KR20130077418A - 생체 신호 분류 방법 및 이를 적용하는 장치 - Google Patents
생체 신호 분류 방법 및 이를 적용하는 장치 Download PDFInfo
- Publication number
- KR20130077418A KR20130077418A KR1020110146116A KR20110146116A KR20130077418A KR 20130077418 A KR20130077418 A KR 20130077418A KR 1020110146116 A KR1020110146116 A KR 1020110146116A KR 20110146116 A KR20110146116 A KR 20110146116A KR 20130077418 A KR20130077418 A KR 20130077418A
- Authority
- KR
- South Korea
- Prior art keywords
- pulse wave
- classification method
- classification
- biosignal
- svm
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012706 support-vector machine Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims description 12
- 239000008280 blood Substances 0.000 abstract description 3
- 210000004369 blood Anatomy 0.000 abstract description 3
- 230000003287 optical effect Effects 0.000 abstract description 3
- 239000012530 fluid Substances 0.000 abstract 2
- 230000007794 irritation Effects 0.000 abstract 1
- 230000008451 emotion Effects 0.000 description 11
- 230000017531 blood circulation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000002996 emotional effect Effects 0.000 description 5
- 230000037007 arousal Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 210000000624 ear auricle Anatomy 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical group [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 239000004332 silver Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000009532 heart rate measurement Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007920 subcutaneous administration 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
- A61B5/02—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
- 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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- 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
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/7445—Display arrangements, e.g. multiple display units
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Cardiology (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Vascular Medicine (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
생체 신호 분류 방법 및 이를 적용하는 장치에 관해 기술된다. 생체 신호 분류 방법은: 각성와 이완을 분류하는 것으로, 피험자로부터 생체 신호를 검출하는 단계; 그리고 상기 생체 신호로부터 변수를 추출하여 SVM 기법으로 각성과 이완을 분류하는 단계;를 포함한다.
Description
본 발명은 생체 신호 분류 방법으로서 감성을 인식하는 방법 및 이를 적용하는 장치에 관련하는 것이다.
생체 신호 분류를 이용하는 감성 분류에는 다양한 감성적 어휘를 통한 주관적 분류 방법과 특정 감성에 대한 생체 신호를 분석하는 객관적 분류 방법이 주로 적용된다.
객관적 감성 분류 방법으로는, 러셀(Russell)의 2차원 감성 모델인 각성-이완, 쾌-불쾌 감성에 대한 생체 신호 분석 방법이 흔히 사용된다 [비 특허문헌1]. 이러한 감성 중, 각성-이완 감성은 안전성, 몰입도, 집중력 등과 연관된 감성으로 이용된다.
각성-이완 분류에 대한 기존의 생체 신호 분석 방법으로는 뇌파, 심전도, 피부 전도도 등을 측정하여 분석하는 방법이 사용되었다. 그러나 이러한 기존의 방법들은 두 가지 단점을 지닌다. 첫째, 평균 비교에 의한 통계적 유의성에 의존하는 것이다. 이는 유의성을 통하여 단순히 차이가 있다는 것에만 의미를 두기 때문에 분류에 대한 해답을 제공하지 않는다. 또한, 평균 비교이므로 개인차에 의하여 정확도가 떨어진다. 둘째, 생체 신호 수집은 센서 부착에 대한 불편함과 불쾌감을 수반한다. 뇌파, 심전도, 피부 전도도는 둘 이상의 다수 센서 부착이 불가피하다. 이러한 센서들은 머리, 가슴, 손가락 등에 부착되기 때문에, 피험자에게 불편함과 불쾌감을 유발할 수 있다.
J. A. Russell, "A circumplex model of affect," Journal of Personality and Social Psychology, vol.39, no.6, pp.1161-1178, Dec. 1980.
김치중, 황민철, 김종화, 우진철, 김용우, 김지혜, PPG(Photoplethysmography)분석을 이용한 각성도 평가에 관한 연구, 대한인간공학회지 Vol 29, No 1, pp 113-120, 2010.
B. E. Boser, I. M. Guyon, and V. N. Vapnik, "A training algorithm for optimal margin classifiers," in Proc. 5th annual workshop on Computational learning theory (COLT '92), New York, 1992, pp.144-152.
본 발명은 피험자의 이물감이나 불편함을 감소시킬 수 있는 생체 신호 분류방법 및 이를 적용하는 장치를 제공한다.
