선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 또한 실시간 처리임에도 불구하고 선행 연구결과에 제시한 일반적 유의수준의 R2를 보였다. 그러므로 본 연구는 PPG와 ECG 측정장치로 지속적인 혈압을 실시간으로 측정할 수 있는 기술을 성공적으로 개발하였다. 하지만 이전의 연구 결과들과 같이 전체 회귀식의 R2값이 개인별 회귀식의 R2값보다 낮은 결과를 보였다.
- 이를 해결하기 위해 임계치 값이 측정 데이터에 따라 실시간으로 결정하는 Adaptive Peak 측정 알고리즘 방식을 적용하여야 한다. 따라서 본 연구에서는 임계치 값을 상황에 맞게 자동으로 Peak을 분석 할 수 있는 Adaptive Peak 측정 알고리즘을 구현 하여 실시간 PTT를 추출하는 기술을 개발하고 이를 이용한 새로운 회귀모델을 도출하여 혈압을 측정하는 시스템을 개발하고자 하였다.
- 본 연구에서는 U-health care에 적용할 최소 침습 측정 기술로 혈압측정이 가능한 기술을 개발 하고자 하였다. 혈압은 사람의 건강상태를 측정에 있어서 매우 중요한 변수 중에 하나로 보고 되고 있다.
- U-health care 시장의 확대에 따라 최소 구속 측정기술이 요구되고 있다. 최소구속 측정기술의 하나로 PPG와 ECG를 이용한 혈압의 연속 측정 기술을 개발하고자 하였다. 혈압의 연속측정은 고혈압의 판단 및 예방에 중요한 역할을 하고 있기 때문이다.
제안 방법
- Adaptive Peak 측정 알고리즘을 사용했을 때의 장점을 알아보기 위해, 알고리즘을 사용했을 때와 사용하지 않았을 때의 혈압간의 상관계수 R2값을 비교하였다. PTT값은 총 6분의 수집데이터를 1분 간격으로 평균값을 계산하였다.
- Adaptive Peak 측정 알고리즘의 효율을 검증하기 위해 3명을 대상으로 운동 전후의 ECG, PPG 그리고 혈압을 반복 측정하는 실험을 수행했다. 실험결과를 바탕으로 Adaptive Peak 측정 알고리즘이 적용된 측정방법과 적용하지 않은 측정방법으로 각각 PTT를 계산하였다.
- 2(National Instruments, USA)를 통하여 처리 하였다. ECG는 Monitoring Electrode(3M, USA)에 Lead110S(Biopac, USA)를 연결한 뒤 ECG100C(Biopac, USA)를 이용하여 신호를 증폭한 후 NI-DAQ 6015를 이용하여 PC로 받아들였다. 샘플링은 200Hz로 설정하였다.
- PTT는 ECG의 R peak와 PPG의 peak의 시간 차로 계산하였다. ECG와 PPG신호의 노이즈와 진폭의 변화로 인해 PTT의 연속적인 측정이 어려운 단점을 보완하기 위해 Adaptive Peak 측정 알고리즘을 성공적으로 개발하였다. Adaptive Peak 측정 알고리즘은 수집된 ECG와 PPG 데이터를 바탕으로 새로운 임계치 값이 연속적으로 갱신하기 때문에 진폭의 변화에도 peak의 측정이 가능하다.
- PTT 분석 알고리즘은 그림 1에서 제시된 바와 같이 수집된 PPG 신호와 ECG 신호를 Adaptive Peak 측정 알고리즘을 통해 Peak 시점을 계산 한 뒤, ECG 신호의 Peak 시점과 PPG 신호의 Peak시점을 차이를 분석하여 PTT 값을 도출하였다.
- PTT 측정 알고리즘을 이용하여 측정한 결과와 NIBP방식의 디지털 혈압계(HEM-780, OMRON)를 이용하여 측정한 결과와 비교하여 상관계수를 도출하기 위해 실험을 수행하였다. 혈압의 측정은 수축기 혈압을 측정하였으며, 3번을 반복 측정하여 평균값을 사용하였다.
- 더욱이 PPG 신호는 호흡으로 인해 진폭에 변화가 발생하고 ECG 신호 역시 사용자의 움직임으로 인한 진폭의 변화가 심하다. 따라서 노이즈가 발생할 경우와 진폭의 변화에도 혈압의 측정이 가능한 Adaptive Peak 측정 알고리즘을 구현하도록 하였다.
