KR102385869B1 - 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼 - Google Patents

생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼 Download PDF

Info

Publication number
KR102385869B1
KR102385869B1 KR1020210124276A KR20210124276A KR102385869B1 KR 102385869 B1 KR102385869 B1 KR 102385869B1 KR 1020210124276 A KR1020210124276 A KR 1020210124276A KR 20210124276 A KR20210124276 A KR 20210124276A KR 102385869 B1 KR102385869 B1 KR 102385869B1
Authority
KR
South Korea
Prior art keywords
wavelength
component
signal
ppg
signal quality
Prior art date
Application number
KR1020210124276A
Other languages
English (en)
Inventor
장형민
설기혁
김창현
최창우
이병환
Original Assignee
주식회사 스카이랩스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 스카이랩스 filed Critical 주식회사 스카이랩스
Priority to KR1020210124276A priority Critical patent/KR102385869B1/ko
Priority to KR1020220042151A priority patent/KR102637149B1/ko
Application granted granted Critical
Publication of KR102385869B1 publication Critical patent/KR102385869B1/ko
Priority to PCT/KR2022/013741 priority patent/WO2023043202A1/ko
Priority to CN202280062915.8A priority patent/CN118019484A/zh

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6825—Hand
    • A61B5/6826—Finger
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Vascular Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Power Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)

Abstract

생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼이 제공된다. 상기 플랫폼은 서버를 포함하고, 상기 서버는 제1 파장 PPG 신호의 신호 품질을 좋음 또는 나쁨으로 분류하도록 구성된 제1 신호 품질 분류 컴포넌트를 포함하는 신호 품질 분류 시스템, 딥러닝 모델을 이용하여 상기 제1 파장 PPG 신호로부터 심방 세동 발생 여부를 판정하도록 구성된 심방 세동 판정 컴포넌트를 포함하는 생체 데이터 계산 시스템, 및 상기 제1 신호 품질 분류 컴포넌트에 의해 생성된 제1 신호 품질 분류 결과 및 상기 심방 세동 판정 컴포넌트에 의해 생성된 심방 세동 판정 결과로부터 심방 세동 지표를 계산하도록 구성된 심방 세동 지표 계산 컴포넌트를 포함하는 생체 지표 계산 시스템을 포함할 수 있다.