본 발명에 따른 생체 신호 분류 방법:은 SVM(Support Vector Machine)을 이용하여 각성과 이완에 해당하는 맥파 특성을 분류하여, 각성과 이완을 분류하고자 한다. SVM은 비선형 머신 러닝(Machine Learning) 기반의 분류 방법으로 학습을 통하여 최적의 분류 초평면을 찾아준다. 또한 개별 분석을 통하여 개인차에 의한 오류를 없앨 수 있다.
본 발명에 따른 생체 신호 분류 방법:은
피험자로부터 생체 신호를 검출하는 단계; 그리고
상기 생체 신호로부터 변수를 추출하여 SVM(Support Vector Machine) 기법으로 각성과 이완을 분류하는 단계; 를 포함한다.
본 발명의 한 실시 예에 따르면,
상기 생체 신호는 맥파이며, 상기 변수는 맥파의 진폭과 맥파의 간격을 포함한다.
본 발명의 다른 실시 예에 따르면,
상기 SVM에 의해 상기 두 변수를 단일 변수로 변환하는 단계; 를 더 포함한다.
본 발명에 따른 생체 신호 분류 장치: 는
피험자로부터 생체 신호를 검출하는 센서; 와
상기 생체 신호로부터 변수를 추출하여 SVM(Support Vector Machine) 기법으로 각성과 이완을 분류하는 분석 모듈; 을 구비한다.
본 발명의 한 실시 예에 따르면,
상기 센서는 피험자의 맥파를 검출하는 PPG 센서이며, 상기 변수는 맥파의 진폭와 맥파의 간격을 포함한다.
본 발명의 다른 실시 예에 따르면,
상기 분석 모듈로부터의 결과를 표시하는 표시기를 더 구비할 수 있다.
본 발명의 다른 실시 예에 따르면,
상기 분선 모듈은 상기 SVM에 의해 상기 두 변수를 단일 변수로 변환한다.
맥파 신호는 심혈관 반응의 일환으로 각성-이완 분류에 효과적이며, 단일 센서로 측정이 가능하며 사용자 편의에 따라 손가락 끝이나 귓불에 착용하여 측정이 가능하다. 이는 다른 생체 신호에 비하여 불편함이나 불쾌감을 줄일 수 있다. 결론적으로 본 발명은 사용자 편의성을 고려한 최적의 각성-이완 감성 분류 방법 개발을 목적으로 한다.
도 1은 본 발명의 일 실시 예에 따르면 생체 신호 분류 방법의 흐름도이다.
도 2는 본 발명의 일 실시 예에 따르면 생체 신호 분류 방법에서, 맥파 간격(PPI)- 맥파 진폭(PA)의 관계를 나타내 보이는 그래프이다.
도 3은 본 발명의 일 실시 예에 따른 생체 신호 분류 방법에 있어서, 단일 변수 평균 분류와 SVM 분류를 비교해 보인 그래프이다.
도 4은 본 발명에 따른 생체 신호 분류 장치의 일 실시 예의 블록다이어그램이다.
도 5은 PPG 검출 센서를 구비하는 하드웨어/소프트웨어 복합 생체 신호 분류 장치의 일 실시 예를 보인다.
도 6은 일반적 분류방법으로 사용되는 중심 값에 의한 분류 방법의 일례를 도시한다.
도 7은 SVM 알고리즘에 사용되는 경계 데이터에 의한 분류 방법의 일례를 도시한다.
도 8는 SVM 알고리즘에서 커널에 의한 비선형 분류의 일례를 도시한다.
도 2는 본 발명의 일 실시 예에 따르면 생체 신호 분류 방법에서, 맥파 간격(PPI)- 맥파 진폭(PA)의 관계를 나타내 보이는 그래프이다.
도 3은 본 발명의 일 실시 예에 따른 생체 신호 분류 방법에 있어서, 단일 변수 평균 분류와 SVM 분류를 비교해 보인 그래프이다.
도 4은 본 발명에 따른 생체 신호 분류 장치의 일 실시 예의 블록다이어그램이다.
도 5은 PPG 검출 센서를 구비하는 하드웨어/소프트웨어 복합 생체 신호 분류 장치의 일 실시 예를 보인다.
도 6은 일반적 분류방법으로 사용되는 중심 값에 의한 분류 방법의 일례를 도시한다.
도 7은 SVM 알고리즘에 사용되는 경계 데이터에 의한 분류 방법의 일례를 도시한다.
도 8는 SVM 알고리즘에서 커널에 의한 비선형 분류의 일례를 도시한다.
이하 첨부된 도면을 참조하면서, 본 발명에 따른 생체 신호 분류 방법 및 그 장치의 실시 예를 설명한다.
본 발명은 SVM(Support Vector Machine)을 이용하여 각성과 이완에 해당하는 맥파 특성을 분류함으로써 각성과 이완 상태를 검출한다.
SVM은 비선형 머신 러닝(Machine Learning) 기반의 분류 방법으로 학습을 통하여 최적의 분류 곡선을 찾아준다. 또한 개별 분석을 통하여 개인차에 의한 오류를 없앨 수 있다. 혈류 산소농도의 변화를 관측할 수 있는 맥파(PPG, Photoplethysmograph) 신호는 심혈관 반응의 일환으로 각성-이완 분류에 효과적 사용할 수 있다. 본 발명에서는 단일 센서로 이용하여 맥파 신호를 측정한다. 맥파 신호는 손가락 끝이나 귓불에 착용 가능한 센서를 이용하여 측정한다.
상기 SVM은 서로 다른 둘 이상의 그룹을 분류하는 기계학습알고리즘으로 각 그룹의 경계 데이터를 이용하여 분류를 수행한다[비 문헌특허3]. 또한 SVM은 Radial Basis Function (RBF), Dot, Polynomial, Analysis of Variance (ANOVA) 커널 등을 이용하여 비선형분류가 가능하다[비 문헌특허3]. 도 6은 전통적인 선형분류 방법으로, 각 그룹의 중심 값을 이용하여 중심 값까지의 거리가 같은 지점을 통해 분류한다. 그러나 도 7을 참조하면, SVM은 각 그룹의 경계가 되는 데이터에 선분을 긋고 두 선분의 거리인 마진이 최대가 되는 초평면을 찾음으로써 각 그룹을 분류하게 된다. 도 8은 최적화 커널을 이용한 비선형 분류의 예시이다. 상기 초평면을 찾는 과정은 초기 학습 데이터를 통해 찾게 되기 때문에, 각각의 사용자에 대한 각성과 이완에 해당하는 학습 데이터를 습득할 필요가 있다.
도 1을 참조하면, 먼저 피험자로부터 광혈류량을 나타내는 맥파를 측정한다. 그리고 맥파로부터 광혈류량 변수를 추출하고 SVM을 통해 학습을 수행한 후, 각성 이완을 분류한다. 맥파의 측정은 사용자가 원하는 부위(손가락 끝, 귓불)에 맥파 센서를 부착함으로써 맥파 신호를 측정한다.
상기 맥파 신호로부터 맥파 간격(PPI, Pulse to Pulse Interval)와 맥파 진폭(PA, Pulse Amplitude)과 같은 두 가지의 맥파 변수를 추출한다. 도 2는 맥파 신호에서의 맥파 변수와 맥파 진폭을 나타내 보인다.
상기의 맥파 간격(PPI)와 맥파 진폭(PA)의 추출은 아래의 식 (1), (2)를 따른다. 번째 맥파 간격 은 번째 맥파 파형의 최상점 위치( )와 번째 최상점 위치( )의 시간간격 이다. 번째 맥파 진폭 은 번째 맥파 파형의 최상점 값( )과 최하점 값( )의 차이 이다.
상기 과정에서 추출한 각성과 이완에 해당하는 맥파 간격(PPI)과 맥파 진폭(PA)은 SVM을 통하여 학습과정을 수행한다. 학습과정에서는 주어진 학습데이터를 통하여 상기 커널들과 커널 파라미터(degree, gamma), SVM 파라미터인 C값을 변화 시키면서 여러 초평면을 찾는다. 이 때, 에러가 가장 적은 초평면이 최적 초평면으로 결정된다.
상기 과정을 통해 얻은 각성-이완 분류 초평면을 통하여 새롭게 측정되는 맥파 변수들은 각성과 이완으로 분류 된다. 도 3은 단일 변수의 평균에 의한 분류와 SVM에 의한 분류를 도시한다.
도 4는 PPG 검출을 위한 센서를 예시한다. 상기 PPG 센서(S1)는 광학적으로 맥파를 측정하는 포토-인터럽터로서 적외선 광원부(10a)와 적외선 수광부(10b)를 갖춘다. 상기 PPG 센서(S1)는 손가락(검지) 또는 귓불에 접촉했을 때 피하 혈류의 산소농도 변화를 검출한다. 즉, PPG 센서(S1)는 적외선 광원(10a)에서 발생한 적외선이 인체를 투과할 때 혈류량의 변동에 따라 그 투과량이 변하는 원리를 사용한 것이다. 심장이 박동할 때마다 혈류량이 변하고 그러한 혈류량의 변화를 PPG 센서(S1)를 사용하여 감지하여 이를 PPG 회로(10)로 전송한다. 이러한 맥박은 인간의 감정 상태와 상관 관계가 있다.
도 5는 상기 PPG 센서(S1)를 구비하는 하드웨어/소프트웨어 복합 생체 신호 분류 장치(1)의 일 실시 예를 보인다.
감성 인식 장치(20)는 PPG 센서(S1)와 이 들에 각각 연결되는 PPG 회로(10) 를 이들 회로로부터의 아날로그 신호를 디지털화하는 ADC(12), 그리고 ADC(12)로부터의 디지털 신호를 프로세싱하는 마이크로 프로세서(MCU, 13), 감성 분석모듈(14) 그리고 그 결과를 표시하는 표시기(15)를 구비한다. 위의 구조에서, 상기 표시기(15)는 선택적인 요소로서 디스플레이 등과 같은 시각화 장치 또는 프린터와 같은 인쇄장치로 대체될 수 있다.
상기 PPG 회로(201)는 포토-입터럽터 형태인 PPG 센서에 대한 전력 공급 및 이로부터의 신호를 증폭하는 증폭부, 그리고 이 신호로부터 노이즈를 제거하는 것으로 필요한 주파수 대역의 신호를 얻어내는 밴드 패스 필터를 구비할 수 있다. 상기 마이크로 프로세서(21)에서 분석된 감성 정보들은 감성 분석 모듈(14)을 통해 명확한 감성 상태로 결정되며, 이는 표시기(15)를 통해 가시화될 수 있다. 상기 마이크로 프로세서(21)와 감성 분석 모듈(14)은 전술한 변수 추출, 학습, 각성-이완을 분류하는 것으로서 하드웨어 파트와 소프트웨어 파트에 각각 해당한다.
상기와 같은 본 발명을 통하여 분류되는 각성-이완은 기존의 분류 방법인 평균적 수치에 의한 분류 방법 보다 학습을 통한 분류에 의하여 정확도를 향상 시킬 수 있다. 또한, 본 방법은 단일 센서의 사용으로 분류가 가능하므로, 인간공학적 측면에서 사용자의 불편함과 불쾌감을 줄일 수 있는 효과적인 방법이다. 이를 통하여, 다양한 산업에서 제품 사용의 안전성 검증, 몰입도 평가, 집중도 확인 등에 사용될 수 있으며, 유헬스케어를 위한 심박 측정에도 활용 가능하다.
전술한 본 발명에 따른 생체 신호 분류 방법 및 이를 적용하는 장치는 이해를 돕기 위하여 도면에 도시된 실시 예로서 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위에 의해 정해져야 할 것이다.