- Adaptive Peak 측정 알고리즘은 수집된 ECG와 PPG 데이터를 바탕으로 새로운 임계치 값이 연속적으로 갱신하기 때문에 진폭의 변화에도 peak의 측정이 가능하다. 또한 노이즈가 발생한 신호가 수집되었을 때에도 노이즈를 인식하고 제거하도록 하였다.
- 그림 4에 제시된 바와 같이 피실험자의 정보를 입력(좌측)과 실험자에게 혈압측정 시점을 알려줄 수 있도록(좌측) 제작되었다. 또한 현재 수집되고 있는 ECG신호(우측화면의 위쪽 신호)와 PPG 신호(우측화면의 아래쪽 신호)의 상태를 알려줄 수 있도록 하였다.
- 신호수집시 샘플링은 200Hz로 설정하였다. 수집된 데이터는 Labview 8.2(National Instruments, USA)를 통하여 처리 하였다. ECG는 Monitoring Electrode(3M, USA)에 Lead110S(Biopac, USA)를 연결한 뒤 ECG100C(Biopac, USA)를 이용하여 신호를 증폭한 후 NI-DAQ 6015를 이용하여 PC로 받아들였다.
- 최근의 연구에서는 이를 보완하기 위해 혈압과 신체변수 그리고 PTT간의 유의성에 대해 연구하였다. 신체변수는 체중, 체지방, 팔길이, 팔 굵기, 신장을 측정하였다. 분석결과 PTT와 체중 그리고 팔길이가 혈압과 유의하였다.
- 피실험자는 심장질환이 없고 건강한 대학생 3명이 4번을 반복하여 실험을 실시하였다. 실시간으로 데이터를 처리하고 실험간 실험자로 인한 방해를 최소화하기 위해 그림 4와 같이 ECG-PPG측정 프로그램을 제작하였다. 그림 4에 제시된 바와 같이 피실험자의 정보를 입력(좌측)과 실험자에게 혈압측정 시점을 알려줄 수 있도록(좌측) 제작되었다.
- 실험 결과에 대해 피실험자별로 360의 연속적인PTT(개인당 3번의 반복 반복실험 * 1번의 반복마다 6분간 데이터 수집 * 분당 20개의 PTT를 측정)를 측정하였다. 이때 PTT의 측정은 기존의 방법과 Adaptive Peak 알고리즘을 적용한 방법을 사용하여 측정하고 그 결과를 분석해 보았다.
- Adaptive Peak 측정 알고리즘의 효율을 검증하기 위해 3명을 대상으로 운동 전후의 ECG, PPG 그리고 혈압을 반복 측정하는 실험을 수행했다. 실험결과를 바탕으로 Adaptive Peak 측정 알고리즘이 적용된 측정방법과 적용하지 않은 측정방법으로 각각 PTT를 계산하였다. 그 결과 적용전과 비교해서 표준편차는 28% 감소하였으며 노이즈 탐지성능은 18% 상승하였다.
- 예상 Peak수는 ECG 신호에서 추출한 심장 박동을 바탕으로 5초 동안의 심장 박동수를 계산하였다. 이때 ECG 신호 자체의 노이즈로 인하여 심장박동이 잘못 계산되는 경우를 방지하기 위하여 최대 심장 박동수를 구하여 그 이상을 넘지 않도록 하였다. 만약 범위를 벗어나게 되면 노이즈로 판단하였다.
- 실험 결과에 대해 피실험자별로 360의 연속적인PTT(개인당 3번의 반복 반복실험 * 1번의 반복마다 6분간 데이터 수집 * 분당 20개의 PTT를 측정)를 측정하였다. 이때 PTT의 측정은 기존의 방법과 Adaptive Peak 알고리즘을 적용한 방법을 사용하여 측정하고 그 결과를 분석해 보았다. 기존의 측정 방법은 Adaptive Peak 알고리즘과 달리 임계치 값을 하나의 값으로 설정하여 Peak를 측정하였다.
- 분석 결과를 토대로 PTT와 체중 그리고 팔길이를 적용한 회귀식을 도출한 결과 PTT만을 사용한 회귀식보다 오차가 감소됨을 알 수 있었다[3]. 이러한 연구들은 수집된 데이터를 오프라인(offline)분석을 통해 노이즈 제거하는 작업을 하고 PTT를 얻는 방식을 사용하였다.
- PTT 측정 알고리즘을 이용하여 측정한 결과와 NIBP방식의 디지털 혈압계(HEM-780, OMRON)를 이용하여 측정한 결과와 비교하여 상관계수를 도출하기 위해 실험을 수행하였다. 혈압의 측정은 수축기 혈압을 측정하였으며, 3번을 반복 측정하여 평균값을 사용하였다. 실험은 표 1의 방법으로 진행하였다.