Description

생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼{Bio data monitoring platform using bio signal sensing ring}
본 개시는 생체 데이터 모니터링 플랫폼에 관한 것이다. 보다 구체적으로는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼에 관한 것이다.
생체 신호 및 생체 신호를 가공함으로써 얻어진 생체 데이터의 지속적인 모니터링은 질병의 예방, 조기 진단, 및 관리에 유용하다. 이러한 생체 데이터 모니터링 플랫폼을 개발하기 위해서는 높은 신뢰도로 일상에서 손쉽게 지속적으로 생체 신호를 측정할 수 있는 생체 신호 감지 장치가 필요하다.
본 개시가 해결하고자 하는 과제는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼을 제공하는 것이다.
상술한 과제를 해결하기 위하여 본 개시의 일 실시예에 따른 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼은 서버를 포함하고, 상기 서버는 제1 파장 PPG 신호의 신호 품질을 좋음 또는 나쁨으로 분류하도록 구성된 제1 신호 품질 분류 컴포넌트를 포함하는 신호 품질 분류 시스템, 딥러닝 모델을 이용하여 상기 제1 파장 PPG 신호로부터 심방 세동 발생 여부를 판정하도록 구성된 심방 세동 판정 컴포넌트를 포함하는 생체 데이터 계산 시스템, 및 상기 제1 신호 품질 분류 컴포넌트에 의해 생성된 제1 신호 품질 분류 결과 및 상기 심방 세동 판정 컴포넌트에 의해 생성된 심방 세동 판정 결과로부터 심방 세동 지표를 계산하도록 구성된 심방 세동 지표 계산 컴포넌트를 포함하는 생체 지표 계산 시스템을 포함하고, 상기 심방 세동 지표는 상기 제1 신호 품질 분류 컴포넌트에 의해 상기 제1 파장 PPG 신호의 품질이 좋음으로 분류되고 상기 심방 세동 판정 컴포넌트에 의해 심방 세동이 발생된 것으로 판정된 시간 및 상기 제1 신호 품질 분류 컴포넌트에 의해 상기 제1 파장 PPG 신호의 품질이 좋음으로 분류되는 시간의 비율로 정의될 수 있다.
일부 실시예에서, 상기 신호 품질 분류 시스템은 제2 파장 PPG 신호의 신호 품질을 좋음 또는 나쁨으로 분류하도록 구성된 제2 신호 품질 분류 컴포넌트를 더 포함하고, 상기 생체 데이터 계산 시스템은 상기 제2 파장 PPG 신호로부터 제1 딥러닝 모델을 이용하여 PPG 특징을 추출하도록 구성된 신호 특징 추출 컴포넌트, 상기 생체 신호 감지 반지를 이용하여 측정된 테스트 PPG 신호 및 종래의 혈압계를 이용하여 상기 테스트 PPG 신호와 동시에 측정된 수축기 및 이완기 테스트 혈압들, 및 사용자 정보로부터 제2 딥러닝 모델을 이용하여 사용자 특징을 추출하도록 구성된 사용자 특징 추출 컴포넌트, 및 제3 딥러닝 모델을 이용하여 상기 PPG 특징 및 상기 사용자 특징으로부터 수축기 및 이완기 혈압들을 추정하도록 구성된 혈압 추정 컴포넌트를 더 포함할 수 있다.
일부 실시예에서, 상기 생체 지표 계산 시스템은 상기 제2 신호 품질 분류 컴포넌트에 의해 생성된 제2 신호 품질 분류 결과 및 상기 혈압 추정 컴포넌트에 의해 추정된 혈압으로부터 혈압 지표를 계산하도록 구성된 혈압 지표 계산 컴포넌트를 더 포함하고, 상기 혈압 지표는 상기 제2 신호 품질 분류 컴포넌트에 의해 상기 제2 파장 PPG 신호의 품질이 좋음으로 분류되고 상기 수축기 혈압이 제1 정상 범위로부터 벗어나거나 상기 이완기 혈압이 제2 정상 범위로부터 벗어나는 시간 및 상기 제2 신호 품질 분류 컴포넌트에 의해 상기 제2 파장 PPG 신호의 품질이 좋음으로 분류되는 시간의 비율로 정의될 수 있다.
일부 실시예에서, 상기 신호 품질 분류 시스템은 제2 파장 PPG 신호 및 제3 파장 PPG 신호의 품질을 좋음 또는 나쁨으로 분류하도록 구성된 제3 신호 품질 분류 컴포넌트를 더 포함하고, 상기 생체 데이터 계산 시스템은 상기 제2 파장 PPG 신호 및 상기 제3 파장 PPG 신호로부터 산소포화도를 추정하도록 구성된 산소포화도 추정 컴포넌트를 더 포함할 수 있다.
일부 실시예에서, 상기 생체 지표 계산 시스템은 상기 제3 신호 품질 분류 컴포넌트에 의해 생성된 제3 신호 품질 분류 결과 및 상기 산소포화도 추정 컴포넌트에 의해 추정된 산소포화도부터 산소포화도 지표를 계산하도록 구성된 산소포화도 지표 계산 컴포넌트를 더 포함하고, 상기 산소포화도 지표는 상기 제3 신호 품질 분류 컴포넌트에 의해 상기 제2 파장 PPG 신호 및 상기 제3 파장 PPG 신호의 품질이 좋음으로 분류되고 상기 산소 포화도가 정상 범위를 벗어난 시간 및 상기 제3 신호 품질 분류 컴포넌트에 의해 상기 제2 파장 PPG 신호 상기 제3 파장 PPG 신호의 품질이 좋음으로 분류되는 시간의 비율로 정의될 수 있다.
일부 실시예에서, 상기 제1 파장 PPG 신호, 제2 파장 PPG 신호, 및 제3 파장 PPG 신호는 상기 생체 신호 감지 반지를 이용하여 측정되고, 상기 서버는 상기 생체 신호 감지 반지로부터 단말기를 통해 상기 제1 파장 PPG 신호, 상기 제2 파장 PPG 신호, 및 상기 제3 파장 PPG 신호를 수신하고, 상기 생체 신호 감지 반지는 서로 다른 위치에서 각각 복수의 제1 파장 PPG 신호, 복수의 제2 파장 PPG 신호, 및 복수의 제3 파장 PPG 신호를 동시에 측정하도록 구성된 복수의 센서를 포함하고, 상기 복수의 센서 각각은 제1 파장 광원, 제2 파장 광원, 제3 파장 광원, 및 광전 변환 장치를 포함할 수 있다.
일부 실시예에서, 상기 단말기는 상기 복수의 센서를 이용하여 측정된 제1 파장 테스트 PPG 신호 각각의 DC 성분이 제1 소정의 범위 내이고, 상기 복수의 센서를 이용하여 측정된 복수의 제2 파장 테스트 PPG 신호 각각의 DC 성분이 제2 소정의 범위 내이고, 상기 복수의 센서를 이용하여 측정된 복수의 제3 파장 테스트 PPG 신호 각각의 DC 성분이 제3 소정의 범위 내이도록 상기 복수의 센서 각각의 상기 제1 파장 광원, 상기 제2 파장 광원, 및 상기 제3 파장 광원을 제어하도록 구성되는 광원 제어 컴포넌트를 포함할 수 있다.
일부 실시예에서, 상기 단말기는 상기 복수의 센서 중 상기 복수의 제1 파장 테스트 PPG 신호, 상기 복수의 제2 파장 테스트 PPG 신호, 및 상기 복수의 제3 파장 테스트 PPG 신호 중 신호 품질이 가장 높은 제1 파장 테스트 PPG 신호, 제2 파장 테스트 PPG 신호, 및 제3 파장 테스트 PPG 신호의 조합을 측정한 센서를 상기 제1 파장 PPG 신호, 상기 제2 파장 PPG 신호, 및 상기 제3 파장 PPG 신호를 측정하기 위한 센서로서 선택하도록 구성된 센서 선택 컴포넌트를 더 포함할 수 있다.
일부 실시예에서, 상기 복수의 제1 파자ㅇ 테스트 PPG 신호, 상기 복수의 제2 파장 테스트 PPG 신호, 및 상기 복수의 제3 파장 테스트 PPG 신호의 상기 신호 품질은 가속도 신호 크기, 신호 대 잡음비, 및 AC 성분 크기 대 DC 성분 크기 비 중 적어도 하나에 의해 평가될 수 있다.
일부 실시예에서, 상기 광원 제어 컴포넌트에 의한 상기 복수의 센서 각각의 상기 제1 파장 광원, 상기 제2 파장 광원, 및 상기 제3 파장 광원의 제어 및 상기 센서 선택 컴포넌트에 의한 센서 선택은 순차적으로 수행되고, 상기 광원 제어 컴포넌트에 의한 상기 복수의 센서 각각의 상기 제1 파장 광원, 상기 제2 파장 광원, 및 상기 제3 파장 광원의 제어 및 상기 센서 선택 컴포넌트에 의한 센서 선택은 주기적으로 수행될 수 있다.
높은 신뢰도로 일상에서 손쉽게 지속적으로 생체 신호를 측정할 수 있는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼이 제공된다.
도 1은 본 개시의 일 실시예에 따른 생체 신호 감지 반지의 3차원 도면이다.
도 2는 본 개시의 일 실시예에 따른 생체 신호 감지 반지의 분해 3차원 도면이다.
도 3a은 본 개시의 일 실시예에 따른 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼의 블록도이다.
도 3b는 본 개시의 일 실시예에 따른 서버의 블록도이다.
도 4a 및 도 4b는 전처리 전 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다.
도 4c 및 도 4d는 각각 전처리된 후의 도 4a 및 도 4b의 제1 파장 PPG 신호들의 예를 나타낸 그래프들이다.
도 5a 및 도 5b는 좋은 품질로 분류된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다.
도 5c 및 도 5d는 나쁜 품질로 분류된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다.
도 6a 및 도 6b는 심방 세동이 아닌 것으로 판정된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다.
도 6c 및 도 6d는 심방 세동으로 판정된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다.
도 7은 신호 특징 추출 컴포넌트, 사용자 특징 추출 컴포넌트, 및 혈압 추정 컴포넌트를 나타낸 블록도이다.
도 1은 본 개시의 일 실시예에 따른 생체 신호 감지 반지(100)의 3차원 도면이다. 도 2는 본 개시의 일 실시예에 따른 생체 신호 감지 반지(100)의 분해 3차원 도면이다.
