KR102569058B1 - 패치형 수면다원검사 장치 및 방법 - Google Patents
패치형 수면다원검사 장치 및 방법 Download PDFInfo
- Publication number
- KR102569058B1 KR102569058B1 KR1020210105359A KR20210105359A KR102569058B1 KR 102569058 B1 KR102569058 B1 KR 102569058B1 KR 1020210105359 A KR1020210105359 A KR 1020210105359A KR 20210105359 A KR20210105359 A KR 20210105359A KR 102569058 B1 KR102569058 B1 KR 102569058B1
- Authority
- KR
- South Korea
- Prior art keywords
- signal
- user
- sleep
- bio
- polysomnography
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000008667 sleep stage Effects 0.000 claims description 69
- 230000001815 facial effect Effects 0.000 claims description 64
- 208000019116 sleep disease Diseases 0.000 claims description 63
- 238000005259 measurement Methods 0.000 claims description 58
- 208000020685 sleep-wake disease Diseases 0.000 claims description 58
- 230000007958 sleep Effects 0.000 claims description 51
- 238000003745 diagnosis Methods 0.000 claims description 43
- 230000008452 non REM sleep Effects 0.000 claims description 28
- 230000001133 acceleration Effects 0.000 claims description 26
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 claims description 20
- 201000002859 sleep apnea Diseases 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 18
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 17
- 206010022437 insomnia Diseases 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 13
- 230000005021 gait Effects 0.000 claims description 13
- 230000006403 short-term memory Effects 0.000 claims description 12
- 210000001061 forehead Anatomy 0.000 claims description 10
- 230000033001 locomotion Effects 0.000 claims description 10
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 7
- 208000011580 syndromic disease Diseases 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 210000000744 eyelid Anatomy 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 210000004556 brain Anatomy 0.000 claims description 4
- 230000004424 eye movement Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 230000003252 repetitive effect Effects 0.000 claims 2
- 239000000758 substrate Substances 0.000 description 14
- 238000010801 machine learning Methods 0.000 description 13
- 230000000241 respiratory effect Effects 0.000 description 12
- 239000000853 adhesive Substances 0.000 description 9
- 230000001070 adhesive effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000000537 electroencephalography Methods 0.000 description 6
- 238000002565 electrocardiography Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 206010017577 Gait disturbance Diseases 0.000 description 3
- 206010062519 Poor quality sleep Diseases 0.000 description 3
- 230000037007 arousal Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000002567 electromyography Methods 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 230000004622 sleep time Effects 0.000 description 3
- 206010021143 Hypoxia Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000007954 hypoxia Effects 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 210000000088 lip Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- KJLPSBMDOIVXSN-UHFFFAOYSA-N 4-[4-[2-[4-(3,4-dicarboxyphenoxy)phenyl]propan-2-yl]phenoxy]phthalic acid Chemical compound C=1C=C(OC=2C=C(C(C(O)=O)=CC=2)C(O)=O)C=CC=1C(C)(C)C(C=C1)=CC=C1OC1=CC=C(C(O)=O)C(C(O)=O)=C1 KJLPSBMDOIVXSN-UHFFFAOYSA-N 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 208000007590 Disorders of Excessive Somnolence Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- YJPIGAIKUZMOQA-UHFFFAOYSA-N Melatonin Natural products COC1=CC=C2N(C(C)=O)C=C(CCN)C2=C1 YJPIGAIKUZMOQA-UHFFFAOYSA-N 0.000 description 1
- 208000007101 Muscle Cramp Diseases 0.000 description 1
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 1
- 206010041347 Somnambulism Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000003712 anti-aging effect Effects 0.000 description 1
- 230000001093 anti-cancer Effects 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 230000003078 antioxidant effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 206010020765 hypersomnia Diseases 0.000 description 1
- DRLFMBDRBRZALE-UHFFFAOYSA-N melatonin Chemical compound COC1=CC=C2NC=C(CCNC(C)=O)C2=C1 DRLFMBDRBRZALE-UHFFFAOYSA-N 0.000 description 1
- 229960003987 melatonin Drugs 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 201000004193 respiratory failure Diseases 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/087—Measuring breath flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
- A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/251—Means for maintaining electrode contact with the body
- A61B5/257—Means for maintaining electrode contact with the body using adhesive means, e.g. adhesive pads or tapes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/297—Bioelectric electrodes therefor specially adapted for particular uses for electrooculography [EOG]: for electroretinography [ERG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- 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
- A61B5/683—Means for maintaining contact with the body
- A61B5/6832—Means for maintaining contact with the body using adhesives
- A61B5/6833—Adhesive patches
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Cardiology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pulmonology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Fuzzy Systems (AREA)
- Ophthalmology & Optometry (AREA)
- Dentistry (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
본 발명의 실시예는 패치형 수면다원검사 장치 및 방법에 관한 것으로서, 사용자의 인체에 탈부착 가능한 패치 형태로 구성되는 생체 신호 측정부를 이용하여 사용자의 수면다원검사를 수행하는 패치형 수면다원 장치 및 방법에 관한 것이다.
Description
본 발명의 실시예는 패치형 수면다원검사 장치 및 방법에 관한 것으로서, 보다 상세하게는 사용자에 신체에 탈부착 가능한 패치형 생체 신호 측정부를 포함하는 패치형 수면다원검사 장치 및 방법에 관한 것이다.
수면은 몸의 생체 리듬을 유지하고 신체의 회복 기능을 높이는 중요한 활동이다. 특히, 수면시에 뇌에서 분비되는 멜라토닌은 항산화 작용과 노화 방지 효과가 있다. 또한, 수면 리듬을 조절하여 항암 작용, 혈압 및 스트레스를 줄여주고 면역력을 높이는 작용을 한다.
따라서, 수면이 부족하거나 수면의 질이 좋지 않은 경우 생체 리듬이 깨지고 면역력 저하가 발생할 수 있다. 수면 장애의 예로는 불면 장애(Insomnia), 수면 과다증(Hypersomnia), 수면 무호흡증(Sleep apnea), 수면 보행증(Somnambulism)이 있다.
국민건강보험공단의 조사에 따르면 2019년 수면 장애 진료환자는 64만 1,806명으로 전년 대비 13% 증가하였다. 그뿐만 아니라 코라나 19의 영향으로 특정 지역의 봉쇄나 사회적 활동의 제약으로 불면증을 격는 환자의 수가 증가하고 있다. 중국에서는 봉쇄 기간 동안 불면증 환자의 비율이 14.6%에서 20.0%로 증가하였다. 또한, UCLA 수면장애 센터에 따르면 코로나 19 기간 동안 불면증 환자가 약 30% 증가하였다.
다양한 수면 질환을 진단하고 치료 방법을 모색하기 위해 수면다원검사(Plysomnography)를 수행할 수 있다. 수면다원검사는 환자에서 수면 중 나타나는 여러 가지 생리적인 현상들, 예를 들어 뇌전도(Electroencephalography), 안전도(Electroculography), 심전도(Electrocardiography), 근전도(Electromyography), 호흡 노력(Respiratory effort signals), 맥박(Pulse) 및 산소포화도(Oxygen saturation) 등을 이용하여 수면 질환을 진단한다.
2007년 미국 수면 의학회(AASM)의 발표에 따르면, 수면은 3가지 비 렘수면(Non-rapid eye movement sleep)과 렘수면(Rapid eye movement sleep)으로 구분된다. 수면다원검사에서 비 렘수면 1단계와 비 렘수면 2단계를 얕은 잠으로, 렘수면과 비 렘수면 3단계를 깊은 잠으로 구분하며, 각 단계별 수면 시간을 분석하여 수면의 질 확인할 수 있다.
이 때, 수면다원검사를 통해 측정한 뇌전도는 수면의 단계를 나누는 기준이 된다. 사람의 심장은 낮에는 활동적이지만 밤에는 활동성이 떨어진다. 하지만 수면무호흡증과 같은 수면장애를 가지고 있는 경우, 심장박동수의 변화가 심하며 심장 부정맥이 발생한다. 따라서, 수면다원검사 중에 측정된 심전도는 이와 같은 수면무호흡증 환자의 심장 부정맥을 검출 및 분석할 수 있다.
