FFT 나 AR 방법에 기초해서 파워스펙트럼을 구하는 방법은 생체신호와 같이 시간에 따라 그 특성이 빠르게 변화하는 신호에는 적합하지 않다. 반면, 시-주파수 방법은 시간에 따라 특성이 변하는 신호를 분석하기에 유용한 장점을 지니고 있다. 본 논문에서는 시-주파수 분석방법을 이용하여 시-주파수 영역에서 심박변동신호를 분석하는 방법을 연구하였다. 여러 종류의 시-주파수 커널 함수들 중에서 심박변동 신호에 적합한 방법을 찾기 위해서 모의 HRV 신호를 이용하였다. HRV 모의신호를 이용하여 커널 함수들의 시간-주파수 분해 능력과 교차성분제거 능력에 대한 평가를 하였고 시-주파수 영역에서 심박변동신호의 주파수 성분들을 추출해 내는 방법들을 제시하였다. 17명의 피험자들을 대상으로 동전쌓기 실험을 3분씩 시행하여 심전도 실험을 측정한 다음 이를 심박변동 신호로 재구성하여 분석하였다. 실험결과 피험자들에게 가해진 정신적 스트레스는 교감신경을 활성화 시켜 LF/HF 증가의 원인이 되는 것으로 나타났다. 실험수행능력에 따라 두 그룹으로 나누어 관찰하였는데 스트레스를 많이 받는 그룹이 그렇지 않은 경우에 비해 작업능력이 떨어짐을 알 수 있었다.
FFT 나 AR 방법에 기초해서 파워스펙트럼을 구하는 방법은 생체신호와 같이 시간에 따라 그 특성이 빠르게 변화하는 신호에는 적합하지 않다. 반면, 시-주파수 방법은 시간에 따라 특성이 변하는 신호를 분석하기에 유용한 장점을 지니고 있다. 본 논문에서는 시-주파수 분석방법을 이용하여 시-주파수 영역에서 심박변동신호를 분석하는 방법을 연구하였다. 여러 종류의 시-주파수 커널 함수들 중에서 심박변동 신호에 적합한 방법을 찾기 위해서 모의 HRV 신호를 이용하였다. HRV 모의신호를 이용하여 커널 함수들의 시간-주파수 분해 능력과 교차성분제거 능력에 대한 평가를 하였고 시-주파수 영역에서 심박변동신호의 주파수 성분들을 추출해 내는 방법들을 제시하였다. 17명의 피험자들을 대상으로 동전쌓기 실험을 3분씩 시행하여 심전도 실험을 측정한 다음 이를 심박변동 신호로 재구성하여 분석하였다. 실험결과 피험자들에게 가해진 정신적 스트레스는 교감신경을 활성화 시켜 LF/HF 증가의 원인이 되는 것으로 나타났다. 실험수행능력에 따라 두 그룹으로 나누어 관찰하였는데 스트레스를 많이 받는 그룹이 그렇지 않은 경우에 비해 작업능력이 떨어짐을 알 수 있었다.
Conventional power spectrum methods based on FFT, AR method are not appropriate for analyzing biomedical signals whose spectral characteristics change rapidly. On the other hand, time-frequency analysis has more desirable characteristics of a time-varying spectrum. In this study, we investigated the...
Conventional power spectrum methods based on FFT, AR method are not appropriate for analyzing biomedical signals whose spectral characteristics change rapidly. On the other hand, time-frequency analysis has more desirable characteristics of a time-varying spectrum. In this study, we investigated the spectral components of heart rate variability(HRV) in time-frequency domain using time frequency analysis methods. In the various time-frequency kernels functions, we studied the suitable kernels for the analysis of HRV using synthetic HRV signals. First, we evaluated the time/frequency resolution and cross term reduction of various kernel functions. Then, from the instantaneous frequency, obtained from time-frequency distribution, the method extracting frequency components of HRV was proposed. Subjects were 17 healthy young men. A coin-stacking task was used to induce mental stress. For each subjects, the experiment time was 3 minutes. Electrocardiogram, measured during the experiment, was analyzed after converted to HRV signal. In the results, emotional stress of subjects produced an increase in sympathetic activity. Sympathetic activation was responsible for the significant increase in the LF/HF ratio. Subjects were divided into two groups with task ability. Subjects who have higher mental stress have lack of task ability.
