는 제1 궤적 행렬, xa는 a번째 시계열 데이터, L은 시계열 데이터의 길이, n과 m은 임의의 자연수, 단, n=L-m+1이고, 2≤m≤n)
상기 하나 이상의 프로세서는: 상기 제1 궤적 행렬의 공분산 행렬을 하기 [수학식 2]에 기초하여 산출할 수 있다.
[수학식 2]
Figure PCTKR2023015043-appb-img-000002
(여기서, C는 상기 공분산 행렬, H는 상기 제1 궤적 행렬, HT는 상기 제1 궤적 행렬의 전치, n은 상기 시계열 데이터의 수)
상기 하나 이상의 프로세서는: 상기 제1 궤적 행렬의 공분산 행렬에 특이값 분해(Singular Value Decomposition; SVD)를 수행하면 산출되는, 상기 공분산 행렬에 대응하는 복수의 제1 분해 행렬들에 기초하여, 상기 제1 궤적 행렬을 복수의 제2 분해 행렬들로 분해할 수 있다.
상기 하나 이상의 프로세서는: 상기 복수의 제1 분해 행렬들에 포함되는 S 행렬 U 행렬 및 VT 행렬을 이용하여 상기 복수의 제2 분해 행렬들을 하기 [수학식 3]에 기초하여 산출할 수 있다.
[수학식 3]
Figure PCTKR2023015043-appb-img-000003
(여기서,
Figure PCTKR2023015043-appb-img-000004
는 상기 복수의 제2 분해 행렬 중 i번째 제2 분해 행렬,
Figure PCTKR2023015043-appb-img-000005
는 상기 공분산 행렬의 i번째 고유값,
Figure PCTKR2023015043-appb-img-000006
는 상기 U 행렬의 i번째 열 벡터,
Figure PCTKR2023015043-appb-img-000007
는 V 행렬의 i번째 행 벡터)
상기 하나 이상의 프로세서는: 상기 복수의 제2 분해 행렬들 중 일부 행렬을 심장 신호의 크기 순으로 기 설정된 개수만큼 선택하고, 상기 일부 행렬에 대응하는 심장 신호가 기 설정된 주파수 대역을 만족하도록, 상기 주파수 대역 이외의 행렬을 필터링하고, 상기 일부 행렬 중 필터링하고 남은 나머지 행렬에 기초하여 상기 제2 궤적 행렬을 생성할 수 있다.
상기 하나 이상의 프로세서는: 상기 제2 궤적 행렬로부터 추출된 심장 신호를 하기 [수학식 4]에 기초하여 재구성할 수 있다.
[수학식 4]
Figure PCTKR2023015043-appb-img-000008
(여기서,
Figure PCTKR2023015043-appb-img-000009
는 재구성 된 k번째 심장 신호, k는 심장 신호의 개수, m과 n은 상기 궤적 행렬의 행 또는 열의 개수)
상기 하나 이상의 프로세서는: 상기 심장 신호에서 R 피크 간격이 기 설정된 값 이상이면, 상기 피검자를 부정맥 환자로 분류할 수 있다.
일 실시예에 따른 부정맥 감지 방법은 하나 이상의 프로세서; 및 상기 하나 이상의 프로세서에 의해 실행되는 하나 이상의 프로그램을 저장하는 메모리를 구비하는 부정맥 감지 장치에 의해 수행되는 방법으로서, 피검자로부터 반사되는 일정 주기의 초광대역 레이더 신호의 원시 데이터를 획득하는 단계; 상기 원시 데이터에서 변환되는 시계열 데이터에 기초하여 제1 궤적 행렬을 생성하는 단계; 상기 제1 궤적 행렬을 분해하여 제2 궤적 행렬을 생성하는 단계; 상기 제2 궤적 행렬을 변환하여 심장 신호를 추출하는 단계; 및 상기 심장 신호에서 특정 파장 간격이 기 설정된 값 이상인 경우, 상기 피검자를 부정맥 환자로 분류하는 단계를 포함한다.
상기 방법은: 상기 원시 데이터에 포함되는 최대 동적 변동에 기초하여 상기 피검자의 흉벽 위치를 식별하는 단계를 더 포함할 수 있다.
상기 제1 궤적 행렬을 생성하는 단계는, 상기 제1 궤적 행렬의 주대각선에 수직하는 나머지 대각선들의 성분이 모두 동일하도록, 상기 시계열 데이터를 하기 [수학식 1]에 기초하여 상기 제1 궤적 행렬의 성분으로 배치함으로써 상기 제1 궤적 행렬을 생성하는 단계를 포함할 수 있다.
[수학식 1]
Figure PCTKR2023015043-appb-img-000010
(여기서, H는 제1 궤적 행렬, xa는 a번째 시계열 데이터, L은 시계열 데이터의 길이, n과 m은 임의의 자연수, 단, n=L-m+1이고, 2≤m≤n)
상기 제2 궤적 행렬을 생성하는 단계는, 상기 제1 궤적 행렬의 공분산 행렬을 하기 [수학식 2]에 기초하여 산출하는 단계를 포함할 수 있다.
