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
- 신체에 접촉하는 센서를 사용하게 되면 정확한 측정에는 좋으나, 일상생활을 하면서 생체 신호의 변화를 장기적으로 모니터링 하는 데에는 매우 불편한 점이 있다[3]. 본 연구에서는 이러한 접촉 방식 대신에 일상생활을 불편하지 않게 하는 무구속 센서를 활용하여 사용자가 측정되고 있는지를 의식하지 않아도 되는 무자각 또는 무구속(nonrestraint) 방식으로 호흡을 측정하는 시스템을 구현하고자 한다. 제안된 호흡 측정 시스템은 Piezoelectric 센서를 내장한 센서 패드, 원래 호흡 신호를 증폭 및 필터링하여 디지털로 변환하는 호흡 측정 기기, 센서 데이터를 시각화하고, 분석하는 뷰어 프로그램으로 구성된다.
- PPG는 심장의 수축과 이완으로 변화하는 혈액용적(blood volume)과 혈액 내 헤모글로빈에 의해 흡수되는 빛의 양 사이에 선형적 관계를 이용하여 신호를 획득하였다. 이 연구에서는 PPG 센서로부터 얻은 신호의 크기와 위상으로부터 호흡 신호를 분류하려고 시도하였다. 그러나, 센서를 베개에 장착한 경우 설치와 유지보수는 쉽지만, 수면 중 사용자의 머리가 베개에서 벗어나면, 지속적으로 모니터링 할 수 없는 한계가 있다.
제안 방법
- Reinvuo 등[7]은 고해상도의 가속도계가 부착된 벨트를 가슴에 착용하고, 동시에 EMFit(Electro-Mechanica Film) 방식의 압력센서(pressure sensor)를 피실험자의 흉골, 심장, 검상돌기, 명치 등에 부착하게 한다. 10명의 피실험자가 앉은 자세와 누운 자세에서 호흡 횟수를 측정하였다. 실험 결과에 따르면 두 방법 모두 호흡 측정 방법으로 적당하고, MEMS의 평균 신뢰도는 90%인데 반해, EMFit 센서의 신뢰도는 90~100%임을 나타내고 있다.
- 차지영 등[6]은 PPG(photoplethysmogram) 센서를 장착한 베개를 사용하여 수면 중 호흡을 모니터링 하였다. PPG는 심장의 수축과 이완으로 변화하는 혈액용적(blood volume)과 혈액 내 헤모글로빈에 의해 흡수되는 빛의 양 사이에 선형적 관계를 이용하여 신호를 획득하였다. 이 연구에서는 PPG 센서로부터 얻은 신호의 크기와 위상으로부터 호흡 신호를 분류하려고 시도하였다.
- 본 연구에서는 사용자에게 센서를 직접 부착시키는 접촉방식을 피하고, 일상적인 활동에 아무런 불편함이 없도록 무구속 센서를 활용하여 호흡 신호를 검출하여 횟수를 세는 시스템을 구현하였다. 구현한 시스템은 얇고 넓은 필름 형태의 압전센서를 내장한 센서 패드, 미약한 호흡 신호를 증폭하고 필터링하는 기능을 가진 호흡 측정 기기, 센서 데이터를 실시간으로 그래프 형태로 나타내고, 이 데이터를 파일로 저장하여 재생할 수 있으면서 호흡 추출 알고리즘을 동작시키는 뷰어로 구성되었다.
- 제안된 호흡 측정 기기에서는, 패드 내 압전센서에서 얻어지는 원래 신호를 그림 3과 같이 2단계의 연산증폭기(Operational Amplifier)를 이용하여 약 4만 배 증폭하였다. 그 후 고역통과필터(High Pass Filter)를 통해 0.72㎐ 이하 신호를 차단하고, 저역통과필터(Low Pass Filter)를 통해 0.79㎐ 이상의 신호를 차단하는 회로를 설계하였다. 따라서, 대역통과필터의 범위는 0.