Conventional power spectrum methods based on FFT, AR method are not appropriate for analyzing biomedical signals whose spectral characteristics change rapidly. On the other hand, time-frequency analysis has more desirable characteristics of a time-varying spectrum. In this study, we investigated the spectral components of heart rate variability(HRV) in time-frequency domain using time frequency analysis methods. In the various time-frequency kernels functions, we studied the suitable kernels for the analysis of HRV using synthetic HRV signals. First, we evaluated the time/frequency resolution and cross term reduction of various kernel functions. Then, from the instantaneous frequency, obtained from time-frequency distribution, the method extracting frequency components of HRV was proposed. Subjects were 17 healthy young men. A coin-stacking task was used to induce mental stress. For each subjects, the experiment time was 3 minutes. Electrocardiogram, measured during the experiment, was analyzed after converted to HRV signal. In the results, emotional stress of subjects produced an increase in sympathetic activity. Sympathetic activation was responsible for the significant increase in the LF/HF ratio. Subjects were divided into two groups with task ability. Subjects who have higher mental stress have lack of task ability.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 시-주파수 분석방법을 이용하여 HRV 신호의 주파수 성분 변화를 분석하였다. 기존의 파워 스펙트럼 분석방법들을 이용하는 경우 신호를 짧은 구간으로 분할하는 과정이 필요하게 되므로 단시간 동안 발생하는 인체의 변화를 감지하기에 어렵다는 단점이 있다.
제안 방법
본 연구에서는 스트레스 유발 시 나타나는 HRV의 주파수 대역의 변화를 보고자 하였으므로 그림 6(b)와 같이 전체 실험 시간대에서 주파수 스트립을 구한 후 그림 6(c)와 같은 각각의 단면에서 주파수 영역(LF, MF, HF)에 대한 적분값과 자율신경계의 활동을 보여주는 LF/HF, MF/(LF+HF) 등을 구하였다. 각 피험자들의 실험종료 시점이 서로 다르기 때문에 실험구간 동안의 데이터 길이를 90초가 되도록 샘플링율을 재조정한 다음 실험 전후의 상태와 비교해보기 위해서 그 앞뒤로 휴식기 데이터 30초와 회복기 데이터 10초를 삽입하여 데이터를 재구성하였다.
피험자들은 실험의 초기 30초 동안에는 휴식을 취하고 그 이후부터 동전을 이동시켜 쌓아올라갔다. 90초의 제한시간 내에 준비된 모든 동전들을 한 지점에 무너뜨리지 않고 쌓아올리도록 요구하고 실험자는 피험자에게 10초마다 남은 시간을 육성으로 알려주었다. 측정된 심전도 신호는 Okada가 제안한 QRS detection filter를 이용하여 RR 간격으로 재구성한 후에 cubic interpolation을 적용하여 5Hz down sampling을 하였다[15].
이에 본 연구에서는 인위적으로 스트레스를 부과한 다음 측정한 심전도를 HRV 신호로 재구성한 한 후 시-주파수 분석방법을 적용하였다. HRV의 시-주파수 영역 에 대한 정보를 얻어낸 후 각 시간대에서 HRV 신호의 주파수 성분을 계산하고 스트레스에 대한 심혈관계의 변화에 대해 살펴보았다.
본 연구에서는 스트레스 유발 시 나타나는 HRV의 주파수 대역의 변화를 보고자 하였으므로 그림 6(b)와 같이 전체 실험 시간대에서 주파수 스트립을 구한 후 그림 6(c)와 같은 각각의 단면에서 주파수 영역(LF, MF, HF)에 대한 적분값과 자율신경계의 활동을 보여주는 LF/HF, MF/(LF+HF) 등을 구하였다. 각 피험자들의 실험종료 시점이 서로 다르기 때문에 실험구간 동안의 데이터 길이를 90초가 되도록 샘플링율을 재조정한 다음 실험 전후의 상태와 비교해보기 위해서 그 앞뒤로 휴식기 데이터 30초와 회복기 데이터 10초를 삽입하여 데이터를 재구성하였다. 최종 분석에 사용된 데이터 포맷은 그림 7과 같은 형태를 갖게 된다.
모의 HRV 신호에 적용한 결과를 바탕으로 SPWVD 방법을 선택하였고 동전 쌓기 실험을 실시하여 측정한 HRV 신호에 적용하였다. 시-주파수 영역에서 HRV의 성분들을 추출한 다음 LF/HF 값을 가지고 그 변화를 살펴보았는데 실험시작과 동전이 무너지는 시점의 긴장도를 잘 대변해주는 것을 알 수 있었다.
본 연구에서는 동전 쌓기 작업을 이용하여 피험자에게 정신적인 스트레스를 인위적으로 부과하였다. 동전 쌓기 작업은 본 연구진에 의해 개발된 것으로 비교적 짧은 시간 안에 스트레스를 유발할 수 있으며 시간의 변화에 따른 스트레스 상태의 구분을 짓기가 용이하다는 장점을 가지고 있다.