[수학식 2]
Figure PCTKR2023015043-appb-img-000011
(여기서, C는 상기 공분산 행렬, H는 상기 제1 궤적 행렬, HT는 상기 제1 궤적 행렬의 전치, n은 상기 시계열 데이터의 수)
상기 제2 궤적 행렬을 생성하는 단계는, 상기 제1 궤적 행렬의 공분산 행렬에 특이값 분해(Singular Value Decomposition; SVD)를 수행하면 산출되는, 상기 공분산 행렬에 대응하는 복수의 제1 분해 행렬들에 기초하여, 상기 제1 궤적 행렬을 복수의 제2 분해 행렬들로 분해하는 단계를 포함할 수 있다.
상기 제2 궤적 행렬을 생성하는 단계는, 상기 복수의 제1 분해 행렬들에 포함되는 S 행렬 U 행렬 및 VT 행렬을 이용하여 상기 복수의 제2 분해 행렬들을 하기 [수학식 3]에 기초하여 산출하는 단계를 포함할 수 있다.
[수학식 3]
Figure PCTKR2023015043-appb-img-000012
(여기서,
Figure PCTKR2023015043-appb-img-000013
는 상기 복수의 제2 분해 행렬 중 i번째 제2 분해 행렬,
Figure PCTKR2023015043-appb-img-000014
는 상기 공분산 행렬의 i번째 고유값,
Figure PCTKR2023015043-appb-img-000015
는 상기 U 행렬의 i번째 열 벡터,
Figure PCTKR2023015043-appb-img-000016
는 상기 V 행렬의 i번째 행 벡터)
상기 제2 궤적 행렬을 생성하는 단계는, 상기 복수의 제2 분해 행렬들 중 일부 행렬을 심장 신호의 크기 순으로 기 설정된 개수만큼 선택하는 단계; 상기 일부 행렬에 대응하는 심장 신호가 기 설정된 주파수 대역을 만족하도록, 상기 주파수 대역 이외의 행렬을 필터링하는 단계; 및 상기 일부 행렬 중 필터링하고 남은 나머지 행렬에 기초하여 상기 제2 궤적 행렬을 생성할 수 있다.
상기 심장 신호를 추출하는 단계는, 상기 제2 궤적 행렬로부터 추출된 심장 신호를 하기 [수학식 4]에 기초하여 재구성하는 단계를 더 포함할 수 있다.
[수학식 4]
Figure PCTKR2023015043-appb-img-000017
(여기서,
Figure PCTKR2023015043-appb-img-000018
는 재구성 된 k번째 심장 신호, k는 심장 신호의 개수, m과 n은 상기 궤적 행렬의 행 또는 열의 개수)
상기 분류하는 단계는, 상기 심장 신호에서 R 피크 간격이 기 설정된 값 이상이면, 상기 피검자를 부정맥 환자로 분류하는 단계를 포함할 수 있다.
개시되는 실시예들은 궤적 행렬을 이용하여 초광대역 레이더 신호로부터 심전도 신호를 추정함으로써, 비접촉식 부정맥 감지 방법을 제공할 수 있다.
개시되는 실시예들은 추정된 심정도 신호 중 R 피크 간격을 판단함으로써, 전통적인 부정맥 진단 방식을 따르는 비접촉식 부정맥 검출 방법을 제공할 수 있다.
도 1은 일 실시예에 따른 부정맥 감지 장치를 설명하기 위한 블록도
도 2는 일 실시예에 따른 부정맥 감지 장치의 산출물을 도시한 예시도
도 3은 일 실시예에 따른 부정맥 감지 장치의 성능을 도시하는 그래프
도 4는 일 실시예에 따른 부정맥 감지 방법을 설명하기 위한 흐름도
이하, 도면을 참조하여 일 실시예의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 센서에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
일 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 일 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 또한, 실시예의 설명 과정에서 이용되는 숫자(예를 들어, 제 1, 제 2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
도 1은 일 실시예에 따른 부정맥 감지 장치(100)를 설명하기 위한 블록도이다.
도 1을 참조하면, 일 실시예에 따른 부정맥 감지 장치(100)는 프로세서(110) 및 메모리(120)를 포함한다.
프로세서(110)는 피검자로부터 반사되는 일정 주기의 초광대역 레이더 신호의 원시 데이터를 획득한다.
여기서, 초광대역 레이더란, 송신 안테나로부터 임펄스 신호를 송신하고, 송신된 임펄스 신호가 피검자에 반사되어 돌아오는 신호를 다시 수신 안테나로부터 수신함으로써 주변 환경을 인지하는 차세대 센서이다.
즉, 프로세서(110)는 초광대역 레이더가 송신하여 피검자에게 반사되는 임펄스 단위의 초광대역 레이더 신호의 원시 데이터를 획득할 수 있다. 이때, 원시 데이터는 신호 강도를 포함하는 프레임 신호로 구성될 수 있다.