도 1 및 도 2를 참조하면, 생체 신호 감지 반지(100)는 외부 전극(130), 내부 전극(140), 절연 유닛(150), 탑 커버(110), 동작 표시 유닛(120), 및 복수의 센서(160)를 포함할 수 있다.
외부 전극(130)은 원호 형상을 가질 수 있다. 외부 전극(130)은 도체로 구성될 수 있으며 심전도(ECG: Electrocardiogram)를 측정하기 위한 전극으로서 기능할 수 있다. 또한 외부 전극(130)은 생체 신호 감지 반지(100)의 외관을 형성할 수 있으며 외부 전극(130)은 사용자의 신체에 접촉될 수 있다.
내부 전극(140)은 고리 형상을 가질 수 있으며, 복수의 센서(160)를 위한 복수의 개구(145)를 가질 수 있다. 내부 전극(140)은 도체로 구성될 수 있으며 심전도를 측정하기 위한 전극으로서 기능할 수 있다. 또한 내부 전극(140)은 생체 신호 감지 반지(100)의 내관을 형성할 수 있으며 내부 전극(140)은 사용자의 손가락에 접촉할 수 있다.
절연 유닛(150)은 외부 전극(130)과 내부 전극(140) 사이에 배치될 수 있다. 절연 유닛(150)은 외부 전극(130)과 내부 전극(140) 사이의 전기적 절연을 가능하게 할 수 있다.
탑 커버(110)는 원호 형상을 가질 수 있으며 외부 전극(130)과 함께 고리 형상을 형성할 수 있다. 탑 커버(110)는 생체 신호 감지 반지(100)의 외관을 형성할 수 있다.
동작 표시 유닛(120)은 탑 커버(110)에 결합될 수 있다. 동작 표시 유닛(120)은 복수의 LED, 예컨대 녹색 LED 및 적색 LED를 포함할 수 있다. 동작 표시 유닛(120)은 복수의 LED를 이용하여 생체 신호 감지 반지(100)의 동작을 표시할 수 있다. 예컨대 측정 시작을 알리기 위해 녹색 LED가 2초간 켜질 수 있으며, 측정 종료를 알리기 위해 녹색 LED가 1초간 켜질 수 있다. 또한 고장을 알리기 위해 적색 LED가 1초 주기로 켜졌다 꺼지기를 반복할 수 있다.
복수의 센서(160)는 사용자의 손가락에 접촉하도록 배치될 수 있다. 복수의 센서(160)는 내부 전극(140)의 복수의 개구(145) 내에 각각 위치할 수 있으며, 내부 전극(140)의 표면으로부터 돌출될 수 있다. 복수의 센서(160)는 서로 다른 위치에서 복수의 제1 파장 PPG 신호, 복수의 제2 파장 PPG 신호, 및 복수의 제3 파장 PPG 신호를 획득하도록 구성될 수 있다. 각각의 센서(160)는 서로 다른 파장의 광을 방출하는 제1 파장 광원, 제2 파장 광원, 및 제3 파장 광원, 및 광전 변환 장치를 포함할 수 있다.
일부 실시예에서, 도 1 및 도 2에 도시되지 않았으나, 생체 신호 감지 반지(100)는 외부 전극(130), 내부 전극(140) 사이에 배치되는 가속도 센서를 더 포함할 수 있다.도 3a은 본 개시의 일 실시예에 따른 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼(1000)의 블록도이다. 도 3b는 본 개시의 일 실시예에 따른 서버(300)의 블록도이다. 도 4a 및 도 4b는 전처리 전 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다. 도 4c 및 도 4d는 각각 전처리된 후의 도 4a 및 도 4b의 제1 파장 PPG 신호들의 예를 나타낸 그래프들이다. 도 5a 및 도 5b는 좋은 품질로 분류된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다. 도 5c 및 도 5d는 나쁜 품질로 분류된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다. 도 6a 및 도 6b는 심방 세동이 아닌 것으로 판정된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다. 도 6c 및 도 6d는 심방 세동으로 판정된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다. 도 7은 신호 특징 추출 컴포넌트(352A), 사용자 특징 추출 컴포넌트(352B), 및 혈압 추정 컴포넌트(353C)를 나타낸 블록도이다.
도 3a, 도 3b, 도 4a 내지 도 4d, 도 5a 내지 도 5d, 도 6a 내지 도 6d, 및 도 7을 참조하면, 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼(1000)은 생체 신호 감지 반지(100), 제1 단말기(200), 서버(300), 및 제2 단말기(400)를 포함할 수 있다.
생체 신호 감지 반지(100)는 심전도 및 PPG 신호를 포함하는 생체 신호를 측정할 수 있다. 생체 신호 감지 반지(100)는 복수의 센서, 예컨대 제1 센서(160A) 및 제2 센서(160B)를 포함할 수 있다. 도 3a에는 생체 신호 감지 반지(100)가 2개의 센서를 포함하는 것으로 도시되었으나, 생체 신호 감지 반지(100)에 포함되는 센서의 수는 2개로 제한되지 않는다. 일부 실시예에서, 도 3a에 도시되지 않았으나 생체 신호 감지 반지(100)는 가속도 센서를 더 포함할 수 있다.
제1 센서(160A)는 제1 파장 광원(161A), 제2 파장 광원(162A), 제3 파장 광원(163A) 및 광전 변환 장치(164A)를 포함할 수 있다. 제1 센서(160A)는 제1 파장 광원(161A)과 광전 변환 장치(164A)를 이용하여 제1 파장 PPG 신호를 감지할 수 있다. 제1 센서(160A)는 제2 파장 광원(162A)과 광전 변환 장치(164A)를 이용하여 제2 파장 PPG 신호를 감지할 수 있다. 제1 센서(160A)는 제3 파장 광원(163A)과 광전 변환 장치(164A)를 이용하여 제3 파장 PPG 신호를 감지할 수 있다. 제1 파장 광원(161A)은 예를 들어 녹색 LED를 포함할 수 있고, 제2 파장 광원(162A)은 예를 들어 적외선 LED를 포함할 수 있고, 제3 파장 광원(163A)은 예를 들어 적색 LED를 포함할 수 있고, 광전 변환 장치(164A)는 포토 다이오드를 포함할 수 있다.
제2 센서(160B)는 제1 파장 광원(161B), 제2 파장 광원(162B), 제3 파장 광원(163B) 및 광전 변환 장치(164B)를 포함할 수 있다. 제1 센서(160B)는 제1 파장 광원(161B)과 광전 변환 장치(164B)를 이용하여 제1 파장 PPG 신호를 감지할 수 있다. 제2 센서(160B)는 제2 파장 광원(162B)과 광전 변환 장치(164B)를 이용하여 제2 파장 PPG 신호를 감지할 수 있다. 제2 센서(160B)는 제3 파장 광원(163B)과 광전 변환 장치(164B)를 이용하여 제3 파장 PPG 신호를 감지할 수 있다. 제1 파장 광원(161B)은 예를 들어 녹색 LED를 포함할 수 있고, 제2 파장 광원(162B)은 예를 들어 적외선 LED를 포함할 수 있고, 제3 파장 광원(163B)은 예를 들어 적색 LED를 포함할 수 있고, 광전 변환 장치(164B)는 포토 다이오드를 포함할 수 있다.
가속도 센서는 생체 신호 감지 반지(100)의 가속도를 측정함으로써 사용자의 움직임을 감지할 수 있다.
제1 단말기(200)는 사용자에 의해 사용될 수 있다. 제1 단말기(200)는 예를 들어 스마트폰 또는 태블릿 PC를 포함할 수 있다. 제1 단말기(200)는 유선 또는 무선으로 생체 신호 감지 반지(100)에 연결될 수 있다. 예를 들어 제1 단말기(200)는 블루투스 또는 와이파이를 이용하여 생체 신호 감지 반지(100)에 연결될 수 있다. 제1 단말기(200)는 유선 또는 무선으로 서버(300)에 연결될 수 있다. 예를 들어 제1 단말기(200)는 와이파이, 또는 예컨대 3G, LTE, 5G와 같은 이동통신(mobile telecommunication) 기술을 통해 서버(300)에 연결될 수 있다.
제1 단말기(200)는 광원 제어 컴포넌트(210), 센서 선택 컴포넌트(220), 측정 제어 컴포넌트(230), 및 디스플레이 컴포넌트(240)를 포함할 수 있다. 제1 단말기(200)에는 어플리케이션이 설치될 수 있다. 광원 제어 컴포넌트(210), 센서 선택 컴포넌트(220), 측정 제어 컴포넌트(230), 및 디스플레이 컴포넌트(240)는 어플리케이션에 의해 구현될 수 있다. 대안적으로, 제1 단말기(200)는 웹사이트에 접속할 수 있으며, 광원 제어 컴포넌트(210), 센서 선택 컴포넌트(220), 측정 제어 컴포넌트(230), 및 디스플레이 컴포넌트(240)는 웹사이트로 구현될 수 있다.
광원 제어 컴포넌트(210)는 제1 센서(160A) 및 제2 센서(160B)로부터 수신한 제1 파장 테스트 PPG 신호 각각의 DC 성분이 제1 소정의 범위 내이고, 제1 센서(160A) 및 제2 센서(160B)로부터 수신한 제2 파장 테스트 PPG 신호 각각의 DC 성분이 제2 소정의 범위 내이고, 제1 센서(160A) 및 제2 센서(160B)로부터 수신한 제3 파장 테스트 PPG 신호 각각의 DC 성분이 제3 소정의 범위 내이도록 제1 센서(160A)의 제1 파장 광원(161A), 제2 파장 광원(162A), 및 제3 파장 광원(163A) 및 제2 센서(160B)의 제1 파장 광원(161B), 제2 파장 광원(162B), 및 제3 파장 광원(163B)을 제어할 수 있다.
