KR20190113552A - Ppg ibi 및 모폴로지를 기반으로 하는 수동 부정맥 감지 장치 및 방법 - Google Patents

Ppg ibi 및 모폴로지를 기반으로 하는 수동 부정맥 감지 장치 및 방법 Download PDF

Info

Publication number
KR20190113552A
KR20190113552A KR1020190021458A KR20190021458A KR20190113552A KR 20190113552 A KR20190113552 A KR 20190113552A KR 1020190021458 A KR1020190021458 A KR 1020190021458A KR 20190021458 A KR20190021458 A KR 20190021458A KR 20190113552 A KR20190113552 A KR 20190113552A
Authority
KR
South Korea
Prior art keywords
ppg signal
ppg
signal segments
processor
ibi
Prior art date
Application number
KR1020190021458A
Other languages
English (en)
Inventor
리펑 미아오
만만 장
메튜 위긴스
Original Assignee
삼성전자주식회사
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
Priority claimed from US15/994,495 external-priority patent/US10750960B2/en
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Publication of KR20190113552A publication Critical patent/KR20190113552A/ko

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
    • A61B5/72—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
    • A61B5/02—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
    • A61B5/02—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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • 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
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • 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
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • 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
    • 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]
    • 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
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/361—Detecting fibrillation
    • 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
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • 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
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
    • 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
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/366—Detecting abnormal QRS complex, e.g. widening
    • 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)
  • Cardiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Pulmonology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Vascular Medicine (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Physical Education & Sports Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

사용자 웨어러블 장치에서 이벤트 감지를 위한 방법은 사용자 웨어러블 장치에서 구현되는 제 1 센서로부터 PPG(photoplethysmogram) 신호들을 수신하는 단계, 프로세서에서 PPG 신호 샘플들을 얻기 위해 PPG 신호들을 처리하는 단계, 프로세서에서 PPG 신호 샘플들 내의 박동을 감지하는 단계, PPG 신호 샘플들을 PPG 신호 세그먼트들로 분할하는 단계, PPG 신호 세그먼트들 각각에서 적어도 하나의 IBI(inter-beat interval) 특징을 추출하는 단계, 프로세서에서, PPG 신호 세그먼트들 각각과 관련된 추출된 IBI 특징을 사용하고 머신 러닝 모델을 사용하여 PPG 신호 세그먼트들 각각을 분류하는 단계, 분류하는 단계에 응답하여, 프로세서에서, 추출된 IBI 특징에 기초하여 PPG 신호 세그먼트들 중 하나의 PPG 신호 세그먼트에 대한 이벤트 예측 결과를 생성하는 단계 및 사용자 웨어러블 장치에서 이벤트 예측 결과를 표시하는 단계를 포함한다. 다른 실시 예에서, 방법은 모폴로지 기반 특징들을 추출하는 단계를 더 포함한다.