프로세서(110)는 원시 데이터에서 검출되는 최대 동적 변동에 기초하여 피검자의 흉벽 위치를 식별할 수 있다.
프로세서(110)는 원시 데이터에서 변환되는 시계열 데이터에 기초하여 제1 궤적 행렬을 생성할 수 있다.
이때, 시계열 데이터는 흉벽 위치와 관련된 원시 데이터로부터 변환된 데이터일 수 있다. 이로부터, 프로세서(110)는 원시 데이터로부터 심장 신호와 관련 없는 노이즈(예: 피검자의 호흡, 외부 환경에 의한 노이즈)를 필터링하여 심장 신호를 추출할 수 있다.
프로세서(110)는 원시 데이터에서 변환되는 시계열 데이터를 행렬의 성분으로 배치하여 제1 궤적 행렬을 생성할 수 있다.
구체적으로, 프로세서(110)는 원시 데이터에 변환되는 시계열 데이터를 행렬의 주대각선에 수직하는 나머지 대각선들의 성분이 모두 동일하도록 배치하여 제1 궤적 행렬을 생성할 수 있다.
예를 들어, 프로세서(110)는 제1 궤적 행렬의 주대각선에 수직하는 나머지 대각선들의 성분이 모두 동일하도록 시계열 데이터를 하기 [수학식 1]에 기초하여 배치할 수 있다.
[수학식 1]
Figure PCTKR2023015043-appb-img-000019
여기서, H는 제1 궤적 행렬, xa는 a번째 시계열 데이터, L은 시계열 데이터의 길이, n과 m은 임의의 자연수를 의미할 수 있다. 단, n=L-m+1이고, 2≤m≤n이다. 한편, m은 [L/2] 값이 바람직하다.
프로세서(110)는 제1 궤적 행렬에 기초하여 제2 궤적 행렬을 생성한다.
프로세서(110)는 제1 궤적 행렬의 공분산 행렬에 기초하여 제2 궤적 행렬을 생성할 수 있다.
우선적으로, 프로세서(110)는 하기 [수학식 2]에 기초하여 제1 궤적 행렬의 공분산 행렬을 산출할 수 있다.
[수학식 2]
Figure PCTKR2023015043-appb-img-000020
이때, C는 공분산 행렬, H는 제1 궤적 행렬, HT는 제1 궤적 행렬의 전치, n은 시계열 데이터의 수를 의미할 수 있다.
프로세서(110)는 제1 궤적 행렬의 공분산 행렬에 특이값 분해(Singular Value Decomposition; SVD)를 수행하여 제2 궤적 행렬을 생성할 수 있다.
프로세서(110)는 제1 궤적 행렬의 공분산 행렬에 특이값 분해를 수행하여 산출한 복수의 제1 분해 행렬들에 기초하여 제2 궤적 행렬을 생성할 수 있다.
구체적으로, 프로세서(110)는 복수의 제1 분해 행렬들로서, S 행렬, U 행렬, VT 행렬 및 V 행렬 중 적어도 하나를 산출할 수 있다.
여기서, S 행렬은 공분산 행렬의 고유 값(
Figure PCTKR2023015043-appb-img-000021
,
Figure PCTKR2023015043-appb-img-000022
,
Figure PCTKR2023015043-appb-img-000023
,
Figure PCTKR2023015043-appb-img-000024
)이 주대각 성분으로 배치되는 대각 행렬이다. 이때, 고유 값은 내림차순으로 정리될 수 있다.
U 행렬은 좌특이행렬(left singular matrix)로서, 각 열 벡터에는 원시 데이터의 패턴과 상관 관계를 캡쳐하는 직교 벡터를 포함할 수 있다. 이때, U 행렬은 S 행렬에 대응하는 정규화된 직교 고유 벡터를 포함할 수 있다.
VT 행렬은 우특이행렬(right singular matrix)의 전치로서, 원시 데이터의 관계를 설명하는 직교 벡터인 우특이벡터를 포함할 수 있다.
프로세서(110)는 공분산 행렬에 대응하는 복수의 제1 분해 행렬들에 기초하여 제1 궤적 행렬의 분해 행렬로서, 합산하면 제1 분해 행렬이 되는 복수의 제2 분해 행렬들을 산출할 수 있다.
다시 말해, 프로세서(110)는 복수의 제1 분해 행렬들을 이용하여, 제1 궤적 행렬을 복수의 제2 분해 행렬들로 분해할 수 있다.
구체적으로, 프로세서(110)는 하기 [수학식 3]에 기초하여 제1 궤적 행렬을 복수의 제2 분해 행렬들로 분해할 수 있다.