또한, 수면무호흡증 환자의 경우 깨어있을 때는 호흡에 문제가 없으나, 수면 중 상기도의 변화에 민감하게 반응하여 심한 호흡 장애를 겪는다. 따라서, 호흡량은 수면 중 호흡이 정상적으로 유지되는지 확인할 수 있는 생리학적 신호로 수면무호흡증 환자 진단에 필수적인 요소이다.
혈중 산소량은 호흡 장애가 유발하는 저산소증을 확인하기 위한 요소이다. 저산소증은 수면 이후의 두통, 뇌졸중 또는 심근경색을 야기하거나 재발률을 높인다. 불면 장애의 약 15%는 발 또는 다리에서의 경련이 원인이다. 따라서, 근전도 분석을 이용하여 불면 장애의 원인이 되는 경련을 확인할 수 있다.
일반적으로, 뇌전도와 안전도는 환자의 이마와 머리에 전극을 부착하여 측정한다. 또한, 호흡 노력, 맥박, 심전도는 환자의 가슴 부위에 전극을 부착하여 측정한다. 한편 산소포화도는 손가락 끝에 적외선 센서를 사용하여 측정한다. 근전도는 주로 양쪽 다리의 움직임을 측정하기 위해 사용되며 다리에 전극을 부착하여 측정한다.
이와 같이, 종래에는 수면다원검사를 수행하기 위해 일반인이 사용하기 어렵고, 복잡한 수많은 장비들을 필요로 한다. 따라서, 사용자가 이러한 장치들의 설정과 부착을 위해 많은 시간이 소요된다. 더불어, 사용자에게 친숙하지 않은 장치는 사용자에게 이질감과 불편함을 발생시켜 사용자의 생체신호가 왜곡되는 결과를 유발할 수 있다는 문제점이 있다.
또한, 위와 같은 장치들을 이용하여 획득한 대량의 데이터를 이용하여 수면다원검사를 수행하기 위해서는 전문가의 분석이 필요하다. 하지만 대한 수면 호흡학회에 따르면 2012년부터 2020년까지 한국에서 수면 전문가 자격을 취득한 인원은 11명밖에 되지 않는다. 따라서, 일반인들의 수면다원검사를 수행하기 어렵다는 문제점이 있다.
본 발명의 실시예에 따른 패치형 수면다원검사 장치 및 방법은 고액의 검사 장치 없이 간편하게 수면다원검사를 수행할 수 있는 패치형 수면다원검사 장치 및 방법을 제공하기 위한 것이다.
또한, 실시예에 따른 패치형 수면다원검사 장치 및 방법은 전문가의 도움 없이 자동으로 수면다원검사 결과를 분석하여 사용자에게 제공하기 위한 것이다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 실시예에 따른 패치형 수면다원검사 장치는, 사용자의 안면에 부착하여 사용자의 수면시 제1 생체 신호를 측정하는 안면 생체 신호 측정부, 사용자의 흉부에 부착하여 사용자의 수면시 제2 생체 신호를 측정하는 흉부 생체 신호 측정부, 상기 제1 생체 신호 및 상기 제2 생체 신호를 이용하여 사용자의 수면 장애 진단 및 수면 단계 분류를 수행하는 수면다원검사 프로그램이 저장되는 메모리, 그리고 상기 수면다원검사 프로그램을 실행하는 프로세서를 포함하며, 상기 안면 생체 신호 측정부 및 상기 흉부 생체 신호 측정부는, 사용자의 인체에 탈부착 가능한 패치 형태로 구성된다.
또한, 본 발명의 실시예에 따른 안면 생체 신호 측정부는, 하나 이상의 뇌전도 전극, 안전도(electro-oculogram) 전극 및 공기 유량 센서 및 제1 전처리부를 포함하고, 상기 흉부 생체 신호 측정부는, 하나 이상의 심전도 측정 센서, 가속도 센서 및 제2 전처리부를 포함하며, 상기 제1 전처리부, 상기 제2 전처리부는 상기 제1 생체 신호 및 상기 제2 생체 신호의 동기화, 필터링 및 통신을 수행하고, 상기 제1 생체 신호는, 뇌에서 발생하는 전기적 신호인 뇌전도 신호, 안구의 움직임을 측정한 안전도(EOG: Electro-Oculogram) 신호 및 호흡에 의해 발생하는 공기의 흐름을 측정한 공기 유량 신호를 포함하며, 상기 제2 생체 신호는, 심장에서 발생하는 전기적 신호인 심전도 신호 및 호흡을 위한 흉부의 움직임을 측정한 가속도 신호를 포함한다.
또한, 본 발명의 실시예에 따른 안면 생체 신호 측정부는, 상기 제1 전처리부, 상기 뇌전도 전극 및 상기 안전도 전극을 포함하는 제1 안면 패치, 그리고 상기 제1 전처리부와 전기적으로 연결되며, 상기 공기 유량 센서를 포함하는 제2 안면 패치를 포함하며, 상기 제1 안면 패치는, 중앙에 상기 제1 전처리부가 배치되어 상기 뇌전도 전극, 상기 안전도 전극 및 상기 공기 유량 센서와 전기적으로 연결되고, 사용자가 부착시 사용자의 이마에 위치하도록 상기 제1 안면 패치의 상부 중앙에 상기 뇌전도 전극이 배치되며, 상기 뇌전도 전극의 양측으로 그라운드 전극과 레퍼런스 전극이 배치되며, 사용자가 부착시 눈꺼풀에 위치하도록 상기 제1 안면 패치의 하부 양 끝단에 두 개의 상기 안전도 전극이 배치되고, 상기 제2 안면 패치는, 사용자의 코 밑에 부착하며, 사용자의 콧구멍에서 나오는 호흡량을 측정하기 위해, 일정한 간격을 가지도록 배치된 두 개의 공기 유량 센서를 포함한다.
또한, 본 발명의 실시예에 따른 제1 전처리부 및 상기 제2 전처리부는, 상기 제1 생체 신호 및 상기 제2 생체 신호 중 특정 주파수 신호를 추출하는 주파수 필터 모듈, 그리고 미리 설정된 주기로 트리거 신호를 생성하여, 상기 제1 생체 신호 및 상기 제2 생체 신호에 트리거 신호를 합성하고, 상기 트리거 신호를 기준으로 상기 제1 생체 신호 및 상기 제2 생체 신호의 측정 시점 동기화를 수행하는 통신 모듈을 포함한다.
또한, 본 발명의 실시예에 따른 수면 장애 진단 모듈은, 컨볼루션 뉴럴 네트워크(Convolutional Neural Network, CNN), 장단기메모리(Long Short-Term Memory, LSTM)을 이용하여 사용자의 수면 장애 판단에 대한 반복 학습을 수행한다.
또한, 본 발명의 실시예에 따른 수면 단계 분류 모듈은, 서포트 벡터 머신(Support Vector Machine), 랜덤 포레스트(Random Forest), 인공 신경망(Artificial Neural Network), 컨볼루션 뉴럴 네트워크(Convolutional Neural Network), 장단기 메모리(Long Short-Term Memory)를 이용하여 사용자의 수면 단계 분류에 대한 반복 학습을 수행한다.
본 발명의 실시예에 따른 패치형 수면다원검사 장치 및 방법은 고액의 검사 장치 없이 간편하게 수면다원검사를 수행할 수 있는 패치형 수면다원검사 장치 및 방법을 제공할 수 있다.
또한, 실시예에 따른 패치형 수면다원검사 장치 및 방법은 전문가의 도움 없이 자동으로 수면다원검사 결과를 분석하여 사용자에게 제공할 수 있다.
도 1은 실시예에 따른 패치형 수면다원검사 장치의 구성도이다.
도 2는 실시예에 따른 패치형 수면다원검사 장치의 착용 예시도이다.
도 3은 실시예에 따른 안면 생체 신호 측정부의 분해도이다.
도 4는 실시예에 따른 흉부 생체 신호 측정부의 분해도이다.
도 5는 실시예에 따른 프로세서의 구성도이다.
도 6은 실시예에 따른 단말기의 수면다원검사 결과 표시를 나타내는 예시도이다.
