초록 ▼

본 발명의 일 실시예에 의한 기계 학습에 기반한 오실로메트릭 혈압 추정 방법은, (a) 샘플 혈압 측정치에 기반하여 측정치에 대한 오실로메트릭 파형의 엔벨로프를 획득하는 단계; (b) 비모수 부트스트랩을 사용하여 상기 측정치에 대한 오실로메트릭 파형의 엔벨로프의 최대 진폭(MA)에 기반하여 의사 최대 진폭(PMA)을 획득하는 단계; (c) 비모수 부트스트랩을 사용하여 상기 측정치에 대한 오실로메트릭 파형의 엔벨로프에 기반하여 의사 엔벨로프(PE)를 획득하는 단계; (d) 상기 의사 최대 진폭(PMA)과 상기 의사 엔벨로프(PE)를

본 발명의 일 실시예에 의한 기계 학습에 기반한 오실로메트릭 혈압 추정 방법은, (a) 샘플 혈압 측정치에 기반하여 측정치에 대한 오실로메트릭 파형의 엔벨로프를 획득하는 단계; (b) 비모수 부트스트랩을 사용하여 상기 측정치에 대한 오실로메트릭 파형의 엔벨로프의 최대 진폭(MA)에 기반하여 의사 최대 진폭(PMA)을 획득하는 단계; (c) 비모수 부트스트랩을 사용하여 상기 측정치에 대한 오실로메트릭 파형의 엔벨로프에 기반하여 의사 엔벨로프(PE)를 획득하는 단계; (d) 상기 의사 최대 진폭(PMA)과 상기 의사 엔벨로프(PE)를 연결하는 단계; (e) 기계 학습을 이용하여 개별적인 피험자에 대한 수축기 혈압 특성 비율(SBPR)과 이완기 혈압 특성 비율(DBPR)을 추정하는 단계; 및 (f) 상기 추정된 수축기 혈압 특성 비율(SBPR)과 이완기 혈압 특성 비율(DBPR)에 기반하여 신뢰 구간(CI)과 함께 수축기 혈압(SBP) 및 이완기 혈압(DBP)을 추정하는 단계를 포함한다.

대표청구항 ▼

(a) 샘플 혈압 측정치에 기반하여 측정치에 대한 오실로메트릭 파형의 엔벨로프를 획득하는 단계;(b) 비모수 부트스트랩을 사용하여 상기 측정치에 대한 오실로메트릭 파형의 엔벨로프의 최대 진폭(MA)에 기반하여 의사 최대 진폭(PMA)을 획득하는 단계;(c) 비모수 부트스트랩을 사용하여 상기 측정치에 대한 오실로메트릭 파형의 엔벨로프에 기반하여 의사 엔벨로프(PE)를 획득하는 단계;(d) 상기 의사 최대 진폭(PMA)과 상기 의사 엔벨로프(PE)를 연결하는 단계;(e) 기계 학습을 이용하여 개별적인 피험자에 대한 수축기 혈압 특성 비

(a) 샘플 혈압 측정치에 기반하여 측정치에 대한 오실로메트릭 파형의 엔벨로프를 획득하는 단계;(b) 비모수 부트스트랩을 사용하여 상기 측정치에 대한 오실로메트릭 파형의 엔벨로프의 최대 진폭(MA)에 기반하여 의사 최대 진폭(PMA)을 획득하는 단계;(c) 비모수 부트스트랩을 사용하여 상기 측정치에 대한 오실로메트릭 파형의 엔벨로프에 기반하여 의사 엔벨로프(PE)를 획득하는 단계;(d) 상기 의사 최대 진폭(PMA)과 상기 의사 엔벨로프(PE)를 연결하는 단계;(e) 기계 학습을 이용하여 개별적인 피험자에 대한 수축기 혈압 특성 비율(SBPR)과 이완기 혈압 특성 비율(DBPR)을 추정하는 단계; 및(f) 상기 추정된 수축기 혈압 특성 비율(SBPR)과 이완기 혈압 특성 비율(DBPR)에 기반하여 신뢰 구간(CI)과 함께 수축기 혈압(SBP) 및 이완기 혈압(DBP)을 추정하는 단계를 포함하고,상기 단계 (e)는 가우시안 혼합 모델(GMM) 및 가우시안 혼합 회귀(GMR)에 기반하여 개별적인 피험자에 대한 수축기 혈압 특성 비율(SBPR)과 이완기 혈압 특성 비율(DBPR)을 추정하는 단계를 포함하며,상기 단계 (f)는,(f-1) 상기 단계 (e)에서 기계 학습을 통해 획득된 수축기 혈압 특성 비율(SBPR)과 이완기 혈압 특성 비율(DBPR)에 기반하여 평균 의사 엔벨로프상의 포인트들과 95%, 5% 백분위 엔벨로프 상의 포인트들을 결정하는 단계; 및(f-2) 상기 평균 의사 엔벨로프 상의 포인트들을 커프 압력에 매핑하여, 상기 수축기 혈압(SBP)과 이완기 혈압(DBP) 및 대응하는 신뢰 구간(CI)을 추정하는 단계를 포함하는, 기계 학습에 기반한 오실로메트릭 혈압 추정 방법.