[수학식 3]
Figure PCTKR2023015043-appb-img-000025
여기서,
Figure PCTKR2023015043-appb-img-000026
는 상기 복수의 제2 분해 행렬 중 i번째 제2 분해 행렬,
Figure PCTKR2023015043-appb-img-000027
는 상기 공분산 행렬의 i번째 고유값,
Figure PCTKR2023015043-appb-img-000028
는 상기 U 행렬의 i번째 열 벡터,
Figure PCTKR2023015043-appb-img-000029
는 상기 V 행렬의 i번째 행 벡터를 의미할 수 있다.
프로세서(110)는 제1 궤적 행렬에 기초하여 제2 궤적 행렬을 생성한다.
프로세서(110)는 제1 궤적 행렬의 분해 행렬로서, 다시 말해, 복수의 제2 분해 행렬들에 기초하여 제2 궤적 행렬을 생성할 수 있다.
구체적으로, 프로세서(110)는 복수의 제2 분해 행렬 중 선택된 일부 행렬들에 기초하여 제2 궤적 행렬을 생성할 수 있다.
이때, 프로세서(110)는 예를 들어, 심장 신호의 크기 순으로 복수의 제2 분해 행렬들 중 일부 행렬을 기 설정된 개수만큼 선택할 수 있다.
이후, 프로세서(110)는 일부 행렬에 대응하는 심장 신호가 기 설정된 주파수 대역을 만족하도록, 일부 행렬을 필터링할 수 있다.
바람직하게, 주파수 대역은 보편적인 심장 박동의 주파수인 0.7Hz 이상 3Hz 이하의 범위를 포함할 수 있다.
이를 통해, 프로세서(110)는 심장 주파수 외의 노이즈와 아웃라이어 등을 제거하여 추출되는 심장 신호의 정밀도를 제고할 수 있다.
이후, 프로세서(110)는 일부 행렬 중 필터링하고 남은 나머지 행렬에 기초하여 제2 궤적 행렬을 생성할 수 있다.
구체적으로, 프로세서(110)는 나머지 행렬을 모두 합산하여 제2 궤적 행렬을 생성할 수 있다.
프로세서(110)는 제2 궤적 행렬에 기초하여 심장 신호를 추출한다.
예를 들어, 프로세서(110)는 제2 궤적 행렬에 고속 푸리에 변환(Fast Fourier Transformation)을 적용하여 주파수 영역의 심장 신호를 추출할 수 있다.
프로세서(110)는 추출된 심장 신호를 하기 [수학식 4]에 기초하여 재구성할 수 있다.
[수학식 4]
Figure PCTKR2023015043-appb-img-000030
여기서,
Figure PCTKR2023015043-appb-img-000031
는 재구성 된 k번째 심장 신호, k는 심장 신호의 개수, m과 n은 제1 궤적 행렬의 행 또는 열의 개수를 의미할 수 있다.
프로세서(110)는 심장 신호에서 특정 파장 간격이 기 설정된 값 이상인 경우, 피검자를 부정맥 환자로 분류할 수 있다.
프로세서(110)는 심장 신호에서 특정 파장 간격의 표준 편차가 기 설정된 값 이상인 경우, 피검자를 부정맥 환자로 분류할 수 있다.
특히, 프로세서(110)는 심장 신호에서 R 피크 간격 또는 R 피크 간격의 표준 편차가 기 설정된 값 이상인 경우 피검자를 부정맥 환자로 분류할 수 있다.
메모리(120)는 프로세서(110)가 실행하는 하나 이상의 명령어를 저장한다.
메모리(120)는 프로세서(110)에 의해 사용되는 다양한 데이터를 저장할 수 있다. 예를 들어, 메모리(120)는 소프트웨어(예: 프로세서(110)에 의해 실행되는 프로그램 및/또는 프로그램과 관련된 명령어에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다.
도 2는 일 실시예에 따른 부정맥 감지 장치(100)의 산출물을 도시한 예시도
도 2를 참조하면, 상단은 공분산 행렬의 고유값의 로그 값을 도시하고, 하단은 상단에 대응하는 심장 신호를 도시한다.
상단과 같이, 프로세서(110)는 공분산 행렬에 특이값 분해를 수행하여 대응하는 원시 데이터의 고유 값을 산출할 수 있다. 이때, 스케일링을 위해 프로세서(110)는 고유 값에 로그를 취해 고유 값의 분포를 도시할 수 있다.
하단과 같이, 프로세서(110)는 제2 궤적 행렬에 기초하여 심장 신호를 추출할 수 있다. 여기서, 프로세서(110)는 웨이블릿을 이용하여 주파수 성분을 분해하여 심장 신호 특징을 파악할 수 있다.
도 3은 일 실시예에 따른 부정맥 감지 장치(100)의 성능을 도시하는 그래프이다.
도 3을 참조하면, 일 실시예에 따른 부정맥 감지 장치(100)와 기존의 심전도 신호를 이용해 부정맥을 감지하는 방법과의 오차를 비교한다.
심박수와 관련하여, 일 실시예에 따른 부정맥 감지 장치(100)는 기존의 심전도 신호를 이용해 부정맥을 감지하는 방법과 대비할 때, 약 90%의 일치율을 나타낸다.