도 7은 실시예에 따른 수면다원검사 방법의 흐름도이다.
도 2는 실시예에 따른 패치형 수면다원검사 장치의 착용 예시도이다.
도 3은 실시예에 따른 안면 생체 신호 측정부의 분해도이다.
도 4는 실시예에 따른 흉부 생체 신호 측정부의 분해도이다.
도 5는 실시예에 따른 프로세서의 구성도이다.
도 6은 실시예에 따른 단말기의 수면다원검사 결과 표시를 나타내는 예시도이다.
도 7은 실시예에 따른 수면다원검사 방법의 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 도1을 참조하여 실시예에 따른 패치형 수면다원검사 장치(1)의 구성을 설명한다.
도 1은 실시예에 따른 패치형 수면다원검사 장치의 구성도이다.
도 1을 참조하면, 패치형 수면다원검사 장치(1)는 안면 및 흉부에서 발생하는 생체 신호를 측정하고, 측정된 생체 신호를 이용하여 수면다원검사 프로그램을 실행한다. 수면다원검사 프로그램은 다양한 수면다원검사 데이터 및 사용자의 수면시 생체 신호를 기초로 학습된 머신러닝 모델을 이용하여 사용자의 수면 장애 진단 및 수면 단계 분류를 수행하는 장치이다.
안면 생체 신호 측정부(100)는 사용자의 안면에 부착되어 안면에서 발생하는 생체 신호를 측정한다. 구체적으로 안면 생체 신호 측정부(100)는 뇌전도 전극, 안전도 전극 및 공기 유량 센서를 포함할 수 있다. 따라서, 뇌에서 발생하는 전기적 신호인 뇌전도, 안구의 움직임을 측정하는 안전도 전극 및 호흡량을 측정할 수 있다. 즉, 안면 생체 신호 측정부(100)는 뇌전도, 안전도 및 호흡량을 측정하며, 뇌전도 신호, 안전도 신호 및 호흡량 신호를 포함하는 제1 생체 신호(S1)를 데이터 베이스(300)로 전송한다.
흉부 생체 신호 측정부(200)는 사용자의 흉부에 부착되어 흉부에서 발생하는 생체 신호를 측정한다. 구체적으로 흉부 생체 신호 측정부(200)는 심전도 전극 및 가속도 센서를 포함할 수 있다. 따라서, 심장에서 발생하는 전기적 신호인 심전도 및 호흡을 위한 흉부의 근육 움직임을 이용한 가속도 신호를 측정한다.
수면다원검사를 위한 호흡 노력은 흉부의 움직임으로부터 도출된다. 따라서 가속도 신호는 호흡 노력에 대응될 수 있다. 흉부 생체 신호 측정부(200)는 심전도 및 가속도 신호를 측정하며, 심전도 신호 및 가속도 신호를 포함하는 제2 생체 신호(S2)를 데이터 베이스(300)로 전송한다.
안면 생체 신호 측정부(100) 및 흉부 생체 신호 측정부(200)의 구체적인 구성은 후술하는 도 2 내지 도 4를 참조하여 상세히 설명한다.
데이터 베이스(300)는 후술하는 수면다원검사 프로그램을 실행하는데 필요한 데이터가 저장될 수 있다. 예를 들어, 데이터 베이스(300)는 다양한 사람들의 공개된 수면다원검사 데이터 및 생체 신호 데이터, 사용자의 생체 신호 측정 데이터 및 사용자의 누적된 생체 신호 측정 데이터 등 수면다원검사 프로그램의 학습과 관련된 모든 데이터를 저장할 수 있다.
따라서, 데이터 베이스(300)는 수면다원검사 프로그램의 학습 및 수면 다원 검사를 수행하기 위한 입력 신호(S3)를 프로세서(500)로 전송한다. 즉, 입력 신호(S3)는 공개된 수면다원검사 데이터, 제1 생체 신호(S1) 및 제2 생체 신호(S2)를 포함한다.
메모리(400)는 수면다원검사 프로그램이 저장될 수 있다. 또한, 메모리(400)는 프로세서(500)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 여기서, 메모리(400)는 휘발성 저장 매체(volatile storage media) 또는 비휘발성 저장 매체(non-volatile storage media)를 포함할 수 있으나, 본 발명의 실시예가 이에 한정되는 것은 아니다.
프로세서(500)는 패치형 수면다원검사 장치(1)에서 수면다원검사 프로그램이 수행하는 전체 과정을 제어할 수 있다.
여기서, 프로세서(500)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 프로세서(processor)는 예를 들어, 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는 하드웨어에 내장된 데이터 저리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의의 일 예로서, 마이크로프로세서(microprocessor), 중앙처리장치(CPU: central processing unit), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 의미할 수 있으나, 본 발명의 실시예가 이에 한정되는 것은 아니다.
또한, 프로세서(500)는 입력 신호(S3)에 포함된 공개된 수면다원검사 데이터를 이용하여 수면다원검사 프로그램의 기계학습을 수행한다. 또한, 프로세서(500)는 입력 신호(S3)에 포함된 제1 생체 신호(S1) 및 제2 생체 신호(s2)를 이용하여 사용자의 수면 장애를 진단한다. 또한, 입력 신호(S3)에 포함된 제1 생체 신호(S1) 및 제2 생체 신호(S2)를 이용하여 사용자의 수면 단계를 분류한다. 프로세서(500)의 구성 및 수행 과정의 각 단계는 후술하는 도 5 및 도 7을 참조하여 상세히 설명한다.
프로세서(500)에서 도출된 사용자의 수면 장애 진단 데이터 및 수면 단계 분류 데이터는 단말기(600)로 전송된다. 즉, 프로세서(500)의 출력 데이터(S4)는 수면 장애 진단 데이터 및 수면 단계 분류 데이터를 포함한다.
단말기(600)는 출력 데이터(S4)를 디스플레이한다. 따라서, 사용자는 단말기(600)에 디스플레이되는 정보를 이용하여 수면 장애 진단 결과 및 수면 분류 결과를 확인할 수 있다. 예를 들어, 모바일 장치를 이용하여 프로세서(500)로부터 출력 데이터(S4)를 수신하고, 수면 장애 진단 결과 및 수면 분류 결과를 디스플레이 할 수 있다.
하지만, 본 발명의 실시예에 따른 단말기가 모바일 장치로 한정되는 것은 아니며, 스마트폰, 컴퓨터, 태플릿, 노트북 등과 같이 프로세서(500)의 출력 데이터를 수신하여 디스플레이 할 수 있는 모든 장치를 의미한다.
이하, 도2를 참조하여 실시예에 따른 패치형 수면다원검사 장치(1)의 착용 방식을 설명한다.
도 2는 실시예에 따른 패치형 수면다원검사 장치의 착용 예시도이다.
도 2를 참조하면, 안면 생체 신호 측정부(100)는 제1 안면 패치(110)와 제2 안면 패치(120)를 포함한다. 제1 안면 패치(110)는 사용자의 이마에 부착된다. 따라서, 제1 안면 패치(110)는 사용자의 이마에 배치된 뇌전도 전극을 이용하여 사용자의 수면시 뇌전도를 측정할 수 있다. 또한, 사용자의 눈꺼풀 위에 배치된 안전도 센서를 이용하여 사용자의 수면시 안전도를 측정한다.
제2 안면 패치(120)는 사용자의 코 밑에 부착된다. 따라서, 제2 안면 패치(120)는 사용자의 코 밑에 배치된 공기 유량 센서를 이용하여 수면시 호흡량을 측정한다. 또한, 제1 안면 패치(110)와 제2 안면 패치(120)는 전선을 이용하여 전기적으로 연결된다.
흉부 생체 신호 측정부(200)는 사용자의 흉부에 부착된다. 따라서, 흉부 생체 신호 측정부(200)는 사용자의 흉부 중앙에 배치된 심전도 전극을 이용하여 사용자의 수면시 심전도를 측정한다. 또한, 사용자의 흉부 좌측에 배치되는 가속도 센서를 이용하여 사용자의 수면시 흉부의 움직임으로부터 가속도 신호를 측정한다.
이하, 도3을 참조하여 실시예에 따른 안면 생체 신호 측정부(100)의 구성을 설명한다.