- N 값을 20, 30, 40, 50, 60, 70으로 변경하며 원래 신호에 이동 평균 필터링을 적용한 결과, 피실험자 B는 N 값이 50 또는 60일 때 그림 6에서 보이는 바와 같이 100% 인식률을 보였다. 다른 피실험자에 대해서도 동일한 방법으로 적절한 N의 범위를 찾기 위해 이 값을 변화시켜가면서 오류율을 평가하는 실험을 수행하였다.
- 72[16]를 사용하였다. 또한 Keil MDK ARM 컴파일러와 연동하는 실시간 운영체제는 RL-ARM 4.0을 사용하여 펌웨어 부분을 구현하였다. 실시간 운영체제는 통상 임베디드 기기에 사용되는 단일 프로세스 형태가 아니고, 프로그램 기능이 잘 모듈화 되어 있고, 유지·보수가 편리하며, 프로그램의 안정성이 높은 장점이 있다.
- 전처리 후 호흡을 추출하기 위한 알고리즘은 그림 7에서 제시된 바와 같이 수행된다. 먼저 호흡 신호의 상승과 하강 시 임계값(threshold)을 설정하고, 호흡의 지속 시간인 호흡기간(respiratory duration)과 하나의 호흡과 그 다음 호흡 사이의 호흡간 간격(respiratory interval)을 추출하고, 최종적으로 호흡 측정 횟수를 구한다. 이 알고리즘이 수행되기 전에 일정 기간 동안 호흡 측정에 의해 얻은 센서 데이터의 최고점(peak)의 값 M1, M2, M3, ⋯ 을 찾으며, 호흡 기간과 호흡 간 간격의 평균값을 미리 구한다.
- 본 연구에서는 사용자에게 센서를 직접 부착시키는 접촉방식을 피하고, 일상적인 활동에 아무런 불편함이 없도록 무구속 센서를 활용하여 호흡 신호를 검출하여 횟수를 세는 시스템을 구현하였다. 구현한 시스템은 얇고 넓은 필름 형태의 압전센서를 내장한 센서 패드, 미약한 호흡 신호를 증폭하고 필터링하는 기능을 가진 호흡 측정 기기, 센서 데이터를 실시간으로 그래프 형태로 나타내고, 이 데이터를 파일로 저장하여 재생할 수 있으면서 호흡 추출 알고리즘을 동작시키는 뷰어로 구성되었다.
- 본 연구에서는 시간 t동안에 기간 N개 값의 평균을 구하는 단순 이동 평균을 사용하였다. 기간 N을 어떻게 적용하느냐에 따라 원래 신호의 평활화 정도가 달라진다.
- 피실험자가 정상적으로 호흡하는 동안 가슴(어깨 아래와 허리 위), 팔(손목과 위쪽 팔), 다리(허벅지와 발목)의 각 아래와 위에 센서를 부착하여 신호를 측정하였다. 신호를 획득한 방법은 EMFit 센서 시트를 의자의 앉는 부분에 부착해 놓고 그 위에 피실험자가 앉아 센서 신호를 획득하였다. 다른 방법은 ECG(Electrocardiogram)의 전극을 양쪽 가슴에 부착하여 신호를 획득하였다.
- 실험에 참여한 피실험자들은 표 2와 같이 20대 남성 1명, 50대 남성과 여성 각 1명씩이고, 실험은 침대가 설치된 실험실에서 실시하였다. 실험은 이틀에 걸쳐 총 4시간동안 시행되었으며, 호흡 센서 데이터는 각각 5분 동안 수집되었다. 그림 5는 20대 남성을 대상으로 실험하는 장면을 보여준다.
- Xin Zhu 등[5]은 베개 아래에 튜브 형태의 압력센서를 설치하여 후두부 근방에서 생체 신호를 측정하여 잠자고 있는 피실험자의 호흡, 움직임 정보를 장기간 수집하는 연구를 수행하였다. 웨이블릿과 통계적 모멘트 기반의 알고리즘을 가지고 압력센서로부터 수집된 신호를 처리하여 이들 정보를 수집하였다. 이들이 제안한 네트워크에 연결된 시스템은 집에서 피실험자의 수면을 장기간 적은 비용으로 모니터링 할 수 있을 뿐만 아니라 월경 주기와 같은 생체 리듬을 분석할 수 있는 기능을 제공한다.
