본 연구에서는 일상생활 속에서의 심전도를 측정하여 HRV(Heart Rate Variability)를 모니터링 하며 스트레스를 추정할 수 있는 시스템을 제안한다. 제안된 무선 생체 측정기 모듈은 전처리필터와 BFP사용으로 잡음은 감소 시키면서 신호의 크기는 증가시키기는 회로를 설계하였고, ECG를 측정하여 R-wave를 추출하고 이를 통한 HRV로 인간의 감성 중 스트레스를 평가하는 알고리즘을 개발하였다. 또한 무선 생체 측정기 시스템은 활동 모니터링을 위해 휴대하기 편한 사각형의 작은 사이즈로 구성되며 측정방법이 간단하여 언제든지 측정이 가능하다. 실험을 통해서 취득한 사용자의 HRV 정보는 스트레스 평가 지수 도출 알고리즘을 통한 스트레스를 추정할 수 있으며 스트레스 부하 프로토콜을 수행 한 전후를 비교 분석하여 많은 파라미터에서 유의미한 차이가 나타났다. 본 연구에서 수행된 실험은 일상생활 중에 심장의 전기 활동을 모니터링 할 수 있는무선 생체측정기를 개발하였으며 이를 이용하여 시간영역 분석 및 주파수 영역 분석을 통하여 스트레스 지수를 평가 할 수 있는 알고리즘 시스템은 건강 모니터링 시스템으로 활용도가 높을 것으로 기대된다.
본 연구에서는 일상생활 속에서의 심전도를 측정하여 HRV(Heart Rate Variability)를 모니터링 하며 스트레스를 추정할 수 있는 시스템을 제안한다. 제안된 무선 생체 측정기 모듈은 전처리필터와 BFP사용으로 잡음은 감소 시키면서 신호의 크기는 증가시키기는 회로를 설계하였고, ECG를 측정하여 R-wave를 추출하고 이를 통한 HRV로 인간의 감성 중 스트레스를 평가하는 알고리즘을 개발하였다. 또한 무선 생체 측정기 시스템은 활동 모니터링을 위해 휴대하기 편한 사각형의 작은 사이즈로 구성되며 측정방법이 간단하여 언제든지 측정이 가능하다. 실험을 통해서 취득한 사용자의 HRV 정보는 스트레스 평가 지수 도출 알고리즘을 통한 스트레스를 추정할 수 있으며 스트레스 부하 프로토콜을 수행 한 전후를 비교 분석하여 많은 파라미터에서 유의미한 차이가 나타났다. 본 연구에서 수행된 실험은 일상생활 중에 심장의 전기 활동을 모니터링 할 수 있는무선 생체측정기를 개발하였으며 이를 이용하여 시간영역 분석 및 주파수 영역 분석을 통하여 스트레스 지수를 평가 할 수 있는 알고리즘 시스템은 건강 모니터링 시스템으로 활용도가 높을 것으로 기대된다.
In this paper, daily life stress monitoring system is proposed. The proposed wireless ECG module, reducing the noise and increasing the size of signal, amplification circuit was designed for. Using HRV(Heart Rate Variability), extracted by measuring R-wave, stress diagnostic algorithms to assess the...
