혈압은 남녀노소, 질병유무와 상관없이 지속적인 건강관리를 위한 주 요한 활력 징후 중 하나이다. 특히 환자를 대상으로 하는 혈압 측정의 경우, 환자의 예후를 확인할 수 있는 핵심적인 지표 중 하나이며, 중한 환자에게는 지속적으로 정확한 혈압을 재기 위해 동맥 혈압 측정 방법이 사용 된다. 동맥혈압 측정 방법은 연속적으로 정확한 혈압의 수치를 제 공하지만, 침습적인 방법이라는 점이 한계점으로 남아있다. 고전적인 혈압 측정 방법부터 가장 최근의 딥러닝을 통한 혈압 예측 방 식까지, 혈압 측정기기의 다양한 한계점을 극복하기 위한 많은 연구들이 이루어지고 있다. 본 연구에서는 환자로부터 비침습적으로 수집할 수 있 는 ...
혈압은 남녀노소, 질병유무와 상관없이 지속적인 건강관리를 위한 주 요한 활력 징후 중 하나이다. 특히 환자를 대상으로 하는 혈압 측정의 경우, 환자의 예후를 확인할 수 있는 핵심적인 지표 중 하나이며, 중한 환자에게는 지속적으로 정확한 혈압을 재기 위해 동맥 혈압 측정 방법이 사용 된다. 동맥혈압 측정 방법은 연속적으로 정확한 혈압의 수치를 제 공하지만, 침습적인 방법이라는 점이 한계점으로 남아있다. 고전적인 혈압 측정 방법부터 가장 최근의 딥러닝을 통한 혈압 예측 방 식까지, 혈압 측정기기의 다양한 한계점을 극복하기 위한 많은 연구들이 이루어지고 있다. 본 연구에서는 환자로부터 비침습적으로 수집할 수 있 는 심전도 파형과 광전용적맥파형을 활용하여 동맥 혈압을 예측하는 딥 러닝 모델을 생성하였으며, 보정을 통하여 더 정확한 혈압 수치를 예측 하였다. 연구에서 활용된 데이터는 서울아산병원 중환자실 환자 191명의 환자 로부터 추출되었으며, 추출된 데이터의 기간의 분리를 통하여 딥러닝 모 델 학습 데이터 셋과 검증 데이터 셋을 구분하였다. 신호에 대한 분할, 다운샘플링 외에 별도의 신호처리 과정 없이 원 신호에 대한 제외 처리 와 오토인코더를 활용한 데이터 클리닝을 통해 생성된 데이터 셋을 기반 으로 많은 연구에서 활용되어지는 합성곱신경망 기반의 ResNet 모델을 성공적으로 학습시켰다. 본 연구는 환자 모니터 기기로부터 수집된 수축 기, 확장기, 평균 동맥 혈압 모두에 대한 광범위한 혈압의 예측을 진행 하였다. 오토인코더 클리닝 과정을 통하여, 기존의 수작업으로 진행되는 데이터 제외처리의 과중한 작업량을 줄일 수 있었으며, 저품질의 신호와 정상적인 신호의 분류에 대한 주관적인 판단을 딥러닝 모델을 활용함으 로써 객관화할 수 있었다. 의료기기의 측정 성능에 있어 보정방법의 적용은 의료기기의 활용과정 에서 사용자에게 보다 더 정확하고 정밀한 값을 제시할 수 있게 해준다. 본 연구에서 생성된 ResNet 딥러닝 모델은 BHS국제 표준 기준으로 각 동맥 혈압 별 모델 모두 A등급을 부여 받았으며, AAMI 국제 표준의 기 준 또한 통과하였다. 보정 전 예측 혈압 값과 실제 혈압 값 간 오차의 평균과 표준편차 값은 수축기: 0.028±6.81, 확장기: 0.03±4.32, 평균 동맥 혈압: 0.69±4.52로 높은 성능을 보였으며, 보정 후에는 수축기: 0.004±4.36, 확장기: 0.003±3.08, 평균 동맥 혈압: 0.003±2.78로 예측 성능이 향상됨을 확인하였다. 보정의 적용 후에 예측 성능이 향상되는 만큼, 생성된 딥러닝 모델이 다양한 환자 군에 적용 될 수 있을 것으로 기대한다. 본 연구는 단일기관, 단일인종의 집단에 한정되어 있으며, 개발된 딥러 닝 모델이 실제에 적용되기 위해서는 외부기관 및 다수의 국가에 대한 외부검증이 필수적이다. 또한, 최근 연구에서 더 적은 개수의 센서를 활 용한 혈압 측정 방식이 제시 되는 만큼, 딥러닝 방법의 간편성과 예측 성능의 안정성에 대한 비교 검증이 필요하다. 종합하면, 이번 연구를 통해 오토인코더의 품질 분류 방법, ResNet 딥 러닝 모델, 그리고 보정 방법을 활용하는 비교적 간단한 방법을 통하여 보다 더 실용적인 연구 방법론을 제시하였다. 본 연구는 침습적인 동맥 혈압측정 대신 심전도와 광전용적맥파형을 활용하여 비침습적인 방법으 로, 연속적으로 동맥혈압을 예측할 수 있으며, 보정을 통하여 높은 정확 도로 혈압을 예측할 수 있다는 측면에서, 다양한 환자군에 대한 적용 가 능성을 제시함으로써 임상적으로 의의가 있는 것으로 판단된다.