도 3은 실시예에 따른 안면 생체 신호 측정부의 분해도이다.
도 3을 참조하면, 안면 생체 신호 측정부(100)는 제1 안면 패치(110)와 제2 안면 패치(120)로 구성된다.
제1 안면 패치(110)는 뇌전도 전극(112), 안전도 전극(115) 및 제1 전처리부(116)를 포함하는 제1 기판(111)을 포함한다. 제1 기판(111)의 상부에는 뇌전도 전극(112), 그라운드 전극(113) 및 레퍼런스(reference) 전극(114)이 배치된다.
뇌전도 전극(112)은 제1 기판(111)의 상부 중앙에 배치되며, 그라운드 전극(113) 및 레퍼런스 전극(114)은 뇌전도 전극(112)의 좌측 또는 우측에 각각 배치될 수 있다. 따라서, 사용자가 제1 안면 패치(110)를 이마에 부착하는 경우, 뇌전도 전극(112)이 사용자의 이마 중앙에 위치하게 된다.
또한, 제1 기판(111)의 좌측 하부 및 우측 하부에는 두 개의 안전도 전극(115)이 각각 배치될 수 있다. 따라서, 사용자가 제1 안면 패치부(110)를 이마에 부착하는 경우, 두 개의 안전도 전극(115) 각각이 사용자의 눈꺼풀 위 또는 눈썹 주위에 위치하게 된다.
제1 전처리부(116)는 제1 기판(111)의 중앙에 배치된다. 따라서, 제1 전처리부(116)는 뇌전도 전극(112), 그라운드 전극(113), 레퍼런스 전극(114) 및 안전도 전극(115)과 전선을 이용하여 전기적으로 연결된다.
제1 안면 패치(110)의 후면은 제1 기판(111)을 보호하기 위한 커버(117)가 결합된다. 또한, 제1 안면 패치(110)의 전면에는 인체에 부착 가능하도록 접착 부재(118)가 결합될 수 있다.
접착 부재(118)는, 사용자가 제1 안면 패치(110)를 부착하는 경우, 뇌전도 전극(112), 그라운드 전극(113), 레퍼런스 전극(114) 및 안전도 전극(115)이 사용자의 피부에 접촉할 수 있도록 각 전극의 크기 및 위치에 대응하는 구멍(hole)을 포함한다.
제2 안면 패치(120)는 공기 유량 센서(122)가 배치되는 제2 기판(121)을 포함한다. 공기 유량 센서(122)는 사용자의 콧구멍으로 유입, 배출되는 공기 유량을 측정하기 위해서 두 개의 공기 유량 센서가 일정한 간격을 가지도록 배치된다. 따라서, 사용자가 제2 안면 패치(120)를 코 밑에 부착하는 경우, 두 개의 공기 유량 센서(122)는 사용자의 콧구멍 밑에 각각 위치하게 된다.
또한, 공기 유량 센서(122)는 제1 전처리부(116)와 전선을 이용하여 전기적으로 연결될 수 있다. 따라서, 공기 유량 센서(122)에서 측정된 호흡량 신호는 제1 전처리부(116)로 전송될 수 있다.
제1 전처리부(116)는 뇌전도 신호, 안전도 신호 및 호흡량 신호를 포함하는 제1 생체 신호(S1)의 전처리 작업을 수행한다. 구체적으로, 뇌전도 신호가 잡음에 취약하므로, 머리 울림과 같은 뇌전도 신호에 포함된 잡음을 제거하고, 수면과 관련된 특정 주파수 대역의 신호를 필터링하기 위한 주파수 필터링 과정을 수행한다.
또한, 제1 전처리부(116)는 통신 모듈(미도시)을 포함할 수 있다. 제1 전처리부(116)는 통신 모듈을 이용하여 측정된 여러 생체 신호들의 동기화를 수행한다. 여러 생체 신호 각각이 어느 시점에 발생된 신호인지를 알기 위해, 통신 모듈에서 데이터를 송신할 때 미리 설정된 주기마다 트리거 신호를 생성한다. 따라서, 각각의 생체 신호에는 트리거 신호가 합성된다. 따라서, 제1 전처리부(116)는 여러 생체 신호에서 트리거 신호를 검출하고, 트리거 신호를 이용하여 여러 생체 신호의 동기화를 수행한다.
예를 들어, 통신 모듈에서 30초마다 트리거 신호를 생성하여 뇌전도 전극(112), 안전도 전극(115) 및 공기 유량 센서(122)로 전송하고, 각각에서 측정된 뇌전도 신호, 안전도 신호 및 호흡량 신호에는 트리거 신호가 포함되게 된다. 제1 전처리부(116)는 뇌전도 신호, 안전도 신호 및 호흡량 신호에 포함된 트리거 신호를 이용하여 각각의 신호가 측정된 시점을 동기화 한다.
이 때, 트리거 신호의 생성 주기인 30초는 예시로서, 본 발명의 실시예가 이에 한정되는 것은 아니며, 사용자의 설정에 따라 다양한 주기로 트리거 신호를 생성할 수 있다.
제2 안면 패치(120)의 후면에는 제2 기판(121)을 보호하기 위한 커버(123)가 결합된다. 또한, 제2 안면 패치(120)의 전면에는 인체에 부착 가능하도록 접착 부재(124)가 결합될 수 있다.
제1 안면 패치(110)의 접착 부재(118)와 제2 안면 패치(120)의 접착 부재(124)는 접착력이 감소하는 경우 교체 가능하도록 양 면에 접착력을 가지는 소재로 구성될 수 있다. 다만, 본 발명의 실시예가 이에 한정되는 것은 아니며, 제1 안면 패치(110)와 제2 안면 패치(120)를 사용자의 피부에 탈부착하기 위한 모든 소재를 포함할 수 있다.
이하, 도4를 참조하여 실시예에 따른 흉부 생체 신호 측정부(200)의 구성을 설명한다.
도 4는 실시예에 따른 흉부 생체 신호 측정부의 분해도이다.
도 4를 참조하면, 흉부 생체 신호 측정부(200)는 심전도 전극(211), 가속도 센서(214) 및 제2 전처리부(215)가 배치되는 제3 기판(210)을 포함한다. 제3 기판(210)의 상부에는 심전도 전극(211), 그라운드 전극(212) 및 레퍼런스 전극(213)이 배치된다.
심전도 전극(211)은 제3 기판(210)의 상부 중앙에 배치되며, 그라운드 전극(212)과 레퍼런스 전극(213)은 심전도 전극(211)의 좌측 또는 우측에 각각 배치될 수 있다. 따라서, 사용자가 흉부 생체 신호 측정부(200)를 가슴에 부착하는 경우, 심전도 전극(211)이 사용가의 가슴 중앙에 위치하게 된다.
또한, 제3 기판(210)의 좌측에는 가속도 센서(214)가 배치된다. 따라서, 사용자가 흉부 생체 신호 측정부(200)를 가슴에 부착하는 경우, 사용자의 좌측 가슴에 가속도 센서(214)가 위치하게 된다. 하지만, 실시예에 따른 가속도 센서(214)의 위치가 제3 기판(210)의 좌측에 한정되는 것은 아니며, 우측, 상부, 하부 등과 같이 사용자의 흉부 움직임을 측정할 수 있는 모든 위치에 배치될 수 있다.
제2 전처리부(215)는 제3 기판(210)의 중앙에 배치된다. 제2 전처리부(215)는 심전도 전극(211), 그라운드 전극(212), 레퍼런스 전극(213) 및 가속도 센서(214)와 전선을 이용하여 전기적으로 연결된다.
제2 전처리부(215)는 제1 전처리부(116)와 같이, 심전도 신호, 가속도 신호를 포함하는 제2 생체 신호(S2)의 전처리 작업을 수행한다. 따라서, 제2 전처리부(215)는 통신 모듈(미도시)을 포함한다. 통신 모듈은 일정한 주기 마다 트리거 신호를 생성하며, 제2 전처리부(215)는 심전도 신호와 가속도 신호에 포함된 트리거 신호를 이용하여 동기화를 수행한다. 더불어, 제1 전처리부(116)와 제2 전처리부(215)는 상호 동기화가 가능하다. 따라서, 제1 생체 신호(S1)와 제2 생체 신호(S2)의 동기화 또한 이루어 진다.