- Yamana 등[4]은 침대 위에 누워 있는 사용자의 호흡과 움직임 정보를 획득하기 위해 침대 매트리스 아래에 작은 공간을 만들고, 그 공간에서 초음파를 쏘아 반사되는 신호로 호흡 신호를 검출하였다. 이 연구에서는, 수신 받은 신호를 동일한 크기로 증폭한 다음, 서로 다른 대역통과필터와 서로 다른 크기로 각각 증폭하여 호흡, 신체의 움직임 정보를 검출하였고, 또한 고역통과필터를 사용하여 침대 위에 피험실험자의 존재 유무를 탐지하는 회로를 설계하였다.
- 침대 위에 깐 센서 패드 위에 누운 피실험자의 호흡에 따라 센서에 가해지는 압력의 정도에 의해 출력 신호를 측정하면, 그 크기가 매우 미세하다. 제안된 호흡 측정 기기에서는, 패드 내 압전센서에서 얻어지는 원래 신호를 그림 3과 같이 2단계의 연산증폭기(Operational Amplifier)를 이용하여 약 4만 배 증폭하였다. 그 후 고역통과필터(High Pass Filter)를 통해 0.
- 본 연구에서는 이러한 접촉 방식 대신에 일상생활을 불편하지 않게 하는 무구속 센서를 활용하여 사용자가 측정되고 있는지를 의식하지 않아도 되는 무자각 또는 무구속(nonrestraint) 방식으로 호흡을 측정하는 시스템을 구현하고자 한다. 제안된 호흡 측정 시스템은 Piezoelectric 센서를 내장한 센서 패드, 원래 호흡 신호를 증폭 및 필터링하여 디지털로 변환하는 호흡 측정 기기, 센서 데이터를 시각화하고, 분석하는 뷰어 프로그램으로 구성된다.
- 기존 연구와 제안한 시스템의 기술적 특징과 장·단점을 표 1에 정리하였다. 제안한 호흡 측정 시스템은 호흡 주기를 기준으로 임계값을 이용하여 최고점을 추출한 후, 호흡 횟수를 계산하는 알고리즘을 고안하였다.
- ) 개수를 변경해 가면서 실험을 수행하였으며, 표 4~6에 실험 결과를 나타내었다. 피실험자 A, B, C에 대해 측정된 호흡 횟수를 참조 호흡 신호와 비교하여 오류율을 계산하였다. 여기서 참조 신호는 실제 호흡이 발생할 때마다 피실험자가 손으로 힘센서를 톡톡 쳐서 얻어진 신호로 실제 호흡 횟수를 나타낸다.
- Alametsä 등[8]은 센서의 출력 신호를 자체 제작한 이동 생체 측정기(Mobile Physiological Measurement Station)에 기록하는 시스템을 제안하였다. 피실험자가 정상적으로 호흡하는 동안 가슴(어깨 아래와 허리 위), 팔(손목과 위쪽 팔), 다리(허벅지와 발목)의 각 아래와 위에 센서를 부착하여 신호를 측정하였다. 신호를 획득한 방법은 EMFit 센서 시트를 의자의 앉는 부분에 부착해 놓고 그 위에 피실험자가 앉아 센서 신호를 획득하였다.
- 호흡 추출 알고리즘을 고안하기 위한 실험은 침대 위에 센서 패드를 깔고, 패드 위에 피실험자가 누운 후 편안한 상태에서 호흡 신호를 수집하였다. 피실험자가 호흡을 시작할 때마다 호흡 측정 기기에 연결된 힘 센서를 손으로 톡톡 쳐서 호흡의 참조(reference) 신호를 생성하였다.
대상 데이터
- 마이크로 컨트롤러는 ARM사 제품인 Cortex-M 시리즈의 TM4C1231E6PM[15]을 사용하였고, 컴파일러로는 Keil MDK ARM Compiler 4.72[16]를 사용하였다. 또한 Keil MDK ARM 컴파일러와 연동하는 실시간 운영체제는 RL-ARM 4.