시-주파수 분석에 사용되는 여러가지 커널함수 중에서 HRV 신호에 적합한 방법을 선택하기 위해서 HRV 신호를 사용하여 성능을 평가하였다. 모의 HRV 신호는 Simone가 제안한 세 가지 합성신호를 이용해서 평가하였다.
실험 구간 동안에 느끼는 긴장도와 실험 수행 능력과의 연관성을 알아보기 위해서 동전이 무너지는 평균 시간을 기준으로 두 그룹으로 나누어 LF/HF 값의 차이를 알아보았다. 그림 13에서 실선은 평균 시간 이상의 실험 수행 능력을 보인 그룹의 LF/HF 값의 변화를 나타낸 것이고 점선은 그 이하의 수행능력을 보인 사람들의 변화를 나타낸 것이다.
이렇게 만들어진 모의 HRV신호를 가지고 다음의 방법들을 이용하여 시-주파수 방법의 HRV 신호 분석능력을 평가, 선택한 후 측정된 HRV신호에 적용하였다.
HRV 신호는 시간에 그 특성이 변화하는 불안정(non-stationary) 신호이므로 시간에 따른 주파수성분의 변화를 정확히 알기 위해 시간-주파수 정보를 동시에 관찰할 수 있는 시-주파수 분석방법을 이용하는 연구들이 행해져 왔다[7-9]. 이에 본 연구에서는 인위적으로 스트레스를 부과한 다음 측정한 심전도를 HRV 신호로 재구성한 한 후 시-주파수 분석방법을 적용하였다. HRV의 시-주파수 영역 에 대한 정보를 얻어낸 후 각 시간대에서 HRV 신호의 주파수 성분을 계산하고 스트레스에 대한 심혈관계의 변화에 대해 살펴보았다.
작업에 의한 정신적 스트레스를 가장 잘 대변하는 성분은 HRV의 LF/HF 라는 기존의 연구결과에 따라 본 연구에서도 시-주파수 분석방법을 통해 얻어진 결과에서 LF/HF 값을 가지고 동전 쌓기에 따른 정신적 스트레스의 변화를 살펴보았다. 그림 12는 전체 피험자들의 평균 값으로 실험하는 동안의 LF/HF 비의 변화를 보여준다.
최근에도 여러 연구들에서 새로운 시-주파수 커널함수들이 소개되고 있으나 본 연구에서는 제한적으로 네 가지 종류를 선택하여 HRV 모의신호에 적용하여 그 결과를 보았다. 본 연구에서 제안한 성능 평가방법을 적용하면 다른 시-주파수 분석방법들에 대한 성능평가도 가능할 것이다.
실험 전에 피험자에게 생체 신호측정에 필요한 전극들을 부착하였고 탁자 위에 5개를 한 무더기로 하여 쌓은 10원짜리 동전 25무더기를 준비하였다. 피험자는 30초 동안의 안정기를 갖은 후 동전을 한 번에 한 무더기씩만 이동시키는 작업을 수행하도록 하였다. 실험 중에는 일체의 대화를 금지하였으며 자신의 생체신호 데이터를 보지 못하도록 하였다.
대상 데이터
20대의 남성 17명을 대상으로 실험을 하였다. 실험장소는 전자파 차폐실에서 시행하였고 실내온도를 18℃를 유지하였다.
실험 전에 피험자에게 생체 신호측정에 필요한 전극들을 부착하였고 탁자 위에 5개를 한 무더기로 하여 쌓은 10원짜리 동전 25무더기를 준비하였다. 피험자는 30초 동안의 안정기를 갖은 후 동전을 한 번에 한 무더기씩만 이동시키는 작업을 수행하도록 하였다.
이론/모형
교차성분제거 능력이나 분해능면에서 CWD 방법이 다소 우수한 결과를 보이나 계산속도에 있어서 CWD 방법은 지수함수를 커널로 사용하기 때문에 느린 단점을 갖게 된다. 따라서 본 연구에서는 SPWVD 방법을 이용하여 HRV 신호를 분석하였다.
시-주파수 분석에 사용되는 여러가지 커널함수 중에서 HRV 신호에 적합한 방법을 선택하기 위해서 HRV 신호를 사용하여 성능을 평가하였다. 모의 HRV 신호는 Simone가 제안한 세 가지 합성신호를 이용해서 평가하였다. 각 신호는 HRV 성분을 모사한 것으로 여기에 주파수 성분의 변화를 추가하여 HRV신호의 변동에 대한 평가가 가능하다[13].