광원 제어 컴포넌트(210)가 제1 센서(160A)의 제1 파장 광원(161A), 제2 파장 광원(162A), 및 제3 파장 광원(163A) 및 제2 센서(160B)의 제1 파장 광원(161B), 제2 파장 광원(162B), 및 제3 파장 광원(163B)을 제어한 후 센서 선택 컴포넌트(220)는 제1 센서(160A) 및 제2 센서(160B) 중 하나를 이후에 제1 파장 PPG 신호, 제2 파장 PPG 신호, 및 제3 파장 PPG 신호를 측정하기 위한 센서로서 선택할 수 있다. 센서 선택 컴포넌트(220)는 제1 센서(160A) 및 제2 센서(160B) 중 제1 센서(160A) 및 제2 센서(160B)로부터의 두 개의 제1 파장 테스트 PPG 신호, 두 개의 제2 파장 테스트 PPG 신호, 및 두 개의 제 3 파장 테스트 PPG 신호 중 신호 품질이 가장 높은 제1 파장 테스트 PPG 신호, 제2 파장 테스트 PPG 신호, 및 제3 파장 테스트 PPG 신호를 측정한 센서를 선택할 수 있다. 신호 품질은 가속도 신호 크기, 신호 대 잡음 비(Signal to Noise Ratio, SNR), 및 AC 성분 크기 대 DC 성분 크기 비 중 적어도 하나에 의해 평가될 수 있다. 가속도 신호 크기가 작고, 신호 대 잡음 비가 높고 AC 성분 크기 대 DC 성분 크기 비가 높을수록 신호 품질이 높을 수 있다. 이후에 센서 선택 컴포넌트(220)에 의해 선택된 센서에서 제1 파장 PPG 신호, 제2 파장 PPG 신호, 및 제3 파장 PPG 신호가 측정될 수 있다.
광원 제어 컴포넌트(210)에 의한 제1 센서(160A)의 제1 파장 광원(161A), 제2 파장 광원(162A), 및 제3 파장 광원(163A) 및 제2 센서(160B)의 제1 파장 광원(161B), 제2 파장 광원(162B), 및 제3 파장 광원(163B)의 제어 및 센서 선택 컴포넌트(220)에 의한 센서 선택은 순차적으로 수행될 수 있다. 즉, 광원 제어 컴포넌트(210)가 제1 센서(160A)의 제1 파장 광원(161A), 제2 파장 광원(162A), 및 제3 파장 광원(163A) 및 제2 센서(160B)의 제1 파장 광원(161B), 제2 파장 광원(162B), 및 제3 파장 광원(163B)을 제어한 후 센서 선택 컴포넌트(220)가 센서를 선택할 수 있다.
광원 제어 컴포넌트(210)에 의한 제1 센서(160A)의 제1 파장 광원(161A), 제2 파장 광원(162A), 및 제3 파장 광원(163A) 및 제2 센서(160B)의 제1 파장 광원(161B), 제2 파장 광원(162B), 및 제3 파장 광원(163B)의 제어 및 센서 선택 컴포넌트(220)에 의한 센서 선택은 주기적으로 수행될 수 있다. 생체 신호 감지 반지(100)가 손가락에 대하여 이동 또는 회전할 수 있으므로 광원 제어 컴포넌트(210)가 주기적으로 광원을 제어하고 센서 선택 컴포넌트(220)가 주기적으로 센서를 선택할 수 있다.
측정 제어 컴포넌트(230)는 사용자의 입력에 따라 측정 모드를 선택하거나 측정을 개시하거나 종료할 수 있다. 예를 들어 사용자는 측정 제어 컴포넌트(230)를 이용하여 측정 모드를 셀프 체크 모드와 백그라운드 모드 중 선택할 수 있다. 셀프 체크 모드에서 사용자는 측정 제어 컴포넌트(230)를 이용하여 측정을 개시 및 종료할 수 있다. 백그라운드 모드에서는 사용자의 입력과 무관하게 측정이 시작되어 측정이 지속된다. 백그라운드 모드에서 사용자는 측정 주기를 설정하거나 변경할 수 있다.일부 실시예에서, 측정 제어 컴포넌트(230)는 생체 신호 감지 반지(100)에 포함될 수 있다. 즉, 사용자는 생체 신호 감지 반지(100)의 측정 제어 컴포넌트(230)를 이용하여 측정 모드를 선택하거나 측정을 개시하거나 종료할 수 있다. 일부 실시예에서, 측정 제어 컴포넌트(230)는 서버(300)에 포함할 수 있다. 즉, 서비스 제공자는 서버(300)의 측정 제어 컴포넌트(230)를 이용하여 측정 모드를 선택하거나 측정을 개시하거나 종료할 수 있다.
디스플레이 컴포넌트(240)는 생체 신호 감지 반지(100)에 의해 측정되고 서버(300)의 샌체 신호 저장 컴포넌트(381)에 저장된 생체 신호, 생체 신호 저장 컴포넌트(381)에 저장된 생체 신호의 측정 일시, 서버(300)의 신호 품질 분류 시스템(320)에 의해 분류되고 서버(300)의 생체 데이터 저장 컴포넌트(382)에 저장된 신호 품질 분류 결과, 서버(300)의 생체 데이터 계산 시스템(350)에 의해 계산되고 서버(300)의 생체 데이터 저장 컴포넌트(382)에 저장된 생체 데이터, 서버(300)의 생체 지표 계산 시스템(360)에 의해 계산되고 생체 지표 저장 컴포넌트(383)에 저장된 생체 지표, 및 질병 에측 시스템(380)에 의해 계산된 질병 발생 확률 중 적어도 하나를 디스플레이할 수 있다.
여기서 생체 신호는 심전도, 제1 파장 PPG 신호, 제2 파장 PPG 신호, 및 제3 파장 PPG 신호 중 적어도 하나를 포함할 수 있다. 또한, 생체 데이터는 심방 세동 판정 결과, 혈압, 및 산소포화도 중 적어도 하나를 포함할 수 있다. 또한, 생체 지표는 심방 세동 지표, 혈압 지표, 및 산소포화도 지표 중 적어도 하나를 포함할 수 있다.
서버(300)는 생체 신호 전처리 시스템(310), 신호 품질 분류 시스템(320), 생체 데이터 계산 시스템(350), 생체 지표 계산 시스템(360), 알람시스템(370), 질병 예측 시스템(380), 생체 신호 저장 컴포넌트(381), 생체 데이터 저장 컴포넌트(382), 및 생체 지표 저장 컴포넌트(383)를 포함할 수 있다.
생체 신호 전처리 시스템(310)는 생체 신호 감지 반지(100)의 선택된 센서로부터 제1 단말기(200)를 통해 서버(300)가 수신한 생체 신호를 전처리할 수 있다. 생체 신호 전처리 시스템(310)은 제1 생체 신호 전처리 컴포넌트(311), 제2 생체 신호 전처리 컴포넌트(312) 및 제3 생체 신호 전처리 컴포넌트(313)를 포함할 수 있다.
제1 생체 신호 전처리 컴포넌트(311)는 제1 파장 PPG 신호를 전처리 할 수 있다. 예를 들어 제1 파장 PPG 신호를 전처리하기 위해 저역 통과 필터, 고역 통과 필터, 및 정규화(Normalization)가 사용될 수 있다 도 4a 및 도 4b는 전처리 전 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다. 도 4c 및 도 4d는 각각 전처리된 후의 도 4a 및 도 4b의 제1 파장 PPG 신호들의 예를 나타낸 그래프들이다.
제2 생체 신호 전처리 컴포넌트(312)는 제2 파장 PPG 신호를 전처리 할 수 있다. 예를 들어 제2 파장 PPG 신호를 전처리하기 위해 저역 통과 필터, 고역 통과 필터, 및 정규화가 사용될 수 있다.
제3 생체 신호 전처리 컴포넌트(313)는 제2 파장 PPG 신호 및 제3 파장 PPG 신호를 전처리 할 수 있다. 예를 들어 제2 파장 PPG 신호 및 제3 파장 PPG 신호를 전처리하기 위해 저역 통과 필터, 고역 통과 필터, 및 정규화가 사용될 수 있다.
일부 실시예에서, 생체 신호 전처리 시스템(310)은 제4 생체 신호 전처리 컴포넌트를 더 포함할 수 있고, 제4 생체 신호 전처리 컴포넌트는 생체 신호 감지 반지(100)의 가속도 센서로부터 제1 단말기(200)를 통해 서버(300)가 수신한 가속도 신호를 전처리할 수 있다.
신호 품질 분류 시스템(320)은 생체 신호 전처리 시스템(310)에 의해 전처리된 생체 신호의 신호 품질을 좋음 또는 나쁨으로 분류할 수 있다. 신호 품질 분류 시스템(320)은 제1 신호 품질 분류 컴포넌트(321), 제2 신호 품질 분류 컴포넌트(322), 및 제3 신호 품질 분류 컴포넌트(323)를 포함할 수 있다.
제1 신호 품질 분류 컴포넌트(321)는 제1 생체 신호 전처리 컴포넌트(311)에 의해 전처리된 제1 파장 PPG 신호의 신호 품질을 좋음 또는 나쁨으로 분류할 수 있다. 도 5a 및 도 5b는 좋은 품질로 분류된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다. 도 5c 및 도 5d는 나쁜 품질로 분류된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다. 일부 실시예에서, 제1 신호 품질 분류 컴포넌트(321)는 제1 파장 PPG 신호의 신호 품질을 좋음과 나쁨 중 하나로 분류하기 위해 가속도 신호를 참고할 수 있다.
일부 실시예에서, 제1 신호 품질 분류 컴포넌트(321)는 딥러닝 모델을 이용하여 제1 파장 PPG 신호의 품질을 좋음또는 나쁨으로 분류할 수 있다. 제1 신호 품질 분류 컴포넌트(321)에 사용되는 딥러닝 모델은 합성곱 신경망(convolution neural network, CNN), 장단기 메모리(Long Short-Term Memory, LSTM), 완전 연결 망(Fully Connected Network, FCN), 인코더, 디코더, 또는 이들의 조합을 포함할 수 있다. 신호 품질을 분류하기 위한 방법은 본 명세서에 설명된 방법으로 제한되지 않는다.
제2 신호 품질 분류 컴포넌트(322)는 제2 생체 신호 전처리 컴포넌트(312)에 의해 전처리된 제2 파장 PPG 신호의 신호 품질을 좋음 또는 나쁨으로 분류할 수 있다. 일부 실시예에서, 제2 신호 품질 분류 컴포넌트(322)는 제2 파장 PPG 신호의 신호 품질을 좋음과 나쁨 중 하나로 분류하기 위해 가속도 신호를 참고할 수 있다. 일부 실시예에서, 제2 신호 품질 분류 컴포넌트(322)는 딥러닝 모델을 이용하여 제2 파장 PPG 신호의 품질을 좋음 또는 나쁨으로 분류할 수 있다. 제2 신호 품질 분류 컴포넌트(322)에 사용되는 딥러닝 모델은 CNN, LSTM, FCN, 인코더, 디코더, 또는 이들의 조합을 포함할 수 있다. 신호 품질을 분류하기 위한 방법은 본 명세서에 설명된 방법으로 제한되지 않는다.
