[논문]PPG 및 ECG 센서를 이용한 혈압추정 기법 개발

박현문; 이정철; 황태호

doi:10.13067/jkiecs.2019.14.6.1257

초록
AI-Helper

기존의 Cuff 기반의 혈압(Blood Pressure)측정 방법은 연속적인 실시간 혈압측정에는 한계를 갖는다. 이러한 이유로 ECG와 PPG 센서 신호를 상호융합한 다양한 혈압추정이 이루어졌다. 그러나 PPG 중심에 측정기법은 AC 노이즈, 작은 맥동, 비박동 등의 많은 문제를 지니고 있다. 본 논문은 ECG와 PPG 관계에 발생하는 맥파전달시간(PTT)과 맥파속도(PWV)를 이용하여 혈압을 추론기법이다. 신호 피크를 이용하는 HRF(Height Ratio Features)에 비해, 본 제안방식은 ECG, PPG의 최고점 혹은 최저점을 사용한 시차를 이용해 추정하기 때문에 PPG 센싱 시그널의 오류에도 안정적인 추출이 가능한 장점이 있다. 본 논문에서 제안 방법을 이용하여 25만 회의 혈압측정의 결과 ±28.5%의 정확도를 갖는 혈압 추정기법을 제시할 수 있었다.

Abstract ▼ AI-Helper

The traditional cuff-based method for BP(Blood Pressure) measurement is not suitable for continuous real-time BP measurement techniques. For this reason, the previous studies estimated various blood pressures by fusion with the electrocardiography (ECG) and photoplethysmogram (PPG) sensor signals. H...

The traditional cuff-based method for BP(Blood Pressure) measurement is not suitable for continuous real-time BP measurement techniques. For this reason, the previous studies estimated various blood pressures by fusion with the electrocardiography (ECG) and photoplethysmogram (PPG) sensor signals. However, conventional techniques based on PPG bio-sensing measurement face many challenging issues such as noisy supply fluctuation, small pulsation, and drifting non-pulsatile. This paper proposed a novel BP estimation methods using PPG and ECG sensors, which can be derived from the relationship between PPG and ECG using PTT(Pulse Transit Time) and PWV(Pulse Wave Velocity). Unlike conventional height ratio features, which are extracted on the basis of the peaks in the PPG and ECG waveform. The proposed method can be reliably obtained even if there are missing peaks among the sensed PPG signal. The increased reliability comes from periodical estimation of the peak-to-peak interval time using ECG and PPG. After 250,000 times trials of the blood pressure measurement, the proposed estimation technique was verified with the accuracy of ±28.5% error, compared to a commercialized BP device.

주제어

표/그림 (8)

그림 그림 1. ECG/PPG를 이용한 혈압계산 Fig. 1 The blood pressure calculation using ECG and PPG.
그림 그림 2. PRV와 HRV 기반의 혈압추정 방안 Fig. 2 The BP Estimation based on PRV and HRV
그림 그림 3. ECG의 R‘-R 간격 시간에 따른 PPG의 Peak, foot 동기화 방안 Fig. 3 The peak and foot synchronization method of the PPG using based on the ECG R-R interval time
그림 그림 4. 수축기, 이완기 혈압 분포그래프 Fig. 4 Systolic and diastolic blood pressure distribution graph
그림 그림 5. 수축기, 이완기 혈압 분포그래프 Fig. 5 Systolic and diastolic blood pressure distribution graph
그림 그림 6. 수축기, 이완기의 혈압 분포 추적 그래프 Fig. 6 The blood pressure distribution tracking graph of systolic and diastolic
그림 그림 7. 제안된 HW플랫폼과 전자혈압계의 성능 비교 Fig. 7 Performance Comparison of our prototype hardware platform and electronic manometer
그림 그림 8. ECG/PPG HW 플랫폼의 분석 UI에 대한 혈압 결과 Fig. 8 The blood pressure results to analysis UI from ECG / PPG HW Platform

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 PPG에서 혈압을 추론하기 위한 peak와 foot의 신호 값을 정확한 ECG의 R 신호의 PPG 시작신호를 일치시키고, peak와 foot의 PTT에 시작점의 오차를 줄임으로써 한 주기에 발생하는 수축기와 이완기의 혈압을 추론할 수 있었다. 제시된 방법은 신호에 따라 foot과 peak 값이 한 주기 이내에 이루어지기 때문에 PPG 센서의 다양한 특성에 크게 영향이 없으며, PPG가 단일로 사용했을 때의 기준점의 모호성을 정확하게 정의할 수 있다.
본 연구는 웨어러블 디바이스를 고려해 요골동맥에 ECG와 PPG 센서 기반으로 맥파(pulse-wave) 분석을 통한 혈압측정 플랫폼을 개발하였다. 개별 센서 신호에 기준선 제거(Baseline removal)와 ECG와 PPG에 각각 다른 신호를 동일 비례(scale)로 치환하였다.

제안 방법

본 연구는 웨어러블 디바이스를 고려해 요골동맥에 ECG와 PPG 센서 기반으로 맥파(pulse-wave) 분석을 통한 혈압측정 플랫폼을 개발하였다. 개별 센서 신호에 기준선 제거(Baseline removal)와 ECG와 PPG에 각각 다른 신호를 동일 비례(scale)로 치환하였다. PPG 신호의 기준선(Baseline)을 제시하는 방법으로 ECG의 R 값을 기준하여 PPG의 Peak, foot의 높이와 너비를 계산하고, ECG와 PPG에 신호를 각각에 시차를 이용해 높은 혈압과 낮은 혈압의 특징추출(featureamount extraction)을 비율로 활용함으로써 편차를 감소시킬 수 있다.
일반인의 종단 신경에서도 ECG의 R-R 신호 오차가 매우 작지만, PPG는 부위별 오차가 큰 것에 착안하였다. 그림 2에 빨간색으로 뽀족하게 나타낸 것이 보정기준시간으로, 오류정정에서도 R 신호를 기준으로 PPG의 Peak 값을 비교하는 방안을 기반으로, 이전 R-R 값과 PPG Peak 와 Peak 간의 발생 오차를 정정하는 방법으로 ECG 연속된 R-R 간격을 이전-이후 비율로 적용하여 오차를 감소시켰다.
본 연구는 이에 따라, 선행연구에 PPG의 foot 값과 Peak 값에 RTT의 ms 이하로 오차를 줄이고, 혈압추론을 위해 ECG R의 최댓값을 기준으로 PPG의 Peak 값을 추론하고, PPG의 P-P 간격에 최저점인 foot 값을 현재 R’-R 간격을 이용해 foot과 R의 시간간격을 계산함으로써 오차의 편차를 줄였다.
혼합측정 기법은 20∼30대 정상인의 경우 생활 의료기기의 범위에 들어갈 정도로 높은 정확도를 지니지만, 18∼60세의 광범위한 연령 활용하기에는 정확도가 낮고, 당뇨병, 고지혈증, 심장병 등 병변을 지닌 환자들의 특성 반영이 어렵다. 이를 극복하기 위해, 다양한 병변을 고려한 혼합 측정법이 제시되었는데, 기존 환자의 UCIMachine Learning Repository와 MIMIC(:Multi-parameter Intelligent Monitoring in Intensive Care) DB를 분석하여 선형방정식으로 제시함으로써 기존 단점의 극복 방안을 제시하였다[9, 7, 10].
현재 최대(Peak)와 이전 최대(Peak’)의 간격 시간은 ECG의 R’(이전)-R(현재)과 간격 시간과 같다. 이를 바탕으로 ECG R과 PPG Peak 시간 간격(R-Peak Transit time interval)과 ECG의 R과 PPG foot에 시간 간격(R-foot Transit time interval)을 이용해 다차원 방정식을 제시하고, 혈압 고점과 저점을 추정하였다.

데이터처리

제안된 혈압 알고리즘을 검증 방안으로 선행연구[11][12]를 참고하여 그림 4, 5와 같이 약 25만회 씩 2회 검증하여 알고리즘의 정확도를 비교 분석하였다.

성능/효과

결과적으로 수축기와 이완기 혈압 추론 값이 각각 ±28.5%와 ±27.9%의 오차로 선행연구 수준의 성능을 제시할 수 있었다.
결과적으로는 의료기기 수준에는 부족한 연구결과지만, 국내에 표준하고 있는 ‘유-헬스케어’ 나 ‘웨어러블’ 영역에서는 활용할 수 있는 수준이다.
본 연구·개발된 플랫폼에서 제안된 알고리즘을 추정된 심장박동수(BPM)은 최대 73∼70 값을 가지며, 수축기 혈압과 이완기 혈압인 SBP/DBP가 130/72으로 그림 5, 6에서 25만 회를 통해 검증한 것보다 높은 성능의 혈압 추론 결과로 BPM은 혈압측정기기에 최대오차율인 ±5 BPM 이내를 만족하였으며, 혈압의 오차도 또한 가정용 혈압계에 최대오차인 ±10mmHg 이내를 만족하는 것으로 나타났다.
판매제품들도 PPG센서의 PTT(:Pulse Transit time)에 HRF(:Height Ratio Features)를 도출하여 혈압을 추정하고 있다. 알고리즘이 구현이 쉽고, HW 자원의 소모가 적어 실시간 처리가 가능하지만, PPG의 신호가 부정확하거나 누락이 발생하면, 혈압의 정확도가 현저하게 감소한다. 그 밖에도 PPG와 ECG에 신호 값인 전압을 중심으로 한 알고리즘은 같은 비율로 구할 수 있어 오차가 낮고, 연산도 단순하여 적용이 쉬운 장점이 있지만, 센서의 특성과 사람마다 발생하는 피부 임피던스값이 달라 매칭에 한계를 갖는다.
본 연구는 PPG에서 혈압을 추론하기 위한 peak와 foot의 신호 값을 정확한 ECG의 R 신호의 PPG 시작신호를 일치시키고, peak와 foot의 PTT에 시작점의 오차를 줄임으로써 한 주기에 발생하는 수축기와 이완기의 혈압을 추론할 수 있었다. 제시된 방법은 신호에 따라 foot과 peak 값이 한 주기 이내에 이루어지기 때문에 PPG 센서의 다양한 특성에 크게 영향이 없으며, PPG가 단일로 사용했을 때의 기준점의 모호성을 정확하게 정의할 수 있다. 혈압계의 실측 오차가 5%이내로 우수하지만, 실측 테스트한 개수가 작고, 25만회의 시뮬레이션 검증결과에서는 최대 28.
제시된 방법은 신호에 따라 foot과 peak 값이 한 주기 이내에 이루어지기 때문에 PPG 센서의 다양한 특성에 크게 영향이 없으며, PPG가 단일로 사용했을 때의 기준점의 모호성을 정확하게 정의할 수 있다. 혈압계의 실측 오차가 5%이내로 우수하지만, 실측 테스트한 개수가 작고, 25만회의 시뮬레이션 검증결과에서는 최대 28.5%의 오차가 발생할 수 있다. 결과적으로는 의료기기 수준에는 부족한 연구결과지만, 국내에 표준하고 있는 ‘유-헬스케어’ 나 ‘웨어러블’ 영역에서는 활용할 수 있는 수준이다.

후속연구

결과적으로는 의료기기 수준에는 부족한 연구결과지만, 국내에 표준하고 있는 ‘유-헬스케어’ 나 ‘웨어러블’ 영역에서는 활용할 수 있는 수준이다. 앞으로 최대 28.5%의 넓은 오차를 최대 20%로 줄이는 연구를 진행할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	혈압(Blood Pressure, BP)의 특징은?	혈압(Blood Pressure, BP)은 동맥 혈관을 이용해심장의 상태와 생리적 변화에 대한 유용한 정보를 제공한다. 이에 따라, 혈압 변화의 연속적인 추적은 심혈관 상태를 이해하고 전달하는 데 많은 정보를 제공한다.
	ECG와 PPG 센서 신호를 상호융합한 다양한 혈압추정이 많이 이루어진 이유는 무엇인가?	기존의 Cuff 기반의 혈압(Blood Pressure)측정 방법은 연속적인 실시간 혈압측정에는 한계를 갖는다. 이러한 이유로 ECG와 PPG 센서 신호를 상호융합한 다양한 혈압추정이 이루어졌다.
	ECG, PPG의 최고점 혹은 최저점을 사용한 시차를 이용해 추정하는 방법이 신호 피크를 이용하는 HRF에 비해 어떠한 장점이 있는가?	본 논문은 ECG와 PPG 관계에 발생하는 맥파전달시간(PTT)과 맥파속도(PWV)를 이용하여 혈압을 추론기법이다. 신호 피크를 이용하는 HRF(Height Ratio Features)에 비해, 본 제안방식은 ECG, PPG의 최고점 혹은 최저점을 사용한 시차를 이용해 추정하기 때문에 PPG 센싱 시그널의 오류에도 안정적인 추출이 가능한 장점이 있다. 본 논문에서 제안 방법을 이용하여 25만 회의 혈압측정의 결과 ±28.

참고문헌 (16)

W. Nichols, M. O'Rourke and C. Viachopoulos. McDonald's Blood Flow in Arteries: Theoretical, Experimental and Clinical Principles. Florida: CRC Press, 2011.
M. O'Rourke, Arterial stiffness in hypertension: principles and definitions of arterial stiffness, wave reflections and pulse pressure amplification. New York: Wiley- BLACKWELL, 2006.
B. Chavez, New Developments in Medical Research: Advances in Arterial Stiffness Research. New York: Nova Science Pub Inc, 2016.
Apple Inc, "Using Apple Watch for Arrhythmia Detection," Technical report, Dec, 2018.
European Society of Hypertension, "2018 ESC/ESH Guidelines for the management of arterial hypertension," 2018 European Guidelines, June, 2018.
SAMSUNG Inc, "Samsung Galaxy Watch Active 2: ECG and LTE," Technical report, Sept. 2019.
A. Ganurav, M. Maheedhar, V. Tiwari and R. Narayanna, "Cuff-less PPG based continuous blood pressure monitoring - A smartphone based approach," Conf. of the IEEE Engineering in Medicine and Biology Society, Orlando, USA, 2016, pp. 608-610.
M. Kachuee, M. M. Kiani, H. Mohammadzade and M. Shabany. "CuffLess High-Accuracy Calibration-Free Blood Pressure Estimation Using Pulse Transit Time," IEEE Inter. Symposium on Circuits and Systems, Lisbon, Portugal, May. 2015, pp. 1006-1009.
Y. Kao, P. Chao and C. Wey, "Design and Validation of a New PPG Module to Acquire High-Quality Physiological Signals for High-Accuracy Biomedical Sensing," IEEE J. of Selected Topics in Quantum Electronics, vol 25, no. 1, Jan. 2019. pp. 1-10.
N. Nousou, S. Urase, Y. Maniwa, K. Fujimura and Y. Fukui, "Classification of Acceleration Plethysmogram Using Self-Organizing Map," Int. symposium on Intelligent Signal Processing and Communication Systems, Tottori, Japan, 2006, pp. 681-684.
M. elgendi, Y. Liang and R. Ward, "Toward Generating More Diagnostic Features from Photoplethysmogram Waveforms," J. of Diseases, vol. 6, no. 1, Mar. 2018, pp. 1-4.
Y. Liang, Z. Chen and M. Elgendi "Hypert ension Assessment via ECG and PPG Signals: An Evaluation Using MIMIC Database," J. of Diagnostics (Basel), vol. 8, no. 3, 2018, pp. 1-10.
R. Wang, W. Jia, Z. Mao, J. Robert and S. Mingui, "SunCuff-Free Blood Pressure Estimation Using Pulse Transit Time and Heart Rate," 12th Int. on Signal Processing, Hangzhou, China, 2014, pp. 115-118.
W. Kim and K. Yoon, "Implementation of a Black-Box Program Monitoring Abnormal Body Reactions," J. of Korean Institue of Electronic Communication Science, vol 8, no. 3, 2012, pp. 671-677.
Y. Han "The development of module for measurement and wireless communication of SpO2/PPG signals," J. of Korean Institue of Electronic Communication Science, vol 6, no. 6, 2011, pp. 981-986.
S. Yoon, G. Kim and C. Jang, "Classification of ECG arrhythmia using Discrete Cosine Transform, Discrete Wavelet Transform and Neural Network," J. of Korean Institue of Electronic Communication Science, vol 7, no. 6, 2012, pp. 727-732.

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

PPG 및 ECG 센서를 이용한 혈압추정 기법 개발
Development of Blood Pressure Estimation Methods Using The PPG and ECG Sensors 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (8)

표/그림 (8)

AI 본문요약
AI-Helper

문제 정의

제안 방법

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

PPG 및 ECG 센서를 이용한 혈압추정 기법 개발 Development of Blood Pressure Estimation Methods Using The PPG and ECG Sensors 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (8) 모든 표/그림 보기

표/그림 (8) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

황태호 (7)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

PPG 및 ECG 센서를 이용한 혈압추정 기법 개발
Development of Blood Pressure Estimation Methods Using The PPG and ECG Sensors 원문보기

초록
AI-Helper

표/그림 (8)

표/그림 (8)

AI 본문요약
AI-Helper