In this paper, daily life stress monitoring system is proposed. The proposed wireless ECG module, reducing the noise and increasing the size of signal, amplification circuit was designed for. Using HRV(Heart Rate Variability), extracted by measuring R-wave, stress diagnostic algorithms to assess the stress of human emotion were developed. For monitoring the activities, the proposed system is consist of small rectangular size for portable and by simple measurement it is possible to measure at any time. Through experiments, the proposed approach to represent user's stress level can be confirmed. Through that, it can see appropriate structure to obtain R-wave for stress assess as well as high resemblance to the clinical electrocardiogram. In this paper, performed experiments was developed nonrestraint measuring and wearable wireless biometric scanner that is able to monitor the heart's electrical activity of everyday life.Using this, the algorithm system, that is able to assess stress index through time-domain and frequency-domain analysis of the front and the rear of performing stress load protocol, was developed,
In this paper, daily life stress monitoring system is proposed. The proposed wireless ECG module, reducing the noise and increasing the size of signal, amplification circuit was designed for. Using HRV(Heart Rate Variability), extracted by measuring R-wave, stress diagnostic algorithms to assess the stress of human emotion were developed. For monitoring the activities, the proposed system is consist of small rectangular size for portable and by simple measurement it is possible to measure at any time. Through experiments, the proposed approach to represent user's stress level can be confirmed. Through that, it can see appropriate structure to obtain R-wave for stress assess as well as high resemblance to the clinical electrocardiogram. In this paper, performed experiments was developed nonrestraint measuring and wearable wireless biometric scanner that is able to monitor the heart's electrical activity of everyday life.Using this, the algorithm system, that is able to assess stress index through time-domain and frequency-domain analysis of the front and the rear of performing stress load protocol, was developed,
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 생체신호 아날로스 증폭 회로를 설계 하였다. OR-CAD의 Pspice Simulation을 이용한 Elliptic, Bi-Quad Filtter등의 각종 BPF(Band Pass Filter)를 이론적으로 계산하며 특성을 찾아내고, 사전에 계산된 이론값에 근거한 회로 설계 및 QRS검출 알고리즘을 통하여 정확한 심전도를 검출하고자 하였다.
이러한 건강관리 트랜드 변화와 기술의 융합에 따라 많은 새로운 시도가 진행되고 있다. 본 연구에서는 스트레스를 평가하기 위하여 무구속 무자각으로 생체 정보를 취득하여 신호처리 및 분석을 위한 시스템을 제안한다. 먼저 스트레스 평가를 위한 생체신호의 분석 방법에 관하여 알아보고, 이어서 스트레스 분석을 위한 생체 정보 취득 시스템에 설계를 제시한다.
제안 방법
그림 6은 레벨 쉬프트 시킨 심전도 신호를 나타낸다. HRV분석 방법을 하기 위하여 미분함수 및 문턱치 계산을 프로그램하여 보다 효율적이고 정확하게 R-peak를 거출하는 알고리즘을 설계하였다[3].
본 연구에서는 생체신호 아날로스 증폭 회로를 설계 하였다. OR-CAD의 Pspice Simulation을 이용한 Elliptic, Bi-Quad Filtter등의 각종 BPF(Band Pass Filter)를 이론적으로 계산하며 특성을 찾아내고, 사전에 계산된 이론값에 근거한 회로 설계 및 QRS검출 알고리즘을 통하여 정확한 심전도를 검출하고자 하였다. 검출된 RRI(R-R Peak Interval)로 FFT하여 Power Spectrum분석하고 스트레스 정도를 나타낼 수 있음을 확인하였다.
신호 계측시 발생하는 백색잡음을 보다 효과적으로 제거하기 위하여 Bi-Quad Filter를 설계하였다. 또한 양 괄목에서 들어오는 심장의 움직임에 대한 신호 중, 동상 신호를 제거하고 차동 신호만을 증폭하기 위하여 동상신호제거비(common mode rejection ratio, CMRR)가 높은 OP-Amp를 사용하였으며, 움직임에 따라 발생하는 체표면아티펙트(Somatic)을 효과적으로 제거하기 위하여 60Hz잡음을 제거하는 오른다리 구동회로를 설계하였다. 그림 3는 설계한 심전도 측정시스템의 PCB이고 그림 4는 시스템 회로도이다.
본 연구에서는 스트레스를 평가하기 위하여 무구속 무자각으로 생체 정보를 취득하여 신호처리 및 분석을 위한 시스템을 제안한다. 먼저 스트레스 평가를 위한 생체신호의 분석 방법에 관하여 알아보고, 이어서 스트레스 분석을 위한 생체 정보 취득 시스템에 설계를 제시한다. 설계된 시스템을 이용하여 생체신호를 취득하고, 스트레스 지수 평가를 진행하였다.
이 그림에서 PQRST complex는 400ms+α의 주기를 가지며 R-wave를 포함하는 QRS complex는 128ms 이다. 본 연구에서는 입력되는 신호의 한주기를 받아 기준 되는 신호를 선정하여 R-peak신호를 설정하였다.