제3 신호 품질 분류 컴포넌트(323)는 전처리된 제2 파장 PPG 신호 및 제3 파장 PPG 신호의 신호 품질을 좋음 또는 나쁨으로 분류할 수 있다. 일부 실시예에서, 제3 신호 품질 분류 컴포넌트(323)는 제3 파장 PPG 신호의 신호 품질을 좋음과 나쁨 중 하나로 분류하기 위해 가속도 신호를 참고할 수 있다. 일부 실시예에서, 제3 신호 품질 분류 컴포넌트(323)는 딥러닝 모델을 이용하여 제2 파장 PPG 신호 및 제3 파장 PPG 신호의 품질을 좋음 또는 나쁨으로 분류할 수 있다. 제3 신호 품질 분류 컴포넌트(323)에 사용되는 딥러닝 모델은 CNN, LSTM, FCN, 인코더, 디코더, 또는 이들의 조합을 포함할 수 있다. 신호 품질을 분류하기 위한 방법은 본 명세서에 설명된 방법으로 제한되지 않는다.
신호 품질 분류 시스템(320)에 의해 신호 품질이 나쁜 것으로 분류된 생체 신호로부터 계산된 생체 데이터는 신뢰할 수 없는 것으로 판단할 수 있고, 제1 단말기(200)의 디스플레이 컴포넌트(240)에 의해 디스플레이되지 않을 수 있다. 품질이 좋은 것으로 분류된 생체 신호로부터 계산된 생체 데이터는 신뢰할 수 있는 것으로 판단할 수 있고, 제1 단말기(200)의 디스플레이 컴포넌트(240)에 의해 디스플레이될 수 있다.
대안적인 실시예에서, 신호 품질 분류 결과와 무관하게 생체 신호로부터 계산된 생체 데이터가 신호 품질 분류 결과와 함께 제1 단말기(200)의 디스플레이 컴포넌트(240)에 의해 디스플레이될 수 있다. 또한, 신호 품질 분류 결과와 무관하게 생체 신호로부터 계산된 생체 데이터가 신호 품질 분류 결과와 함께 제2 단말기(400)의 디스플레이 컴포넌트(420)에 의해 디스플레이될 수 있다.
생체 데이터 계산 시스템(350)은 생체 신호로부터 생체 데이터를 계산할 수 있다. 생체 신호는 심전도, 제1 파장 PPG 신호, 제2 파장 PPG 신호, 및 제3 파장 PPG 신호 중 적어도 하나를 포함할 수 있다. 생체 데이터는 심방 세동 판정 결과, 혈압, 및 산소포화도 중 적어도 하나를 포함할 수 있다. 생체 데이터 계산 시스템(350)은 심방 세동 판정 컴포넌트(351), 신호 특징 추출 컴포넌트(352A), 사용자 특징 추출 컴포넌트(352B), 혈압 추정 컴포넌트(352C), 및 산소포화도 추정 컴포넌트(353)를 포함할 수 있다.
심방 세동 판정 컴포넌트(351)는 딥러닝 모델을 이용하여 제1 파장 PPG 신호로부터 심방 세동 발생 여부를 판정할 수 있다. 도 6a 및 도 6b는 심방 세동이 아닌 것으로 판정된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다. 도 6c 및 도 6d는 심방 세동으로 판정된 제1 파장 PPG 신호들의 예들을 나타낸 그래프들이다.
심방 세동 판정 컴포넌트(350)에 사용되는 딥러닝 모델은 CNN, LSTM, FCN, 인코더, 디코더, 또는 이들의 조합을 포함할 수 있다. 딥러닝 모델은 지도 학습을 이용하여 학습될 수 있다. 지도 학습에 필요한 데이터 세트를 충분히 확보하기 위해 데이터 증강이 사용될 수 있다.
도 7에 도시된 바와 같이, 신호 특징 추출 컴포넌트(352A)는 제1 딥러닝 모델을 이용하여 제2 파장 PPG 신호로부터 PPG 특징을 추출할 수 있다. 사용자 특징 추출 컴포넌트(352B)는 제2 딥러닝 모델을 이용하여 테스트 PPG 신호, 수축기 및 이완기 테스트 혈압들, 및 사용자 정보로부터 사용자 특징을 추출할 수 있다. 테스트 PPG 신호는 생체 신호 감지 반지(100)의 선택된 센서의 제2 파장 광원과 광전 변환 장치를 이용하여 측정될 수 있다. 수축기 및 이완기 테스트 혈압들은 종래의 혈압계를 이용하여 테스트 PPG 신호와 동시에 측정될 수 있다. 사용자 정보는 사용자의 나이, 몸무게, 키, 및 성별 중 적어도 하나를 포함할 수 있다. 혈압 추정 컴포넌트(352C)는 제3 딥러닝 모델을 이용하여 PPG 특징 및 사용자 특징으로부터 수축 및 이완기 혈압들을 추정할 수 있다. 테스트 PPG 신호, 수축기 및 이완기 테스트 혈압, 및 사용자 정보는 주기적으로 갱신될 수 있다.
제1 딥러닝 모델, 제2 딥러닝 모델, 및 제3 딥러닝 모델 각각은 CNN, LSTM, FCN, 인코더, 디코더, 또는 이들의 조합을 포함할 수 있다. 제1 딥러닝 모델, 제2 딥러닝 모델, 및 제3 딥러닝 모델은 지도 학습을 이용하여 학습될 수 있다. 지도 학습에 필요한 데이터 세트를 충분히 확보하기 위해 데이터 증강이 사용될 수 있다.
산소포화도 추정 컴포넌트(353)는 제2 파장 PPG 신호 및 제3 파장 PPG 신호로부터 산소포화도를 추정할 수 있다. 산소포화도를 추정하기 위해 다양한 방법이 사용될 수 있다.
예를 들어, 다음과 같은 식 1에 의해 R 값이 먼저 계산될 수 있다.
R=((ACR)/(DCR))/((ACIR)/(DCIR)) (식 1)
여기서 ACR은 제3 파장 PPG 신호의 AC 성분의 크기이고, DCR은 제3 파장 PPG 신호의 DC 성분의 크기이고, ACIR은 제2 파장 PPG 신호의 AC 성분의 크기이고, DCIR은 제2 파장 PPG 신호의 DC 성분의 크기이다.
다음으로, 다음과 같은 식 2에 의해 R 값으로부터 산소포화도가 계산될 수 있다.
산소포화도=C0-C1R (식 2)
C0, 및 C1은 선형 회귀를 사용하여 결정될 수 있는 상수들이다.
식 2에서 산소포화도가 R 값에 대하여 일차식으로 표현되는 것으로 설명되었으나, 산소포화도가 R 값에 대하여 1보다 큰 차수의 다항식, 예를 들어 이차식, 또는 삼차식으로 표현될 수 있다. 산소포화도를 추정하기 위한 방법은 본 명세서에 설명된 방법으로 제한되지 않는다.
생체 지표 계산 시스템(360)은 신호 품질 분류 시스템(320)에 의해 생성된 신호 품질 분류 결과 및 생체 데이터 계산 시스템(350)에 의해 계산된 생체 데이터로부터 생체 지표를 계산할 수 있다. 여기서 생체 지표는 심방 세동 지표, 혈압 지표, 및 산소포화도 지표 중 적어도 하나를 포함할 수 있다. 생체 지표 계산 시스템(360)은 심방 세동 지표 계산 컴포넌트(361), 혈압 지표 계산 컴포넌트(362), 및 산소포화도 지표 계산 컴포넌트(363)를 포함할 수 있다.
심방 세동 지표 계산 컴포넌트(361)는 제1 신호 품질 분류 컴포넌트(321)에 의해 생성된 제1 신호 품질 분류 결과 및 심방 세동 판정 컴포넌트(351)에 의해 생성된 심방 세동 판정 결과로부터 심방 세동 지표를 계산할 수 있다. 심방 세동 지표는 제1 신호 품질 분류 컴포넌트(321)에 의해 제1 파장 PPG 신호의 품질이 좋음으로 분류되는 시간 및 제1 신호 품질 분류 컴포넌트(321)에 의해 제1 파장 PPG 신호의 품질이 좋음으로 분류되는 시간 중 심방 세동 판정 컴포넌트(351)에 의해 심방 세동이 발생한 것으로 판정된 시간에 기초하여 정의될 수 있다. 예를 들어, 심방 세동 지표는 제1 신호 품질 분류 컴포넌트(321)에 의해 제1 파장 PPG 신호의 품질이 좋음으로 분류되는 시간 중 심방 세동 판정 컴포넌트(351)에 의해 심방 세동이 발생한 것으로 판정되는 시간 대 제1 신호 품질 분류 컴포넌트(321)에 의해 제1 파장 PPG 신호의 품질이 좋음으로 분류되는 시간의 비로 정의될 수 있다. 즉, 심방 세동 지표는 신뢰할 수 있는 심방 세동 판정 결과를 얻을 수 있는 시간 중 심방 세동이 발생한 시간의 비율을 의미할 수 있다.
혈압 지표 계산 컴포넌트(362)는 제2 신호 품질 분류 컴포넌트(322)에 의해 생성된 제2 신호 품질 분류 결과 및 혈압 추정 컴포넌트(352C)에 의해 추정된 혈압으로부터 혈압 지표를 계산할 수 있다. 혈압 지표는 제2 신호 품질 분류 컴포넌트(322)에 의해 제2 파장 PPG 신호의 품질이 좋음으로 분류되는 시간 및 제2 신호 품질 분류 컴포넌트(322)에 의해 제2 파장 PPG 신호의 품질이 좋음으로 분류되는 시간 중 수축기 혈압이 제1 정상 범위로부터 벗어나거나 이완기 혈압이 제2 정상 범위로부터 벗어나는 시간에 기초하여 정의될 수 있다. 예를 들어, 혈압 지표는 제2 신호 품질 분류 컴포넌트(322)에 의해 PPG 신호의 품질이 좋음으로 분류되는 시간 중 수축기 혈압이 제1 정상 범위로부터 벗어나거나 이완기 혈압이 제2 정상 범위로부터 벗어나는 시간 대 재2 신호 품질 분류 컴포넌트(322)에 의해 제2 파장 PPG 신호의 품질이 좋음으로 분류되는 시간의 비로 정의될 수 있다. 즉, 혈압 지표는 신뢰할 수 있는 혈압 추정 결과를 얻을 수 있는 시간 중 이상 혈압이 나타난 시간의 비율을 의미할 수 있다.
산소포화도 지표 계산 컴포넌트(363)는 제3 신호 품질 분류 컴포넌트(323)에 의해 생성된 제3 신호 품질 분류 결과 및 산소포화도 추정 컴포넌트(353)에 의해 추정된 산소포화도로부터 산소포화도 지표를 계산할 수 있다. 산소포화도 지표는 제3 신호 품질 분류 컴포넌트(323)에 의해 제2 파장 PPG 신호 및 제3 파장 PPG 신호의 품질이 좋음으로 분류되는 시간 및 제3 신호 품질 분류 컴포넌트(323)에 의해 제2 파장 PPG 신호 및 제3 파장 PPG 신호의 품질이 좋음으로 분류되는 시간 중 산소포화도 추정 컴포넌트(353)에 의해 추정된 산소포화도가 정상 범위를 벗어난 시간에 기초하여 정의될 수 있다. 예를 들어, 산소포화도 지표는 제3 신호 품질 분류 컴포넌트(323)에 의해 제2 파장 PPG 신호 및 제3 파장 PPG 신호의 품질이 좋음으로 분류되는 시간 중 산소포화도 추정 컴포넌트(353)에 의해 추정된 산소포화도가 정상 범위를 벗어난 시간 대 제3 신호 품질 분류 컴포넌트(323)에 의해 제2 파장 PPG 신호 및 제3 파장 PPG 신호의 품질이 좋음으로 분류되는 시간의 비로 정의될 수 있다. 즉, 산소포화도 지표는 신뢰할 수 있는 산소포화도를 얻을 수 있는 시간에 대한 산소포화도가 정상 범위를 벗어난 시간의 비율을 의미할 수 있다.
