[논문]호흡-바이오피드백 앱 개발을 위한 PPG기반의 호흡 추정 알고리즘

최병훈

doi:10.5370/kiee.2018.67.6.794

Abstract ▼ AI-Helper

There is a growing need for a care system that can continuously monitor, manage and effectively relieve stress for modern people. In recent years, mobile healthcare devices capable of measuring heart rate have become popular, and many stress monitoring techniques using heart rate variability analysi...

There is a growing need for a care system that can continuously monitor, manage and effectively relieve stress for modern people. In recent years, mobile healthcare devices capable of measuring heart rate have become popular, and many stress monitoring techniques using heart rate variability analysis have been actively proposed and commercialized. In addition, respiratory biofeedback methods are used to provide stress relieving services in environments using mobile healthcare devices. In this case, breathing information should be measured well to assess whether the user is doing well in biofeedback training. In this study, we extracted the heart beat interval signal from the PPG and used the oscillator based notch filter based on the IIR band pass filter to track the strongest frequency in the heart beat interval signal. The respiration signal was then estimated by filtering the heart beat interval signal with this frequency as the center frequency. Experimental results showed that the number of breathing could be measured accurately when the subject was guided to take a deep breath. Also, in the timeing measurement of inspiration and expiration, a time delay of about 1 second occurred. It is expected that this will provide a respiratory biofeedback service that can assess whether or not breathing exercise are performed well.

주제어

AI 본문요약
AI-Helper

문제 정의

대표적인 연구 결과로 컴퓨터 화면상에 호흡을 가이드 해 줄 수 있는 호흡 곡선을 부드럽게 제시하고, 이를 따라 호흡하게 함으로서 규칙적이면서도 분당 호흡수가 줄어들도록 훈련시키는 방법이다. 본 논문에서는 최근 다양한 형태로 제시되고 있는 맥박 모니터링이 가능한 모바일 헬스 케어 디바이스 사용 환경에서, 스트레스 완화를 위한 호흡 바이오피드백 훈련 어플리케이션 적용을 가능하게 하는 광용적맥파 기반의 호흡 모니터링 알고리즘을 제안하고, 현 수준과 향후 개선되어야 할 요소들을 이야기 하고자 한다.

제안 방법

본 연구에서는 PPG센서 기반의 맥박 모니터링 디바이스를 이용한 호흡 측정 방법을 제안하였다. PPG 신호로부터 호흡을 측정하기 위한 목적은 모바일 헬스 케어 환경에서 스트레스 완화를 위한 호흡 바이오피드백 어플리케이션 구현을 위함인데, 이를 위해서는 주로 가이드 하는 심호흡을 사용자가 얼마나 잘 따라 쉬고 있는지를 평가할 수 있어야 한다.

대상 데이터

10명의 건강한 남성 피험자들이 알고리즘 검증을 위한 실험에 참여하였다. 알고리즘 검증을 위해서 피험자들은 왼손 검지 손가락에 PPG측정 센서를 부착하였고, 동시에 reference용으로 가슴에 스트레인게이지 타입의 호흡 센서를 착용한 상태로 PPG 및 호흡 신호를 1~2분 동안 측정하였다.

성능/효과

PPG 신호로부터 호흡을 측정하기 위한 목적은 모바일 헬스 케어 환경에서 스트레스 완화를 위한 호흡 바이오피드백 어플리케이션 구현을 위함인데, 이를 위해서는 주로 가이드 하는 심호흡을 사용자가 얼마나 잘 따라 쉬고 있는지를 평가할 수 있어야 한다. 본 연구에서 제안한 방법은 가이드에서 제시하는 호흡의 횟수를 평균 0.43회의 오차로 정확하게 측정 가능함을 보였다. 가이드 호흡에서 제시하는 대로 호흡 훈련을 잘 하고 있는지를 실시간으로 평가하기 위해서는 전체 호흡 훈련 기간 동안의 호흡 횟수를 평가하는 것에서 더 나아가 숨을 들이마시는 구간, 내쉬는 구간을 정확하게 인식할 수 있어야 한다.

후속연구

가이드 호흡에서 제시하는 대로 호흡 훈련을 잘 하고 있는지를 실시간으로 평가하기 위해서는 전체 호흡 훈련 기간 동안의 호흡 횟수를 평가하는 것에서 더 나아가 숨을 들이마시는 구간, 내쉬는 구간을 정확하게 인식할 수 있어야 한다. 본 연구에서 제안한 방법으로는 호기와 흡기 모두 1초 내외의 시간지연을 가지고 추정되는 것을 확인하였는데, PPG 신호로부터 호기 및 흡기를 시간 지연 없이 검출할 수 있도록 하는 호흡 신호 추출 방법에 대한 연구를 추가로 진행할 예정이다

질의응답

핵심어	질문	논문에서 추출한 답변
	PPG 신호로부터 호흡을 측정하기 위한 목적은?	본 연구에서는 PPG센서 기반의 맥박 모니터링 디바이스를 이용한 호흡 측정 방법을 제안하였다. PPG 신호로부터 호흡을 측정하기 위한 목적은 모바일 헬스 케어 환경에서 스트레스 완화를 위한 호흡 바이오피드백 어플리케이션 구현을 위함인데, 이를 위해서는 주로 가이드 하는 심호흡을 사용자가 얼마나 잘 따라 쉬고 있는지를 평가할 수 있어야 한다. 본 연구에서 제안한 방법은 가이드에서 제시하는 호흡의 횟수를 평균 0.
	호흡과 관련된 심박수의 주기적인 변화를 이용하는 방법의 단점은?	간략히 말하면, 흡기 중에는 심박수가 증가하고, 호기 중에는 감소하는 현상을 이용하는 것이다. 하지만 이 경우 호흡의 하모닉 성분이 크게 적용되었을 경우 단순히 심박 간격 신호만으로 호흡수를 카운팅하기 쉽지 않다. 본 연구에서 제안하는 알고리즘에서는 PPG로부터 호흡 신호를 추출하기 위하여 PPG의 Peak를 검출하여 심박 간격 신호를 획득 한 후, 이 신호를 0.
	맥박변이도 (HRV, Heart Rate Variability)란?	보급 초기의 맥박 모니터링 디바이스들은 피부에 광원을 조사하여 맥동에 의하여 확장 및 이완되는 혈관에 조사된 빛이 흡수되고 난 뒤 반사 또는 투과되는 빛의 양을 이용하여 맥박 수를 알려주는 수준에 그쳤다면, 최근에는 맥박 간격을 정확하게 측정하여 맥박 간격의 변이도를 분석할 수 있는 수준에 이르게 되었다[5-7]. 맥박변이도 (HRV, Heart Rate Variability)는 자율신경계의 활성화 정도를 반영하는 대표적인 비침습적인 모니터링 도구이다. 때문에 스트레스 반응 시 상대적으로 교감신경계는 활성화되고 부교감신경계의 활성도는 감소하는 현상을 이용하여 심박변이도를 이용해 스트레스를 모니터링하기 위한 다양한 시도가 제안되고 있다[8, 9].

참고문헌 (16)

Cause of death in 2015, Statistics Korea.
Wang R, Blackburn G, Desai M, et al. Accuracy of Wrist-Worn Heart Rate Monitors. JAMA Cardiol. 2.1 (2017):104-106. doi:10.1001/jamacardio.2016.3340

상세보기
Yang Bai, Paul Hibbing, Constantine Mantis & Gregory J. Welk (2017) Comparative evaluation of heart rate- based monitors: Apple Watch vs Fitbit Charge HR, Journal of Sports Sciences, 36:15, 1734-1741, DOI: 10.1080/02640414.2017.1412235

상세보기
Oliver Gale-Grant, Haddy Quist. (2018) Electronic recording of vital signs for mental health inpatients. British Journal of Mental Health Nursing 7:2, pages 64-69.

상세보기
Baek HJ. & Shin J. (2017) Effect of Missing Inter-Beat Interval Data on Heart Rate Variability Analysis Using Wrist-Worn Wearables J Med Syst 41: 147. https://doi.org/10.1007/s10916-017-0796-2

상세보기
Georgiou, K., Larentzakis, A., Khamis, N., et al. (2018) Can Wearable Devices Accurately Measure Heart Rate Variability? A Systematic Review. Folia Medica, 60(1), pp. 7-20. Retrieved 10 May. 2018, from doi:10.2478/folmed-2018-0012

상세보기
Benedetto S, Caldato C, Bazzan E, Greenwood DC, Pensabene V, Actis P (2018) Assessment of the Fitbit Charge 2 for monitoring heart rate. PLoS ONE 13(2): e0192691. https://doi.org/10.1371/journal.pone.0192691

상세보기
von Rosenberg W, Chanwimalueang T, Adjei T, Jaffer U, Goverdovsky V and Mandic DP (2017) Resolving Ambiguities in the LF/HF Ratio: LF-HF Scatter Plots for the Categorization of Mental and Physical Stress from HRV. Front. Physiol. 8:360. doi: 10.3389/fphys.2017.00360

상세보기
Hjortskov, N., Rissen, D., Blangsted, A.K. et al. (2004) The effect of mental stress on heart rate variability and blood pressure during computer work. Eur. J. Appl. Physiol. 92: 84. https://doi.org/10.1007/s00421-004-1055-z

상세보기
Lee PS. (1999) Theoretical Bases and Technical Application of Breathing Therapy in Stress Management. J. Korean Acad. Nurs. Dec;29(6):1304-1313. https://doi.org/10.4040/jkan.1999.29.6.1304

원문보기 상세보기
Clark ME & Hirschman, R (1990) Effects of paced respiration on anxiety reduction in a clinical population. Biofeedback and Self-Regulation 15: 273. https://doi.org/10.1007/BF01011109

상세보기
Zucker T, Samuelson KW, Muench, F. et al. (2009) The Effects of Respiratory Sinus Arrhythmia Biofeedback on Heart Rate Variability and Posttraumatic Stress Disorder Symptoms: A Pilot Study. Appl. Psychophysiol. Biofeedback 34: 135. https://doi.org/10.1007/s10484-009-9085-2

상세보기
Drinnan MJ, Allen J and Murray A (2001) Relation between heart rate and pulse transit time durng paced respiration. Physiol. Meas. 22(3): 425 https://doi.org/10.1088/0967-3334/22/3/301

상세보기
Addison, P.S., Watson, J.N., Mestek, M.L. et al. (2015) Pulse oximetry-derived respiratory rate in general care floor patients. J. Clin. Monit. Comput. 29: 113. https://doi.org/10.1007/s10877-014-9575-5

상세보기
Liao HE (2005) Two discrete oscillator based adaptive notch filters (OSC ANFs) for noisy sinusoids. IEEE Trans. Sig. Proc. 53(2): 528-538

상세보기
https://play.google.com/store/apps/details?idcom.apps.paced.breathing

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

호흡-바이오피드백 앱 개발을 위한 PPG기반의 호흡 추정 알고리즘
Breathing Information Extraction Algorithm from PPG Signal for the Development of Respiratory Biofeedback App 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

호흡-바이오피드백 앱 개발을 위한 PPG기반의 호흡 추정 알고리즘 Breathing Information Extraction Algorithm from PPG Signal for the Development of Respiratory Biofeedback App 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

최병훈 (1)

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

호흡-바이오피드백 앱 개발을 위한 PPG기반의 호흡 추정 알고리즘
Breathing Information Extraction Algorithm from PPG Signal for the Development of Respiratory Biofeedback App 원문보기

AI 본문요약
AI-Helper