먼저 스트레스 평가를 위한 생체신호의 분석 방법에 관하여 알아보고, 이어서 스트레스 분석을 위한 생체 정보 취득 시스템에 설계를 제시한다. 설계된 시스템을 이용하여 생체신호를 취득하고, 스트레스 지수 평가를 진행하였다. 스트레스 부하를 걸기 전, 후의 데이터를 비교를 통하여 스트레스 상황에서 변하는 파라미터들로 인한 스트레스 지수를 추정하여 분석하였다.
설계한 생체신호 취득 시스템은 생체 신호 증폭 아날로그회로로 구성되고 SMD를 활용하여 소형화한 측정기이다. 전극은 Ag/AgCl를 사용하였고, 전체적인 심전도 파형을 측정하기 위하여 차단 주파수가 0.
설계된 시스템을 이용하여 생체신호를 취득하고, 스트레스 지수 평가를 진행하였다. 스트레스 부하를 걸기 전, 후의 데이터를 비교를 통하여 스트레스 상황에서 변하는 파라미터들로 인한 스트레스 지수를 추정하여 분석하였다.
스트레스 지수는 착용형 무선 생체 신호 측정기로부터 취득한 데이터로써, HRV분석에서 추출한 주파수 영역 분석의 파라미터인 normLF과 normHF변수와 시간영역 분석의 파라미터인 심박수의 최빈값, SDNN, 최대 심박수와 최소 심박수 그리고 심박수 최빈값의 점유율을 변수로 추정하여 각각 비교하였다. 스트레스 평가 지수 도출 알고리즘에 의하여 스트레스 지수를 도출하였다.
여기서 스트레스상황은 찬물얼굴침수법으로 설정하여 스트레스 부하 상태를 임의적으로 설정하였다. 스트레스 평가를 위한 실험 과정은 이렇게 일상적인 상황과 스트레스 상황으로 나누어서 수행하였다.
스트레스를 받지 않는 일상적인 상황과 스트레스 상황에서 동일한 피험자를 대상으로 실시하였다. 여기서 스트레스상황은 찬물얼굴침수법으로 설정하여 스트레스 부하 상태를 임의적으로 설정하였다. 스트레스 평가를 위한 실험 과정은 이렇게 일상적인 상황과 스트레스 상황으로 나누어서 수행하였다.
설계한 생체신호 취득 시스템은 생체 신호 증폭 아날로그회로로 구성되고 SMD를 활용하여 소형화한 측정기이다. 전극은 Ag/AgCl를 사용하였고, 전체적인 심전도 파형을 측정하기 위하여 차단 주파수가 0.03Hz~150Hz인 고역 통과 필터(High Pass Filter, HPF)와 저역 통과필터(Low Pass Filter, LPF)를 설계하여 심전도 신호에 포함된 기저선 및 저주파 성분의 잡음을 제거하도록 설계하였다.
생체 신호 취득 측정기 모듈에서 증폭 및 필터링 되며 실시간으로 수집되어지는 심전도 신호는 모듈과 무선 송수신부(FB-155BC)부와 데이터를 전송한다. 전송되는 데이터를 이용하여 정합필터를 통과하며 잡음을 최소화하며 측정하려는 R-wave의 값을 증가시키도록 한다. 심전도 시스템에서 측정되는 것과 달리 데이터를 무선송신하기 때문에 파형과 완전히 일치하지는 못하였으나 R-wave 부분이 확실하게 출력되는 것을 확인 할 수 있다.
휴대용 스트레스 측정기로 측정된 심전도 신호로부터 R피크를 검출하여 RRI(R-R Peak Interval)를 구하였다. RRI를 이용한 HRV 분석법은 크게 시간영역 분석법과 주파수 영역분석법으로 나눌 수 있으며 시간영역 분석법을 통하여 RRI시계열 데이터로부터 meanRR, meanHR (Heart Rate), SDNN, RMSSD를 구하고, 주파수 영역분석법을 통하여 FFT파워스펙트럼의 데이터로부터 LF성분(0.
대상 데이터
데이터 전송은 Bluetooth를 사용하여 수신부는 차후 다른 생체 정보 측정 기기들과 PC와의 연결로 범용성을 확대를 위해 USB프로토콜과 RS232C프로토콜을 연결을 지원하는 CP2102칩을 사용하였다.