알람 시스템(370)은 생체 신호, 생체 데이터, 및 생체 지표 중 적어도 하나가 제2 단말기(400)의 알람 조건 설정 컴포넌트(410)에 의해 미리 설정된 알람 조건을 만족하면 제1 단말기(200) 및 제2 단말기(400) 중 적어도 하나로 알람을 전송할 수 있다. 알람 시스템(370)은 심방 세동 알람 컴포넌트(371), 혈압 알람 컴포넌트(372), 및 산소포화도 알람 컴포넌트(373)를 포함할 수 있다.
심방 세동 알람 컴포넌트(371)는 심방 세동 판정 컴포넌트(351)에 의해 판정된 심방 세동 판정 결과가 제2 단말기(400)의 알람 조건 설정 컴포넌트(410)에 의해 설정된 알람 조건을 만족하면 제1 단말기(200) 및 제2 단말기(400) 중 적어도 하나로 알람을 전송할 수 있다.
혈압 알람 컴포넌트(372)는 혈압 추정 컴포넌트(352C)에 의해 추정된 혈압이 제2 단말기(400)의 알람 조건 설정 컴포넌트(410)에 의해 설정된 알람 조건을 만족하면 제1 단말기(200) 및 제2 단말기(400) 중 적어도 하나로 알람을 전송할 수 있다.
산소포화도 알람 컴포넌트(373)는 산소포화도 추정 컴포넌트(353)에 의해 추정된 산소포화도가 제2 단말기(400)의 알람 조건 설정 컴포넌트(410)에 의해 설정된 알람 조건을 만족하면 제1 단말기(200) 및 제2 단말기(400) 중 적어도 하나로 알람을 전송할 수 있다.
질병 예측 시스템(380)은 예컨대 심전도, 제1 파장 PPG 신호, 제2 파장 PPG 신호, 및 제3 파장 PPG 신호와 같은 생체 신호, 예컨대 심방 세동 판정 결과, 혈압, 및 산소포화도와 같은 생체 데이터, 예컨대 심방 세동 지표, 혈압 지표, 및 산소포화도 지표와 같은 생체 지표 중 적어도 하나의 시간에 따른 변화로부터 질병 발생 확률을 계산할 수 있다. 질병 예측 시스템(380)은 딥러닝 모델을 사용할 수 있다.
생체 신호 저장 컴포넌트(381)는 생체 신호 감지 반지(100)로부터 제1 단말기(200)를 통해 서버(300)가 수신한 심전도, 제1 파장 PPG 신호, 제2 파장 PPG 신호, 및 제3 파장 PPG 신호를 저장할 수 있다. 생체 신호 저장 컴포넌트(381)는 심전도, 제1 파장 PPG 신호, 제2 파장 PPG 신호, 및 제3 파장 PPG 신호의 측정 일시를 더 저장할 수 있다. 생체 신호 저장 컴포넌트(381)는 생체 신호 전처리 시스템(310)에 의해 전처리된 제1 파장 PPG 신호, 제2 파장 PPG 신호, 및 제3 파장 PPG 신호를 더 저장할 수 있다. 생체 신호 저장 컴포넌트(381)는 생체 신호 감지 반지(100)로부터 제1 단말기(200)를 통해 서버(300)가 수신한 가속도 신호를 더 저장할 수 있다. 생체 신호 저장 컴포넌트(381)는 생체 신호 전처리 시스템(310)에 의해 전처리된 가속도 신호를 더 저장할 수 있다.
생체 데이터 저장 컴포넌트(382)는 예컨대 심방 세동 판정 컴포넌트(351)에 의해 생성된 심방 세동 판정 결과, 혈압 추정 컴포넌트(352C)에 의해 추정된 혈압, 및 산소포화도 추정 컴포넌트(353)에 의해 추정된 산소포화도와 같은 생체 데이터를 저장할 수 있다. 생체 데이터 저장 컴포넌트(382)는 제1 신호 품질 분류 컴포넌트(321)에 의해 생성된 제1 신호 품질 분류 결과, 제2 신호 품질 분류 컴포넌트(322)에 의해 생성된 제2 신호 품질 분류 결과, 및 제3 신호 품질 분류 컴포넌트(3323)에 의해 생성된 제3 신호 품질 분류 결과를 저장할 수 있다. 생체 지표 저장 컴포넌트(383)는 예컨대 심방 세동 지표 계산 컴포넌트(361)에 의해 계산된 심방 세동 지표, 혈압 지표 계산 컴포넌트(362)에 의해 계산된 혈압 지표, 및 산소포화도 지표 계산 컴포넌트(363)에 의해 계산된 산소포화도 지표와 같은 생체 지표를 저장할 수 있다.
재2 단말기(400)는 유선 또는 무선으로 서버(300)에 연결될 수 있다. 예를 들어 제2 단말기(400)는 와이파이, 또는 예컨대 3G, LTE, 5G와 같은 이동통신(mobile telecommunication) 기술을 통해 서버(300)에 연결될 수 있다. 제2 단말기(400)는 의사에 의해 사용될 수 있다. 제2 단말기(400)는 예를 들어 스마트폰, 태블릿 PC, 컴퓨터, 또는 노트북을 포함할 수 있다.
제2 단말기(400)는 알람 조건 설정 컴포넌트(410) 및 디스플레이 컴포넌트(420)를 포함할 수 있다. 제2 단말기(400)는 웹사이트에 접속되거나 어플리케이션이 설치될 수 있다. 알람 조건 설정 컴포넌트(410) 및 디스플레이 컴포넌트(420)는 웹사이트 또는 어플리케이션을 이용하여 구현될 수 있다.
알람 조건 설정 컴포넌트(410)를 이용하여 의사는 알람 조건을 설정할 수 있다. 예를 들어, 심방 세동이 10분 이상 지속되면 심방 세동 알람 컴포넌트(371)가 제1 단말기(200) 및 제2 단말기(400) 중 적어도 하나로 알람을 전송하도록 설정될 수 있다. 또한, 예를 들어, 140mmHg 초과 또는 90mmHg 미만의 수축기 혈압 또는 90mmH 초과 또는 60mmHg 미만의 이완기 혈압이 10분 이상 지속되면 혈압 알람 컴포넌트(372)가 제1 단말기(200) 및 제2 단말기(400) 중 적어도 하나로 알람을 전송하도록 설정될 수 있다. 또한, 예를 들어, 90% 미만의 산소포화도가 10분 이상 지속되면 산소포화도 알람 컴포넌트(373)가 제1 단말기(200) 및 제2 단말기(400) 중 적어도 하나로 알람을 전송하도록 설정될 수 있다.
일부 실시예에서, 알람 조건 설정 컴포넌트(410)는 서버(300)에 포함될 수 있다. 즉 서비스 제공자가 서버(300)의 알람 조건 설정 컴포넌트(410)를 이용하여 알람 조건을 설정할 수 있다. 일부 실시예에서, 알람 조건 설정 컴포넌트(410)는 제1 단말기(200)에 포함될 수 있다. 즉 사용자가 제1 단말기(200)의 알람 조건 설정 컴포넌트(410)를 이용하여 알람 조건을 설정할 수 있다.
디스플레이 컴포넌트(420)는 생체 신호 감지 반지(100)에 의해 측정되고 서버(300)의 생체 신호 저장 컴포넌트(381)에 저장된 생체 신호, 서버(300)의 생체 신호 저장 컴포넌트(381)에 저장된 생체 신호의 측정 일시,신호 저장 컴포넌트(381)에 저장된 전처리된 생체 신호, 서버(300)의 신호 품질 분류 시스템(320)에 의해 분류되고 서버(300)의 생체 데이터 저장 컴포넌트(382)에 저장된 신호 품질 분류 결과, 서버(300)의 생체 데이터 계산 시스템(350)에 의해 계산되고 서버(300)의 생체 데이터 저장 컴포넌트(382)에 저장된 생체 데이터, 서버(300)의 생체 지표 계산 시스템(360)에 의해 계산되고 생체 지표 저장 컴포넌트(383)에 저장된 생체 지표, 및 질병 에측 시스템(380)에 의해 계산된 질병 발생 확률 중 적어도 하나를 디스플레이할 수 있다.
본 개시에 개시된 실시예들은 본 개시의 기술적 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 개시의 기술 사상의 범위가 한정되는 것은 아니다. 본 개시의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술적 사상은 본 개시의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 생체 신호 감지 반지, 110: 탑 커버, 120: 동작 표시 유닛, 130: 외부 전극, 140: 내부 전극, 150: 절연 유닛, 160, 160A, 160B: 센서, 161A, 161B: 제1 파장 광원, 162A, 162B: 제2 파장 광원, 163A, 163B: 제3 파장 광원, 164A, 164B: 광전 변환 장치, 200: 제1 단말기, 210: 광원 제어 컴포넌트, 220: 센서 선택 컴포넌트, 230: 측정 제어 컴포넌트, 240: 디스플레이 컴포넌트, 300: 서버, 310: 생체 신호 전처리 시스템, 311, 312, 313: 생체 신호 전처리 컴포넌트 320: 신호 품질 분류 시스템, 321, 322, 323: 신호 품질 분류 컴포넌트, 350: 생체 데이터 계산 시스템, 351: 심방 세동 판정 컴포넌트, 352A: 신호 특징 추출 컴포넌트, 352B: 사용자 특징 추출 컴포넌트, 352C: 혈압 추정 컴포넌트, 353: 산소포화도 추정 컴포넌트, 360: 생체 지표 계산 시스템, 361: 심방 세동 지표 계산 컴포넌트, 362: 혈압 지표 계산 컴포넌트, 363: 산소포화도 지표 계산 컴포넌트, 370: 알람 시스템, 371: 심방 세동 알람 컴포넌트, 372: 혈압 알람 컴포넌트, 373: 산소포화도 알람 컴포넌트, 380: 질병 예측 시스템, 381: 생체 신호 저장 컴포넌트, 382: 생체 데이터 저장 컴포넌트, 383: 생체 지표 저장 컴포넌트, 1000: 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼

Claims (10)

  1. 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼으로서, 상기 플랫폼은 서버를 포함하고, 상기 서버는
    제1 파장 PPG 신호의 신호 품질을 좋음 또는 나쁨으로 분류하도록 구성된 제1 신호 품질 분류 컴포넌트를 포함하는 신호 품질 분류 시스템;
    딥러닝 모델을 이용하여 상기 제1 파장 PPG 신호로부터 심방 세동 발생 여부를 판정하도록 구성된 심방 세동 판정 컴포넌트를 포함하는 생체 데이터 계산 시스템; 및
    상기 제1 신호 품질 분류 컴포넌트에 의해 생성된 제1 신호 품질 분류 결과 및 상기 심방 세동 판정 컴포넌트에 의해 생성된 심방 세동 판정 결과로부터 심방 세동 지표를 계산하도록 구성된 심방 세동 지표 계산 컴포넌트를 포함하는 생체 지표 계산 시스템;을 포함하고,
    상기 심방 세동 지표는 상기 제1 신호 품질 분류 컴포넌트에 의해 상기 제1 파장 PPG 신호의 품질이 좋음으로 분류되고 상기 심방 세동 판정 컴포넌트에 의해 심방 세동이 발생된 것으로 판정된 시간 및 상기 제1 신호 품질 분류 컴포넌트에 의해 상기 제1 파장 PPG 신호의 품질이 좋음으로 분류되는 시간의 비율로 정의되는 것을 특징으로 하는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼.
  2. 제1 항에 있어서,
    상기 신호 품질 분류 시스템은 제2 파장 PPG 신호의 신호 품질을 좋음 또는 나쁨으로 분류하도록 구성된 제2 신호 품질 분류 컴포넌트를 더 포함하고,
    상기 생체 데이터 계산 시스템은
    상기 제2 파장 PPG 신호로부터 제1 딥러닝 모델을 이용하여 PPG 특징을 추출하도록 구성된 신호 특징 추출 컴포넌트;
    상기 생체 신호 감지 반지를 이용하여 측정된 테스트 PPG 신호 및 종래의 혈압계를 이용하여 상기 테스트 PPG 신호와 동시에 측정된 수축기 및 이완기 테스트 혈압들, 및 사용자 정보로부터 제2 딥러닝 모델을 이용하여 사용자 특징을 추출하도록 구성된 사용자 특징 추출 컴포넌트; 및
    제3 딥러닝 모델을 이용하여 상기 PPG 특징 및 상기 사용자 특징으로부터 수축기 및 이완기 혈압들을 추정하도록 구성된 혈압 추정 컴포넌트를 더 포함하는 것을 특징으로 하는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼.
  3. 제2 항에 있어서,
    상기 생체 지표 계산 시스템은 상기 제2 신호 품질 분류 컴포넌트에 의해 생성된 제2 신호 품질 분류 결과 및 상기 혈압 추정 컴포넌트에 의해 추정된 혈압으로부터 혈압 지표를 계산하도록 구성된 혈압 지표 계산 컴포넌트를 더 포함하고,
    상기 혈압 지표는 상기 제2 신호 품질 분류 컴포넌트에 의해 상기 제2 파장 PPG 신호의 품질이 좋음으로 분류되고 상기 수축기 혈압이 제1 정상 범위로부터 벗어나거나 상기 이완기 혈압이 제2 정상 범위로부터 벗어나는 시간 및 상기 제2 신호 품질 분류 컴포넌트에 의해 상기 제2 파장 PPG 신호의 품질이 좋음으로 분류되는 시간의 비율로 정의되는 것을 특징으로 하는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼.
  4. 제1 항에 있어서,
    상기 신호 품질 분류 시스템은 제2 파장 PPG 신호 및 제3 파장 PPG 신호의 품질을 좋음 또는 나쁨으로 분류하도록 구성된 제3 신호 품질 분류 컴포넌트를 더 포함하고,
    상기 생체 데이터 계산 시스템은 상기 제2 파장 PPG 신호 및 상기 제3 파장 PPG 신호로부터 산소포화도를 추정하도록 구성된 산소포화도 추정 컴포넌트를 더 포함하는 것을 특징으로 하는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼.
  5. 제4 항에 있어서,
    상기 생체 지표 계산 시스템은 상기 제3 신호 품질 분류 컴포넌트에 의해 생성된 제3 신호 품질 분류 결과 및 상기 산소포화도 추정 컴포넌트에 의해 추정된 산소포화도부터 산소포화도 지표를 계산하도록 구성된 산소포화도 지표 계산 컴포넌트를 더 포함하고,
    상기 산소포화도 지표는 상기 제3 신호 품질 분류 컴포넌트에 의해 상기 제2 파장 PPG 신호 및 상기 제3 파장 PPG 신호의 품질이 좋음으로 분류되고 상기 산소 포화도가 정상 범위를 벗어난 시간 및 상기 제3 신호 품질 분류 컴포넌트에 의해 상기 제2 파장 PPG 신호 상기 제3 파장 PPG 신호의 품질이 좋음으로 분류되는 시간의 비율로 정의되는 것을 특징으로 하는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼.
  6. 제1 항에 있어서,
    상기 제1 파장 PPG 신호, 제2 파장 PPG 신호, 및 제3 파장 PPG 신호는 상기 생체 신호 감지 반지를 이용하여 측정되고, 상기 서버는 상기 생체 신호 감지 반지로부터 단말기를 통해 상기 제1 파장 PPG 신호, 상기 제2 파장 PPG 신호, 및 상기 제3 파장 PPG 신호를 수신하고,
    상기 생체 신호 감지 반지는 서로 다른 위치에서 각각 복수의 제1 파장 PPG 신호, 복수의 제2 파장 PPG 신호, 및 복수의 제3 파장 PPG 신호를 동시에 측정하도록 구성된 복수의 센서를 포함하고,
    상기 복수의 센서 각각은 제1 파장 광원, 제2 파장 광원, 제3 파장 광원, 및 광전 변환 장치를 포함하는 것을 특징으로 하는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼.
  7. 제6 항에 있어서,
    상기 단말기는 상기 복수의 센서를 이용하여 측정된 제1 파장 테스트 PPG 신호 각각의 DC 성분이 제1 소정의 범위 내이고, 상기 복수의 센서를 이용하여 측정된 복수의 제2 파장 테스트 PPG 신호 각각의 DC 성분이 제2 소정의 범위 내이고, 상기 복수의 센서를 이용하여 측정된 복수의 제3 파장 테스트 PPG 신호 각각의 DC 성분이 제3 소정의 범위 내이도록 상기 복수의 센서 각각의 상기 제1 파장 광원, 상기 제2 파장 광원, 및 상기 제3 파장 광원을 제어하도록 구성되는 광원 제어 컴포넌트를 포함하는 것을 특징으로 하는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼.
  8. 제7 항에 있어서,
    상기 단말기는 상기 복수의 센서 중 상기 복수의 제1 파장 테스트 PPG 신호, 상기 복수의 제2 파장 테스트 PPG 신호, 및 상기 복수의 제3 파장 테스트 PPG 신호 중 신호 품질이 가장 높은 제1 파장 테스트 PPG 신호, 제2 파장 테스트 PPG 신호, 및 제3 파장 테스트 PPG 신호의 조합을 측정한 센서를 상기 제1 파장 PPG 신호, 상기 제2 파장 PPG 신호, 및 상기 제3 파장 PPG 신호를 측정하기 위한 센서로서 선택하도록 구성된 센서 선택 컴포넌트를 더 포함하는 것을 특징으로 하는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼
  9. 제8 항에 있어서,
    상기 복수의 제1 파장 테스트 PPG 신호, 상기 복수의 제2 파장 테스트 PPG 신호, 및 상기 복수의 제3 파장 테스트 PPG 신호의 상기 신호 품질은 가속도 신호의 크기, 신호 대 잡음비, 및 AC 성분 크기 대 DC 성분 크기 비 중 적어도 하나에 의해 평가되는 것을 특징으로 하는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼
  10. 제8 항에 있어서,
    상기 광원 제어 컴포넌트에 의한 상기 복수의 센서 각각의 상기 제1 파장 광원, 상기 제2 파장 광원, 및 상기 제3 파장 광원의 제어 및 상기 센서 선택 컴포넌트에 의한 센서 선택은 순차적으로 수행되고,
    상기 광원 제어 컴포넌트에 의한 상기 복수의 센서 각각의 상기 제1 파장 광원, 상기 제2 파장 광원, 및 상기 제3 파장 광원의 제어 및 상기 센서 선택 컴포넌트에 의한 센서 선택은 주기적으로 수행되는 것을 특징으로 하는 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼.
KR1020210124276A 2021-09-16 2021-09-16 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼 KR102385869B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020210124276A KR102385869B1 (ko) 2021-09-16 2021-09-16 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼
KR1020220042151A KR102637149B1 (ko) 2021-09-16 2022-04-05 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼
PCT/KR2022/013741 WO2023043202A1 (ko) 2021-09-16 2022-09-14 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼
CN202280062915.8A CN118019484A (zh) 2021-09-16 2022-09-14 一种使用生物特征信号检测戒指的生物特征数据监测平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210124276A KR102385869B1 (ko) 2021-09-16 2021-09-16 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020220042151A Division KR102637149B1 (ko) 2021-09-16 2022-04-05 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼

Publications (1)

Publication Number Publication Date
KR102385869B1 true KR102385869B1 (ko) 2022-04-15

Family

ID=81212158

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210124276A KR102385869B1 (ko) 2021-09-16 2021-09-16 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼
KR1020220042151A KR102637149B1 (ko) 2021-09-16 2022-04-05 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220042151A KR102637149B1 (ko) 2021-09-16 2022-04-05 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼

Country Status (3)

Country Link
KR (2) KR102385869B1 (ko)
CN (1) CN118019484A (ko)
WO (1) WO2023043202A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024010422A1 (ko) * 2022-07-07 2024-01-11 서울대학교병원 생체 신호 데이터 품질 판단 장치 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150062721A (ko) * 2013-11-29 2015-06-08 문찬곤 생체활력지수 산출 방법 및 시스템
KR20190110874A (ko) * 2018-03-21 2019-10-01 주식회사 바이오메디랩스 인체착용형 신체정보 측정장치 및 이를 이용한 의료지원 시스템
KR20190113552A (ko) * 2018-03-27 2019-10-08 삼성전자주식회사 Ppg ibi 및 모폴로지를 기반으로 하는 수동 부정맥 감지 장치 및 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10667705B2 (en) * 2015-09-23 2020-06-02 Qualcomm Incorporated System and method for obtaining blood pressure measurement
US10667706B2 (en) * 2015-09-23 2020-06-02 Qualcomm Incorporated System and method for obtaining blood pressure measurement
KR102464916B1 (ko) * 2016-02-01 2022-11-08 삼성전자주식회사 반지형 웨어러블 기기
KR102656806B1 (ko) * 2016-04-28 2024-04-12 엘지전자 주식회사 와치타입 단말기 및 이의 제어방법
TWI828770B (zh) * 2018-09-28 2024-01-11 愛爾蘭商Ｑ生活全球有限公司 用於處理ｐｐｇ信號雜訊比之方法及系統

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150062721A (ko) * 2013-11-29 2015-06-08 문찬곤 생체활력지수 산출 방법 및 시스템
KR20190110874A (ko) * 2018-03-21 2019-10-01 주식회사 바이오메디랩스 인체착용형 신체정보 측정장치 및 이를 이용한 의료지원 시스템
KR20190113552A (ko) * 2018-03-27 2019-10-08 삼성전자주식회사 Ppg ibi 및 모폴로지를 기반으로 하는 수동 부정맥 감지 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024010422A1 (ko) * 2022-07-07 2024-01-11 서울대학교병원 생체 신호 데이터 품질 판단 장치 및 방법

Also Published As

Publication number Publication date
CN118019484A (zh) 2024-05-10
WO2023043202A1 (ko) 2023-03-23
KR20230040847A (ko) 2023-03-23
KR102637149B1 (ko) 2024-02-16

Similar Documents

Publication Publication Date Title
US10441184B2 (en) Electrocardiogram device and methods
US9179876B2 (en) Systems and methods for identifying portions of a physiological signal usable for determining physiological information
US9504400B2 (en) Atrial fibrillation analyzer, atrial fibrillation analysis system, atrial fibrillation analysis method, and program
US9693736B2 (en) Systems and methods for determining respiration information using historical distribution
US9504401B2 (en) Atrial fibrillation analyzer and program
US20110245690A1 (en) Systems and methods for measuring electromechanical delay of the heart
TWI610655B (zh) 具有心率分析模組之血壓計
KR20170045099A (ko) 심층신경망을 이용한 혈류상태 분석시스템, 방법 및 프로그램
JP6608527B2 (ja) 装置、端末および生体情報システム
KR102655739B1 (ko) 생체신호 측정 상태 모니터링 장치 및 방법과, 생체정보 측정 장치 및 방법
KR102385869B1 (ko) 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼
EP3895177A1 (en) Patient monitoring system and method having severity prediction and visualization for a medical condition
KR20220040516A (ko) 심전도를 이용한 딥러닝 기반 관상동맥질환 예측 시스템
WO2013103854A1 (en) Systems and methods for determining physiological information using autocorrelation with gaps
TWM554775U (zh) 無線式體位偵測血壓連續量測系統
KR102359362B1 (ko) Ppg 신호 감지 반지를 이용한 딥러닝 기반 혈압 추정 시스템
CN112136162B (zh) 用于将紧急情况消息传达给护理提供者的腕戴式医学警报设备
KR20080059369A (ko) 심전도 이상유무 알림방법
CN114903449A (zh) 一种远程健康监护***
KR102592969B1 (ko) Ppg 신호 감지 반지를 이용한 딥러닝 기반 심방 세동 판정 시스템
KR20230059408A (ko) 수면 모니터링을 위한 전자 장치 및 그의 동작 방법
KR100858554B1 (ko) 심전도 측정장치
CN111297341A (zh) 一种动态血压检测设备及脉搏波特征提取设备
JP6845520B1 (ja) 生体情報演算システム
WO2022050334A1 (ja) 生体情報演算システム

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant