$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

심탄도를 이용한 연속적인 심박수 모니터링 및 당뇨 예측 가능성 연구(파일럿연구)
Heart rate monitoring and predictability of diabetes using ballistocardiogram(pilot study) 원문보기

디지털융복합연구 = Journal of digital convergence, v.18 no.8, 2020년, pp.231 - 242  

최상기 (선문대학교 통합의학과) ,  이거룡 (선문대학교 통합의학과)

초록
AI-Helper 아이콘AI-Helper

연구의 목적은 가정에서 안정 시 인체의 생리적 활력 정보를 센서와 ICT 정보 기술을 통해 연속적으로 수집하는 시스템과 수집된 정보를 이용하여 당뇨병증 유무를 예측하는 인공신경망 기계학습 방법과 필수적인 기본 변수 값을 제시하였다. 연구 방법은 정상인(DM-) 20명과 당뇨병(DM+) 15명을 대상으로 BCG와 ECG 센서의 심박수 측정값의 상관 관계를 분석하였으며 상관 계수는 R2=0.959이다. Artificial Neural Network(ANN) 기계학습 프로그램을 이용하여 당뇨병증 예측 가능성을 확인하였고 입력 변수는 심박변이도의 시계열정보와 심박수, 심박변이도, 호흡율, 박동량 정보, 최저혈압, 최고혈압, 년령, 성별이며 ANN 기계학습 예측 정확도는 99.53%이다. 그리고 향후 ANN 기계학습 방법을 활용하여 BMI 정보를 이용한 당뇨예측 모델, 심장 기능 장애 예측 모델, 수면장애 분석 모델 등의 계속적인 연구가 필요하다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The thesis presents a system that continuously collects the human body's physiological vital information at rest with sensors and ICT information technology and predicts diabetes using the collected information. it shows the artificial neural network machine learning method and essential basic varia...

주제어

#심탄도   #당뇨예측   #인공신경망   #스마트 헬스케어   #심박수   #심박변이도  

표/그림 (15)

질의응답

핵심어 질문 논문에서 추출한 답변
심탄도란? 심탄도(BCG, Ballistocardiogram)는 신체에서 발생하는 기계적 힘인 심장 박동으로 발생하는 진동을 측정하는 방법이다[26]. 이 현상은 Gordon이 1877년에 처음으로 연구했다[27].
예방 의학적 관점에서 개인 건강에 필요한 정보는? 예방 의학적 관점에서 개인건강 관리에 필요한 정보는 진료 의료정보, 유전체정보, 라이프로그이다. 진료를 기반한 전국민 대상 국가 차원의 관리체계가 구축되어 생애 건강관리를 위한 의료정보 수집 및 활용이 가능한 환경에서 생활하고 있다.
무구속, 비침습적 방식으로 심장의 물리적 움직임을 측정하는 센서는? 본 연구에서 사용하는 심장 활력정보 수집 방법은 무구속, 비침습적 방식이다. 심장의 움직임으로 발생하는 물리적 신호를 측정하는 센서는 MEMS(microelectromechanical systems, 마이크로 전자 기계 시스템) 기반 심탄도(ballistocardiogram) 센서이다. 센서는 심장 박동으로 발생하는 인체의 진동 세기 변화를 아날로그 신호로 측정하고 디지털 수치 변환를 통해 디지털 값으로 변환시킨다.
질의응답 정보가 도움이 되었나요?

참고문헌 (60)

  1. Health insurance review & Assessment Service. (2019.04.11). The prevention of hypertension and diabetes complications is best achieved by constant medication and regular management. Evaluation Management Office, Chronic Disease Assessment Department. http://www.hira.or.kr 

  2. B. J. Park. (2016.04.05). Diabetes with more fearful complications, rapidly increasing from the 40s. National Health Insurance Service, Ilsan Hospital. http://www.mohw.go.kr/react/al/sal0301vw.jsp?PAR_MENU_ID04&MENU_ID0403&page1&CONT_SEQ330894 

  3. S. J. Park. (2018.10.17). Diabetes surpassed 5 million, an increase of 0.7% in 2 years. MEDICAL Observer. http://www.monews.co.kr/news/articleView.html?idxno120246 

  4. Yoshiyuki Shigetoh et al. (2009). Higher Heart Rate May Predispose to Obesity and Diabetes Mellitus:20-Year Prospective Study in a General Population. American Journal of Hypertension, Volume 22, Issue 2, 151-155. DOI:10.1038/ajh.2008.331 

  5. D. I. Kim et al. (2016). The association between resting heart rate and type 2 diabetes and hypertension in Korean adults. Heart, 2016,102(21), 1757-1762. DOI:10.1136/heartjnl-2015-309119 

    상세보기 crossref

  6. B. O. Kwon. (2019.10.10). promising smart healthcare market trends and entry strategies. KOTRA Release-19-015. https://news.kotra.or.kr/user/reports/kotranews/20/us rReportsView.do?reportsIdx10985 

  7. Huge C. Hemmings & Talmage D. Egan. (2013). Pharmacology and Physiology for Anesthesia: Foundations and Clinical Application.. china : ELSEVIER Saunders. 

  8. Walter B. Cannon. (1963). The Wisdom of the Body. United States: The Norton library. 

  9. Aubert, A.E., Seps, B. & Beckers, F. (2003). Heart Rate Variability in Athletes. Sports Med 33, 889-919. DOI:10.2165/00007256-200333120-00003 

    상세보기 crossref

  10. Makkonen, J. (2014). Blood pressure measurement utilizing MEMS pressure sensors. Master's thesis, School of Electrical Engineering, Espoo, Finland. 

  11. Koeppen, Bruce M. (2018). Berne and Levy Physiology. 7th edition. Philadelpia, PA : Elsevier. 

  12. David E. Mohrman & Lois Jane Heller. (2018). Cardiovascular Physiology. 9th edition, New york: McGraw-Hill Education. 

  13. Ryan Splittgerber. (2019). Snell's clinical neuroanatomy. 8th edition, China : Wolters Kluwer Health/Lippincott Williams &Wilkins. 

  14. S. K. Park & J. H. Kang. (2012). Comparison of the Electrocardiographic Characteristics of Junior Athletes and Untrained Subjects. Korean J Clin Lab Sci.2012,44(3), 136-141. 

  15. Vanderlei, Luiz & Pastre, Carlos & Hoshi, Rosangela & T D, Carvalho & Godoy, Moacir. (2009). Basic notions of heart rate variability and its clinical applicability. Brazilian Journal of Cardiovascular Surgery 24(2), 205-17. DOI: 10.1590/S0102-76382009000200018 

    crossref

  16. K. J. Park & H. J. Jeong. (2014). Assessing Methods of Heart Rate Variability. Annals of Clinical Neurophysiology, vol.16(2), 49-54. DOI:10.14253/kjcn.2014.16.2.4 

  17. W. Kim, J.M. Woo & J. H. Chae. (2004). Use of Heart Rate Variability in Psychiatry. J Korean Neuropsychiatr Assoc Vol.44(2). 176-184. 

  18. D.S. Han, N.R. Jung, D.W. Kim, Y.E Kim & C.H. Lee. (2007). Analysis of Korean Stress Conditions by Measuring Heart Rate Variability. Stress Research: .15(3).163-169. 

  19. Anna M. Bianchi & Martin O. Mendez. (2013). Methods for heart rate variability analysis during sleep. Conf Proc IEEE Eng Med Biol Soc, 6579-6582. DOI: 10.1109/EMBC.2013.6611063 

  20. B. M. Choi & G.J. No. (2004). Heart Rate Variability (HRV). Intravenous Anesthesia 200, 8, 45-86. 

  21. Paalasmaa, J. (2014). Monitoring sleep with force sensor measurement. Doctoral dissertation. University of Helsinki, Finland 

  22. J. W. Kang. (2002). Respiratory Physiology for Inhalation Calming. Korean Journal of Dental Anesthesiology. 2002(2). 7-14. 

  23. Maria Skytioti, Signe Sovik & Maja Elstad. (2018). Respiratory pump maintains cardiac strokevolume during hypovolemia in young. healthy volunteers. J Appl Physiol 12, 1319-1325. doi:10.1152/japplphysiol.01009.2017. 

  24. B. G. Wallin, E. C. Hart, E. A. Wehrwein, N. Charkoudian and M. J. Joyner. (2010). Relationship between breathing and cardiovascular function at rest:sex-related differences. Acta Physiol (Oxf). 2010 October ; 193-200. doi:10.1111/j.1748-1716.2010.02126.x. 

  25. Araz Rawshani. (2017). Pocket guide to ECG interpretation. University of Gothengurg. 

  26. Pollock P. (1957). Ballistocardiography: a clinical review. Canadian Medical Association journal, 76(9), 778-783. 

    상세보기

  27. Gordon J. W. (1877). Certain Molar Movements of the Human Body produced by the Circulation of the Blood. Journal of anatomy and physiology, 11(Pt3), 533-536. 

  28. O. T. Inan et al. (2015). Ballistocardiography and Seismocardiography: A Review of Recent Advances. IEEE Journal of Biomedical and Health Informatics, vol. 19(4), 1414-1427. doi: 10.1109/JBHI.2014.2361732. 

    상세보기 crossref

  29. Eblen-Zajjur A. (2003). A simple ballistocardiographic system for a medical cardiovascular physiology course. Advances in physiology education, 27(1-4), 224-229. DOI : 10.1152/advan.00025.2002 

    상세보기 crossref

  30. William B. Thompson, Maurice B. Rappaport & Howard B. Sprague. (1953). Ballistocardiography: II. The Normal Ballistocardiogram. Circulation, Vol.7(3), 321-328. DOI:10.1161/01.CIR.7.3.321 

    상세보기 crossref

  31. Richard S. Gubner, Manuel Rodstein & Harry E. Ungerleider. (1953). Ballistocardiography An Appraisal of Technic. Physiologic Principles, and Clinical Value, Circulation, Vol.7(3), 268-286. DOI:10.1161/01.CIR.7.2.268 

    상세보기 crossref

  32. Herbert R. Brown, JR., Marvin J. Hoffman & Vincent De Lalla, JR. (1950). Ballistocardiographic Findings in Patients with Symptoms of Angina Pectoris. Circulation, Vol.1(1), 132-140. DOI:10.1161/01.CIR.1.1.132 

    상세보기 crossref

  33. Hossein A. et al. (2019). Accurate Detection of Dobutamine-induced Haemodynamic Changes by Kino-Cardiography: A Randomised Double-Blind Placebo-Controlled Validation Study. Sci Rep 9, 10479. DOI:10.1038/s41598-019-46823-3 

    상세보기 crossref

  34. T. Willemen et al. (2014). Characterization of the respiratory and heart beat signal from an air pressure-based ballistocardiographic setup. 2014 36th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Chicago, IL, (pp.6298-6301), DOI: 10.1109/EMBC.2014.6945069. 

  35. D. C. Mack et al. (2006). A Passive and Portable System for Monitoring Heart Rate and Detecting Sleep Apnea and Arousals: Preliminary Validation. 1st Transdisciplinary Conference on Distributed Diagnosis and Home Healthcare, 2006. D2H2., Arlington, VA, 2006, (pp. 51-54). DOI:10.1109/DDHH.2006.1624795. 

  36. Matthias Daniel Zink et al. (2015). Heartbeat Cycle Length Detection by a Ballistocardiographic Sensor in Atrial Fibrillation and Sinus Rhythm. BioMed Research International. Vol. 2015(840356), DOI: 10.1155/2015/840356 

    상세보기

  37. Murtuza Ahmed, Nirav P. Patel & Ilene Rosen. (2007). Portable monitors in the diagnosis of obstructive sleep apnea. Chest, vol. 132, no. 5, 1672-1677. DOI:10.1378/chest.06-2793 

    상세보기 crossref

  38. D. C. Mack et al. (2009). Sleep assessment using a passive ballistocardiography-based system: Preliminary validation. 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Minneapolis, MN, 2009, (pp. 4319-4322), DOI: 10.1109/IEMBS.2009.5333805. 

  39. T. Kirjavainen, O. Polo, S. McNamara, K. Vaahtoranta & C.E. Sullivan. (1996). Respiratory challenge induces high frequency spiking on the static charge sensitive bed (SCSB). European Respiratory Journal, 1996, 9, 1810-1815. DOI:10.1183/09031936.96.09091810. 

    상세보기 crossref

  40. M. M. Lee. (2010). Diabetes medication treatment. J. Kor. Soc. Health-Syst. Pharm., Vol.27, No.1, 72-85. 

  41. B. C. Choi. (2000). ISSUE & TREND:Type II Diabetes Mellitus. Korea Pharmaceutical Information Center. http://www.health.kr/ 

  42. J. Kim. (2019). Death cause statistics for 2018. National Statistical Office. Social Statistics Bureau, Population Trends Department. http://kostat.go.kr 

