KR20130077418A - 생체 신호 분류 방법 및 이를 적용하는 장치 - Google Patents

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

생체 신호 분류 방법 및 이를 적용하는 장치{classification method of bio-electric signal and device adopting the classification method}

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.

KR 2003-0034424 A

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.

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)

1. 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.
2. 제1항에 있어서,
   상기 생체 신호는 맥파인 것을 특징으로 하는 생체 신호 분류 방법.
3. 제 2 항에 있어서,
   상기 변수: 는
   맥파의 진폭; 그리고
   맥파의 간격; 을 포함하는 것을 특징으로 하는 생체 신호 분류 방법.
4. 제3항에 있어서,
   상기 SVM에 의해 상기 두 변수를 단일 변수로 변환하는 단계; 를 포함하는 생체 신호 분류 방법.
5. 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.
6. 제 5 항에 있어서,
   상기 센서는 피험자의 맥파를 검출하는 PPG센서인 것을 특징으로 하는 생체 신호 분류 장치.
7. 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.
8. 제 7 항에 있어서,
   상기 분석 모듈로부터의 결과를 표시하는 표시기를 더 구비하는 생체 신호 분류 장치.
9. 제 5 항 또는 제 6 항에 있어서,
   상기 분석 모듈로부터의 결과를 표시하는 표시기를 더 구비하는 생체 신호 분류 장치.
10. 제7항에 있어서,
    상기 SVM에 의해 상기 두 변수를 단일 변수로 변환하는 단계; 를 포함하는 생체 신호 분류 장치.

Images