본 실험은 신체 건강한 20대 중후반 성인 남성을 대상으로 한 스트레스 평가이다. 스트레스를 받지 않는 일상적인 상황과 스트레스 상황에서 동일한 피험자를 대상으로 실시하였다.
본 실험은 신체 건강한 20대 중후반 성인 남성을 대상으로 한 스트레스 평가이다. 스트레스를 받지 않는 일상적인 상황과 스트레스 상황에서 동일한 피험자를 대상으로 실시하였다. 여기서 스트레스상황은 찬물얼굴침수법으로 설정하여 스트레스 부하 상태를 임의적으로 설정하였다.
데이터처리
OR-CAD의 Pspice Simulation을 이용한 Elliptic, Bi-Quad Filtter등의 각종 BPF(Band Pass Filter)를 이론적으로 계산하며 특성을 찾아내고, 사전에 계산된 이론값에 근거한 회로 설계 및 QRS검출 알고리즘을 통하여 정확한 심전도를 검출하고자 하였다. 검출된 RRI(R-R Peak Interval)로 FFT하여 Power Spectrum분석하고 스트레스 정도를 나타낼 수 있음을 확인하였다. 스트레스 지수 평가를 위한 심전도 측정시 나타날 수 있는 심장의 불규칙한 리듬이 활동 상태에서 나타나는 것인지 아니면 심장이상이나 이와 같은 다른 외부요인으로 인한 불규칙한 리듬인지를 판별할 수 없었지만 분석된 자료는 스트레스 부하 후, 스트레스 지수가 3±2에서8±2로 증가함에 따라 시간영역 분석법의 파라메타인 MeanRR과 RMSSD 그리고 SDSD는 감소하였고, SDNN은 증가하는 유의함을 보였으며, 주파수영역 분석법의 파라메타인 LF/HF와 normLF는 증가하였고, normHF는 감소하는 유의함을 보여 스트레스 지수 알고리즘을 통한 스트레스 지수를 정성적 평가를 하였다.
측정기로부터 전송받은 심전도는 그림 9와 같이 RRI(R-R Peak Interval)로 나타내었으며, RRI(R-R Peak Interval)는 FFT를 이용하여 Power Spectrum분석을 나타내었다. 다음 그림 9은 심전도 신호를 RRI로 변환한 결과이며, 그림 10 는 FFT를 이용하여 PSD을 보여준다.
이론/모형
다시 말해 출력신호의 형태를 이용해 필터의 전달함수를 역으로 구성하는 방식으로 설계하기 때문에 필터링 하는 신호의 형태를 정확히 알고 있을 경우 설계가 가능하다. 또한 QRS complex의 존재여부를 검사하는 방법으로 정합 필터방법을 사용한다. 정합필터는 신호의 형태를 유지하면서 발생되는 잡음을 제거하는 성능을 가지고 있다.
스트레스 지수는 착용형 무선 생체 신호 측정기로부터 취득한 데이터로써, HRV분석에서 추출한 주파수 영역 분석의 파라미터인 normLF과 normHF변수와 시간영역 분석의 파라미터인 심박수의 최빈값, SDNN, 최대 심박수와 최소 심박수 그리고 심박수 최빈값의 점유율을 변수로 추정하여 각각 비교하였다. 스트레스 평가 지수 도출 알고리즘에 의하여 스트레스 지수를 도출하였다. 스트레스 평가 지수 도출 알고리즘은 식 3.
신호 계측시 발생하는 백색잡음을 보다 효과적으로 제거하기 위하여 Bi-Quad Filter를 설계하였다. 또한 양 괄목에서 들어오는 심장의 움직임에 대한 신호 중, 동상 신호를 제거하고 차동 신호만을 증폭하기 위하여 동상신호제거비(common mode rejection ratio, CMRR)가 높은 OP-Amp를 사용하였으며, 움직임에 따라 발생하는 체표면아티펙트(Somatic)을 효과적으로 제거하기 위하여 60Hz잡음을 제거하는 오른다리 구동회로를 설계하였다.
성능/효과
이 신호에서 최종적인 R-peak 을 위해 R-wave 크기의 1/2이하 값 신호는 제거하였다. 결과적으로 원하고자하는 R-wave 만을 얻을 수 있다.