흉부 생체 신호 측정부(200)의 후면에는 제3 기판(210)을 보호하기 위한 커버(230)가 결합된다. 또한, 흉부 생체 신호 측정부(200)의 전면에는 인체에 부착 가능하도록 접착 부재(220)가 배치된다. 접합 부재(220)는 흉부 생체 신호 측정부(200)와 탈부착이 가능하므로 접합력이 감소하는 경우 교체가 가능하다.
흉부 생체 신호 측정부(200)의 접착 부재(220)는, 사용자가 흉부 생체 신호 측정부(200)를 부착하는 경우, 심전도 전극(211), 그라운드 전극(212) 및 레퍼런스 전극(213)이 사용자의 피부와 접촉할 수 있도록 각 전극의 크기 및 위치에 대응하는 구멍(hole)을 포함한다.
이하, 도5를 참조하여 실시예에 따른 프로세서(500)의 구성을 설명한다.
도 5는 실시예에 따른 프로세서의 구성도이다.
도 5를 참조하면, 프로세서(500)는 수면 장애 진단 모듈(510)과 수면 단계 측정 모듈(520)을 포함한다.
수면 장애 진단 모듈(510)과 수면 단계 측정 모듈(520)은 제1 생체 신호(S1) 및 제2 생체 신호(S2)를 이용하여 사용자의 수면 장애 진단 및 수면 단계 분류를 수행하는 수면다원검사 프로그램을 수행한다.
수면 장애 진단 모듈(510)은, 입력 신호(S3)에 포함된 공개 수면다원검사 데이터를 이용하여 수면 장애 진단의 정확도를 높이기 위한 기계학습을 수행한다. 또한, 수면 장애 진단 모듈(510)은 입력 신호(S3)에 포함된 제1 생체 신호(S1) 및 제2 생체 신호(S2)를 이용하여 사용자의 수면 장애를 진단한다.
구체적으로, 수면 장애 진단 모듈(510)은 기계 학습을 위해 컨볼루션 뉴럴 네트워크(Convolutional Neural Network), 장단기 기억 메모리(Long Short-Term Memory) 등을 포함할 수 있다. 더불어, U-Time, DeepSleepNet, SleepEEGNet과 같이 수면 장애를 진단하기 위한 수면 장애 진단 모델을 포함할 수 있다.
수면 장애 진단 모듈(510)은 수면 무호흡, 수면 보행증, 불면 장애를 진단할 수 있다. 따라서, 수면 무호흡, 수면 보행증, 불면 장애를 가진 환자의 데이터와 건강한 일반 사람의 수면다원검사 데이터를 이용하여 학습을 수행한다. 또한, 전처리된 뇌전도, 안전도, 심전도, 호흡량, 맥박, 가속도 신호를 이용하여 도출된 호흡 노력, 수면 단계 등의 데이터를 이용하여 수면 무호흡, 수면 보행증, 불면 장애의 정도를 0에서 100의 값 중 어느 하나의 값으로 수치화한다.
이 때, 100에 가까울 수록 수면 무호흡, 수면 보행증, 불면 장애의 확률이 높은 것으로 치료가 필요한 상태이며, 0에 가까울수록 수면 장애의 징후가 없고 치료가 필요하지 않은 상태를 의미한다.
수면 단계 측정 모듈(520)은 입력 신호(S3)에 포함된 공개 수면다원검사 데이터를 이용하여 수면 단계 측정의 정확도를 높이기 위한 기계학습을 수행한다. 또한, 수면 단계 측정 모듈(520)은 입력 신호(S3)에 포함된 제1 생체 신호 및 제2 생체 신호(S2)를 이용하여 사용자의 수면 단계를 측정한다.
구체적으로, 수면 단계 측정 모듈(520)은 기계 학습을 위해 서포트 벡터 머신(Support Vector Machine), 랜덤 포레스트(Random Forest) 등과 같은 기계 학습 알고리즘과 인공 신경망(Artificial Neural Network), 컨볼루션 뉴럴 네트워크(Convolutional Neural Network), 장단기 기억 메모리(Long Short-Term Memory) 등과 같은 신경망 구조를 포함할 수 있다.
수면 단계 측정 모듈(520)은 수면 중에 측정된 뇌전도 신호를 바탕으로 특정 시간에서 사용자의 수면 단계를 분류한다. 수면 단계는 각성 상태, 비 렘수면 1단계, 비 렘수면 2단계, 비 렘수면 3단계 및 렘수면과 같이 총 5 단계로 분류한다. 수면 단계 측정 모듈(520)은 미리 설정된 기준 값을 측정된 뇌전도 신호와 비교하여 수면 단계 분류를 수행한다. 미리 설정된 기준 값은 수면 전문가들이 선정한 기준 값을 사용하거나, 공개된 수면다원검사 데이터로부터 도출할 수 있다.
따라서, 수면 장애 진단 모듈(510)은 사용자가 불면증, 수면 무호흡증 및 수면 보행증을 가지고 있을 확률을 수치화한 수면 장애 진단 데이터(D1)를 생성한다. 수면 단계 측정 모듈(520)은 시간대별 사용자의 수면 단계 측정 데이터(D2)를 생성한다.
수면 장애 진단 데이터(D1)와 수면 단계 측정 데이터(D2)는 단말기(600)로 전송되며, 프로세서(500)에서 생성되는 출력 데이터(S4)는 수면 장애 진단 데이터(D1)와 수면 단계 측정 데이터(D2)를 포함한다. 사용자는 단말기(600)를 이용하여 수면 장애 진단 데이터(D1) 및 수면 단계 측정 데이터(D2)를 확인할 수 있다.
이하, 도6을 참조하여 실시예에 따른 단말기(600)의 수면다원검사 결과 표시 방법을 설명한다.
도 6은 실시예에 따른 단말기의 수면다원검사 결과 표시를 나타내는 예시도이다.
도 6을 참조하면, 단말기(600)는 그래프, 차트, 문구 등의 사용자가 시각적으로 인식할 수 있는 형태로 수면다원검사 결과를 디스플레이한다.
구체적으로, 수면 단계 측정 데이터(D2)를 이용하여 시간별 수면 단계 분류 결과(610)를 나타낸다. 시간별 수면 단계 분류(610)는 X은 시각, Y축은 각성 상태(깨어있음), 비 렘수면 1단계, 비 렘수면 2단계, 비 렘수면 3단계 및 렘수면과 같이 총 5 단계의 값을 가진다. 따라서, 시간별 수면 단계를 선형 그래프를 이용하여 표시하며, 사용자는 직관적으로 시간대별 수면 단계를 확인할 수 있다.
수면 단계 분류 종합 결과(620)는 전체 수면 시간 중 각성 상태(깨어있음), 비 렘수면 1단계, 비 렘수면 2단계, 비 렘수면 3단계 및 렘수면이 차지하는 퍼센테이지를 표시한다. 따라서, 사용자는 원형 차트로부터 각 수면 단계의 비율을 직관적으로 파악할 수 있다.
수면 장애 진단 결과(630)는 수면 장애 진단 데이터(D1)로부터 불면증, 수면 무호흡증 및 수면 보행증의 진단 확률을 표시한다. 이 때, 확률값이 미리 설정된 기준 확률값의 범위에 있는지 여부에 따라 병원 진단 여부 또는 심각 여부를 나타내는 문구를 함께 표시할 수 있다.
또한, 본 발명의 실시예는 시간별 수면 단계 분류 결과(610), 수면 단계 분류 종합 결과(620), 수면 장애 진단 결과(630)가 하나의 창에 함께 디스플레이 되는 경우에 한정되는 것은 아니며, 각각이 개별적으로 다른 창에 디스플레이 되거나, PDF파일, 이미지 형태 등을 포함할 수 있다.
이하, 도7을 참조하여 실시예에 따른 수면다원검사 방법을 설명한다.
도 7은 실시예에 따른 수면다원검사 방법의 흐름도이다.