- 본 연구에서 사용한 센서는 그림 2와 같이 얇고 넓은 필름 형태의 Piezoelectric 압전센서로서 EMFIT사의 L-3060SL 센서[10]를 선택하였다. 이 센서는 600×300㎜의 크기와 110g의 무게를 가지며, 패드 안에 내장하여 무구속 센서로 사용하기에 적합하다.
- 또한 Butterworth필터[13]를 적용하여 통과 대역을 평탄하게 하고, 통과 대역 이외의 신호는 감쇄시켰다. 신호 증폭을 위하여 Texas Instruments사의 LM358[14]이 사용되었다.
- 실험에 참여한 피실험자들은 표 2와 같이 20대 남성 1명, 50대 남성과 여성 각 1명씩이고, 실험은 침대가 설치된 실험실에서 실시하였다. 실험은 이틀에 걸쳐 총 4시간동안 시행되었으며, 호흡 센서 데이터는 각각 5분 동안 수집되었다.
- 압전센서의 출력 신호를 증폭하고, 필터링한 결과 값을 ADC(Analog to Digital Converter)의 입력 값으로 사용하여 1㎑를 기준으로 샘플링한 후, 데이터 평활화를 거쳐 50㎐ 주기를 갖는 12비트의 디지털 센서 데이터를 생성한다. 12비트 ADC는 2.
성능/효과
- 3명의 피실험자에 대하여 호흡 신호에서 고주파 성분을 제거하는 이동 평균 개수와 호흡을 추출하기 위한 기준이 되는 임계값을 변경해 가면서 호흡을 인식하는 실험을 수행한 결과, 이동 평균 개수 50~60을 중심으로 임계값은 800~1300 범위에서 약 5% 이내의 오류율이라는 양호한 성능을 나타내었다. 이 실험 결과, 이동 평균 개수가 실험 결과에 주요하게 영향을 끼치고 있음을 시사한다.
- 이 예에서는 호흡 횟수의 추가 알고리즘이 잘 적용된 것을 볼 수 있으나, 1초~120초(2분) 사이의 최고점 중 처음과 마지막 값을 제대로 찾지 못할 경우 정확한 호흡 횟수를 계산하기 어려움을 알 수 있다. 또한 이동 평균 값이 60으로 큰 경우에는 평활화가 많이 수행된 결과로, 임계값이 1000 또는 1100일 때 최고점을 찾지 못하는 결과를 초래한 것으로 분석된다.
- 10명의 피실험자가 앉은 자세와 누운 자세에서 호흡 횟수를 측정하였다. 실험 결과에 따르면 두 방법 모두 호흡 측정 방법으로 적당하고, MEMS의 평균 신뢰도는 90%인데 반해, EMFit 센서의 신뢰도는 90~100%임을 나타내고 있다. 또한 가슴에 부착한 센서 모듈의 경우에는 부착 위치가 중요함을 밝혀냈다.
- 6초)이다. 이 때, 이동 평균 값이 50이면서 임계값이 1000~1100이거나, 이동 평균 개수가 60이면서 임계값이 800~1000이거나, 이동 평균 값이 70이면서 임계값이 1100인 경우 참조 호흡 횟수와 일치하는 오류율 0%인 양호한 결과를 얻었다. 즉 피실험자 B의 경우, 이동 평균 값이 작으면 잡음이 많이 포함되기 때문에 이동 평균 값을 크게 할수록 호흡 측정 횟수가 참조 호흡 횟수에 근사하는 결과를 얻을 수 있었다.
- 9초)이다. 이 때, 이동 평균 값이 50이면서 임계값이 900 또는 1300이거나 이동 평균 값이 60이면서 임계값이 1000일 때 오류율 0%인 호흡 측정 결과를 얻었다.