90초의 제한시간 내에 준비된 모든 동전들을 한 지점에 무너뜨리지 않고 쌓아올리도록 요구하고 실험자는 피험자에게 10초마다 남은 시간을 육성으로 알려주었다. 측정된 심전도 신호는 Okada가 제안한 QRS detection filter를 이용하여 RR 간격으로 재구성한 후에 cubic interpolation을 적용하여 5Hz down sampling을 하였다[15].
성능/효과
STFT에 비해서 WVD, SPWVD, CWD가 보다 정확하게 주파수 성분을 표현하고 있으나 WV의 경우에는 교차간섭현상으로 인한 노이즈 성분으로 인해 정확한 성분의 감지가 어려운 단점이 있음을 알 수 있다. SPWVD와 CWD 방법이 다른 방법들에 비해서 우수한 주파수 분해능을 보였다.
표1에 HRV 신호의 각 주파수 성분에 대한 설명을 하였다. Sloane 24시간 흘터 데이터를 이용해서 사용자의 생활습성과 HRV신호의 주파수 성분들의 변화를 관찰하여 사용자가 정신적인 집중을 요하는 시간이나 외부환경으로의 자극을 받을 때는 LF 성분이 증가하여 LF/HF 값이 증가함을 보였다. Rollin 등의 연구에서는 감정상태의 변화를 유발한 다음 짧은 시간동안의(5분) HRV신호를 측정하여 그 변화를 관찰하였는데 나쁜 감정상태에서는 LF/HF 값이 증가 하고 좋은 감정상태에서는 MF/(LF+HF) 값이 증가한다고 발표하였다 [5-6].
본 연구에서는 동전 쌓기 작업을 이용하여 피험자에게 정신적인 스트레스를 인위적으로 부과하였다. 동전 쌓기 작업은 본 연구진에 의해 개발된 것으로 비교적 짧은 시간 안에 스트레스를 유발할 수 있으며 시간의 변화에 따른 스트레스 상태의 구분을 짓기가 용이하다는 장점을 가지고 있다. [14].
기존의 파워 스펙트럼 분석방법들을 이용하는 경우 신호를 짧은 구간으로 분할하는 과정이 필요하게 되므로 단시간 동안 발생하는 인체의 변화를 감지하기에 어렵다는 단점이 있다. 반면 본 연구에서 제안한 시-주파수 분석방법을 이용하면 신호를 분할하는 과정 없이 모든 시간대에 대한 주파수 스펙트럼 분포를 구할 수 있으므로 순간적으로 변화하는 주파수 성분의 변화를 감지하기가 용이하다는 장점을 가지게 된다.
시-주파수 분석방법의 결정에는 시간 분해능, 주파수 분해능, 교차성분 제거능력 등을 고려하게 되는데 HRV 모의 신호를 이용해 실험한 결과 SPWVD, CWD 방법이 우수한 성능을 나타내었다. 교차성분제거 능력이나 분해능면에서 CWD 방법이 다소 우수한 결과를 보이나 계산속도에 있어서 CWD 방법은 지수함수를 커널로 사용하기 때문에 느린 단점을 갖게 된다.
모의 HRV 신호에 적용한 결과를 바탕으로 SPWVD 방법을 선택하였고 동전 쌓기 실험을 실시하여 측정한 HRV 신호에 적용하였다. 시-주파수 영역에서 HRV의 성분들을 추출한 다음 LF/HF 값을 가지고 그 변화를 살펴보았는데 실험시작과 동전이 무너지는 시점의 긴장도를 잘 대변해주는 것을 알 수 있었다. 실험수행 능력을 기준으로 두 그룹으로 나누어 본 결과에서 수행능력이 낮은 사람들은 높은 사람들에 비해서 LF/HF 값이 높은 수준을 유지하고 있었으며 이는 스트레스를 많이 받는 사람들의 경우 작업 능력의 저하가 올 수 있음을 의미한다고 할 수 있다.
시-주파수 영역에서 HRV의 성분들을 추출한 다음 LF/HF 값을 가지고 그 변화를 살펴보았는데 실험시작과 동전이 무너지는 시점의 긴장도를 잘 대변해주는 것을 알 수 있었다. 실험수행 능력을 기준으로 두 그룹으로 나누어 본 결과에서 수행능력이 낮은 사람들은 높은 사람들에 비해서 LF/HF 값이 높은 수준을 유지하고 있었으며 이는 스트레스를 많이 받는 사람들의 경우 작업 능력의 저하가 올 수 있음을 의미한다고 할 수 있다.