본 연구에서는 입력되는 신호의 한주기를 받아 기준 되는 신호를 설정하였다. 결과적으로 임펄스 응답에 의해 입력되는 신호는 출력에서 크게 나타내어지도록 해주며 오히려 잡음은 줄여준다.
스트레스 지수 평가를 위한 심전도 측정시 나타날 수 있는 심장의 불규칙한 리듬이 활동 상태에서 나타나는 것인지 아니면 심장이상이나 이와 같은 다른 외부요인으로 인한 불규칙한 리듬인지를 판별할 수 없었지만 분석된 자료는 스트레스 부하 후, 스트레스 지수가 3±2에서8±2로 증가함에 따라 시간영역 분석법의 파라메타인 MeanRR과 RMSSD 그리고 SDSD는 감소하였고, SDNN은 증가하는 유의함을 보였으며, 주파수영역 분석법의 파라메타인 LF/HF와 normLF는 증가하였고, normHF는 감소하는 유의함을 보여 스트레스 지수 알고리즘을 통한 스트레스 지수를 정성적 평가를 하였다.
후속연구
본 연구에서는 ECG을 검출하여 실험하여 보다 편리하게심전도를 측정할 수 있는 전극과 일상생활 중에서도 최적의심전도 신호를 측정할 수 있는 심전도 신호처리 기법에 대한연구가 지속적으로 이루어져야 할 것으로 사료되며, 유비쿼터스 헬스케어에서 건강 모니터링을 위한 생체신호는 심전도, 맥파, 체온 등이 사용되고 있기에 향후연구에서는 이를 활용한연구가 지속적으로 이루어져야 할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
HRV는 무엇인가?
HRV는 끊임없이 변화하는 심혈관계 제어 메커니즘에 있어 R-R 간격의 변동 특징을 관찰하고 심장박동의 변화 추이를 정량화한 것이라 정의 할 수 있다. HRV를 구하기 위해서는 각각의 심전도 신호로부터 R피크를 검출하여, 검출된R-R 간격을 계산해야한다.
생화학적인 생체신호로는 어떤 것들이 있는가?
일반적으로 생체신호는 인체에서 자연발생 또는 외부자극에 대한 인체변화 등을 통해 취득되어 지는 신호로서 전기적인 신호로는 심전도(ECG), 근전도(EMG), 뇌전도(EEG)가있고, 생화학적 신호의 예로는 혈중 산소포화도, 혈중pH 등이 있다. 이들 신호 중 스트레스평가를 위한 HRV(Heart Rate Variability)를 얻기 위해서는 심전도가 사용되어진다.
시간영역 분석방법은 어떤 정보를 제공하는가?
시간영역 분석방법에서의 진단 변수인 SDNN의 정의는 특정한 시간 간격의 정상 R-R 간격의 표준 편차이다. 이처럼 시간 영역 분석 방법은 인접한 RRI차이의 표준 편차등과 같은 통계적인 정보를 제공한다. SDNN의 의미는 전체 심박주기의 표준편차이므로 각각의 심박주기가 평균과 얼마나 많은 차이를 나타내는가를 의미하고, NN50은 인접한 두 심박간의시간 간격이 50ms 이상 되는 심박수를 나타내며, pNN50은 전체 RR간격에 대한 NN50을 백분율로 나타낸 것이다.
참고문헌 (5)
KISTI "Health and Welfare for Aging society,"2005
D.C. Reddy, "Biomedical Signal Processing: Principles and Techniques," McGraw Hill, 2005. ation, Med. Biol. Eng. Comput, 1997, 35, 216-222
Boqiang Huang; Yuanyuan Wang, "Detecting QRS Complexes of Two-Channel ECG Signals by Using Combined Wavelet Entropy," Bioinformatics and Biomedical Eng., ICBBEInternational Conf. pp.1-4, 2009.
CC Lin, WC Hu, CM Chen, CH Weng, Heart Rate Detection in Highly Noisy Handgrip Electrocardiogram, Cumputers in Cardiology 2008;35:477-480
Antelmi I, de Paula RS, Shinzato AR, Peres CA, MansurAJ, Grupi CJ. Influence of age, gender, body mass index,and functional capacity on heart rate variability in a cohortof subjects without heart disease. Am J Cardiol2004;93:381-5.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.