- 3명의 피실험자에 대하여 호흡 신호에서 고주파 성분을 제거하는 이동 평균 개수와 호흡을 추출하기 위한 기준이 되는 임계값을 변경해 가면서 호흡을 인식하는 실험을 수행한 결과, 이동 평균 개수 50~60을 중심으로 임계값은 800~1300 범위에서 약 5% 이내의 오류율이라는 양호한 성능을 나타내었다. 이 실험 결과, 이동 평균 개수가 실험 결과에 주요하게 영향을 끼치고 있음을 시사한다. 임계값의 경우에는 피실험자마다 서로 다른 범위에서 실험 결과에 영향을 끼쳤다.
- 이동 평균 개수가 50~60 범위일 때, 호흡 측정 횟수가 참조 호흡 횟수에 근사하는 것을 관찰할 수 있었다. 이 경우는 호흡간 간격과 호흡 기간의 차이가 상당히 커서, 잡음만 제거하더라도 낮은 오류율을 얻을 수 있었다.
- 피실험자 A, B, C에 대한 호흡 측정 실험에서 A는 이동 평균 개수가 50인 경우 양호한 실험 결과를 얻었고, B와 C는 이동 평균 개수가 50~60인 경우 양호한 실험 결과를 얻었다. 이러한 실험에 따라, 이동 평균 개수가 실험 결과에 주요하게 영향을 끼치고 있음을 알게 되었다. 임계값의 경우에는 피실험자마다 서로 다른 범위에서 실험 결과가 영향을 받았다.
- 이 때, 이동 평균 값이 50이면서 임계값이 1000~1100이거나, 이동 평균 개수가 60이면서 임계값이 800~1000이거나, 이동 평균 값이 70이면서 임계값이 1100인 경우 참조 호흡 횟수와 일치하는 오류율 0%인 양호한 결과를 얻었다. 즉 피실험자 B의 경우, 이동 평균 값이 작으면 잡음이 많이 포함되기 때문에 이동 평균 값을 크게 할수록 호흡 측정 횟수가 참조 호흡 횟수에 근사하는 결과를 얻을 수 있었다. 즉, 임계값이 상대적으로 작은 경우에는 이동 평균 개수를 크게 하면, 양호한 호흡 측정 횟수를 얻을 수 있음을 알게 되었다.
- 즉 피실험자 B의 경우, 이동 평균 값이 작으면 잡음이 많이 포함되기 때문에 이동 평균 값을 크게 할수록 호흡 측정 횟수가 참조 호흡 횟수에 근사하는 결과를 얻을 수 있었다. 즉, 임계값이 상대적으로 작은 경우에는 이동 평균 개수를 크게 하면, 양호한 호흡 측정 횟수를 얻을 수 있음을 알게 되었다.
- 피실험자 A, B, C에 대한 호흡 측정 실험에서 A는 이동 평균 개수가 50인 경우 양호한 실험 결과를 얻었고, B와 C는 이동 평균 개수가 50~60인 경우 양호한 실험 결과를 얻었다. 이러한 실험에 따라, 이동 평균 개수가 실험 결과에 주요하게 영향을 끼치고 있음을 알게 되었다.
후속연구
- 향후에는 다양한 피실험자군을 선정하여 수면 중인 환경에 좀 더 가까운 상태에서 호흡 신호를 추출하는 실험이 수행될 필요가 있다. 그리고, 호흡만이 아니라 심장 기능을 상시적으로 모니터링하기 위해서는, 맥박과 호흡 신호를 함께 추출하여 호흡과 맥박을 함께 모니터링 할 수 있는 시스템과 알고리즘에 대한 연구가 진행되어야 할 것이다.
- 본 시스템은 독거노인이나 영·유아가 수면 중 질식사를 예방하는데 크게 기여할 것으로 예상된다.
- 본 시스템은 독거노인이나 영·유아가 수면 중 질식사를 예방하는데 크게 기여할 것으로 예상된다. 향후에는 다양한 피실험자군을 선정하여 수면 중인 환경에 좀 더 가까운 상태에서 호흡 신호를 추출하는 실험이 수행될 필요가 있다. 그리고, 호흡만이 아니라 심장 기능을 상시적으로 모니터링하기 위해서는, 맥박과 호흡 신호를 함께 추출하여 호흡과 맥박을 함께 모니터링 할 수 있는 시스템과 알고리즘에 대한 연구가 진행되어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.