[논문]수면무호흡증을 관리를 위한 스마트 베개 시스템의 설계

이종찬

doi:10.15207/jkcs.2020.11.1.033

수면무호흡증을 관리를 위한 스마트 베개 시스템의 설계
Design of Smart Pillow System for Managing Sleep Apnea 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.1, 2020년, pp.33 - 39

초록
AI-Helper

전문의에 의해 옆으로 누워도 편안함을 주는 등 수면과학과 인체공학을 고려한 베개가 개발되었다. 이 베개는 천연라텍스를 소재로 하여 일정시간 지나면 복원력이 떨어지는 점을 개선하였다. 이 베개에 새로운 아이디어가 추가되었는데 베개는 당연이 수면을 위해 사용되는 것이나, 건강관리를 위한 부가적인 기능을 여기에 추가할 수도 있지 않을까 하는 것이었다. 여기서 건강관리는 심각한 질병과 연관된 것으로 알려진 수면무호흡증을 대상으로 한다. 본 논문은 압력센서와 음성센서를 이용해 정보를 구하고 이 정보로부터 질병에 관한 이상증상을 파악하여 전문의에 의뢰하는 종합적인 서비스를 설계함을 목적으로 한다. 그리고 이 시스템의 성공 가능성을 확인하기 위한 기초적인 설계와 구현을 다룬다. 이 설계를 바탕으로 얻어진 정보를 DB화하고 전문의와의 상담을 위한 서버 시스템을 완성하여 수면 무호흡증을 위한 보조건강기기로 역할을 담당할 수 있도록 업그레이드하는 방안에 대해 살펴본다.

Abstract ▼ AI-Helper

Specialists have developed pillows that take into account sleep science and ergonomics, such as comfort for lying on your side. This pillow is made of natural latex material, and improved resilience after a certain period of time. A new idea was added to the pillow, which was naturally used for sleep, but could it add additional features for health care. Here, health care targets sleep apnea, which is known to be associated with serious illness. The purpose of this paper is to design a comprehensive service that uses a pressure sensor and a voice sensor to obtain information and to identify abnormal symptoms related to diseases from this information and to refer them to a specialist. It also covers the basic design and implementation to confirm the success of this system. Based on this design, the information obtained will be converted into a DB, and a server system for consultation with a specialist will be completed to upgrade the role of assistive health devices for sleep apnea.

주제어

표/그림 (11)

그림 Fig. 1. Baromoro Pillow
그림 Fig. 2. Service concept of pillow system
그림 Fig. 3. Schematic diagram of the whole system
그림 Fig. 4. Sensors inserted into the pillow
그림 Fig. 5. Circuit diagram of the processing system
그림 Fig. 6. Mobile devices
그림 Fig. 7. Specialist Care / Consultation
그림 Fig. 8. Configuration of processing system
그림 Fig. 9. An implementation system in pillow
그림 Fig. 10. Print out information of sensors in graph
그림 Fig. 11. Flowchart of the processing system

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 베개를 이용해 건강관리를 한다는 아이디어를 세우고, 간단한 구현부터 실행해 봄으로써 최종 목표로 가는 조그만 발자국이 되기를 바라면서 그 과정들을 소개하였다. 설계된 시스템이 완성되면 전문의의 조언을 받아 여러 가지 실험을 하고 보완할 계획이다.
이에 반해 “바로모로” 베개는 수면 과학을 고려하며 인체공학적으로 디자인하였다. 이 베개는 첫째, 기존의 기능성 베개가 바로 누워서 자는 것과 목을 보호하는 것에만 주력한다는 점을 개선하려 했다. 둘째, 옆으로 누워 자는 사람의 어깨와 목을 보호하는 부분까지 고려하며 다양한 체형에도 적용할 수 있는 입체적인 베개를 디자인했다.
이 증상으로 인해 산소 공급이 원활하지 않아 만성피로의 원인은 물론 방치할 경우 심혈관 질환, 뇌졸중까지 발전할 가능성이 있다고 알려져 있다. 이에 본 연구는 이렇게 심각한 질병과 연관된 것으로 알려진 수면무호흡증을 대상으로, 이에 대한 증상을 염려하거나, 가족력이 있는 사람 등을 대상으로 심각한 상황을 예견하여 미리 대비할 수 있는 시스템으로 발전하기 위한 기초적이고 실험적인 시스템을 개발하고자 한다.

가설 설정

- p : 압력 센서들의 입력 값들로 병렬로 시스템에 입력됨.