대상 데이터
- 혈압을 결정하기 위한 PPT를 도출하기 위해서는 PPG와 ECG 측정이 필수적이다. PPG는 Biopac의 수지접촉식 PPG센서(TSD200, Biopac, USA)를 Biopac의 PPG100C를 이용하여 신호를 증폭한 뒤 신호수집장치인 NI-DAQ 6015(National Instruments, USA)를 이용하여 PC로 받아들였다. 신호수집시 샘플링은 200Hz로 설정하였다.
- 샘플링은 200Hz로 설정하였다. 수집된 데이터는 National Instruments의 Labview 8.2를 통하여 처리 하였다.
- ECG의 부착위치는 6개의 흉부유도 부착위치중 V1과 V4에 부착하였으며 접지는 쇄골뼈에 부착하였다. 피실험자는 심장질환이 없고 건강한 대학생 3명이 4번을 반복하여 실험을 실시하였다. 실시간으로 데이터를 처리하고 실험간 실험자로 인한 방해를 최소화하기 위해 그림 4와 같이 ECG-PPG측정 프로그램을 제작하였다.
데이터처리
- Adaptive Peak 측정 알고리즘을 적용한 결과 수축기 혈압과 PTT간의 상관성이 증가하였을 것으로 예상하여 상관분석을 사용하여 유의확률을 표 4와 같이 계산하였다. 표 4에 제시된 바와 같이 Adaptive Peak 측정 알고리즘을 적용하여 유의수준(α)이 0.
- PTT와 수축기 혈압 간에 선형회귀분석을 통해 식 1과 같은 상관 모델을 도출하였다. 도출한 상관식은 실시간임에도 불구하고 기여율(R2)값은 0.
- 그림 3은 가장 효율적인 PTT 측정 시간을 찾기 위해 5명에서 수집한 20개의 PTT 데이터 간에 시간대비 PTT 값간의 분산도를 나타낸 것이다. 예상 Peak수는 ECG 신호에서 추출한 심장 박동을 바탕으로 5초 동안의 심장 박동수를 계산하였다. 이때 ECG 신호 자체의 노이즈로 인하여 심장박동이 잘못 계산되는 경우를 방지하기 위하여 최대 심장 박동수를 구하여 그 이상을 넘지 않도록 하였다.
이론/모형
- 이때 PTT의 측정은 기존의 방법과 Adaptive Peak 알고리즘을 적용한 방법을 사용하여 측정하고 그 결과를 분석해 보았다. 기존의 측정 방법은 Adaptive Peak 알고리즘과 달리 임계치 값을 하나의 값으로 설정하여 Peak를 측정하였다. 두 방법으로 측정한 결과의 분석은 표 2와 표 3과 같다.
- 그 이유는 실시간 데이터 수집 시 변화가 심한 Peak을 검출하는 데에 고정된 진폭 임계치 값을 사용하기 때문이다. 이를 해결하기 위해 임계치 값이 측정 데이터에 따라 실시간으로 결정하는 Adaptive Peak 측정 알고리즘 방식을 적용하여야 한다. 따라서 본 연구에서는 임계치 값을 상황에 맞게 자동으로 Peak을 분석 할 수 있는 Adaptive Peak 측정 알고리즘을 구현 하여 실시간 PTT를 추출하는 기술을 개발하고 이를 이용한 새로운 회귀모델을 도출하여 혈압을 측정하는 시스템을 개발하고자 하였다.
- 혈압의 측정은 혈관에 가는 튜브를 삽입하여 측정하는 방법(Invasive blood pressure, IBP)과 상완에 공기 가압이 가능한 커프(Cuff)를 부착하여 측정하는 방식(Non invasive blood pressure, NIBP)으로 사용된다. 하지만 IBP 방식의 경우 침습적이기 때문에 일상생활에서 활용이 불가능하며, NIBP방식의 경우 연속적인 혈압의 측정이 힘들고 장치의 부피 역시 휴대에 불편하다.
성능/효과
- Peak 측정시 5초의 데이터를 사용하는 이유는 PTT 측정시 입력하는 신호의 양이 증가할수록 PTT 값의 표준편차가 증가하게 되는데 5초 이후부터 표준편차가 급격하게 증가하는 것을 그림 3과 같이 분석 되어 졌기 때문이다. 5초보다 짧은 시간으로 수집시간을 설정하게 되면 임계치 폭이나 예상 Peak를 측정하는데 있어서 이전의 데이터가 반영되는 정도가 작아지게 되는 경향을 보였다. 그림 3은 가장 효율적인 PTT 측정 시간을 찾기 위해 5명에서 수집한 20개의 PTT 데이터 간에 시간대비 PTT 값간의 분산도를 나타낸 것이다.