도 7을 참조하면, 단계(S110)에서는 패치형 수면다원 측정 장치(1)를 이용하여 사용자의 수면 중 발생하는 생체 신호를 측정한다. 구체적으로, 사용자는 안면 생체 신호 측정부(100)를 안면에 부착한다. 이 때, 사용자는 제1 안면 패치(110)를 이마에 부착하고, 제2 안면 패치(120)를 코 밑과 입술 사이 또는 인중 위에 부착한다.
또한, 단계(S110)에서 사용자는 흉부 생체 신호 측정부(200)를 사용자의 가슴에 부착한다. 따라서, 제1 안면 패치(110)는 사용자의 수면 중 뇌전도 신호와 안전도 신호를 측정하고, 제2 안면 패치(120)는 사용자의 수면 중 유량 신호를 측정한다. 유량 신호는 사용자의 호흡에 의해 발생하는 공기 유량을 측정한 신호 이므로 사용자의 호흡량에 대응될 수 있다. 따라서, 안면 생체 신호 측정부(100)에서 측정된 제1 생체 신호(S1)는 뇌전도 신호, 안전도 신호, 및 공기 유량 신호를 포함한다.
흉부 생체 신호 측정부(200)는 사용자의 수면 중 심전도 및 가속도 신호를 측정한다. 이 때, 가속도 신호란 사용자의 흉부의 움직임을 측정한 신호이므로, 사용자의 호흡 노력에 대응될 수 있다. 따라서, 흉부 생체 신호 측정부(200)에서 측정된 제2 생체 신호(S2)는 심전도 신호 및 가속도 신호를 포함한다.
단계(S120)에서는, 단계(S110)에서 측정된 제1 생체 신호(S1) 및 제2 생체 신호(S2)의 전처리 과정을 수행한다. 구체적으로, 제1 전처리부(116)를 이용하여 제1 생체 신호(S1)의 전처리를 수행하고, 제2 전처리부(125)를 이용하여 제2 생체 신호(S2)의 전처리를 수행한다.
생체 신호(S1, S2)의 전처리는, 전처리부(116, 125)에 포함된 주파수 필터 모듈을 이용하여 제1 생체 신호(S1) 및 제2 생체 신호(S2) 중 특정 주파수 대역의 신호를 추출하는 단계와 전처리부(116, 125)에 포함된 통신 모듈을 이용하여 생체 신호(S1, S2)의 측정 시점 동기화를 수행하는 단계를 수행한다.
측정 시점 동기화 단계는, 통신 모듈을 이용하여 미리 설정된 주기로 트리거 신호를 생성하고, 제1 생체 신호(S1)와 제2 생체 신호(S2)에 트리거 신호를 합성한다. 따라서, 트리거 신호는 모두 동일한 시점에 발생된 신호이므로, 트리거 신호를 기준으로 제1 생체 신호(S1)와 제2 생체 신호(S2)의 측정 시점을 동기화한다.
단계(S130)에서는, 전처리된 생체 신호(S1, S2)와 데이터 베이스(300)에 누적된 생체 신호 및 공개된 수면다원검사 데이터 및 생체 신호 데이터를 이용하여 수면 장애 진단 모듈(510)과 수면 단계 분류 모듈(520)의 기계학습을 수행한다.
수면 장애 진단 모듈(510)은 수면 무호흡, 수면 보행증, 불면 장애를 진단할 수 있다. 따라서, 수면 무호흡, 수면 보행증, 불면 장애를 가진 환자의 데이터와 건강한 일반 사람의 수면다원검사 데이터를 이용하여 학습을 수행한다.
수면 장애 진단 모듈(510)은 기계학습을 위해 컨볼루션 뉴럴 네트워크(Convolutional Neural Network), 장단기 기억 메모리(Long Short-Term Memory) 등을 이용할 수 있다. 더불어, U-Time, DeepSleepNet, SleepEEGNet과 같이 수면 장애를 진단하기 위한 수면 장애 진단 모델을 이용하여 사용자의 수면 장애 진단 정확도를 높이기 위한 기계학습을 수행한다.
또한, 수면 단계 측정 모듈(520)은 기계 학습을 위해 서포트 벡터 머신(Support Vector Machine), 랜덤 포레스트(Random Forest) 등과 같은 기계 학습 알고리즘과 인공 신경망(Artificial Neural Network), 컨볼루션 뉴럴 네트워크(Convolutional Neural Network), 장단기 기억 메모리(Long Short-Term Memory) 등과 같은 신경망 구조를 이용하여 사용자의 수면 단계 측정 정확도를 높이기 위한 기계학습을 수행한다.
단계(S140)에서는, 프로세서(500)가 학습된 수면 장애 진단 모듈(510)과 수면 단계 분류 모듈(520)이 사용자의 생체 신호(S1, S2)를 이용하여 사용자의 수면 장애 진단 및 수면 단계 분류 결과(S4)를 도출한다.
수면 장애 진단 모듈(510) 은 입력 신호(S3)에 포함된 제1 생체 신호(S1) 및 제2 생체 신호(S2)를 이용하여 사용자의 수면 장애를 진단한다. 구체적으로 수면 무호흡, 수면 보행증, 불면 장애의 정도를 0에서 100의 값 중 어느 하나의 값으로 수치화한다. 이 때, 100에 가까울 수록 수면 무호흡, 수면 보행증, 불면 장애의 확률이 높은 것으로 치료가 필요한 상태이며, 0에 가까울수록 수면 장애의 징후가 없고 치료가 필요하지 않은 상태를 의미한다.
수면 단계 측정 모듈(520)은 입력 신호(S3)에 포함된 제1 생체 신호 및 제2 생체 신호(S2)를 이용하여 사용자의 수면 단계를 측정한다. 또한, 수면 중에 측정된 뇌전도 신호를 바탕으로 특정 시간에서 사용자의 수면 단계를 분류한다.
수면 단계는 각성 상태, 비 렘수면 1단계, 비 렘수면 2단계, 비 렘수면 3단계 및 렘수면과 같이 총 5 단계로 분류한다. 수면 단계 측정 모듈(520)은 미리 설정된 기준 값을 측정된 뇌전도 신호와 비교하여 수면 단계 분류를 수행한다. 미리 설정된 기준 값은 수면 전문가들이 선정한 기준 값을 사용하거나, 공개된 수면다원검사 데이터로부터 도출할 수 있다.
따라서, 단계(S140)에서 수면 장애 진단 모듈(510)은 사용자가 불면증, 수면 무호흡증 및 수면 보행증을 가지고 있을 확률을 수치화한 수면 장애 진단 데이터(D1)를 생성한다. 수면 단계 측정 모듈(520)은 시간대별 사용자의 수면 단계 측정 데이터(D2)를 생성한다.
또한, 단계(S140)에서 단말기(600)는 수면 장애 진단 데이터(D1) 및 수면 단계 측정 데이터(D2)를 그래프, 차트, 문구 등의 사용자가 시각적으로 인식할 수 있는 형태로 수면다원검사 결과를 디스플레이한다.
구체적으로, 수면 장애 진단 데이터(D1)로부터 불면증, 수면 무호흡증 및 수면 보행증의 진단 확률을 표시한다. 이 때, 확률값이 미리 설정된 기준 확률값의 범위에 있는지 여부에 따라 병원 진단 여부 또는 심각 여부를 나타내는 문구를 함께 표시할 수 있다.
또한, 수면 단계 측정 데이터(D2)를 이용하여 각성 상태(깨어있음), 비 렘수면 1단계, 비 렘수면 2단계, 비 렘수면 3단계 및 렘수면과 같이 총 5 단계의 값을 가진다. 따라서, 시간별 수면 단계를 선형 그래프를 이용하여 표시하며, 사용자는 직관적으로 시간대별 수면 단계를 확인할 수 있다.