제안 방법

- 압력센서 : 베개를 사용하는지 여부와 뒤척임의 정도를 파악하는 목적으로 사용되며 정확한 정보를 얻기 위해 제안 시스템에서는 5개를 사용하였다. 베개의 특성상 이물감이 없도록 휘어질 수 있는 소재를 사용하여야 하며, Fig.
① 수면시간 동안 입력된 가압과 소리정보를 추출하고, 분석부에서 두부의 가압정보를 이용하여 사용자 두부의 움직임을 분석하고, 추가로 코고는 지속시간이 설정 값을 초과하는 지 여부를 종합하여 수면무호흡 장애를 판단한다. 증상에 따라 시간당 10초 이상의 무호흡이 발생한 수가 5∼15회이면 “경증”, 15∼30회이면 “중등도”, 30회 이상이면 “중증”으로 구분한다.
지금까지 베개에 건강관리를 위한 부가가치를 부여하고 서비스하는 개념을 설명하였다. 그리고 초보적인 구현 과정을 살펴보았다. 수면무호흡증 등과 같은 질병이나 뒤척임과 같은 수면습관, 불면증과 같은 증상의 원인을 파악하는 문제 등은 매우 복잡하여 간단한 시스템만으로는 구현될 수 없다.
여러 개의 압력과 음성센서로 부터 보내지는 실시간 아날로그 데이터를 디지털로 바꾸고 수면무호흡증, 뒤척임 등에 맞는 정보를 추출하는 마이크로 프로그램을 구현한다. 그리고 이를 bluetooth를 통해 모바일 디바이스로 보낸다.
8과 같은 시스템을 구현하였다. 우선 입력으로 압력센서 5개, 음성센서 2개를 베개 안에 삽입하고 데이터 추출 실험을 하였다. 이들 센서로 부터 데이터 정보를 입력 받기하기 위해 Fig.
우선 입력으로 압력센서 5개, 음성센서 2개를 베개 안에 삽입하고 데이터 추출 실험을 하였다. 이들 센서로 부터 데이터 정보를 입력 받기하기 위해 Fig. 9와 같은 아두이노(arduino)를 사용하여 프로그램 한 후, MCU에 로드하였다. 이에 따라 1초마다 실시간으로 모아지는 각 센서들의 데이터 정보를 디스플레이하고 파일에 저장하도록 하여 처리하기 위한 과정을 C#으로 구현하였다.
이 시스템을 통해 수면 중 이상이 발생할 때 부저를 통해 외부인에 알리거나 모바일 기기에 수면 정보를 출력하고 더 나아가 이 정보들을 다시 전문의에게 보내지도록 DB를 구성할 수 있다. 이를 통해 제안 시스템은 수면 중 발생하는 정보를 전문의와 공유하며 상담시스템을 구축함을 최종 목표로 한다.
제안 시스템은 바로모로 베게에 각종 센서들을 적용하여 사용자의 생체정보를 기초로 수면장애 정보를 생성[6]하고, 이를 기반으로 진단과 처방까지 연계한 IoT 베개를 구현하려 한다. 이를 위해 아이디어의 기본 골격들은 다음과 같이 정리된다.
증상에 따라 시간당 10초 이상의 무호흡이 발생한 수가 5∼15회이면 “경증”, 15∼30회이면 “중등도”, 30회 이상이면 “중증”으로 구분한다.

대상 데이터

베개는 주로 야간에 그리고 조용한 곳에서 사용되나 베개의 소재 안에 삽입되어 심호흡을 체크할 수 있을 정도의 민감성을 가지고 있어야 한다. Fig. 4의 (b)와 같은 ywrobot사의 SEN050302 모델을 사용하였다.
- 압력센서 : 베개를 사용하는지 여부와 뒤척임의 정도를 파악하는 목적으로 사용되며 정확한 정보를 얻기 위해 제안 시스템에서는 5개를 사용하였다. 베개의 특성상 이물감이 없도록 휘어질 수 있는 소재를 사용하여야 하며, Fig. 4의 (a)와 같은 Interlink사의 FSR 406 모델을 사용하였다.