ICC와 관련하여, 일 실시예에 따른 부정맥 감지 장치(100)는 기존의 심전도 신호를 이용해 부정맥을 감지하는 방법과 대비할 때, IBI(심장이 뛰는 간격; Inter-Beat Interval)를 기준으로 0.5 미만에서 상관관계가 있음을 나타낸다.
특히, 일 실시예에 따른 부정맥 감지 장치(100)는 기존의 심전도 신호를 이용해 부정맥을 감지하는 방법과 유사하게 IBI에 대한 특징 값을 기준으로 정상인과 부정맥 환자로 분류할 수 있다.
기존 심전도를 이용해 부정맥을 감지하는 방법에 따라 분류되는 정상 피검자는 IBI 표준 값이 105ms이하이고, 부정맥 환자는 105ms를 초과한다.
유사하게, 일 실시예에 따른 부정맥 감지 장치(100)에 따라 분류되는 정상 피검자는 IBI 표준 값이 200ms이하이고, 부정맥 환자는 200ms를 초과한다.
이처럼, 일 실시예에 따른 부정맥 감지 장치(100)는 특정한 파장 간격의 표준 편차가 특정 임계 값(예를 들어, 200ms)를 초과하는지 여부에 기초하여 피검자에 대하여 부정맥 환자 여부를 분류할 수 있다.
도 4는 일 실시예에 따른 부정맥 감지 방법을 설명하기 위한 흐름도이다.
도 4를 참조하면, 도 4의 방법은 도 1의 일 실시예에 따른 부정맥 감지 장치(100)에 의해 수행될 수 있다.
우선, 일 실시예에 따른 부정맥 감지 장치(100)는 피검자로부터 반사되는 일정 주기의 초광대역 레이더 신호의 원시 데이터를 획득(410)한다.
이후, 일 실시예에 따른 부정맥 감지 장치(100)는 원시 데이터에서 변환되는 시계열 데이터에 기초하여 제1 궤적 행렬을 생성(420)한다.
이후, 일 실시예에 따른 부정맥 감지 장치(100)는 제1 궤적 행렬에 기초하여 제2 궤적 행렬을 생성(430)한다.
이후, 일 실시예에 따른 부정맥 감지 장치(100)는 제2 궤적 행렬에 기초하여 심장 신호를 추출(440)한다.
이후, 일 실시예에 따른 부정맥 감지 장치(100)는 심장 신호에서 특정 파장 간격이 기 설정된 값 이상인지 판단(450)한다.
이때, 일 실시예에 따른 부정맥 감지 장치(100)는 심장 신호에서 특정 파장 간격이 기 설정된 값 이상인 경우, 피검자를 부정맥 환자로 분류(451)한다.
한편, 일 실시예에 따른 부정맥 감지 장치(100)는 심장 신호에서 특정 파장 간격이 기 설정된 값 미만인 경우, 피검자를 부정맥 환자로 분류(452)한다.
도시된 도 4에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
본 발명의 실시예는 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램, 및 상기 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 상기 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나, 또는 컴퓨터 소프트웨어 분야에서 통상적으로 사용 가능한 것일 수 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 프로그램의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 청구범위뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.
후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 일 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 성분들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 성분, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
또한, 본 명세서에 기술된 실시예는 전적으로 하드웨어이거나, 부분적으로 하드웨어이고 부분적으로 소프트웨어이거나, 또는 전적으로 소프트웨어인 측면을 가질 수 있다. 본 명세서에서 부(unit) 등은 하드웨어, 하드웨어와 소프트웨어의 조합, 또는 소프트웨어 등 컴퓨터 관련 엔티티(entity)를 지칭한다.
일 실시예에 따른 레이더 기반 비접촉식 부정맥 감지 방법 및 장치는 궤적 행렬을 이용하여 초광대역 레이더 신호로부터 심전도 신호를 추정함으로써, 디지털 의료 산업에 이용 가능하다.

Claims (18)

  1. 하나 이상의 프로세서; 및
    상기 하나 이상의 프로세서에 의해 실행되는 하나 이상의 프로그램을 저장하는 메모리를 구비하는 부정맥 감지 장치로서,
    상기 하나 이상의 프로세서는:
    피검자로부터 반사되는 일정 주기의 초광대역 레이더 신호의 원시 데이터를 획득하고,
    상기 원시 데이터에서 변환되는 시계열 데이터에 기초하여 제1 궤적 행렬을 생성하고,
    상기 제1 궤적 행렬을 분해하여 제2 궤적 행렬을 생성하고,
    상기 제2 궤적 행렬을 변환하여 심장 신호를 추출하고,
    상기 심장 신호에서 특정 파장 간격이 기 설정된 값 이상인 경우, 상기 피검자를 부정맥 환자로 분류하는, 부정맥 감지 장치.
  2. 제1항에 있어서,
    상기 하나 이상의 프로세서는:
    상기 원시 데이터에 포함되는 최대 동적 변동에 기초하여 상기 피검자의 흉벽 위치를 식별하는, 부정맥 감지 장치.
  3. 제1항에 있어서,
    상기 하나 이상의 프로세서는:
    상기 제1 궤적 행렬의 주대각선에 수직하는 나머지 대각선들의 성분이 모두 동일하도록, 상기 시계열 데이터를 하기 [수학식 1]에 기초하여 상기 제1 궤적 행렬의 성분으로 배치함으로써 상기 제1 궤적 행렬을 생성하는, 부정맥 감지 장치.
    [수학식 1]
    Figure PCTKR2023015043-appb-img-000032
    (여기서, H는 제1 궤적 행렬, xa는 a번째 시계열 데이터, L은 시계열 데이터의 길이, n과 m은 임의의 자연수, 단, n=L-m+1이고, 2≤m≤n)
  4. 제1항에 있어서,
    상기 하나 이상의 프로세서는:
    상기 제1 궤적 행렬의 공분산 행렬을 하기 [수학식 2]에 기초하여 산출하는, 부정맥 감지 장치.
    [수학식 2]
    Figure PCTKR2023015043-appb-img-000033
    (여기서, C는 상기 공분산 행렬, H는 상기 제1 궤적 행렬, HT는 상기 제1 궤적 행렬의 전치, n은 상기 시계열 데이터의 수)
  5. 제1항에 있어서,
    상기 하나 이상의 프로세서는:
    상기 제1 궤적 행렬의 공분산 행렬에 특이값 분해(Singular Value Decomposition; SVD)를 수행하면 산출되는, 상기 공분산 행렬에 대응하는 복수의 제1 분해 행렬들에 기초하여, 상기 제1 궤적 행렬을 복수의 제2 분해 행렬들로 분해하는, 부정맥 감지 장치.
  6. 제5항에 있어서,
    상기 하나 이상의 프로세서는:
    상기 복수의 제1 분해 행렬들에 포함되는 S 행렬 U 행렬 및 VT 행렬을 이용하여 상기 복수의 제2 분해 행렬들을 하기 [수학식 3]에 기초하여 산출하는, 부정맥 감지 장치.
    [수학식 3]
    Figure PCTKR2023015043-appb-img-000034
    (여기서,
    Figure PCTKR2023015043-appb-img-000035
    는 상기 복수의 제2 분해 행렬들 중 i번째 제2 분해 행렬,
    Figure PCTKR2023015043-appb-img-000036
    는 상기 공분산 행렬의 i번째 고유값,
    Figure PCTKR2023015043-appb-img-000037
    는 상기 U 행렬의 i번째 열 벡터,
    Figure PCTKR2023015043-appb-img-000038
    는 V 행렬의 i번째 행 벡터)
  7. 제5항에 있어서,
    상기 하나 이상의 프로세서는:
    상기 복수의 제2 분해 행렬들 중 일부 행렬을 심장 신호의 크기 순으로 기 설정된 개수만큼 선택하고,
    상기 일부 행렬에 대응하는 심장 신호가 기 설정된 주파수 대역을 만족하도록, 상기 주파수 대역 이외의 행렬을 필터링하고,
    상기 일부 행렬 중 필터링하고 남은 나머지 행렬에 기초하여 상기 제2 궤적 행렬을 생성하는, 부정맥 감지 장치.
  8. 제1항에 있어서,
    상기 하나 이상의 프로세서는:
    상기 제2 궤적 행렬로부터 추출된 심장 신호를 하기 [수학식 4]에 기초하여 재구성하는, 부정맥 감지 장치.
    [수학식 4]
    Figure PCTKR2023015043-appb-img-000039
    (여기서,
    Figure PCTKR2023015043-appb-img-000040
    는 재구성 된 k번째 심장 신호, k는 심장 신호의 개수, m과 n은 상기 궤적 행렬의 행 또는 열의 개수)
  9. 제1항에 있어서,
    상기 하나 이상의 프로세서는:
    상기 심장 신호에서 R 피크 간격이 기 설정된 값 이상이면, 상기 피검자를 부정맥 환자로 분류하는, 부정맥 감지 장치.
  10. 하나 이상의 프로세서; 및
    상기 하나 이상의 프로세서에 의해 실행되는 하나 이상의 프로그램을 저장하는 메모리를 구비하는 부정맥 감지 장치에 의해 수행되는 방법으로서,
    피검자로부터 반사되는 일정 주기의 초광대역 레이더 신호의 원시 데이터를 획득하는 단계;
    상기 원시 데이터에서 변환되는 시계열 데이터에 기초하여 제1 궤적 행렬을 생성하는 단계;
    상기 제1 궤적 행렬을 분해하여 제2 궤적 행렬을 생성하는 단계;
    상기 제2 궤적 행렬을 변환하여 심장 신호를 추출하는 단계; 및
    상기 심장 신호에서 특정 파장 간격이 기 설정된 값 이상인 경우, 상기 피검자를 부정맥 환자로 분류하는 단계를 포함하는, 부정맥 감지 방법.
  11. 제10항에 있어서,
    상기 방법은:
    상기 원시 데이터에 포함되는 최대 동적 변동에 기초하여 상기 피검자의 흉벽 위치를 식별하는 단계를 더 포함하는, 부정맥 감지 방법.
  12. 제10항에 있어서,
    상기 제1 궤적 행렬을 생성하는 단계는,
    상기 제1 궤적 행렬의 주대각선에 수직하는 나머지 대각선들의 성분이 모두 동일하도록, 상기 시계열 데이터를 하기 [수학식 1]에 기초하여 상기 제1 궤적 행렬의 성분으로 배치함으로써 상기 제1 궤적 행렬을 생성하는 단계를 포함하는, 부정맥 감지 방법.
    [수학식 1]
    Figure PCTKR2023015043-appb-img-000041
    (여기서, H는 제1 궤적 행렬, xa는 a번째 시계열 데이터, L은 시계열 데이터의 길이, n과 m은 임의의 자연수, 단, n=L-m+1이고, 2≤m≤n)
  13. 제10항에 있어서,
    상기 제2 궤적 행렬을 생성하는 단계는,
    상기 제1 궤적 행렬의 공분산 행렬을 하기 [수학식 2]에 기초하여 산출하는 단계를 포함하는, 부정맥 감지 방법.
    [수학식 2]
    Figure PCTKR2023015043-appb-img-000042
    (여기서, C는 상기 공분산 행렬, H는 상기 제1 궤적 행렬, HT는 상기 제1 궤적 행렬의 전치, n은 상기 시계열 데이터의 수)
  14. 제10항에 있어서,
    상기 제2 궤적 행렬을 생성하는 단계는,
    상기 제1 궤적 행렬의 공분산 행렬에 특이값 분해(Singular Value Decomposition; SVD)를 수행하면 산출되는, 상기 공분산 행렬에 대응하는 복수의 제1 분해 행렬들에 기초하여, 상기 제1 궤적 행렬을 복수의 제2 분해 행렬들로 분해하는 단계를 포함하는, 부정맥 감지 방법.
  15. 제14항에 있어서,
    상기 제2 궤적 행렬을 생성하는 단계는,
    상기 복수의 제1 분해 행렬들에 포함되는 S 행렬 U 행렬 및 VT 행렬을 이용하여 상기 복수의 제2 분해 행렬들을 하기 [수학식 3]에 기초하여 산출하는 단계를 포함하는, 부정맥 감지 방법.
    [수학식 3]
    Figure PCTKR2023015043-appb-img-000043
    (여기서,
    Figure PCTKR2023015043-appb-img-000044
    는 상기 복수의 제2 분해 행렬들 중 i번째 제2 분해 행렬,
    Figure PCTKR2023015043-appb-img-000045
    는 상기 공분산 행렬의 i번째 고유값,
    Figure PCTKR2023015043-appb-img-000046
    는 상기 U 행렬의 i번째 열 벡터,
    Figure PCTKR2023015043-appb-img-000047
    는 V 행렬의 i번째 행 벡터)
  16. 제14항에 있어서,
    상기 제2 궤적 행렬을 생성하는 단계는,
    상기 복수의 제2 분해 행렬들 중 일부 행렬을 심장 신호의 크기 순으로 기 설정된 개수만큼 선택하는 단계;
    상기 일부 행렬에 대응하는 심장 신호가 기 설정된 주파수 대역을 만족하도록, 상기 주파수 대역 이외의 행렬을 필터링하는 단계; 및
    상기 일부 행렬 중 필터링하고 남은 나머지 행렬에 기초하여 상기 제2 궤적 행렬을 생성하는 단계를 포함하는, 부정맥 감지 방법.
  17. 제10항에 있어서,
    상기 심장 신호를 추출하는 단계는,
    상기 제2 궤적 행렬로부터 추출된 심장 신호를 하기 [수학식 4]에 기초하여 재구성하는 단계를 더 포함하는, 부정맥 감지 방법.
    [수학식 4]
    Figure PCTKR2023015043-appb-img-000048
    (여기서,
    Figure PCTKR2023015043-appb-img-000049
    는 재구성 된 k번째 심장 신호, k는 심장 신호의 개수, m과 n은 상기 궤적 행렬의 행 또는 열의 개수)
  18. 제10항에 있어서,
    상기 분류하는 단계는,
    상기 심장 신호에서 R 피크 간격이 기 설정된 값 이상이면, 상기 피검자를 부정맥 환자로 분류하는 단계를 포함하는, 부정맥 감지 방법.