그림 12는 전체 피험자들의 평균 값으로 실험하는 동안의 LF/HF 비의 변화를 보여준다. 실험시 작을 전후로 가장 높은 값을 보였으며 실험이 진행되는 동안 감소하다가 종료하는 시점에서 다시 증가하는 모양을 보였다.
후속연구
최근에도 여러 연구들에서 새로운 시-주파수 커널함수들이 소개되고 있으나 본 연구에서는 제한적으로 네 가지 종류를 선택하여 HRV 모의신호에 적용하여 그 결과를 보았다. 본 연구에서 제안한 성능 평가방법을 적용하면 다른 시-주파수 분석방법들에 대한 성능평가도 가능할 것이다.
참고문헌 (16)
Heiko Schoder, Daniel H. Silverman, Roxana Campsi, Harold Karpman, Michael E Phelps, Heinruch R. Schelbert, Johannes Czernin, 'Effects of Mental Stress on Myocardial Blood Flow and Vasomotion in Patients with Coronary Artery Disease', The Journal of Nuclear Medicine, vol.41, no.1, pp211-16, 2000
Willem J. Kop, John S.Gottdiener, Stephan M Patterson, David S. Krantz, 'Relationship between left ventricular mass and hemodynamic response to physical and physical stress', Journal of Psychosomatic Research, vol.48, pp79-88, 2000
Jean Pierre Fauvel, Catherine Cerutti, Pierre Quelin, Maurice Laville, 'Mental Stress-Induced Increase in Blood Pressure IS Not Related to Baroreflex Sensitivity in Middle-Aged Healthy Men', Hypertension, vol.35, pp887-891, 2000
G.Gerra, A.Zaimovic, U.Zambelli, M.Timpano, N.Reali, 'Neuroendocrine Responses to Psychological Stress in Adolescents with Anxiety Disorder', Neuropsychophysiology, vol.42, pp82-92, 2000
Rollin McCraty, Mike Atkinson, William A. Tiller , Glen Rein, Alan D. Watkins, 'The Effects of Emotions on Short-Term Powear Spectrum Analysis of Heart Rate Variability' , The American Journal of Cardiology, vol.76, pp1089-1093, 1995
Sloan RP, Shapiro PA, Bagiella E, Boni SM, Paik M, Bigger JT Jr, Steinman RC, Gorman JM., 'Effect of mental stress throughout the day on cardiac autonomic control', Biological Psychology, vol.27, no.2, pp89-99, 1994
Bianchi AM, Mainardi L, Petrucci E, Signorini MG, Mainardi M, Cerutti S, 'Time-variant power spectrum analysis for the detection of transient episodes in HRV signal', IEEE Trans Biomed Eng., pp136-144, vol.40, no.2, 1993
F.Claria, M.Vallverdu, R.Baranowski, L.Chojnowska, 'Time-Frequency Analysis of RT and RR Variability to Stratify Hypertropic Cardiomyopathy Patients', Computer and Biomedical Research, vol.33, pp416-430 , 2000
Hsiao Lung Chan, Jiunn Lee Chin, Chao Chen Du, Chien Ping Wu, 'Time Frequency distribution of Heart Rate Variability below 0.05Hz by Wigner-Ville Spectral Analysis in Congestive Heart Failure Patients', Med. Eng. Phys., vol.19, no.6, pp581-587, 1997
L.Cohen, 'Time-frequency distributions-a review', Proc. IEEE, vol.77, No.7, pp941-981, 1989
Franz Hlawatch, Thulasinath G. Manickam, Rudiger L. Urbanke, William Jones , 'Smoothed pseudo Wigner distribution, Chio-Williams distribution, and Cone-kernel representation, Ambiguity domain analysis and experimental comparison ', Signal Processing, vol.43, pp149-168, 1995
Simone Pola, Alberto Macerata, Michele Emdin, 'Estimation of the Power Spectral Density in Nonstationary Cardiovascular Time Series: Assessing the Role of the TFR', IEEE Transaction on Biomedical Engineering, vol.43, no.1, pp46-59 , 1996
A.Sul, J.Shin, C.Lee, Y.Yoon, 'Evaluation of Stress Reactivity and Recovery using Biosignals and Fuzzy Theory', vol.20, no.3, Proceeding of the 20th Annual International Conference of the IEEE EMBS, 1998
Masahito Okada, 'A Digital Filter for the QRS Complex Detection', IEEE Transaction On Biomedical Engineering, vol.26, no.12, pp700-703, 1979
S.H.Lee, S.O.Hwang, Y.R.Yoon, 'Detection of Ventricular Fibrillation using Time frequency Analysis', J.Biomed.Eng.Res., vol.20, no.6, pp561-571, 1999
※ AI-Helper는 부적절한 답변을 할 수 있습니다.