후속연구

응급한 환자가 병원에 도착하면 제일 먼저하고 가장 기본적인 치료 정보를 얻는 것이 “호흡, 혈압, 맥박”이다. 병원의 응급실에서 체크하는 이들 정보를 그대로 가정에서도 얻을 수 있다면 보다 정확한 판단과 치료를 위한 정보가 될 것이다. 그러나 이것은 일상생활을 불편하게 할 뿐만 아니라 전문적인 측정기기를 일반 가정에서 구비한다는 것은 비현실적인 면이 있다.
본 논문은 베개를 이용해 건강관리를 한다는 아이디어를 세우고, 간단한 구현부터 실행해 봄으로써 최종 목표로 가는 조그만 발자국이 되기를 바라면서 그 과정들을 소개하였다. 설계된 시스템이 완성되면 전문의의 조언을 받아 여러 가지 실험을 하고 보완할 계획이다. 또한 베개에 삽입되는 시스템의 특성에 맞는 센서들을 개선할 예정에 있다.
11의 알고리즘에 따라 무호흡의 정도를 판정하는 과정까지 완료된 상태이다. 앞으로 이 정보 데이터들을 DB화하여 모바일 디바이스에 전송하고 서버에도 전송하여, 클라이언트에서 이 DB를 실시간에 읽을 수 있도록 하여 전문의가 확인할 수 있도록 하는 작업을 수행중이다. 이를 통해 앞에서 소개한 바와 같이 전문의와 상담 자료로 활용할 계획이다.
앞으로 이 정보 데이터들을 DB화하여 모바일 디바이스에 전송하고 서버에도 전송하여, 클라이언트에서 이 DB를 실시간에 읽을 수 있도록 하여 전문의가 확인할 수 있도록 하는 작업을 수행중이다. 이를 통해 앞에서 소개한 바와 같이 전문의와 상담 자료로 활용할 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	음성센서의 용도는?	여기서 압력센서는 베개의 여러 군데에 삽입하여 베개를 사용하는지 여부를 체크하는 역할을 담당한다. 또한 음성센서는 코골이 감지는 물론 수면 무호흡을 체크하는 용도로 사용된다. 이들 구성품이 목적에 맞게 동작을 하려면 수면무호흡의 정도를 체크하기 위한 알고리즘이 필요하며 운용을 위한 H/W 보드도 구비되어야 한다.
	응급한 환자에 대해 병원 도착 시 가장 먼저 얻는 정보는?	응급한 환자가 병원에 도착하면 제일 먼저하고 가장 기본적인 치료 정보를 얻는 것이 “호흡, 혈압, 맥박”이다. 병원의 응급실에서 체크하는 이들 정보를 그대로 가정에서도 얻을 수 있다면 보다 정확한 판단과 치료를 위한 정보가 될 것이다.
	바로모로 베개의 디자인적 특징은?	이에 반해 “바로모로” 베개는 수면 과학을 고려하며 인체공학적으로 디자인하였다. 이 베개는 첫째, 기존의 기능성 베개가 바로 누워서 자는 것과 목을 보호하는 것에만 주력한다는 점을 개선하려 했다. 둘째, 옆으로 누워 자는 사람의 어깨와 목을 보호하는 부분까지 고려하며 다양한 체형에도 적용할 수 있는 입체적인 베개를 디자인했다.

참고문헌 (16)

J. Lee, S. Lee & S. Lee. (2019). Comparison of Neck Pain, Shoulder Pain, and Comfort between Buckwheat and Latex Pillows, Korean J Health Promot, 19(2), 107-113

상세보기
H. Kwon, J. Kim, J. Lee, H. Jang & S. Cho. (2014). The study on pillow height for arm paresthesia patients. J Korean Med Rehabil. 24(3), 165-171.
J. G. Heo & Y. Yeong. (2006). The effect ergonomic pillow in patient with chronic neck pain. J. of the Ergonomics Society of Korea, 25(1), 17-25.
Y. Nam & Y. Lee. (1989). The Ergonomic Study on the Height of the Pillow[II], J. of the Ergonomics Society of Korea, 8(1), 3-17.
D. J. Eckert, A. Malhotra & A. S. Jordan. (2009). Mechanism of Apnea, Progress in Cardiovascular Diseases, 51, 313-323.

상세보기
W. D. Duckitt, S. K. Tuomi & T. R. Niesler. (2006). automatic detection, segmentation and assessment of snoring from ambient acoustic data, Physiological Measurement, 27, 1047-1056.

상세보기
V. Hoffstein. (2002). Apnea and snoring: state of the art and future direction, Acta Otorhinolaryngol Belg, 56, 205-236.
E. Ngai & I. Rodhe. (2013). On providing location privacy for mobile sinks in wireless sensor networks, Wireless Networks, 19(1), 115-130.

상세보기
H. Kim. (2016). REM optimal sensoring devices sleeper pillow for the healthy development of the alarm function weather, Journal of the KIECS. 11(2), 223-228
J. M. Siegel. (2005). Clues to the functions of mammalian sleep, Nature, 437, 1264-1271.

상세보기
H. K. Yaggi, J. Concato, W. N. Kernan, J. H. Lichtman, L. M. Brass & V. Mohsenin. (2005). Obstructive sleep apnea as a risk factor for stroke and death, New England Journal of Medicine, 353, 2034-3041.

상세보기
T. Young, P. E. Peppard & D. J. Gottlieb. (2002). Epidemiology of obstructive sleep apnea: a population health perspective, American Journal of Respiratory and Critical Care Medicine, 165, 1217-1239.

상세보기
J.Cha, H. Choi, J. Shin & K. Lee. (2008). Development of PPG Pillow System for Unconstrained Respiration and Heart Rate Monitoring during Sleep, The conference on the institute of Electronics and Information Engineering, 1101-1102.
B. Kim & C. Moon. (2018). Snoring Sound Classification using Efficient Spectral Features and SVM for Smart Pillow, Journal of the Korea Industrial Information Systems Research, 23(2), 11-18.
D. Cho, Y. Nam, H. Lee & Y. Kim. (2019). Image mood classification using deep CNN and its application to automatic video Generation, Journal of the Korea Convergence Society, 10(9), 23-29.
J. Jang, M. Lee & T. Lee. (2019). Development of T2DM Prediction Model Using RNN. Journal of Digital Convergence, 17(8), 249-255. DOI : 10.14400/JDC.2019.17.8.249

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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