Description

PPG IBI 및 모폴로지를 기반으로 하는 수동 부정맥 감지 장치 및 방법{PASSIVE ARRHYTHMIAS DETECTION APPARATUS AND METHOD BASED ON PHOTOPLETHYSMOGRAM(PPG) INTER-BEAT INTERVALS AND MORPHOLOGY}
본 발명은 의료 모니터링 장치 및 방법에 관한 것으로, 좀 더 상세하게는 부정맥을 감지하기 위한 시스템 및 방법에 관한 것이다.
부정맥 또는 불규칙한 심장 박동으로도 알려진 심장 부정맥은 심장 박동이 불규칙하거나, 너무 빠르거나, 너무 느린 상태의 그룹이다. 대부분의 부정맥은 심각하지 않지만 어떤 것들은 사람이 뇌졸중이나 심부전과 같은 합병증에 걸리기 쉽게 만들 수 있다. 다른 것들은 심장 마비를 일으킬 수 있다. 예를 들어, 심방 세동(Artial Fibrillation, AFib)은 가장 일반적인 심장 부정맥 중 하나이며, 심박 세동의 존재는 잠재적으로 심각한 건강 위험을 초래할 수 있다. 전통적으로, 심장 부정맥은 심전도(electrocardiogram, ECG) 또는 홀터 모니터(holter monitor)에 의해 감지된다.
ECG 측정은 환자에게 부착되는 다수의 전극을 갖는 정교한 감지 장치를 필요로 하며, 능동적인 인간 참여를 필요로 한다. 일반적으로, ECG 측정은 환자가 증상을 나타낸 이후에 진단 목적으로만 수행된다. PPG(Photoplethysmogram)는 부정맥 감지에서 ECG의 대안으로써 설명되어 왔다. 그러나, 심장 부정맥에 대한 일부 통상적인 PPG 측정 기술은 5초와 20초 사이의 윈도우와 같은 평균 심박수를 사용하는 심장 박동 또는 심박수 감지에 주로 의존한다. 평균 심장 박동의 변화 그 자체는 부정맥에 대한 믿을 수 있을 만한 신호가 아니다.
심장 부정맥을 검출하는 다른 PPG 기반 방법들은 민감도 및 특이성이 낮다. 또한, 일부 방법들은 측정을 수행하기 위해 30초의 연속적인 PPG 신호와 같은 PPG 신호의 큰 연속적인 청크를 필요로 한다.
본 발명은 상술된 기술적 과제를 해결하기 위한 것으로써, 본 발명의 목적은수동 부정맥 및 무증상 부정맥 감지를 가능하게 하는 PPG 기반 부정맥 감지 장치 및 방법을 제공하는 데 있다.
본 발명은 예를 들어 도면들 중 적어도 하나와 연결되어 아래에서 설명되거나 도시되는 것처럼 부정맥 감지를 위한 장치 및 발명을 개시한다. 부정맥 감지를 위한 장치 및 발명은 청구항들에서 더 완전하게 설명된다.
보여지는 실시 예의 상세한 설명뿐만 아니라 본 발명의 장점들, 일면들 및 새로운 특징들은 아래의 설명 및 도면으로부터 더욱 완전하게 이해될 것이다.
본 발명의 실시 예에 따른 사용자 웨어러블 장치에서 이벤트 감지를 위한 방법은 사용자 웨어러블 장치에서 구현되는 제 1 센서로부터 PPG(photoplethysmogram) 신호들을 수신하는 단계, 프로세서에서 PPG 신호 샘플들을 얻기 위해 PPG 신호들을 처리하는 단계, 프로세서에서 PPG 신호 샘플들 내의 박동을 감지하는 단계, PPG 신호 샘플들을 PPG 신호 세그먼트들로 분할하는 단계, PPG 신호 세그먼트들 각각에서 적어도 하나의 IBI(inter-beat interval) 특징을 추출하는 단계, 프로세서에서, PPG 신호 세그먼트들 각각과 관련된 추출된 IBI 특징을 사용하고 머신 러닝 모델을 사용하여 PPG 신호 세그먼트들 각각을 분류하는 단계, 분류하는 단계에 응답하여, 프로세서에서, 추출된 IBI 특징에 기초하여 PPG 신호 세그먼트들 중 하나의 PPG 신호 세그먼트에 대한 이벤트 예측 결과를 생성하는 단계 및 사용자 웨어러블 장치에서 이벤트 예측 결과를 표시하는 단계를 포함한다.
본 발명의 다른 실시 예에 따른 사용자 웨어러블 장치에서 이벤트 감지를 위한 방법은 사용자 웨어러블 장치에서 구현되는 제 1 센서로부터 PPG(photoplethysmogram) 신호들을 수신하는 단계, 프로세서에서 PPG 신호 샘플들을 얻기 위해 PPG 신호들을 처리하는 단계, 프로세서에서 PPG 신호 샘플들 내의 박동을 감지하는 단계, PPG 신호 샘플들을 PPG 신호 세그먼트들로 분할하는 단계, PPG 신호 세그먼트들 각각에서 PPG 신호 샘플들의 통계적 특성들 또는 PPG 신호 샘플들의 파형 특성들과 관련된 적어도 하나의 모폴로지 기반 특징을 추출하는 단계, 프로세서에서, PPG 신호 세그먼트들 각각과 관련된 추출된 모폴로지 기반 특징을 사용하고 머신 러닝 모델을 사용하여 PPG 신호 세그먼트들 각각을 분류하는 단계, 분류하는 단계에 응답하여, 프로세서에서, 추출된 모폴로지 기반 특징에 기초하여 이벤트 예측 결과를 생성하는 단계 및 사용자 웨어러블 장치에서 이벤트 예측 결과를 표시하는 단계를 포함한다.
본 발명의 또 다른 실시 예에 따른 장치는 PPG 신호들을 측정하도록 구성되는 제 1 센서를 포함하는 센서 모듈 및 프로세서를 포함한다. 프로세서는 PPG 신호 샘플들을 획득하고 PPG 신호 샘플들 내의 박동을 감지하고 PPG 신호 샘플들을 PPG 신호 세그먼트들로 분할하기 위해 PPG 신호들을 처리하도록 구성되는 데이터 처리 모듈, PPG 신호 세그먼트들 각각에서의 적어도 하나의 IBI의 특징을 추출하도록 구성되는 IBI 감지 모듈, PPG 신호 세그먼트들 각각에서의 적어도 하나의 모폴로지 기반 특징을 추출하도록 구성되는 모폴로지 감지 모듈 및 세그먼트와 관련된 추출된 IBI의 특징 및 추출된 모폴로지 기반 특징을 사용하고 머신 러닝 모델을 사용하여 PPG 신호 세그먼트들 각각을 분류하도록 구성되는 분류 모듈을 포함하고, 분류 모듈은 추출된 IBI의 특징 및 추출된 모폴로지 기반 특징에 기초하여 이벤트 예측 결과를 생성한다.
본 발명의 실시 예에 따른 PPG 기반 부정맥 감지 장치는 짧은 PPG 신호 세그먼트들을 이용하여 정확한 부정맥 정보를 추출하도록 구성된다. 따라서, 본 발명의 실시 예에 따르면, 수동 부정맥 및 무증상 부정맥 감지가 가능하게 된다.
본 발명의 다양한 실시 예들이 이하의 상세한 설명 및 수반되는 도면들에서 개시된다.
도 1은 본 발명의 실시 예에 따른 전자 장치를 도시한다.
도 2는 본 발명의 실시 예에 따른 사용자 웨어러블 장치의 블록도를 도시한다.
도 3은 본 발명의 실시 예에 따른 사용자 웨어러블 장치에서 부정맥을 감지하는 방법을 도시하는 흐름도이다.
도 4는 ECG 신호 및 PPG 신호의 예시적인 신호 파형을 도시한다.
도 5는 PPG 신호 샘플들의 시퀀스의 예시적인 신호 파형을 도시한다.
도 6은 심방 세동을 갖는 일련의 PPG 신호 샘플들의 예시적인 신호 파형을 도시한다.
도 7은 심방 세동이 있는 PPG 신호들 및 정상 동방결절 리듬을 갖는 PPG 신호들의 IBI의 연속 차이의 제곱 평균 제곱근의 히스토그램을 도시하는 도표이다.
도 8은 심방 세동이 PPG 신호들 및 정상 동방결절 리듬이 있는 PPG 신호들의 IBI의 멀티스케일 샘플 엔트로피 분석의 히스토그램을 도시하는 도표이다.
도 9는 정상 동방결절 및 심방 세동에 대한 곡선 아래의 면적의 표준 편차의 히스토그램을 나타내는 도표이다.
도 10은 긴 꼬리 특징들을 보여주는 일련의 PPG 신호 샘플들의 예시적인 신호 파형을 도시한다.
도 11은 본 발명의 실시 예에 따름 모바일 장치와 통신하는 사용자 웨어러블 장치를 도시한다.
도 12는 본 발명의 실시 예에 따른 클라우드 서버와 통신하는 사용자 웨어러블 장치를 도시한다.
본 발명은 프로세스; 장치; 시스템; 물질의 조성; 컴퓨터 판독 저장 매체 상에 구현된 컴퓨터 프로그램 제품; 및/또는 프로세서에 결합된 메모리에 저장되거나 프로세서에 결합된 메모리에 의해 제공되는 명령을 실행하도록 구성되는 프로세서 장치 또는 하드웨어 프로세서와 같은 프로세서를 포함하는 다양한 방법으로 구현될 수 있다. 본 명세서에서, 이러한 구현들 또는 여기에서 개시되는 임의의 다른 형태는 기술들로 지칭될 수 있다. 일반적으로, 개시된 프로세스의 단계들의 순서는 본 발명의 범위 내에서 변경될 수 잇다. 달리 언급하지 않는 한, 작업을 수행하도록 구성된 것으로써 설명되는 프로세서 또는 메모리와 같은 구성 요소는 주어진 시간에 작업을 수행하도록 일시적으로 구성되는 일반적인 구성 요소 또는 작업을 수행하도록 생산된 특정 구성 요소로써 구현될 수 있다. 여기에서 사용되는 용어 '프로세서'는 컴퓨터 프로그램 명령과 같은 데이터를 처리하기 위해 구성된 하나 이상의 장치들, 회로들 및/또는 프로세싱 코어들을 지칭할 수 있다.
본 발명의 하나 이상의 실시 예들의 상세한 설명은 본 발명의 원리를 설명하는 첨부되는 도면과 함께 아래에 제공된다. 본 발명은 이러한 실시 예들과 관련하여 설명되지만, 본 발명은 어떤 실시 예로도 한정되지 않는다. 본 발명은 많은 대안들, 수정들, 등가물들을 포함한다. 다수의 특정 세부 사항들은 본 발명의 완전한 이해를 제공하기 위해 아래의 설명에서 설명된다. 이 세부 사항들은 예시의 목적을 위해 제공되고, 본 발명은 이러한 특정 세부 사항들의 일부 또는 전부 없이 청구항들에 따라 실시될 수 있다. 명료성의 목적을 위해, 본 발명과 관련된 기술 영역에서 공지된 기술 자료는 본 발명이 불필요하게 불명료하게 되지 않도록 상세하게 설명되지 않았다.