더불어, 수면 단계 측정 데이터(D2)를 이용하여 전체 수면 시간 중 각성 상태(깨어있음), 비 렘수면 1단계, 비 렘수면 2단계, 비 렘수면 3단계 및 렘수면이 차지하는 퍼센테이지를 표시한다. 따라서, 사용자는 원형 차트로부터 각 수면 단계의 비율을 직관적으로 파악할 수 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
1: 패치형 수면다원검사 장치
100: 안면 생체 신호 측정부
200: 흉부 생체 신호 측정부
300: 데이터 베이스
400: 메모리
500: 프로세서
600: 단말기
110: 제1 안면 패치
120: 제2 안면 패치
510: 수면 장애 진단 모듈
520: 수면 단계 측정 모듈
100: 안면 생체 신호 측정부
200: 흉부 생체 신호 측정부
300: 데이터 베이스
400: 메모리
500: 프로세서
600: 단말기
110: 제1 안면 패치
120: 제2 안면 패치
510: 수면 장애 진단 모듈
520: 수면 단계 측정 모듈
Claims (16)
- 패치형 수면다원검사 장치로서,
사용자의 안면에 부착하여 사용자의 수면시 제1 생체 신호를 측정하는 안면 생체 신호 측정부,
사용자의 흉부에 부착하여 사용자의 수면시 제2 생체 신호를 측정하는 흉부 생체 신호 측정부,
상기 제1 생체 신호 및 상기 제2 생체 신호를 이용하여 사용자의 수면 장애 진단 및 수면 단계 분류를 수행하는 수면다원검사 프로그램이 저장되는 메모리, 그리고
상기 수면다원검사 프로그램을 실행하는 프로세서
를 포함하며,
상기 안면 생체 신호 측정부 및 상기 흉부 생체 신호 측정부는, 사용자의 인체에 탈부착 가능한 패치 형태로 구성되고,
상기 안면 생체 신호 측정부는,
제1 전처리부, 하나 이상의 뇌전도 전극, 안전도(electro-oculogram) 전극을 포함하는 제1 안면 패치, 및
상기 제1 전처리부와 전기적으로 연결되며, 공기 유량 센서를 포함하는 제2 안면 패치를 포함하며,
상기 제1 안면 패치는,
중앙에 상기 제1 전처리부가 배치되어 상기 뇌전도 전극, 상기 안전도 전극 및 상기 공기 유량 센서와 전기적으로 연결되고,
사용자가 부착시 사용자의 이마에 위치하도록 상기 제1 안면 패치의 상부 중앙에 상기 뇌전도 전극이 배치되며, 상기 뇌전도 전극의 양측으로 그라운드 전극과 레퍼런스 전극이 배치되며,
사용자가 부착시 눈꺼풀에 위치하도록 상기 제1 안면 패치의 하부 양 끝단에 두 개의 상기 안전도 전극이 배치되고,
상기 제2 안면 패치는,
사용자의 코 밑에 부착하며, 사용자의 콧구멍에서 나오는 호흡량을 측정하기 위해, 일정한 간격을 가지도록 배치된 두 개의 공기 유량 센서를 포함하는, 패치형 수면다원검사 장치. - 제1항에 있어서,
상기 흉부 생체 신호 측정부는,
하나 이상의 심전도 측정 센서, 가속도 센서 및 제2 전처리부를 포함하며,
상기 제1 전처리부, 상기 제2 전처리부는 상기 제1 생체 신호 및 상기 제2 생체 신호의 동기화, 필터링 및 통신을 수행하고,
상기 제1 생체 신호는, 뇌에서 발생하는 전기적 신호인 뇌전도 신호, 안구의 움직임을 측정한 안전도(EOG: Electro-Oculogram) 신호 및 호흡에 의해 발생하는 공기의 흐름을 측정한 공기 유량 신호를 포함하며,
상기 제2 생체 신호는, 심장에서 발생하는 전기적 신호인 심전도 신호 및 호흡을 위한 흉부의 움직임을 측정한 가속도 신호를 포함하는, 패치형 수면다원검사 장치. - 삭제
- 제2항에 있어서,
상기 흉부 생체 신호 측정부는,
중앙에 상기 제2 전처리부가 배치되어 심전도 전극 및 상기 가속도 센서와 전기적으로 연결되고,
사용자가 부착시 사용자의 흉부 중앙에 위치하도록 상기 흉부 생체 신호 측정부의 상부 정중앙에 상기 심전도 전극이 배치되고, 상기 심전도 전극의 양측으로 그라운드 전극과 레퍼런스 전극이 배치되며,
사용자가 부착시 사용자의 흉부 좌측에 위치하도록 상기 흉부 생체 신호 측정부의 좌측에 배치되는 상기 가속도 센서를 포함하는, 패치형 수면다원검사 장치. - 제4항에 있어서,
상기 제1 전처리부 및 상기 제2 전처리부는,
상기 제1 생체 신호 및 상기 제2 생체 신호 중 특정 주파수 신호를 추출하는 주파수 필터 모듈, 그리고
미리 설정된 주기로 트리거 신호를 생성하여, 상기 제1 생체 신호 및 상기 제2 생체 신호에 트리거 신호를 합성하고, 상기 트리거 신호를 기준으로 상기 제1 생체 신호 및 상기 제2 생체 신호의 측정 시점 동기화를 수행하는 통신 모듈
을 포함하는, 패치형 수면다원검사 장치. - 제1항에 있어서,
상기 제1 생체 신호는,
뇌전도 신호, 안전도 신호 및 호흡에 의해 발생하는 공기의 유량을 측정한 공기 유량 신호를 포함하고,
상기 제2 생체 신호는,
심전도 신호 및 흉부의 움직임을 측정한 가속도 신호를 포함하며,
상기 수면다원검사 프로그램은,
상기 제1 생체 신호 및 상기 제2 생체 신호와 공개된 생체 신호 데이터를 이용하여 사용자의 수면 장애를 판단하는 수면 장애 진단 모듈, 그리고
상기 뇌전도 신호 및 기준 뇌전도 신호를 이용하여 사용자의 수면 단계를 분류하는 수면 단계 분류 모듈
을 포함하는, 패치형 수면다원검사 장치. - 제6항에 있어서,
상기 수면 장애 진단 모듈은,
컨볼루션 뉴럴 네트워크(Convolutional Neural Network, CNN), 장단기메모리(Long Short-Term Memory, LSTM) 중 하나 이상을 이용하여 사용자의 수면 장애 판단에 대한 반복 학습을 수행하는, 패치형 수면다원검사 장치. - 제7항에 있어서,
상기 수면 단계 분류 모듈은,
서포트 벡터 머신(Support Vector Machine), 랜덤 포레스트(Random Forest), 인공 신경망(Artificial Neural Network), 컨볼루션 뉴럴 네트워크(Convolutional Neural Network), 장단기 메모리(Long Short-Term Memory)중 하나 이상을 이용하여 사용자의 수면 단계 분류에 대한 반복 학습을 수행하는, 패치형 수면다원검사 장치. - 제8항에 있어서,
상기 수면 장애 진단 모듈은,
사용자가 불면증, 수면 무호흡증 및 수면 보행증을 가지고 있을 확률을 도출하여 0 내지 100 중 어느 하나의 값으로 상기 확률을 도출하고,
상기 수면 단계 분류 모듈은,
사용자의 수면 상태를, 각성 상태, 비 렘수면 1단계, 비 렘수면 2단계, 비 렘수면 3단계 및 렘수면 단계로 분류하는, 패치형 수면다원검사 장치. - 패치형 수면다원검사 장치를 이용한 수면다원검사 방법으로서,
안면 생체 신호 측정부를 사용자의 안면에 부착하여 사용자의 수면시 제1 생체 신호를 측정하는 단계,
흉부 생체 신호 측정부를 사용자의 흉부에 부착하여 사용자의 수면시 제2 생체 신호를 측정하는 단계, 그리고
수면 장애 진단 모듈 및 수면 단계 분류 모듈이 상기 제1 생체 신호 및 상기 제2 생체 신호를 이용하여 사용자의 수면 장애 진단 및 수면 단계 분류를 수행 단계
를 포함하며,
상기 안면 생체 신호 측정부 및 상기 흉부 생체 신호 측정부는, 사용자의 인체에 탈부착 가능한 패치 형태로 구성되고,
상기 안면 생체 신호 측정부는,
제1 전처리부와 하나 이상의 뇌전도 전극, 안전도(electro-oculogram) 전극을 포함하는 제1 안면 패치, 및
상기 제1 전처리부와 전기적으로 연결되며, 공기 유량 센서를 포함하는 제2 안면 패치를 포함하며,
상기 제1 안면 패치는,
중앙에 상기 제1 전처리부가 배치되어 상기 뇌전도 전극, 상기 안전도 전극 및 상기 공기 유량 센서와 전기적으로 연결되고,
사용자가 부착시 사용자의 이마에 위치하도록 상기 제1 안면 패치의 상부 중앙에 상기 뇌전도 전극이 배치되며, 상기 뇌전도 전극의 양측으로 그라운드 전극과 레퍼런스 전극이 배치되며,
사용자가 부착시 눈꺼풀에 위치하도록 상기 제1 안면 패치의 하부 양 끝단에 두 개의 상기 안전도 전극이 배치되고,
상기 제2 안면 패치는,
사용자의 코 밑에 부착하며, 사용자의 콧구멍에서 나오는 호흡량을 측정하기 위해, 일정한 간격을 가지도록 배치된 두 개의 공기 유량 센서를 포함하는, 수면다원검사 방법. - 제10항에 있어서,
상기 제1 생체 신호를 측정하는 단계는,
뇌전도 신호, 안전도(EOG: Electro-Oculogram) 신호 및 호흡에 의해 발생하는 공기의 유량을 측정한 공기 유량 신호를 측정하는 단계를 포함하고,
상기 제2 생체 신호를 측정하는 단계는,
심전도 신호 및 흉부의 움직임을 측정한 가속도 신호를 측정하는 단계
를 포함하는, 수면다원검사 방법. - 제11항에 있어서,
상기 수면 장애 진단 및 수면 단계 분류를 수행하는 단계는,
주파수 필터 모듈을 이용하여 상기 제1 생체 신호 및 상기 제2 생체 신호 중 특정 주파수 신호를 추출하는 단계, 그리고
통신 모듈을 이용하여 미리 설정된 주기로 트리거 신호를 생성하여, 상기 제1 생체 신호 및 상기 제2 생체 신호에 트리거 신호를 합성하고, 상기 트리거 신호를 기준으로 상기 제1 생체 신호 및 상기 제2 생체 신호의 측정 시점 동기화를 수행하는 단계