- 실험결과를 바탕으로 Adaptive Peak 측정 알고리즘이 적용된 측정방법과 적용하지 않은 측정방법으로 각각 PTT를 계산하였다. 그 결과 적용전과 비교해서 표준편차는 28% 감소하였으며 노이즈 탐지성능은 18% 상승하였다. 따라서 Adaptive Peak 알고리즘으로 노이즈 제거 및 정확한 Peak의 측정을 통해 동작 시에도 측정의 효율을 높일 수 있다.
- 207 결과를 보였다. 따라서 본 연구의 실시간 상관모델은 일반적인 유의수준에서 성공적으로 구현되었다고 할 수 있다.
- 또한 Adaptive Peak 알고리즘 적용하여 혈압 예측을 할 수 있는 PTT와 혈압간 상관모델을 도출한 결과 그렇지 않은 경우보다 R2값이 2배 이상 증가한 것을 확인하였다. 또한 실시간 처리임에도 불구하고 선행 연구결과에 제시한 일반적 유의수준의 R2를 보였다.
- 하지만 표 5에서 제시된 바와 같이 Adaptive Peak 측정 알고리즘을 사용할 경우 그렇지 않은 경우보다 회귀식의 R2값이 2배 이상 증가하였다. 또한 Adaptive Peak 측정 알고리즘을 적용한 결과를 사용하여 도출한 상관식은 실시간임에도 불구하고 회귀식의 R2값이 기존 연구 결과의 비슷한 수준인 0.207 결과를 보였다. 따라서 본 연구의 실시간 상관모델은 일반적인 유의수준에서 성공적으로 구현되었다고 할 수 있다.
- 207 결과를 보였다. 따라서 본 연구의 실시간 상관모델은 일반적인 유의수준에서 성공적으로 구현되었다고 할 수 있다.
- 분석결과 PTT와 체중 그리고 팔길이가 혈압과 유의하였다. 분석 결과를 토대로 PTT와 체중 그리고 팔길이를 적용한 회귀식을 도출한 결과 PTT만을 사용한 회귀식보다 오차가 감소됨을 알 수 있었다[3]. 이러한 연구들은 수집된 데이터를 오프라인(offline)분석을 통해 노이즈 제거하는 작업을 하고 PTT를 얻는 방식을 사용하였다.
- 신체변수는 체중, 체지방, 팔길이, 팔 굵기, 신장을 측정하였다. 분석결과 PTT와 체중 그리고 팔길이가 혈압과 유의하였다. 분석 결과를 토대로 PTT와 체중 그리고 팔길이를 적용한 회귀식을 도출한 결과 PTT만을 사용한 회귀식보다 오차가 감소됨을 알 수 있었다[3].
- 표 2는 ECG에서 예측한 심장 박동 수보다 많은 수의 Peak가 검출된 경우를 노이즈로 판단하여 제거한 수를 비교한 결과이다. 표 2에서 보면 Adaptive Peak 알고리즘을 적용하여 노이즈를 평균 18%더 찾아 낼 수 있었다. 또한 노이즈가 많고 적음에 관계없이 높은 노이즈 제거 성능을 보인 것을 알 수 있다.
- 표 3은 측정된 PTT들의 편차를 비교한 결과이다. 표 3에서 보면 Adaptive Peak 알고리즘을 적용한 결과 표준편차의 크기가 평균 28%가 감소됨을 보였다. 편차의 감소는 피실험자 별로 44.
후속연구
- Health care에 유비쿼터스 기술을 융합한 U-health care의 등장으로 사용자는 의료 혜택을 삶의 현장에서 받을 수 있게 된 것이다. 다시 말해서, 가정에서 일상적인 활동을 하면서 또는 일을 하면서 간단한 측정으로 건강 상태를 점검하고 관리하는 것이 가능해 진 것이다. 언제 어디서나 건강 상태 진단 할 수 있다면 궁극적으로 질병을 미리 예방하고 건강을 유지하도록 하여 삶의 질을 높일 수 있을 것이다.
- 하지만 이전의 연구 결과들과 같이 전체 회귀식의 R2값이 개인별 회귀식의 R2값보다 낮은 결과를 보였다. 따라서 회귀식의 R2값을 높이기 위한 추가 연구는 계속 진행이 되어야 할 것으로 보인다. 이 기술은 지속적인 혈압 자가진단으로 말미암아 혈압 질환을 예방할 수 있고, 건강관리를 할 수 있는 시스템에 적용 가능하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.