본 발명의 실시 예들에서, 사용자 웨어러블 장치에서 구현되는 부정맥 감지 시스템 및 방법은 PPG(photoplethysmogram) 신호들의 IBI(inter-beat interval) 특징들 및/또는 beat-by-beat(이하, 박동 변화)의 형태학적 특징들을 분석함으로써 PPG 신호들을 사용하여 고정밀 심장 부정맥 감지를 제공한다. 일부 실시 예에서, 부정맥 감지 시스템 및 방법은 부정맥을 감지하고 불규칙하게 사용자의 PPG 파형의 불규칙한 IBI 특징들 및/또는 박동 변화의 형태학적 특징들을 분석하기 위해 PPG 신호들의 세그먼트들을 처리한다. 일 실시 예에서, 부정맥 감지 시스템 및 방법은 짧은 PPG 신호 세그먼트들에서 IBI 정보 및/또는 박동 변화의 형태학정 정보를 관찰한다. PPG 기반 부정맥 감지 시스템 및 방법은 통상적인 PPG 심박수 측정 방법에서 일반적으로 거부되는 PPG 신호 정보를 포함하여, 짧은 PPG 신호 세그먼트들로부터 정확한 부정맥 정보를 추출하도록 구성된다. 일부 실시 예에서, PPG 기반 부정맥 감지 시스템 및 방법은 종래의 심박수 기반 감지 방법에 비해 개선된 감지 정확도, 감도 및 특이도를 제공한다. 중요하게도, PPG 기반 부정맥 감지 시스템 및 방법은 수동 및 무증상 부정맥 감지를 가능하게 한다. 즉, 부정맥 감지는 사용자가 부정맥을 나타내는 증상을 나타내거나 경험하기 전에 수행될 수 있다.
특히, 종래의 부정맥 감지 기술들은 심장 박동 정보의 박동 간격들(interbeat intervals)의 통계적인 분포에만 전적으로 의존하고 심장 박동 신호에 존재할 수 있는 형태학적 정보에는 의존하지 않는다. 본 개시의 일부 측면에서, 본 발명의 부정맥 감시 시스템 및 방법은 PPG 신호들의 형태학적 특징들의 분석을 포함하고, 따라서 생리학적 환경에도 존재하는 PPG 신호에서 이용 가능한 형태학적 정보로부터 이익을 얻는다.
본 발명에서, PPG는 광학적으로 획득한 혈량계를 말한다. 혈량계는 신체 기관에서의 체적 측정기이다. PPG는 흔히 피부를 밝혀주고 빛의 흡수의 변화를 측정하는 맥박 산소 측정기를 사용하여 얻을 수 있다. 종래의 맥박 산소 측정기는 심장이 주변으로 혈액을 펌프하여 피부에서 압력 맥박을 일으키는 심장 사이클의 결과로써 피부의 진피 및 피하 조직으로 혈액의 관류를 모니터링한다. 압력 맥박으로 인한 체적 변화는 발광 다이오드로부터의 빛으로 피부를 밝힌 다음 포토다이오드로 전송되거나 반사되는 빛의 양을 측정함으로써 감지된다. PPG 기반 감지의 이점은 참가자의 적극적인 노력 없이 소비자 레벨의 웨어러블 장치에서 PPG 신호들을 쉽게 기록하고 모니터링할 수 있다는 것이다. 이 이점은 입수 가능한 웨어러블 장치들 및 스마트 폰들과 함께 수동 심장 부정맥 모니터링 및 감지를 가능하게 할 수 있다.
본 발명의 실시 예들에서, 본 발명의 PPG 기반 부정맥 감지 시스템 및 방법은 PPG 신호들의 짧은 이산 세그먼트들을 사용하고 짧은 PPG 신호 세그먼트들에 대해 하나 이상의 신호 분석을 수행하여 심장 부정맥(cardiac or heart arrhythmia)을 감지한다. 일 실시 예에서, 시스템은 각 PPG 신호 세그먼트에 포함된 PPG 박동의 IBI의 분포의 통계적인 규칙성을 분석한다. 다른 실시 예에서, 시스템은 각 PPG 신호 세그먼트에 포함된 PPG 박동의 모폴리지 기반 특징들을 분석한다. 일부 실시 예들에서, 시스템은 각 PPG 신호 세그먼트로부터 추출된 인접한 PPG 박동의 모폴리지 기반 특징들 사이의 유사성 또는 모폴로지 특성들의 통계적인 분포를 분석할 수 있다. 또 다른 실시 예에서, 시스템은 두 세트-즉, 부정맥을 감지하기 위해 분석되는 IBI 특성들 및 모폴로지 특성들-의 분석을 모두 수행한다.
따라서, 일부 실시 예들에서, PPG 기반 부정맥 감지 시스템 및 방법은 단지 PPG 신호 세그먼트들의 IBI 특징들을 분석하거나 PPG 신호 세그먼트의 박동 간격 모폴로지 기반 특징들을 분석함으로써 고정밀 심장 부정맥 감지를 제공한다. 몇몇 예들에서, PPG 신호 세그먼트들의 박동 간격의 형태학적 특징들과 관련된 정보는 감지 정확도를 증가시키기 위해 IBI 특징들을 기반으로 하는 분석에 추가될 수 있다.
본 설명에서, 'IBI 특징들' 또는 '모폴리지 기반 특징들'에서 사용되는 '특징'이라는 용어는 파형 형태, 파형의 특성들, 파형 품질 및 통계적 특성들 또는 속성들, 측정된 특징들 또는 속성들 또는 파생된 특징들 또는 속성들을 모두 지칭한다. 예로서, IBI 특성들은 IBI의 통계적 분포를 포함할 수 있다. 다른 예로서, 모폴로지 특징들은 인접한 PPG 박동 사이의 파형 유사성을 포함할 수 있다. 모폴로지 특징들은 또한 특정 형태학적 특성들의 통계적 분포를 포함할 수 있다.
다른 실시 예들에서, 본 발명의 PPG 기반 부정맥 감지 시스템 및 방법은 감지 정확도를 향상시키기 위해 ECG(electrocardiogram) 신호를 사용하여 PPG 신호를 조정한다. 일 실시 예에서, ECG 신호는 IBI 특징 분석에서 감지된 박동의 시간 간격을 적응적으로 조정하는데 사용된다. 다른 실시 예에서, ECG 신호는 감지 정확도를 증가시키기 위해 분류하는 동안 결정 임계치를 적응적으로 조정하는데 사용된다.
본 발명의 PPG 기반 부정맥 감지 시스템 및 방법은 PPG를 사용하여 종래 부정맥 감지 방법들에 비해 많은 이점을 실현한다. 예를 들어, 본 발명의 PPG 기반 부정맥 감지 시스템은 많은 짧은 PPG 신호 세그먼트들을 분석할 수 있고 긴 연속적인 PPG 세그먼트를 요구하지 않도록 구현된다. 예로서, 길이가 2~15초인 다양한 PPG 신호 세그먼트들의 정보/특징들은 통계적 평가 및 분류를 위해 집계될 수 있다. 짧은 PPG 신호 세그먼트들은 일부 종래 시스템들에서 요구되는 30초 신호 세그먼트보다 훨씬 더 빈번하게 사용할 수 있다. 두 번째, 본 발명의 PPG 기반 부정맥 감지 시스템은 평균 심박수 정보만을 사용하는 종래 시스템들보다 더 정확한 감지를 제공한다. 본 발명의 PPG 기반 부정맥 감지 시스템은 부정맥의 특성들을 보다 잘 나타내어 감지 성능을 현저히 향상시킬 수 있는 IBI 및 박동 간격 모폴로지 특징들을 사용한다.
본 발명의 예시적인 실시 예에서, PPG 기반 부정맥 감지 시스템 및 방법은 PPG 센서를 포함하는 손목 기반 웨어러블 장치에 구현된다. 사용자 또는 피험자는 손목 밴드식 웨어러블 장치를 연속하여 착용하고 시스템은 감지되는 부정맥에 대한 알림을 제공한다. 일부 실시 예들에서, 손목 기반 웨어러블 장치는 착용자가 정지 상태에 있는지를 연속하여 판별하는데 사용되는 가속도계를 포함한다. 일 실시 예에서, 사용자가 정지 상태에 있을 때, PPG 신호를 측정하기 위해 PPG 광 센서가 활성화된다. PPG 신호는 착용자가 부정맥을 앓는지를 판별하기 위한 일련의 핵심 지표들에서 관찰된다. 다른 실시 예들에서, PPG 광 센서는 연속적인 측정을 하고, 가속도계는 PPG 기반 부정맥 감지 시스템에 모션 표시 신호를 제공한다. PPG 기반 부정맥 감지 시스템은 PPG 신호들을 처리하고 PPG 신호의 정확도에 영향을 줄 수 있는 높은 강도의 모션과 관련된 PPG 신호의 일부를 삭제할 수 있다.
도 1은 본 발명의 실시 예에 따른 전자 장치를 도시한다. 도 1을 참조하면, 사용자 웨어러블 장치일 수 있는 전자 장치(100)는 디스플레이(160), 프로세서(130), 센서 모듈(150), 배터리(도시되지 않음), 밴드(140) 및 걸쇠(150)를 갖는다. 밴드(140)는 손목 주위에 감싸질 수 있고, 사용자 웨어러블 장치(100)는 걸쇠(142)를 사용하여 손목에 고정될 수 있다. 센서 모듈(150)은 하나 이상의 센서들(152, 156) 및 로컬 프로세서(154)를 포함할 수 있다. 로컬 프로세서(154)는 센서 모듈에 대한 제어 기능을 구현하고 감지된 신호의 처리 또는 사전 처리를 수행 할 수도 있다. 프로세서(130)는 사용자 웨어러블 장치에 대한 제어 기능을 구현하고 감지된 신호에 대한 추가 신호 처리 기능을 수행할 수도 있다. 로컬 프로세서(154) 또는 프로세서(130)는 또한 진단 프로세서로 지칭 될 수 있다.
사용자 웨어러블 장치(100)가 손목에 착용될 수 있지만, 본 발명의 다양한 실시 예들이 여기에 제한될 필요는 없다. 또한, 사용자 웨어러블 장치(100)는 신체의 일부분에 예를 들어, 팔(팔뚝, 팔꿈치 또는 상부 암)에, 다리에, 가슴에, 머리띠처럼 머리에, '초커'처럼 목에, 귀에 착용되도록 설계될 수 있다. 사용자 웨어러블 장치(100)는 예를 들어 스마트 폰, 랩탑 또는 병원 또는 의사 사무실에서의 다양한 의료 장치와 같은 다른 전자 장치들과 통신할 수 있다.
디스플레이(160)는 사용자 및/또는 다른 사람들이 볼 수 있도록 사용자의 신체로부터 모니터링된 생리 신호들을 출력할 수 있다. 모니터링 되는 생리 신호들은 종종 생체 신호 또는 생체 인식 데이터로 지칭된다. 모니터링된 생체 신호는 예를 들어 심장(맥박) 속도, 맥박 모폴로지(형태), 맥박 간격(IBI), 호흡(breathing) 속도 및 혈압일 수 있다. 디스플레이(160)는 또한 예를 들어 상태 및 진단 결과뿐만 아니라 사용자 웨어러블 장치(100)의 사용 또는 다른 측정 장치들의 사용에 있어서 사용자 또는 다른 사람들에게 명령을 출력할 수 있다.
프로세서(130)는 센서 모듈(150) 내의 센서들로부터 모니터링되거나 감지되는 신호들을 수신한다. 예를 들어, 센서들(152, 156)은 사용자 웨어러블 장치(100)가 사용자에 의해 착용될 때 사용자의 손목으로부터 신호를 획득한다. 본 발명의 실시 예에서, 센서 모듈(150)은 생체생리학적 센서인 센서(152)를 포함한다. 일 실시 예에서, 생체생리학적 센서는 PPG 센서이다. 다른 실시 예에서, 센서 모듈(150)은 관성 측정 센서인 제 2 센서(156)를 더 포함한다. 일 실시 예에서, 관성 측정 센서는 가속도계이다. 센서 모듈(150)은 센서들(152, 156)을 제어하고 또한 센서들에 의해 감지된 신호를 처리하기 위한 프로세서(154)를 포함할 수 있다. 예를 들어, 프로세서(154)는 센서(152, 156)에 의해 모니터링 된 신호들을 분해 한 다음 분해된 신호를 재구성할 수 있다. 본 발명의 다양한 실시 예는 또한 프로세서(154)의 기능들을 수행하는 프로세서(130)를 가질 수 있다. 본 발명의 다양한 실시 예는 또한 상이한 수의 센서들을 가질 수 있다.
일부 실시 예들에서, 센서 (152)는 사용자의 심장 박동 속도 또는 심장 맥박 형태와 같은 심장 관련 생리학적 정보를 연속적으로 또는 주기적으로 모니터링하는데 사용되는 PPG 센서이다. 한편, 센서(156)는 지속적으로 또는 주기적으로 사용자의 모션 정보를 모니터링하기 위해 사용되는 가속도계이다. 센서 모듈(150)은 예를 들어 사용자의 온도를 측정하기 위한 온도계와 같은 다른 센서들을 포함할 수 있다.
사용자 웨어러블 장치(100)는 프로세서(130)에서 본 발명의 PPG 기반 부정맥 감지 시스템을 구현한다. 일부 실시 예들에서, PPG 기반 부정맥 감지 시스템은 PPG 신호들을 짧은 PPG 신호 세그먼트들로 분할하기 위한 신호 처리 모듈을 포함하고, 모니터링된 신호에서 심장 부정맥의 존재 확률을 측정하고 PPG 신호 세그먼트들을 평가하기 위한 머신 러닝 네트워크를 포함한다.
도 2는 본 발명의 실시 예에 따른 사용자 웨어러블 장치의 블록도를 도시한다. 도 2를 참조하면, 사용자 웨어러블 장치(100)는 센서 모듈(150), 프로세서(130), 디스플레이(160) 및 다른 구성 요소들로 전력을 공급하기 위한 배터리(170)를 포함한다. 프로세서(130)는 디스플레이(160) 상에 제공된 출력을 제어한다. 디스플레이(160)는 또한 예를 들어 버튼들, 다이얼들, 터치 감지 스크린 및 마이크로폰과 같은 입력 장치들(미도시)을 포함 할 수 있다.
본 발명의 실시 예들에서, 센서 모듈(150)은 사용자의 생체 신호를 측정하기 위한 생체생리학적 센서(152)를 포함한다. 본 실시 예에서, 생체생리학적 센서(152)는 PPG 센서이다. 센서 모듈(150)은 사용자의 모션 신호를 측정하기 위한 관성 측정 센서(156)를 더 포함 할 수 있다. 본 실시 예에서, 관성 측정 센서(156)는 3축 가속도계와 같은 가속도 계이다. 센서 모듈(150)은 센서들(152, 156)을 제어하고 센서들(152, 156)에 의해 각각 감지되는 생체 신호들 및 모션 신호들을 처리하기 위한 로컬 프로세서(154)를 제공받을 수 있다. 일부 실시 예에서, 신호 처리 프로세서는 로컬 프로세서(154) 및/또는 프로세서(130)에서 구현될 수 있다. 또는, 로컬 프로세서(154)는 특정 신호 전처리와 같은 신호 처리의 일부를 수행 할 수 있고, 프로세서(130)는 생체 인식 결정 또는 다른 기능들을 위한 다른 신호 처리 알고리즘을 구현한다. 본 발명의 실시 예들에서, 생체 인식 신호 처리 알고리즘을 실행하는데 사용되는 특정 프로세서는 본 개시의 실시에 중요하지 않다.
본 발명의 실시 예들에서, 프로세서(130)는 사용자 웨어러블 장치에서 감지 동작, 샘플링 스케줄, 신호 처리 동작, 및 장치 통신 이벤트 및 다른 장치 특정 기능을 제어하도록 구성된다. 본 실시 예에서, 프로세서(130)는 CPU(132), 메모리(134), 입출력 인터페이스(182), 통신 인터페이스(184) 및 감지 모듈(190)을 포함한다. 프로세서(130)는 여러 요소를 포함하는 것으로 기술되지만, 다른 실시 예들은 상이한 기능들이 상이한 방식으로 그룹화되는 다른 구조를 사용할 수 있다. 예를 들어, 그룹화는 상이한 집적 회로 칩들 내에 있을 수 있다. 또는 그룹화는 입출력 인터페이스(182) 및 통신 인터페이스(184)와 같은 서로 다른 구성 요소들을 함께 결합할 수 있다.
프로세서(130)는 PPG 신호와 같은 감지된 생체 신호에 대해 부정맥 감지를 수행하기 위해 감지 모듈(190)을 통합할 수 있다. 본 발명의 실시 예들에서, 감지 모듈(190)은 데이터 처리 모듈(192), IBI 감지 모듈(194), 모폴로지 감지 모듈(196), 및 분류 모듈(198)을 포함한다. 신호 처리 모듈(192)은 감지된 생체 신호에 대해 신호 처리를 수행하도록 구성된다. 예를 들어, 데이터 처리 모듈(192)은 감지된 PPG 신호에 대한 기준선 제거 또는 직류(DC) 신호 레벨 제거를 수행할 수 있다. 다른 실시 예들에서, 데이터 처리 모듈(192)은 감지된 PPG 신호들을 짧은 PPG 신호 세그먼트들로 분할하기 위해 신호 분할을 수행할 수 있다. 예를 들어, 각 PPG 신호 세그먼트는 2초와 15초 사이일 수 있다. 대안으로, 각 PPG 신호 세그먼트는 n개의 감지된 박동을 포함할 수 있다. 일 실시 예에서, n은 40과 70 사이이다. 즉, 각 PPG 신호 세그먼트는 40번부터 70번까지의 박동을 포함할 수 있다.
IBI 감지 모듈(194)은 PPG 신호 세그먼트의 감지된 박동에서 IBI의 분석을 구현한다. 모폴로지 감지 모듈(196)은 PPG 신호의 감지된 박동의 모폴로지 기반 특징들의 분석을 구현한다. 일부 실시 예들에서, 감지 모듈(190)은 IBI 감지 모듈 및 모폴로지 감지 모듈 중 하나 또는 모두를 포함 할 수 있다.
분류 모듈(198)은 PPG 신호 세그먼트들에서 부정맥의 존재를 감지하기 위해 PPG 신호 세그먼트들의 분류를 구현한다. 분류 모듈(198)은 IBI 감지 모듈(194)로부터의 분석 결과 및/또는 모폴로지 감지 모듈(196)로부터의 분석 결과를 사용한다. 분류 모듈(198)은 PPG 신호 세그먼트에서의 부정맥 존재 확률을 예측한다.
다른 실시 예들에서, 본 발명의 부정맥 감지 시스템은 센서 모듈을 포함하는 사용자 웨어러블 장치와 통신하는 전자 장치에 구현될 수 있다. 예를 들어, 전자 장치는 스마트 폰 또는 태블릿 장치와 같은 모바일 장치 일 수 있다. 감지된 PPG 신호들 및 모션 신호들과 같은 다른 수반하는 신호들은 도 11에 도시된 바와 같이 본 발명의 부정맥 감지 방법에 따라 신호 처리 및 부정맥 감지를 위한 전자 장치에 제공될 수 있다. 전자 장치는 감지 결과가 사용자 웨어러블 장치 상에 표시되도록 제공한다.
또 다른 실시 예들에서, 본 발명의 부정맥 감지 시스템은 데이터 네트워크 상에 배치되는 클라우드 서버에 구현되고 센서 모듈을 포함하는 사용자 웨어러블 장치와 통신할 수 있다. 감지된 PPG 신호 및 모션 신호와 같은 다른 수반하는 신호는 도 12에 도시된 바와 같이 본 발명의 부정맥 감지 방법에 따른 신호 처리 및 부정맥 감지를 위해 데이터 네트워크를 통해 클라우드 서버에 제공될 수 있다. 클라우드 서버는 사용자 웨어러블 장치 상에 표시될 감지 결과를 제공 할 수 있다. 본 설명에서, 클라우드 서버는 인터넷과 같은 데이터 네트워크에 걸쳐 클라우드 컴퓨팅 플랫폼을 통해 구축되고 관리되고(hosted) 전달되는 논리 서버를 지칭한다. 예를 들어, 클라우드 서버는 일반적인 서버와 비슷한 성능과 기능을 가지지만 클라우드 서비스 공급자로부터 원격으로 액세스될 수 있다.
도 3은 본 발명의 실시 예들에서 사용자 웨어러블 장치에서의 부정맥 감지 방법을 설명하는 흐름도이다. 일부 실시 예들에서, 방법(200)은 도 1 및 도 2의 사용자 웨어러블 장치(100)의 프로세서(130)와 같은 웨어러블 장치 내의 프로세서에서 구현될 수 있다. 또는, 방법(200)은 웨어러블 장치와 통신하는 모바일 장치에서 구현될 수 있다. 또 다른 실시 예에서, 방법(200)은 웨어러블 장치와 통신하는 클라우드 서버에서 구현될 수 있다. 도 3을 참조하면, 방법(200)은 사용자 웨어러블 장치(202)에 구현된 제 1 센서로부터 생체신호 데이터 신호들의 채널을 수신한다. 예를 들어, 생체신호 데이터 신호는 PPG 신호일 수 있다. 본 실시 예에서, 방법(200)은 미가공 데이터 샘플들, 즉 처리되지 않았거나 최소로 처리된 데이터 샘플들을 수신한다.
동작 204에서, 방법(200)은 PPG 신호 샘플들을 획득하기 위해 PPG 신호들의 처리를 수행한다. 일부 예들에서, PPG 신호들의 처리는 직류 기준선 신호 레벨을 제거하는 것을 포함할 수 있다. 다른 예들에서, 처리는 신호 레벨을 향상시키는 다른 신호 처리를 포함할 수 있다. 처리 결과로써, PPG 신호 샘플들이 생성된다. 일 실시 예에서, 처리 단계는 사용자 웨어러블 장치(100)의 프로세서(130)의 감지 모듈(190) 내의 데이터 처리 모듈(192)에 의해 수행된다.
도 4는 ECG 신호 및 PPG 신호의 예시적인 신호 파형을 도시한다. 특히, 심장 리듬 또는 심장 박동을 측정하기 위한 PPG 신호는 특정 파형의 윤곽을 가지며 ECG 신호의 파형의 윤곽과는 상이하다. 도 4를 참조하면, ECG는 심장의 전기적 활동을 측정하고 ECG 신호(곡선 250)는 심장의 주요 펌핑 수축을 나타내는 QRS 복합체로 알려진 현저한 특징을 포함한다. ECG 신호에서의 R 피크는 맥동 맥박 사이에서 발생하는 시간을 측정하기 위해 심박수 알고리즘에 의해 사용된다. 각 R 피크 사이의 지속 시간은 RR 간격으로 지칭된다.
한편, PPG는 신체의 동맥에 작용하는 가압된 맥박을 측정하는데, 이것은 동맥이 이전 상태로 돌아가기 전에 동맥을 약간 팽창시킨다. PPG 신호는 광 신호의 진폭이 펄스 압력에 직접 비례하는 광 신호이다. PPG 신호(곡선 252)는 신호 파형의 주기성을 나타내는데 사용될 수 있고 심박수의 추정을 가능하게 하는 최고점들(peaks) 및 최소점들(valleys)을 가진 준-주기 펄스들을 포함한다. 특히, 두 개의 인접한 펄스들의 최고점들 사이 또는 두 개의 인접한 펄스들의 최소점들 사이의 지속 기간은 심장 박동수의 지표로써 사용될 수 있는 IBI(Inter-beat Interval)로 지칭된다. 어떤 경우에는 PPG 신호가 중복 절흔을 나타낸다. 중복 절흔은 동맥압 파형의 다운스트로크(downstroke)에서 관찰되는 작은 하향 꺾임이다. 이것은 동맥 트리에서 겹쳐진 1 차 및 반사된 압력파의 교차를 나타낸다.
도 3을 다시 참조하면, 동작 206에서, 방법(200)은 PPG 신호 샘플들에서의 박동을 감지한다. 일 실시 예에서, 방법(200)은 PPG 신호의 신호 파형에서 최고점들 및 최저점들을 감지하고 PPG 신호 샘플들에서 박동의 위치를 나타내기 위해 감지된 최고점들 또는 최저점들을 사용한다. 도 5는 PPG 신호 샘플들의 시퀀스의 예시적인 신호 파형을 도시한다. 도 5를 참조하면, 본 실시 예에서, 방법(200)은 PPG 신호 샘플들에서 박동 또는 심장 박동의 위치를 판별하기 위해 신호 파형의 최저점들을 감지한다. 따라서, 방법(200)은 박동으로서 PPG 신호 샘플들에서 각 펄스의 경계를 식별한다.
도 3을 다시 참조하면, 동작 208에서, 방법(200)은 PPG 신호 샘플들을 PPG 신호 세그먼트들로 분할한다. 일 실시 예에서, 방법(200)은 PPG 신호 샘플들을 t초와 같이 주어진 시간 지속 기간을 갖는 PPG 신호 세그먼트들로 분할한다. 예를 들어, 각 PPG 신호 세그먼트는 2초와 15초 사이일 수 있다. 다른 실시 예에서, 방법(200)은 PPG 신호 샘플들을 n번의 박동 수의 PPG 세그먼트들로 분할한다. 예를 들어, 각 PPG 신호 세그먼트는 40번부터 70번 사이의 박동을 포함할 수 있다.
본 개시의 실시 예들에서, 방법(200)은 PPG 신호 세그먼트를 형성하기 위해 주어진 시간 지속 기간동안 박동을 수집하고, PPG 신호 세그먼트의 박동은 시간상 연속적이거나 연속적이지 않을 수 있다. 본 발명의 다른 실시 예들에서, 방법(200)은 PPG 신호 세그먼트를 형성하기 위해 주어진 횟수의 박동을 수집하고, PPG 신호 세그먼트의 박동은 시간상 연속적이거나 연속적이지 않을 수 있다. 방법(200)은 PPG 신호 세그먼트를 형성하기 위해 PPG 신호 샘플들에서 일부 박동을 수집하고 일부 박동을 폐기한 다음 다른 박동을 수집하는 것을 재개할 수 있다.
동작 210에서, 방법(200)은 각 PPG 신호 세그먼트에서 IBI 특징들을 추출한다. 특히, 방법(200)은 각 PPG 신호 세그먼트에 포함된 PPG 박동의 IBI의 분포의 통계적 규칙성을 분석하기 위해 PPG 신호 세그먼트를 평가한다. 이러한 방식으로, 방법(200)은 불규칙적으로 불규칙한 IBI 특성들을 추출할 수 있다. 일 실시 예에서, IBI 특징 추출 단계는 사용자 웨어러블 장치(100)의 프로세서(130)의 감지 모듈(190) 내의 IBI 감지 모듈(194)에 의해 수행된다.
정상적인 PPG 펄스들의 경우, 개인의 심장 박동 사이의 시간 간격은 호흡 및 다른 장기간의 교감 반응들로 인해 상당히 예측 가능한 방식으로 변한다. 그러나 개인이 부정맥을 앓을 때, IBI는 조직에 존재하는 비정상적인 활성화 패턴으로 인해 매우 불규칙해져서 간격들을 분명히 통계적으로 더 불규칙적이고 덜 예측 가능하게 만든다. 비정상적인 IBI는 정상 PPG 펄스와 부정맥이 있는 PPG 펄스를 비교함으로써 관찰될 수 있다.
특히, 도 5는 정상 동방결절 리듬의 피험자로부터 수집된 PPG 신호 샘플들을 도시한다. IBI 지속 시간은 1.04초부터 1.12초까지 다양하다. IBI 지속 시간은 PPG 펄스들에 따라 다르지만, IBI 지속 시간은 일정하고 예측 가능한 방식으로 변한다. 도 6은 심방 세동을 갖는 일련의 PPG 신호 샘플들의 예시적인 신호 파형을 도시한다. 부정맥이 있는 PPG 신호 샘플의 경우, IBI 지속 시간은 PPG 펄스 세트에 따라 크게 변한다. 본 예들에서, IBI 지속 시간은 0.56초부터 1.14초까지 변한다. 이러한 불규칙적인 불규칙성은 부정맥이나 심방 세동의 지표이다.
본 개시의 실시 예들에서, 방법(200)은 각각의 PPG 신호 세그먼트를 분석하고 PPG 신호들에서 IBI의 '불규칙한 불규칙성' 특징을 추출한다. 일부 실시 예들에서, PPG 신호의 IBI의 불규칙성은 IBI 양의 분포의 하나 이상의 통계적 척도를 사용하여 특성화된다. 일부 실시 예들에서, 방법(200)은 IBI 지속 시간을 평가하기 위해 하나 이상의 통계적 척도를 구현한다. 하나의 예에서, 통계적 척도는 표준 편차, 비대칭, 첨도, 정보 엔트로피, IBI의 연속 차이의 제곱 평균 제곱근(RMSSD), 터닝 포인트 비율 및 멀티스케일 샘플 엔트로피를 포함할 수 있다. 통계적 척도들은 정상 동방결절 리듬으로부터의 편차를 나타내는 PPG 신호 세그먼트의 특징들을 추출하는데 사용된다.
도 7은 심방 세동이 있는 PPG 신호들 및 정상 동방결절 리듬을 갖는 PPG 신호들의 IBI의 연속 차이의 제곱 평균 제곱근의 히스토그램을 나타내는 도표이다. 도 7을 참조하면, 연속 차이 분석의 제곱 평균 제곱근을 사용함으로써, 비정상 IBI를 갖는 PPG 신호들 및 정상 IBI를 갖는 PPG 신호들이 쉽게 구별될 수 있다.
도 8은 심방 세동이 PPG 신호들 및 정상 동방결절 리듬이 있는 PPG 신호들의 IBI의 멀티스케일 샘플 엔트로피 분석의 히스토그램을 도시하는 도표이다. 도 8을 다시 참조하면, 멀티스케일 샘플 엔트로피 분석을 사용함으로써, 비정상 IBI를 갖는 PPG 신호들 및 정상 IBI를 갖는 PPG 신호들이 쉽게 구별될 수 있다.
도 3으로 돌아가면, 동작 212에서, 방법(200)은 각 PPG 신호 세그먼트에서 모폴로지 기반 특징들을 추출한다. 특히, 방법(200)은 각 PPG 신호 세그먼트에 포함 된 PPG 박동의 모폴로지 기반 특징들을 분석하기 위해 PPG 신호 세그먼트들을 평가한다. 모폴로지 기반 특징들은 통계적 특징들, 측정된 특징들 또는 PPG 신호 세그먼트들의 PPG 박동으로부터 유도된 특징들을 포함할 수 있다. 모폴로지 기반 특징들은 PPG 신호 세그먼트에서 PPG 박동의 파형 형태, 파형 특성 및 파형 품질을 포함할 수도 있다. 일 실시 예에서, 방법(200)은 각 PPG 신호 세그먼트로부터 추출된 인접한 PPG 박동의 모폴로지 특징들 사이의 유사성 및 모폴로지 특성들의 통계적 분포를 분석한다. 일 실시 예에서, 모폴로지 특징 추출 단계는 사용자 웨어러블 장치(100)의 프로세서(130)의 감지 모듈(190)에서 모폴로지 감지 모듈(196)에 의해 수행된다.
도 5에서 PPG 펄스 파형에 의해 도시된 바와 같이, 정상 동방 결정 리듬에서, 정상 동방 결정 리듬의 피험자로부터 인접한 PPG 박동은 파형 형상/ 형태에서 매우 유사하다. 그러나, 도 6에서 PPG 펄스 파형에 의해 도시된 바와 같이, 이는 부정맥에 대한 경우는 아니다. 예를 들어, 불규칙하게 일찍 도착한 박동은 일반적으로 이전 박동의 피가 피부에서 완전히 분산되어 직류 신호 상승을 일으키지 못하도록 하는 반면, 유사한 음의 기준선 모션은 늦게 도착한 PPG 박동에서 볼 수 있다. 마찬가지로, 심장 근육이 비정상적으로 수축되어 혈액이 다르게 분출되기 때문에 PPG 파형에 의해 감지된 관류는 주변과 다른 모양 및 압력 반사를 가질 수 있고, 원래의 압력 펄스에 겹쳐진 추가적인 반사 파형을 구성한다. 결과적으로, 형태 학적 특징들은 정상 동방결절을 심장 부정맥으로부터 구별하는 좋은 수단으로써 사용될 수 있다.
본 발명의 실시 예들에서, 부정맥 감지 방법(200)은 PPG 신호 세그먼트에서의 PPG 박동의 곡선 아래의 면적(AUC)의 표준 편차를 포함하는 모폴로지 기반 특징들을 추출한다. 예를 들어, 도 9는 정상 동방결절 및 심방 세동에 대한 곡선 아래의 면적의 표준 편차의 히스토그램을 나타내는 도표이다. 정상 동방결절의 히스토그램과 심방 세동의 히스토그램 사이의 모폴로지 특성 차이가 도 9에서 명확하게 관찰 될 수 있다. 방법(200)은 심장 부정맥의 징후를 감지하기 위한 PPG 신호 세그먼트에서 PPG 박동의 곡선 아래 면적의 표준 편차를 평가한다.
다른 실시 예들에서, 부정맥 감지 방법(200)은 PPG 신호 세그먼트에서 인접한 PPG 박동의 파형 유사성을 포함하는 모폴로지 기반 특징들을 추출한다. 파형 유사성은 교차 상관 또는 유사성 척도를 사용하여 평가될 수 있다. 방법(200)은 가능한 부정맥의 징후를 감지하기 위해 PPG 신호 세그먼트에서의 PPG 박동의 파형 유사성 척도를 평가한다.
다른 실시 예들에서, 부정맥 감지 방법(200)은 PPG 신호 세그먼트에서 긴 꼬리(long tail)를 갖는 PPG 박동의 비율을 포함하는 모폴로지 기반 특징들을 추출한다. 예를 들어, 방법(200)은 긴 꼬리를 갖는 PPG 박동의 발생률을 감지한다. 본 설명에서, 긴 꼬리를 갖는 PPG 박동은 확장된 하향 기울기를 갖는 PPG 박동 파형을 지칭한다. 즉, 긴 꼬리 특징은 동맥압 파형의 확장된 다운스트로크를 의미한다. 도 10은 긴 꼬리 특징들을 보여주는 일련의 PPG 신호 샘플들의 예시적인 신호 파형을 도시한다. 도 10을 참조하면, 라벨 LT는 긴 꼬리를 갖는 PPG 펄스들을 나타낸다. 방법(200)은 긴 꼬리 특징을 갖는 박동의 횟수를 감지하기 위해 PPG 신호 세그먼트 내의 PPG 박동을 평가한다. 긴 꼬리 특징의 발생률은 부정맥의 가능성을 나타내는데 사용될 수 있는 하나의 모폴로지 기반 특징이다. 일부 실시 예들에서, 긴 꼬리 특징은 패턴 인식 기술을 사용함으로써 감지된다.
다른 실시 예들에서, 부정맥 감지 방법(200)은 PPG 신호 세그먼트에서 비정상적인 노치를 갖는 PPG 박동 비율을 포함하는 모폴로지 기반 특징들을 추출한다. 예를 들어, 방법(200)은 비정상적인 노치를 갖는 PPG 박동의 발생률을 감지한다. 비정상적인 노치는 비정상적인 노치가 두 개의 완전하지 않은 비정상적인 심장 박동을 나타내는 반면, 중복 절흔은 하나의 정상적인 심장 박동을 나타낸다는 점에서 이전에 기술된 중복 절흔과 다르다. 도 10을 참조하면, 라벨 AN은 비정상적인 노치들을 갖는 PPG 펄스들을 나타낸다. 방법(200)은 비정상적인 노치 특징을 갖는 박동 수를 감지하기 위해 PPG 신호 세그먼트 내의 PPG 박동을 평가한다. 비정상적인 노치 특징들의 발생률은 부정맥의 가능성을 나타내기 위해 사용될 수 있는 하나의 모폴로지 기반 특징이다. 일부 실시 예들에서, 비정상 노치 특징들은 패턴 인식 기술을 사용함으로써 감지된다.
다른 실시 예들에서, 부정맥 감지 방법(200)은 PPG 신호 세그먼트에서의 PPG 박동의 상승 에지들의 교류(AC) 성분들의 표준 편차 및 하강 에지들의 교류 성분들의 표준 편차를 포함하는 모폴로지 기반 특징들을 추출한다. PPG 파형은 교류 성분 및 직류 성분을 포함한다. 교류 성분은 심장 박동과 동기화되어 혈액량의 변화와 일치한다. 직류 성분은 조직에 의해 반사되거나 전송된 광학 신호들로부터 발생하고, 정맥 및 동맥 혈액량뿐만 아니라 조직 구조에 의해 판별된다. 직류 구성 요소는 호흡에 약간의 변화를 보여준다. 교류 성분의 기본 주파수는 심박수에 따라 변하며, 직류 기준선 상에 중첩된다. 일 실시 예에서, 방법(200)은 심장 박동의 상승 에지의 교류 진폭을 PPG 파형의 1차 도함수의 양의 영역으로써 계산하고, 심장 박동의 하강 에지의 교류 진폭을 PPG 파형의 1차 도함수의 음의 영역으로써 계산한다. 다른 실시 예에서, PPG 교류 펄스 파형 윤곽선은 신호 샘플들, 수축기 최고점 진폭, 이완기 최고점 진폭, 펄스 파형의 2차 미분 극한들에 의해 특성화 될 수 있다. 본 발명의 실시 예들에서, 방법(200)은 부정맥의 징후를 감지하기 위해 PPG 신호 세그먼트에서의 PPG 박동의 교류 성분들의 표준 편차를 평가한다.
동작 214에서, 방법(200)은 각 PPG 신호 세그먼트와 관련된 추출된 IBI 특징들 및/또는 각각의 추출된 모폴로지 특징들을 이용하여 PPG 신호 세그먼트들을 분류한다. 방법(200)은 부정맥 트레이닝 데이터의 하나 이상의 세트들로부터 신호들 및 부정맥 주석에 기초하여 이전에 훈련된 머신 러닝 모델을 사용하여 PPG 신호 세그먼트를 분류한다. 일 실시 예에서, 방법(200)은 IBI 특징들과 모폴로지 특징들의 조합을 이용하여 PPG 신호 세그먼트를 분류한다. 특히, 특정 모폴로지 특징들은 심장 부정맥을 나타낸다. 따라서, IBI 및 모폴로지 기반의 특징들의 조합을 사용하면 부정맥 예측의 가능성을 높이는데 중요한 역할을 할 수 있다. 일 실시 예에서, 분류 단계는 사용자 웨어러블 장치(100)의 프로세서(130)의 감지 모듈(190) 내의 분류 모듈(198)에 의해 수행된다.
일부 실시 예들에서, 방법(200)은 분류를 수행하기 위해 랜덤 포레스트 분류기를 사용한다. 랜덤 포레스트는 각각의 상이하고 독립적인 기본 분류기들/결정 트리들을 조합하여 구성된 앙상블 방법이다. 각 독립적인 분류기는 원래의 트레이닝 데이터 세트에서 대체하여 샘플링된 데이터 세트를 사용하여 학습된다. 최대 정보 이득을 갖는 특징들이 분리되도록 선택된다. 최상의 분할 기능들은 사용 가능한 기능들의 무작위 하위 집합으로부터 식별된다. 이 백킹(bagging)/부트스트랩(bootstrap) 통합은 과대적합(overfitting)의 감소라는 이점을 가지고 있어, 에러율을 줄이면서 모델을 더 큰 모집단으로 일반화 할 수 있다. 일 실시 예에서, 임베디드 시스템 상에서의 구현을 가능하게 하기 위해, 랜덤 포레스트 모델은 단지 3개의 결정 트리만을 사용하고 각 트리의 깊이는 5이다. 이러한 방식으로, 방법(200)은 부정맥 이벤트의 실시간 측정 및 예측을 가능하게 한다.
본 명세서에 사용 된 용어 '머신 러닝 모델'은 정확한 분류를 제공하기 위해 트레이닝 하는데 이용할 수 있는 분류 모델들을 지칭한다. 실제로, 분류 모델의 트레이닝은 고전력 컴퓨터들에서 수행되고 트레이닝된 모델은 모델을 사용하는 추론이 수행되는 장치 상에 배치된다. 일부 실시 예들에서, 임의의 머신 러닝 및/또는 분류 기술들이 전술한 PPG 특징들의 분류를 수행하기 위해 사용될 수 있다. 간략히 설명하면, 본 발명의 실시 예는 전문가 입력에 기초하여 점증적으로 개선될 수 있는 머신 러닝을 사용하는 부정맥 감지 또는 이벤트 예측에 관한 것이다. 다양한 실시 예들 중 적어도 하나에서, 데이터는 복수의 분류기들(인덱스, 라벨 또는 주석) 및 하나 이상의 트레이닝 데이터의 세트 및/또는 테스트 데이터를 사용하여 트레이닝된 머신 러닝 모델에 제공될 수 있다.
동작 216에서, 방법(200)은 각 PPG 신호 세그먼트와 관련된 추출된 IBI 특징들 및/또는 추출된 모폴로지 특징들에 기초하여 이벤트 예측 결과를 생성한다. 일 실시 예에서, 방법(200)은 PPG 세그먼트들의 IBI 특징들 및/또는 모폴로지 특징들을 사용하여 PPG 세그먼트들의 분류를 기반으로 하는 부정맥 감지 결과를 생성한다.
일부 실시 예들에서, 부정맥이 존재함을 감지하는 것에 대한 응답으로, 부정맥 감지 방법(200)은 사용자에게 알림을 전송한다. 예를 들어, 알림은 모바일 장치 및/또는 웨어러블 장치의 애플리케이션을 통해 전송될 수 있다.
전술한 분석을 사용하여, PPG 기반 부정맥 감지 시스템은 이들 세그먼트들로부터 추출된 IBI 특징들 및/또는 모폴로지 특징들을 이용하여 PPG 신호들의 다수의 짧은 이산 세그먼트들을 입력으로서 취하고, 감지 결과를 제공한다. 이러한 방식으로, 사용자의 하루 동안 사용할 수 있는 수동 감지 시스템이 실현된다.
일부 실시 예들에서, 방법(200)은 사용자 웨어러블 장치(218)와 관련된 모션 정보를 수신한다. 예를 들어, 모션 정보는 관성 측정 센서 또는 가속도계와 같은 제 2 센서로부터 획득될 수 있다. 방법(200)은 높은 강도의 모션과 관련되어 있어 신뢰할 수 없는 PPG 신호 샘플들을 폐기하기 위해 PPG 신호 분할 단계(208) 동안 모션 정보를 사용할 수 있다. 또는, PPG 센서는 고강도 모션 기간 동안 꺼져 있으므로 이 기간 동안 PPG 신호를 사용할 수 없다. 따라서, 본 발명의 실시 예들에서, 이와 같이 생성된 PPG 신호 세그먼트들은 반드시 시간적으로 연속적일 필요는 없지만 연결되지 않는 PPG 신호 샘플들일 수 있다. 부정맥 감지 방법(200)은 PPG 신호 샘플들의 각 세그먼트가 시간적으로 불연속적 일 수 있는 PPG 신호 샘플들의 짧은 세그먼트들에 대해 동작할 수 있다.
일부 실시 예들에서, 방법(200)은 ECG 신호들을 수신한다(220). 방법(200)은 ECG 신호를 사용하여 PPG 신호 세그먼트들에서 감지된 박동을 조정할 수 있다. 일 실시 예에서, 방법(200)은 심박수에 대한 정보를 위해 ECG 신호를 사용하는데, 이는 감지 정확도를 향상시키기 위해 결정 임계치 및 박동 간의 시간 간격을 적응적으로 조정하는데 사용될 수 있다. 방법(200)은 임계치 조정만을 위해 ECG 신호를 사용하고, 부정맥의 존재 또는 부존재의 판별은 PPG 신호를 단독으로 사용하여 이루어진다는 점에 유의해야 한다.
일 실시 예에서, 부정맥이 정지 상태 동안 PPG의 주어진 기간에 충분히 존재한다면, 사용자는 ECG 측정을 수행하도록 요청될 수 있으며, 사용자의 센서는 웨어러블 디바이스 상에 함께 배치될 수 있다. PPG와 ECG 측정값의 조합은 의사 나 ECG 분석 알고리즘에 의해 부정맥의 존재를 위해 해석될 수 있다. 그 다음, 판별은 사용자에게 제시되거나 만성 질병 동향을 확인하기 위한 향후 누적 분석을 위해 저장될 수 있다.
도 3에서 전술한 PPG 기반 부정맥 감지 방법(200)에서, 방법(200)은 부정맥 감지를 위한 IBI 특징들 및 모폴로지 기반 특징들의 조합의 사용을 도시한다. IBI 특징들과 모폴로지 기반 특징들의 조합을 사용하는 것은 감지 정확도를 향상시키지만, 본 발명의 PPG 기반 부정맥 감지 방법은 IBI 특징들만을 사용하거나 또는 모폴로지 기반 특징들만을 사용하여 구현될 수 있다. IBI 특징들 또는 모폴로지 기반 특징들은 개별적으로 정확한 부정맥 감지의 기초로 사용될 수 있는 부정맥의 지표를 제공한다.
본 명세서의 측면들은 흐름도 또는 블록도를 참조하여 여기에서 설명되며, 여기서 각 블록 또는 임의의 블록들의 조합은 컴퓨터 프로그램 명령들에 의해 구현될 수 있다. 명령들은 기계 또는 제조 물품을 유발하기 위해 범용 컴퓨터, 특수 목적 컴퓨터 또는 다른 프로그래밍 가능한 데이터 처리 장치들의 프로세서에 제공될 수 있으며, 프로세서에 의해 실행될 때 명령은 다이어그램의 각 블록 또는 블록들의 조합에 지정된 기능, 동작 또는 이벤트를 구현하기 위한 수단을 생성할 수 있다.
이와 관련하여, 흐름도 또는 블록도의 각 블록은 특정 논리 기능(들)을 구현하기 위한 하나 이상의 실행가능한 명령을 포함하는 모듈, 세그먼트 또는 코드 부분에 대응할 수 있다. 또한, 일부 대체 구현들에서, 임의의 블록과 관련된 기능이 도면들에 기재된 순서를 벗어나 발생할 수 있음에 유의해야한다. 예를 들어, 연속적으로 도시된 2개의 블록들은 사실상 대체로 동시에 실행될 수 있거나 블록들이 때때로 역순으로 실행될 수 있다.
당업자는 본 명세서의 일면들이 장치, 시스템, 방법 또는 컴퓨터 프로그램 제품으로서 구현될 수 있다는 것을 이해할 것이다. 따라서, 본 명세서에서 회로들, 모듈들, 구성 요소들 또는 시스템들로 일반적으로 지칭되는 본 개시의 일면들은 이는 컴퓨터로 읽을 수 있는 프로그램 코드가 구현된 비 일시적인 컴퓨터 판독 가능 매체에 수록된 컴퓨터 프로그램 제품을 포함하는 하드웨어, 소프트웨어(펌웨어, 레지던트 소프트웨어, 마이크로-코드 등을 포함), 또는 소프트웨어 및 하드웨어의 임의의 조합으로 구현될 수 있다.
상기 상세한 설명은 본 발명의 특정 실시 예들을 설명하기 위해 제공되며 제한하려는 것은 아니다. 본 발명의 범위 내에서 많은 수정 및 변형이 가능하다.

Claims (23)

  1. 사용자 웨어러블 장치에서 이벤트 감지를 위한 방법에 있어서,
    상기 사용자 웨어러블 장치에서 구현되는 제 1 센서로부터 PPG(photoplethysmogram) 신호들을 수신하는 단계;
    프로세서에서 PPG 신호 샘플들을 얻기 위해 상기 PPG 신호들을 처리하는 단계;
    상기 프로세서에서 상기 PPG 신호 샘플들 내의 박동을 감지하는 단계;
    상기 PPG 신호 샘플들을 PPG 신호 세그먼트들로 분할하는 단계;
    상기 PPG 신호 세그먼트들 각각에서 적어도 하나의 IBI(inter-beat interval) 특징을 추출하는 단계;
    상기 프로세서에서, 상기 PPG 신호 세그먼트들 각각과 관련된 상기 추출된 IBI 특징을 사용하고 머신 러닝 모델을 사용하여 상기 PPG 신호 세그먼트들 각각을 분류하는 단계;
    상기 분류하는 단계에 응답하여, 상기 프로세서에서, 상기 추출된 IBI 특징에 기초하여 상기 PPG 신호 세그먼트들 중 하나의 PPG 신호 세그먼트에 대한 이벤트 예측 결과를 생성하는 단계; 및
    상기 사용자 웨어러블 장치에서 상기 이벤트 예측 결과를 표시하는 단계를 포함하는 방법.
  2. 제 1 항에 있어서,
    상기 PPG 신호 세그먼트들 각각에서의 적어도 하나의 모폴로지(morphology) 기반 특징을 추출하는 단계;
    상기 프로세서에서, 상기 PPG 신호 세그먼트들 각각과 관련된 상기 추출된 IBI 특징 및 상기 추출된 모폴로지 기반 특징을 사용하고 상기 머신 러닝 모델을 사용하여. 상기 PPG 신호 세그먼트들 각각을 분류하는 단계; 및
    상기 분류하는 단계에 응답하여, 상기 프로세서에서, 상기 추출된 IBI 특징 및 상기 추출된 모폴로지 기반 특징에 기초하여 상기 이벤트 예측 결과를 생성하는 단계를 더 포함하는 방법.
  3. 제 1 항에 있어서,
    상기 PPG 신호 세그먼트들 각각에서 상기 적어도 하나의 IBI 특징을 추출하는 단계는:
    표준 편차, 비대칭도, 첨도, 정보 엔트로피, 터닝 포인트(turning poing) 비율, 연속 차이의 제곱 평균 제곱근 및 멀티스케일 샘플 엔트로피 중 하나 이상을 사용하여 상기 PPG 신호 세그먼트들 내의 상기 감지된 박동의 IBI의 지속 시간을 분석함으로써 상기 IBI 특징을 추출하는 단계를 포함하는 방법.
  4. 제 2 항에 있어서,
    상기 PPG 신호 세그먼트들 각각에서의 상기 적어도 하나의 모폴로지 기반 특징을 추출하는 단계는:
    상기 PPG 신호 세그먼트들 각각에서 인접한 박동의 모폴로지 특성들의 통계적 분포 및 모폴로지 특징들 사이의 유사성 중 하나 또는 모두를 분석함으로써 상기 모폴로지 기반 특징을 추출하는 단계를 포함하는 방법.
  5. 제 4 항에 있어서,
    상기 하나 또는 상기 모두를 분석함으로써 상기 모폴로지 기반 특징을 추출하는 단계는:
    상기 PPG 신호 세그먼트들 각각에서 상기 감지된 박동의 곡선 아래의 면적의 표준 편차, 상기 PPG 신호 세그먼트들 내에서 상기 인접한 박동의 파형 유사성, 상기 PPG 신호 세그먼트들 내에서 긴 꼬리(long tail)를 갖는 PPG 박동의 비율, 상기 PPG 신호 세그먼트들 내에서 비정상적인 노치들(notches)을 갖는 PPG 박동의 비율 및 상기 PPG 신호 세그먼트들 내에서의 상기 박동의 상승 에지 및 하강 에지의 교류 성분의 표준 편차 중 하나 이상을 분석함으로써 상기 모폴로지 기반 특징을 추출하는 단계를 포함하는 방법.
  6. 제 1 항에 있어서,
    상기 PPG 신호 샘플들을 상기 PPG 신호 세그먼트들로 분할하는 단계는 상기 PPG 신호 샘플들을 t초의 주어진 지속 시간을 갖는 상기 PPG 신호 세그먼트들로 분할하는 단계를 포함하는 방법.
  7. 제 1 항에 있어서,
    상기 PPG 신호 샘플들을 상기 PPG 신호 세그먼트들로 분할하는 단계는 박동 수에 따라 상기 PPG 신호 샘플들을 n번의 박동 수를 갖는 상기 PPG 신호 세그먼트들로 분할하는 단계를 포함하는 방법.
  8. 제 1 항에 있어서,
    하나 이상의 PPG 신호 세그먼트들 내의 상기 PPG 신호 샘플들은 불연속적인 지속 시간 동안 수집된 PPG 신호 샘플들을 포함하는 방법.
  9. 제 8 항에 있어서,
    상기 사용자 웨어러블 장치 내에서 구현되는 제 2 센서로부터 상기 사용자 웨어러블 장치에서의 모션 활동(motion activity)을 나타내는 모션 신호를 수신하는 단계;
    상기 모션 신호에 응답하여, 상기 PPG 신호 샘플들 중 높은 강도의 상기 모션 활동과 관련된 PPG 신호 샘플들을 제거하는 단계; 및
    상기 PPG 신호 샘플들 중 상기 불연속적인 지속 시간 동안 수집된 나머지 PPG 신호 샘플들을 분할함으로써 상기 PPG 신호 샘플들을 상기 PPG 신호 세그먼트들로 분할하는 단계를 더 포함하는 방법.
  10. 제 9 항에 있어서,
    상기 제 1 센서는 PPG 센서를 포함하고,
    상기 제 2 센서는 가속도계를 포함하는 방법.
  11. 제 1 항에 있어서,
    상기 프로세서에서 ECG(electrocardiogram) 신호들을 수신하는 단계;
    상기 ECG 신호들을 사용하여 상기 PPG 신호 세그먼트들 각각에서 상기 PPG 신호 샘플들을 조정하는 단계; 및
    감지 정확도를 증가시키기 위해 상기 PPG 신호 세그먼트들 각각을 분류하는 동안 결정 임계치를 조정하는 단계를 더 포함하는 방법.
  12. 제 1 항에 있어서,
    상기 추출된 IBI 특징에 기초하여 상기 PPG 신호 세그먼트들 중 상기 하나의 PPG 신호 세그먼트에 대한 상기 이벤트 예측 결과를 생성하는 단계는 부정맥이 상기 PPG 신호 세그먼트들 중 주어진 PPG 신호 세그먼트에 존재할 확률을 나타내는 상기 이벤트 예측 결과를 생성하는 단계를 포함하는 방법.
  13. 제 1 항에 있어서,
    상기 PPG 신호 세그먼트들 중 주어진 PPG 신호 세그먼트에 이벤트가 존재할 높은 확률을 나타내는 상기 이벤트 예측 결과에 응답하여, 상기 사용자 웨어러블 장치 상에 알림을 제공하는 단계를 더 포함하는 방법.
  14. 제 1 항에 있어서,
    상기 프로세서에서 상기 PPG 신호 샘플들을 얻기 위해 상기 PPG 신호들을 처리하는 단계는 상기 사용자 웨어러블 장치에서 구현되는 상기 프로세서에서 상기 PPG 신호 샘플들을 얻기 위해 상기 PPG 신호들을 처리하는 단계를 포함하는 방법.
  15. 제 1 항에 있어서,
    상기 프로세서에서 상기 PPG 신호 샘플들을 얻기 위해 상기 PPG 신호들을 처리하는 단계는 상기 사용자 웨어러블 장치와 통신하는 모바일 장치에서 구현되는 상기 프로세서에서 상기 PPG 신호 샘플들을 얻기 위해 상기 PPG 신호들을 처리하는 단계를 포함하는 방법.
  16. 제 1 항에 있어서,
    상기 프로세서에서 상기 PPG 신호 샘플들을 얻기 위해 상기 PPG 신호들을 처리하는 단계는 상기 사용자 웨어러블 장치와 통신하는 클라우드 서버에서 구현되는 상기 프로세서에서 상기 PPG 신호 샘플들을 얻기 위해 상기 PPG 신호들을 처리하는 단계를 포함하는 방법.
  17. 사용자 웨어러블 장치에서 이벤트 감지를 위한 방법에 있어서,
    상기 사용자 웨어러블 장치에서 구현되는 제 1 센서로부터 PPG(photoplethysmogram) 신호들을 수신하는 단계;
    프로세서에서 PPG 신호 샘플들을 얻기 위해 상기 PPG 신호들을 처리하는 단계;
    상기 프로세서에서 상기 PPG 신호 샘플들 내의 박동을 감지하는 단계;
    상기 PPG 신호 샘플들을 PPG 신호 세그먼트들로 분할하는 단계;
    상기 PPG 신호 세그먼트들 각각에서 상기 PPG 신호 샘플들의 통계적 특성들 또는 상기 PPG 신호 샘플들의 파형 특성들과 관련된 적어도 하나의 모폴로지 기반 특징을 추출하는 단계;
    상기 프로세서에서, 상기 PPG 신호 세그먼트들 각각과 관련된 상기 추출된 모폴로지 기반 특징을 사용하고 머신 러닝 모델을 사용하여 상기 PPG 신호 세그먼트들 각각을 분류하는 단계;
    상기 분류하는 단계에 응답하여, 상기 프로세서에서, 상기 추출된 모폴로지 기반 특징에 기초하여 이벤트 예측 결과를 생성하는 단계; 및
    상기 사용자 웨어러블 장치에서 상기 이벤트 예측 결과를 표시하는 단계를 포함하는 방법.
  18. 제 17 항에 있어서,
    상기 PPG 신호 세그먼트들 각각에서 상기 적어도 하나의 모폴로지 기반 특징을 추출하는 단계는:
    상기 PPG 신호 세그먼트들 각각에서 인접한 박동의 모폴로지 특징들 사이의 유사성 및 모폴로지 특성들의 통계적 분포 중 하나 또는 모두를 분석함으로써 상기 모폴로지 기반 특징을 추출하는 단계를 포함하는 방법.
  19. 제 18 항에 있어서,
    상기 하나 또는 상기 모두를 분석함으로써 상기 모폴로지 기반 특징을 추출하는 단계는:
    상기 PPG 신호 세그먼트들 각각에서 상기 감지된 박동의 곡선 아래의 면적의 표준 편차, 상기 PPG 신호 세그먼트들 내의 상기 인접한 박동의 파형 유사성, 상기 PPG 신호 세그먼트들 내에서 긴 꼬리(long tail)를 갖는 PPG 박동의 비율, 상기 PPG 신호 세그먼트들 내에서 비정상적인 노치들(notches)을 갖는 PPG 박동의 비율 및 상기 PPG 신호 세그먼트들 내에서의 상기 박동의 상승 에지 및 하강 에지의 교류 성분의 표준 편차 중 하나 이상을 분석함으로써 상기 모폴로지 기반 특징을 추출하는 단계를 포함하는 방법.
  20. PPG 신호들을 측정하도록 구성되는 제 1 센서를 포함하는 센서 모듈; 및
    프로세서를 포함하되,
    상기 프로세서는:
    PPG 신호 샘플들을 획득하고 상기 PPG 신호 샘플들 내의 박동을 감지하고 상기 PPG 신호 샘플들을 PPG 신호 세그먼트들로 분할하기 위해 상기 PPG 신호들을 처리하도록 구성되는 데이터 처리 모듈;
    상기 PPG 신호 세그먼트들 각각에서의 적어도 하나의 IBI의 특징을 추출하도록 구성되는 IBI 감지 모듈;
    상기 PPG 신호 세그먼트들 각각에서의 적어도 하나의 모폴로지 기반 특징을 추출하도록 구성되는 모폴로지 감지 모듈; 및
    상기 세그먼트와 관련된 상기 추출된 IBI의 특징 및 상기 추출된 모폴로지 기반 특징을 사용하고 머신 러닝 모델을 사용하여 상기 PPG 신호 세그먼트들 각각을 분류하도록 구성되는 분류 모듈을 포함하고,
    상기 분류 모듈은 상기 추출된 IBI의 특징 및 상기 추출된 모폴로지 기반 특징에 기초하여 이벤트 예측 결과를 생성하도록 구성되는 장치.
  21. 제 20 항에 있어서,
    상기 IBI 감지 모듈은 표준 편차, 비대칭도, 첨도, 정보 엔트로피, 터닝 포인트(turning poing) 비율, 연속 차이의 제곱 평균 제곱근 및 멀티스케일 샘플 엔트로피 중 하나 이상을 사용하여 상기 PPG 신호 세그먼트들 내의 상기 감지된 박동의 상기 IBI의 지속 시간을 분석함으로써 상기 IBI 특징을 추출하도록 구성되는 장치.
  22. 제 20 항에 있어서,
    상기 모폴로지 감지 모듈은 상기 PPG 신호 세그먼트들 각각에서의 인접한 박동의 모폴로지 특성들의 통계적 분포 및 모폴로지 특징들 사이의 유사성 중 하나 또는 모두를 분석함으로써 상기 모폴로지 기반 특징을 추출하도록 구성되는 장치.
  23. 제 22 항에 있어서,
    상기 모폴로지 감지 모듈은 상기 PPG 신호 세그먼트들 각각에서 상기 감지된 박동의 곡선 아래의 면적의 표준 편차, 상기 PPG 신호 세그먼트들 내에서 상기 인접한 박동의 파형 유사성, 상기 PPG 신호 세그먼트들 내에서 긴 꼬리(long tail)를 갖는 PPG 박동의 비율, 상기 PPG 신호 세그먼트들 내에서 비정상적인 노치들(notches)을 갖는 PPG 박동의 비율 및 상기 PPG 신호 세그먼트들 내에서의 상기 박동의 상승 에지 및 하강 에지의 교류 성분의 표준 편차 중 하나 이상을 분석함으로써 상기 모폴로지 기반 특징을 추출하도록 구성되는 장치.
KR1020190021458A 2018-03-27 2019-02-22 Ppg ibi 및 모폴로지를 기반으로 하는 수동 부정맥 감지 장치 및 방법 KR20190113552A (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201862648821P 2018-03-27 2018-03-27
US62/648,821 2018-03-27
US15/994,495 2018-05-31
US15/994,495 US10750960B2 (en) 2016-05-03 2018-05-31 Passive arrythmias detection based on photoplethysmogram (PPG) inter-beat intervals and morphology