Claims (10)
- 피험자로부터 생체 신호를 검출하는 단계; 그리고
상기 생체 신호로부터 변수를 추출하여 SVM(Support Vector Machine) 기법으로 각성과 이완을 분류하는 단계; 를 포함하는 생체 신호 분류 방법. - 제1항에 있어서,
상기 생체 신호는 맥파인 것을 특징으로 하는 생체 신호 분류 방법. - 제 2 항에 있어서,
상기 변수: 는
맥파의 진폭; 그리고
맥파의 간격; 을 포함하는 것을 특징으로 하는 생체 신호 분류 방법. - 제3항에 있어서,
상기 SVM에 의해 상기 두 변수를 단일 변수로 변환하는 단계; 를 포함하는 생체 신호 분류 방법. - 피험자로부터 생체 신호를 검출하는 센서; 와
상기 생체 신호로부터 변수를 추출하여 SVM(Support Vector Machine) 기법으로 각성과 이완을 분류하는 분석 모듈; 을 구비하는 생체 신호 분류 장치. - 제 5 항에 있어서,
상기 센서는 피험자의 맥파를 검출하는 PPG센서인 것을 특징으로 하는 생체 신호 분류 장치. - 제 5 항 또는 제 6 항에 있어서,
상기 변수: 는
맥파의 진폭; 그리고
맥파의 간격; 을 포함하는 것을 특징으로 하는 생체 신호 분류 장치. - 제 7 항에 있어서,
상기 분석 모듈로부터의 결과를 표시하는 표시기를 더 구비하는 생체 신호 분류 장치. - 제 5 항 또는 제 6 항에 있어서,
상기 분석 모듈로부터의 결과를 표시하는 표시기를 더 구비하는 생체 신호 분류 장치. - 제7항에 있어서,
상기 SVM에 의해 상기 두 변수를 단일 변수로 변환하는 단계; 를 포함하는 생체 신호 분류 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110146116A KR20130077418A (ko) | 2011-12-29 | 2011-12-29 | 생체 신호 분류 방법 및 이를 적용하는 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110146116A KR20130077418A (ko) | 2011-12-29 | 2011-12-29 | 생체 신호 분류 방법 및 이를 적용하는 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20130077418A true KR20130077418A (ko) | 2013-07-09 |
Family
ID=48990665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020110146116A KR20130077418A (ko) | 2011-12-29 | 2011-12-29 | 생체 신호 분류 방법 및 이를 적용하는 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20130077418A (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190100888A (ko) * | 2018-02-21 | 2019-08-29 | 연세대학교 원주산학협력단 | 맥박산소측정기를 이용한 수면단계 분류 장치 및 방법 |
-
2011
- 2011-12-29 KR KR1020110146116A patent/KR20130077418A/ko not_active Application Discontinuation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190100888A (ko) * | 2018-02-21 | 2019-08-29 | 연세대학교 원주산학협력단 | 맥박산소측정기를 이용한 수면단계 분류 장치 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10299735B2 (en) | Automated diagnosis based at least in part on pulse waveforms | |
Joshi et al. | Nadi tarangini: A pulse based diagnostic system | |
EP3363351B1 (en) | System for detection of coronary artery disease in a person using a fusion approach | |
Sulaiman et al. | Novel methods for stress features identification using EEG signals | |
US20030139683A1 (en) | Apparatus and method for measuring electroencephalogram | |
Paiva et al. | Beat-ID: Towards a computationally low-cost single heartbeat biometric identity check system based on electrocardiogram wave morphology | |
Bashar et al. | Developing a novel noise artifact detection algorithm for smartphone PPG signals: Preliminary results | |
Van Gent et al. | Heart rate analysis for human factors: Development and validation of an open source toolkit for noisy naturalistic heart rate data | |
Sulaiman et al. | Development of EEG-based stress index | |
Hossain et al. | Automatic motion artifact detection in electrodermal activity data using machine learning | |
JP6842214B2 (ja) | 感情推定装置 | |
Rahman et al. | Mental stress recognition using K-nearest neighbor (KNN) classifier on EEG signals | |
Zschocke et al. | Detection and analysis of pulse waves during sleep via wrist-worn actigraphy | |
Gwak et al. | Support for a clinical diagnosis of mild cognitive impairment using photoplethysmography and gait sensors | |
Singh et al. | Expert diagnostic system for detection of hypertension and diabetes mellitus using discrete wavelet decomposition of photoplethysmogram signal and machine learning technique | |
Sivanjaneyulu et al. | Cnn based ppg signal quality assessment using raw ppg signal for energy-efficient ppg analysis devices in internet of medical things | |
Lima et al. | Heart rate variability and electrodermal activity biosignal processing: predicting the autonomous nervous system response in mental stress | |
Hermawan et al. | An integrated sleep stage classification device based on electrocardiograph signal | |
KR20130077418A (ko) | 생체 신호 분류 방법 및 이를 적용하는 장치 | |
Otis et al. | Comparative study of heart rate extraction methods for a novel intelligent mattress | |
Zhang et al. | Photoplethysmogram signal quality assessment using support vector machine and multi-feature fusion | |
Praveen et al. | Non-invasive Machine Learning approach for classifying Blood Pressure using PPG Signals in COVID situation | |
Jyothirmy et al. | Stress Monitoring in Humans using Biomedical Signal Analysis | |
Jokić et al. | An efficient approach for heartbeat classification | |
Pourroostaei Ardakani | MSAS: An M-mental health care System for Automatic Stress detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application | ||
N231 | Notification of change of applicant |