PCT/KR2023/015043 2022-09-30 2023-09-27 레이더 기반 비접촉식 부정맥 감지 방법 및 장치 WO2024072102A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220125497 2022-09-30
KR10-2022-0125497 2022-09-30
KR1020230129639A KR20240046070A (ko) 2022-09-30 2023-09-26 레이더 기반 비접촉식 부정맥 감지 방법 및 장치
KR10-2023-0129639 2023-09-26

Publications (1)

Publication Number Publication Date
WO2024072102A1 true WO2024072102A1 (ko) 2024-04-04

Family

ID=90478742

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/015043 WO2024072102A1 (ko) 2022-09-30 2023-09-27 레이더 기반 비접촉식 부정맥 감지 방법 및 장치

Country Status (1)

Country Link
WO (1) WO2024072102A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130045613A (ko) * 2011-10-26 2013-05-06 한국표준과학연구원 비침습적 심근 전기활동 매핑 방법
US20150112220A1 (en) * 2013-10-23 2015-04-23 King Abdullah University Of Science And Technology Apparatus and method for wireless monitoring using ultra-wideband frequencies
KR20190082532A (ko) * 2018-01-02 2019-07-10 한양대학교 산학협력단 Uwb 레이더를 이용하는 부정맥 진단 방법 및 장치
US20190282178A1 (en) * 2018-03-16 2019-09-19 Zoll Medical Corporation Monitoring physiological status based on bio-vibrational and radio frequency data analysis
KR20210066332A (ko) * 2019-11-28 2021-06-07 재단법인대구경북과학기술원 타겟의 생체 정보 결정 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130045613A (ko) * 2011-10-26 2013-05-06 한국표준과학연구원 비침습적 심근 전기활동 매핑 방법
US20150112220A1 (en) * 2013-10-23 2015-04-23 King Abdullah University Of Science And Technology Apparatus and method for wireless monitoring using ultra-wideband frequencies
KR20190082532A (ko) * 2018-01-02 2019-07-10 한양대학교 산학협력단 Uwb 레이더를 이용하는 부정맥 진단 방법 및 장치
US20190282178A1 (en) * 2018-03-16 2019-09-19 Zoll Medical Corporation Monitoring physiological status based on bio-vibrational and radio frequency data analysis
KR20210066332A (ko) * 2019-11-28 2021-06-07 재단법인대구경북과학기술원 타겟의 생체 정보 결정 방법 및 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SHIN, Insik. Radar-based non-contact arrhythmia detection. August 2022. [Retrieved on 19 December 2023]. <Retrieved from KOASAS. URL:http://hdl.handle.net/10203/309547>. *

Similar Documents

Publication Publication Date Title
US5282474A (en) Method and system for the evaluation and visual display of abnormal electromagnetic physiological activity of the brain and the heart
US5634469A (en) Method for localizing a site of origin of an electrical heart activity
US5029082A (en) Correlative analysis in multi-domain processing of cardiac signals
US4850370A (en) Method and apparatus for sensing and analyzing electrical activity of the human heart
WO2012153965A2 (ko) 뇌-컴퓨터 접속 장치, 그리고 그의 분류 방법
WO2018135692A1 (ko) 동작 인식 및 제어를 위한 웨어러블 장치 및 이를 이용한 동작 인식 제어 방법
US5560367A (en) Method for high-resolution spectral analysis in multi channel observations using a singular valve decomposition (SVD) matrix technique
EP3801238A1 (en) Detecting abnormalities in ecg signals
DE69216904T2 (de) Verfahren und Gerät zur Analyse der Potentialverteilung mittels einer Elektrodenanordnung
WO2021107309A1 (ko) 뇌파 분석과 관련된 관심 구간을 뇌파 신호에서 레이블링하는 방법 및 이를 수행하는 뇌파 분석 시스템
JP2008086754A (ja) 減少電極システム特定のｅｃｇ解釈を持つ方法及び装置
WO2022119155A1 (ko) 설명 가능한 다중 심전도 부정맥 진단 장치 및 방법
WO2020009387A1 (ko) 순환신경망을 이용한 구간혈압 추정 방법 및 그 방법을 구현하기 위한 구간 혈압 추정 장치
CN113901893B (zh) 基于多重级联深度神经网络的心电信号的识别与分类方法
WO2019103186A1 (ko) 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템
WO2019143196A1 (ko) 인공 신경망 생성 장치 및 심실 부정맥 예측 장치
WO2024072102A1 (ko) 레이더 기반 비접촉식 부정맥 감지 방법 및 장치
WO2009110051A1 (ja) 胎動時にも有効なオンライン生体信号処理方法およびその装置
Chin et al. A fast critical arrhythmic ECG waveform identification method using cross-correlation and multiple template matching
WO2019103188A1 (ko) 뇌파 분석을 통한 외상성 뇌손상 평가 시스템 및 방법
Cao Analysis of the quasi-brain-death EEG data based on a robust ICA approach
WO2023080697A1 (ko) 심장 신호 분할 방법 및 이를 이용한 심장 신호 분할용 디바이스
US6117074A (en) Method conducted in a computer for classification of a time series having a prescribable number of samples
CN115770048A (zh) 心电信号处理方法、装置、计算机设备及存储介质
JPH105186A (ja) 生体磁気計測装置