을 포함하는, 수면다원검사 방법. - 제12항에 있어서,
상기 수면 장애 진단 및 수면 단계 분류를 수행하는 단계는,
상기 제1 생체 신호 및 상기 제2 생체 신호와 공개된 생체 신호 데이터를 이용하여 사용자의 수면 장애를 판단하는 단계, 그리고
상기 뇌전도 데이터 및 기준 뇌전도 데이터를 이용하여 사용자의 수면 단계를 분류하는 단계
를 더 포함하는, 수면다원검사 방법. - 제13항에 있어서,
상기 수면 장애를 판단하는 단계는,
컨볼루션 뉴럴 네트워크(Convolutional Neural Network, CNN), 장단기메모리(Long Short-Term Memory, LSTM)을 이용하여 사용자의 수면 장애 판단에 대한 반복 학습을 수행하는 단계
를 포함하는, 수면다원검사 방법. - 제14항에 있어서,
상기 수면 단계를 분류하는 단계는,
서포트 벡터 머신(Support Vector Machine), 랜덤 포레스트(Random Forest), 인공 신경망(Artificial Neural Network), 컨볼루션 뉴럴 네트워크(Convolutional Neural Network), 장단기 메모리(Long Short-Term Memory)를 이용하여 사용자의 수면 단계 분류에 대한 반복 학습을 수행하는 단계
를 포함하는, 수면다원검사 방법. - 제15항에 있어서,
상기 수면 장애를 판단하는 단계는,
사용자가 불면증, 수면 무호흡증 및 수면 보행증을 가지고 있을 확률을 도출하여 0 내지 100 중 어느 하나의 값으로 상기 확률을 도출하는 단계
를 더 포함하고,
상기 수면 단계를 분류하는 단계는,
사용자의 수면 상태를, 각성 상태, 비 렘수면 1단계, 비 렘수면 2단계, 비 렘수면 3단계 및 렘수면 단계로 분류하는 단계
를 더 포함하는, 수면다원검사 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210105359A KR102569058B1 (ko) | 2021-08-10 | 2021-08-10 | 패치형 수면다원검사 장치 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210105359A KR102569058B1 (ko) | 2021-08-10 | 2021-08-10 | 패치형 수면다원검사 장치 및 방법 |
Publications (3)
Publication Number | Publication Date |
---|---|
KR20230023859A KR20230023859A (ko) | 2023-02-20 |
KR102569058B1 true KR102569058B1 (ko) | 2023-08-23 |
KR102569058B9 KR102569058B9 (ko) | 2023-11-13 |
Family
ID=85329271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210105359A KR102569058B1 (ko) | 2021-08-10 | 2021-08-10 | 패치형 수면다원검사 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102569058B1 (ko) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101375443B1 (ko) * | 2011-07-26 | 2014-03-17 | 케어 모하메드 | 리드가 없는 무선 심전도 측정 시스템과 심장의 생체 활동 전위 측정 방법 |
KR101483065B1 (ko) | 2013-07-25 | 2015-01-16 | 이화여자대학교 산학협력단 | 휴대형 수면 데이터 계측장치 및 이를 포함하는 수면 검사 시스템 |
KR20150033197A (ko) * | 2013-09-23 | 2015-04-01 | 삼성전자주식회사 | 수면 무호흡증 추정 방법, 상기 방법을 기록한 컴퓨터 판독 가능 저장매체 및 수면 무호흡증 추정 장치 |
KR102211647B1 (ko) * | 2018-12-07 | 2021-02-04 | 이화여자대학교 산학협력단 | 인공지능 수면개선 비침습적 뇌회로 조절치료시스템 및 방법 |
-
2021
- 2021-08-10 KR KR1020210105359A patent/KR102569058B1/ko active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
KR102569058B9 (ko) | 2023-11-13 |
KR20230023859A (ko) | 2023-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Subasi | Practical guide for biomedical signals analysis using machine learning techniques: A MATLAB based approach | |
US11504020B2 (en) | Systems and methods for multivariate stroke detection | |
Guo et al. | A review of wearable and unobtrusive sensing technologies for chronic disease management | |
Liang et al. | Development of an EOG-based automatic sleep-monitoring eye mask | |
EP2185063B1 (en) | Method and system for monitoring sleepiness | |
JP6159250B2 (ja) | 患者の生存性を予測するためのシステムの制御方法およびプログラム | |
US20140275829A1 (en) | Sleep stage annotation device | |
KR102100120B1 (ko) | 생체 신호를 모니터링하는 방법, 장치 및 컴퓨터 프로그램 | |
JP2021517008A (ja) | 睡眠時無呼吸検出システム及び方法 | |
US20070276281A1 (en) | Monitoring of the state of the central nervous system of a subject | |
US20220022809A1 (en) | Systems and methods to detect and treat obstructive sleep apnea and upper airway obstruction | |
Renevey et al. | Optical wrist-worn device for sleep monitoring | |
US10959662B2 (en) | Seizure prediction using cardiovascular features | |
KR20210027033A (ko) | 사용자 맞춤형 수면 관리 방법 및 시스템 | |
KR102119805B1 (ko) | 수면 모니터링 및 코칭을 위한 생체정보 측정 시스템 및 방법 | |
Ahmed et al. | A wearable sensor based multi-criteria-decision-system for real-time seizure detection | |
Yin et al. | Recent progress in long-term sleep monitoring technology | |
KR102569058B1 (ko) | 패치형 수면다원검사 장치 및 방법 | |
Gupta et al. | Overview of the effect of physiological stress on different biological signals | |
WO2019224113A1 (en) | Measuring movement in a subject | |
Clifford et al. | Out of Touch: From audio recordings to phone apps to mattress sensors, noncontact systems offer a less cumbersome way to monitor sleep | |
WO2023115558A1 (en) | A system and a method of health monitoring | |
홍승혁 | Drowsiness Detection Based on Unconstrained Measurement of Biosignals | |
Castellanos et al. | Recap on bio-sensorial stress detection methods and technology | |
JP2024004555A (ja) | 睡眠時行動障害の検査方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
G170 | Re-publication after modification of scope of protection [patent] |