Publications (1)

Publication Number Publication Date
KR20190113552A true KR20190113552A (ko) 2019-10-08

Family

ID=67909853

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190021458A KR20190113552A (ko) 2018-03-27 2019-02-22 Ppg ibi 및 모폴로지를 기반으로 하는 수동 부정맥 감지 장치 및 방법

Country Status (3)

Country Link
KR (1) KR20190113552A (ko)
CN (1) CN110301911A (ko)
DE (1) DE102019104798A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102385869B1 (ko) * 2021-09-16 2022-04-15 주식회사 스카이랩스 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼
WO2022086273A1 (ko) * 2020-10-22 2022-04-28 삼성전자 주식회사 생체 정보 측정을 위한 웨어러블 디바이스 및 방법

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111603151B (zh) * 2020-06-17 2023-05-16 深圳智领人工智能健康科技有限公司 一种基于时频联合分析的无创血液成分检测方法及***
CN112568886A (zh) * 2020-11-03 2021-03-30 中国科学院深圳先进技术研究院 心律的检测方法、电子设备以及计算机可读存储介质
US20220202359A1 (en) * 2020-12-30 2022-06-30 Itamar Medical, Ltd. System and method for arrhythmia detection during an at home sleep test

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US356A (en) 1837-08-15 Machine for cutting shingles and siding from steamed
US15145A (en) 1856-06-17 Clutch fob flotjb-packees
US8755871B2 (en) * 2011-11-30 2014-06-17 Covidien Lp Systems and methods for detecting arrhythmia from a physiological signal
CN104837401B (zh) * 2012-12-14 2017-09-12 皇家飞利浦有限公司 通过光电血管容积图(ppg)和加速度计检测显著心率失常事件的***和方法
JP6608388B2 (ja) * 2014-04-02 2019-11-20 コーニンクレッカ フィリップス エヌ ヴェ ユーザの心拍数の変動を検出するためのシステム及び方法
TWI610657B (zh) * 2015-11-13 2018-01-11 慶旺科技股份有限公司 藉由心跳相關訊號評估個人心臟健康之穿戴式裝置及其訊號處理方法
EP3219253B1 (en) * 2016-03-14 2021-10-20 Tata Consultancy Services Limited System for detecting arrhythmia using photoplethysmogram signal
KR101950555B1 (ko) * 2016-03-30 2019-02-20 순천향대학교 산학협력단 스마트 체중계를 이용한 부정맥을 포함한 생체신호 측정 시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022086273A1 (ko) * 2020-10-22 2022-04-28 삼성전자 주식회사 생체 정보 측정을 위한 웨어러블 디바이스 및 방법
KR102385869B1 (ko) * 2021-09-16 2022-04-15 주식회사 스카이랩스 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼
WO2023043202A1 (ko) * 2021-09-16 2023-03-23 주식회사 스카이랩스 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼
KR20230040847A (ko) * 2021-09-16 2023-03-23 주식회사 스카이랩스 생체 신호 감지 반지를 이용한 생체 데이터 모니터링 플랫폼

Also Published As

Publication number Publication date
CN110301911A (zh) 2019-10-08
DE102019104798A1 (de) 2019-10-02

Similar Documents

Publication Publication Date Title
US10750960B2 (en) Passive arrythmias detection based on photoplethysmogram (PPG) inter-beat intervals and morphology
US11147463B2 (en) Method and apparatus for high accuracy photoplethysmogram based atrial fibrillation detection using wearable device
US11253202B1 (en) System and method for characterizing cardiac arrhythmia
EP3383256B1 (en) Systems and methods for detecting photoplethysmographic device usage
JP6567728B2 (ja) 患者の生存性を予測する方法
Oweis et al. QRS detection and heart rate variability analysis: A survey
KR20190113552A (ko) Ppg ibi 및 모폴로지를 기반으로 하는 수동 부정맥 감지 장치 및 방법
WO2019161609A1 (zh) 多参数监护数据分析方法和多参数监护仪
EP2829223B1 (en) Monitoring physiological parameters
WO2019161608A1 (zh) 多参数监护数据分析方法和多参数监护***
JP6692814B2 (ja) 被験者の生理学的特徴を測定するデバイス及び方法
CN109310351A (zh) 用于表征对象的心率的评估***和方法
Tadi et al. Comprehensive analysis of cardiogenic vibrations for automated detection of atrial fibrillation using smartphone mechanocardiograms
EP3918982A1 (en) Computer program for classifying photoplethysmography pulses and monitoring of cardiac arrhythmias
WO2020160058A1 (en) Systems and methods for computationally efficient non-invasive blood quality measurement
US20210052175A1 (en) Systems and methods for using characteristics of photoplethysmography (ppg) data to detect cardiac conditions
US20230009430A1 (en) Systems and methods to detect cardiac events
Sihombing et al. The development of heart rate detection using arduino microcontroller and android
Momota et al. ML algorithms to estimate data reliability metric of ECG from inter-patient data for trustable AI-based cardiac monitors
Lutin et al. Learning based quality indicator aiding heart rate estimation in wrist-worn PPG
Butkevičiūtė et al. Mobile platform for fatigue evaluation: Hrv analysis
Gadhoumi et al. A statistical comparative study of photoplethysmographic signals in wrist-worn and fingertip pulse-oximetry devices
Sihombing et al. The heart attack detection by ESP8266 data communication at a real time to avoid sudden death
Umadi et al. Heart Abnormality Detection Technique using PPG Signal
Vasyltsov et al. Statistical approach for lightweight detection of anomalies in ECG