  43. K. S. Park. (2018). Diabetes Fact Sheet in Korea 2018. Korean Diabetes Association. Seoul. http://www.diabetes.or.kr 

  44. H. A. Park, J. A. Lee, J. Y. Kim, D. I. Kim & Justin Y. Jeon. (2015). The Relationship between Resting Heart Rate and Prevalence of Metabolic Syndrome and Type 2 Diabetes Mellitus in Korean Adults: The Fifth Korea National Health and Nutrition Examination Survey(2012). Korean J Obes 2015, 24(3), 166-174. DOI:10.7570/kjo.2015.24.3.166 

    상세보기 crossref

  45. H. I. Yang, H. C. Kim & Justin Y. Jeon. (2016). The association of resting heart rate with diabetes, hypertension, and metabolic syndrome in the Korean adult population: The fifth Korea National Health and Nutrition Examination Survey. Clinica Chimica Acta.Vol.455, 195-200. DOI:10.1016/j.cca.2016.01.006 

    상세보기 crossref

  46. Zhang, X., Shu, X. O., Xiang, Y. B., Yang, G., Li, H., Cai, H., Gao, Y. T., & Zheng, W. (2010). Resting heart rate and risk of type 2 diabetes in women. International journal of epidemiology, 39(3), 900-906. DOI:10.1093/ije/dyq068 

    상세보기 crossref

  47. H. J. Jeon, S. S. Kim, J.D. Seong & D. M. Baek. (2001). Determinants of Heart Rate Variation in the General Population. Korean Circulation J 2001,31(1), 107-113 

    상세보기 crossref

  48. Ribeiro IJS, Pereira R, Valenca Neto PF, Freire IV, Casotti CA & Reis MGD. (2017). Relationship between diabetes mellitus and heart rate variability in community-dwelling elders. Medicina (Kaunas). 2017,53(6), 375-379. DOI:10.1016/j.medici.2017.12.001 

    상세보기 crossref

  49. Emily B. Schroeder et al. (2005). Diabetes, Glucose, Insulin, and Heart Rate Variability. Diabetes Care 2005 Mar; 28(3): 668-674. . DOI:10.2337/diacare.28.3.668 

    상세보기 crossref

  50. Srivastava et al. (2019). Prediction of Diabetes Using Artificial Neural Network Approach: ICoEVCI 2018, India. DOI:10.1007/978-981-13-1642-5_59. 

  51. El Jerjawi, Nesreen & Abu-Naser, Samy. (2018). Diabetes Prediction Using Artificial Neural Network. Journal of Advanced Science, 124, 1-10. 

  52. Nitesh Pradhan, Geeta Rani, Vijaypal Singh Dhaka & Ramesh Chandra Poonia. (2020). Diabetes prediction using artificial neural network. DOI:10.1016/B978-0-12-819061-6.00014-8. 

  53. Mahdavi, Hadis & Ramos-Castro, Juan & Giovinazzo, Giuseppe & Garcia-Gonzalez, Miguel & Rosell, Xavier. (2012). A Wireless Under-Mattress Sensor System for Sleep Monitoring in People with Major Depression. Proceedings of the 9th IASTED International Conference on Biomedical Engineering. BioMed 2012. DOI:10.2316/P.2012.764-119. 

  54. Jojo Moolayil. (2019). Learn Keras for Deep Neural Networks. Vancouver:Apress. DOI:10.1007/978-1-4842-4240-7 

  55. Chris Albon. (2018). Machine Learning with Python Cookbook. First Edition. United States of America : O'Reilly Media. 

  56. Murata Electronics. (2020). Acceleration Sensor Modules SCA11H-A01-036 Data Sheet. https://www.murata.com/products/sensor/accel/sca10h_11h/sca11h 

  57. Murata Electronics. (2015.11.12). Ballistocardiographic sensors provide contact-less approach to measuring patient vital signs. https://www.murata.com/en-eu/products/info/sensor/accel/2015/1112 

  58. Ewing DJ, Neilson JM, Shapiro CM, Stewart JA & Reid W. (1991). Twenty four hour heart rate variability: effects of posture, sleep, and time of day in healthy controls and comparison with bedside tests of autonomic function in diabetic patients. Br Heart J 1991, 65, 239-244. 

    상세보기 crossref

  59. K. J. Park, H. J. Jeong. (2014). Assessing Methods of Heart Rate Variability. Annals of Clinical Neurophysiology, vol.16(2), 49-54. DOI:10.14253/kjcn.2014.16.2.4 

  60. C. W. Ahn. (2014). Clinical study for diagnostic efficacy of diabetic angiopathy using hemorheological measurement system (RheoScan). MOHW. Health Technology R&D Project. Yonsei University Industry-Academic Innovation Team 

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로