혈압은 남녀노소, 질병유무와 상관없이 지속적인 건강관리를 위한 주 요한 활력 징후 중 하나이다. 특히 환자를 대상으로 하는 혈압 측정의 경우, 환자의 예후를 확인할 수 있는 핵심적인 지표 중 하나이며, 중한 환자에게는 지속적으로 정확한 혈압을 재기 위해 동맥 혈압 측정 방법이 사용 된다. 동맥혈압 측정 방법은 연속적으로 정확한 혈압의 수치를 제 공하지만, 침습적인 방법이라는 점이 한계점으로 남아있다. 고전적인 혈압 측정 방법부터 가장 최근의 딥러닝을 통한 혈압 예측 방 식까지, 혈압 측정기기의 다양한 한계점을 극복하기 위한 많은 연구들이 이루어지고 있다. 본 연구에서는 환자로부터 비침습적으로 수집할 수 있 는 심전도 파형과 광전용적맥파형을 활용하여 동맥 혈압을 예측하는 딥 러닝 모델을 생성하였으며, 보정을 통하여 더 정확한 혈압 수치를 예측 하였다. 연구에서 활용된 데이터는 서울아산병원 중환자실 환자 191명의 환자 로부터 추출되었으며, 추출된 데이터의 기간의 분리를 통하여 딥러닝 모 델 학습 데이터 셋과 검증 데이터 셋을 구분하였다. 신호에 대한 분할, 다운샘플링 외에 별도의 신호처리 과정 없이 원 신호에 대한 제외 처리 와 오토인코더를 활용한 데이터 클리닝을 통해 생성된 데이터 셋을 기반 으로 많은 연구에서 활용되어지는 합성곱신경망 기반의 ResNet 모델을 성공적으로 학습시켰다. 본 연구는 환자 모니터 기기로부터 수집된 수축 기, 확장기, 평균 동맥 혈압 모두에 대한 광범위한 혈압의 예측을 진행 하였다. 오토인코더 클리닝 과정을 통하여, 기존의 수작업으로 진행되는 데이터 제외처리의 과중한 작업량을 줄일 수 있었으며, 저품질의 신호와 정상적인 신호의 분류에 대한 주관적인 판단을 딥러닝 모델을 활용함으 로써 객관화할 수 있었다. 의료기기의 측정 성능에 있어 보정방법의 적용은 의료기기의 활용과정 에서 사용자에게 보다 더 정확하고 정밀한 값을 제시할 수 있게 해준다. 본 연구에서 생성된 ResNet 딥러닝 모델은 BHS 국제 표준 기준으로 각 동맥 혈압 별 모델 모두 A등급을 부여 받았으며, AAMI 국제 표준의 기 준 또한 통과하였다. 보정 전 예측 혈압 값과 실제 혈압 값 간 오차의 평균과 표준편차 값은 수축기: 0.028±6.81, 확장기: 0.03±4.32, 평균 동맥 혈압: 0.69±4.52로 높은 성능을 보였으며, 보정 후에는 수축기: 0.004±4.36, 확장기: 0.003±3.08, 평균 동맥 혈압: 0.003±2.78로 예측 성능이 향상됨을 확인하였다. 보정의 적용 후에 예측 성능이 향상되는 만큼, 생성된 딥러닝 모델이 다양한 환자 군에 적용 될 수 있을 것으로 기대한다. 본 연구는 단일기관, 단일인종의 집단에 한정되어 있으며, 개발된 딥러 닝 모델이 실제에 적용되기 위해서는 외부기관 및 다수의 국가에 대한 외부검증이 필수적이다. 또한, 최근 연구에서 더 적은 개수의 센서를 활 용한 혈압 측정 방식이 제시 되는 만큼, 딥러닝 방법의 간편성과 예측 성능의 안정성에 대한 비교 검증이 필요하다. 종합하면, 이번 연구를 통해 오토인코더의 품질 분류 방법, ResNet 딥 러닝 모델, 그리고 보정 방법을 활용하는 비교적 간단한 방법을 통하여 보다 더 실용적인 연구 방법론을 제시하였다. 본 연구는 침습적인 동맥 혈압측정 대신 심전도와 광전용적맥파형을 활용하여 비침습적인 방법으 로, 연속적으로 동맥혈압을 예측할 수 있으며, 보정을 통하여 높은 정확 도로 혈압을 예측할 수 있다는 측면에서, 다양한 환자군에 대한 적용 가 능성을 제시함으로써 임상적으로 의의가 있는 것으로 판단된다.
주제어
#Blood Pressure Estimation 혈압 측정 심전도 ECG Electrocardiogram 광전용적맥파 PPG Photoplethysmogram 인공 지능 Artificial Intelligence 딥러닝 Deep Learning
학위논문 정보
저자
윤홍균
학위수여기관
울산대학교 일반대학원
학위구분
국내석사
학과
의학과의공학전공
지도교수
주세경
발행연도
2023
총페이지
79
키워드
Blood Pressure Estimation 혈압 측정 심전도 ECG Electrocardiogram 광전용적맥파 PPG Photoplethysmogram 인공 지능 Artificial Intelligence 딥러닝 Deep Learning
※ AI-Helper는 부적절한 답변을 할 수 있습니다.