KR20200059584A - Stress Level Analyzing Method and System Using Respiratory Rate-to-Heart Rate Ratio - Google Patents
Stress Level Analyzing Method and System Using Respiratory Rate-to-Heart Rate Ratio Download PDFInfo
- Publication number
- KR20200059584A KR20200059584A KR1020180144492A KR20180144492A KR20200059584A KR 20200059584 A KR20200059584 A KR 20200059584A KR 1020180144492 A KR1020180144492 A KR 1020180144492A KR 20180144492 A KR20180144492 A KR 20180144492A KR 20200059584 A KR20200059584 A KR 20200059584A
- Authority
- KR
- South Korea
- Prior art keywords
- heart rate
- stress level
- breath
- signal
- sensor
- Prior art date
Links
- 230000000241 respiratory effect Effects 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 12
- 230000000694 effects Effects 0.000 claims abstract description 29
- 230000036391 respiratory frequency Effects 0.000 claims abstract description 22
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims description 45
- 230000000747 cardiac effect Effects 0.000 claims description 27
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000035565 breathing frequency Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000036387 respiratory rate Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000870 hyperventilation Effects 0.000 description 1
- 208000000122 hyperventilation Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 238000012795 verification 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
- A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
-
- 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
-
- 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
-
- A61B5/0402—
-
- 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
-
- 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
- A61B5/1102—Ballistocardiography
-
- 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
- A61B5/72—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
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0247—Pressure sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0261—Strain gauges
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
Description
본 출원은 호흡-심박 비율을 이용한 스트레스 수준 분석 방법 및 시스템에 관한 것이다.The present application relates to a method and system for analyzing stress levels using a breath-to-heart ratio.
현대인들은 직장, 학교, 가정 등의 일상에서 높은 수준의 스트레스에 시달리고 있다. 스트레스를 적절히 해소하지 않을 경우, 신체 및 정신 질환 발병의 위험과 생산성 저하 등의 문제가 초래될 수 있다.Modern people suffer from high levels of stress in their daily lives at work, school, and home. If stress is not adequately relieved, problems such as the risk of physical and mental illness and reduced productivity may occur.
최근에는 스트레스 수준을 분석하고 예측하는 기술이 제안되고 있다. 예를 들어, 심박변이도, 심박수, 호흡 주기 등과 같은 생체 데이터를 이용하여 스트레스 수준을 분석하는 방법이 제안되었다.Recently, techniques for analyzing and predicting stress levels have been proposed. For example, a method of analyzing the stress level using bio data such as heart rate variability, heart rate, and breathing cycle has been proposed.
그러나, 종래의 분석 방법은 단일 생체 데이터만을 이용하여 스트레스를 분석하므로, 다양한 변수가 있는 실제 생활 환경에서 스트레스 수준을 정확하게 분석하는데 한계가 있다.However, since the conventional analysis method analyzes stress using only a single biological data, there is a limitation in accurately analyzing the stress level in a real life environment having various variables.
따라서, 당해 기술분야에서는 스트레스가 야기하는 다양한 신체 변화를 적절히 고려하여 스트레스 수준을 보다 정확하게 분석하기 위한 방안이 요구되고 있다.Therefore, there is a need in the art for a method for more accurately analyzing stress levels by properly considering various body changes caused by stress.
상기 과제를 해결하기 위해서, 본 발명의 일 실시예는 호흡-심박 비율을 이용한 스트레스 수준 분석 방법을 제공한다.In order to solve the above problems, an embodiment of the present invention provides a method for analyzing stress levels using a breath-to-heart rate.
상기 호흡-심박 비율을 이용한 스트레스 수준 분석 방법은, 대상자의 심장활동신호 및 호흡신호를 각각 획득하는 단계; 상기 심장활동신호 및 상기 호흡신호로부터 심박수 및 호흡빈도를 각각 추출하는 단계; 상기 심박수 및 상기 호흡빈도를 이용하여 호흡-심박 비율을 산출하는 단계; 및 상기 호흡-심박 비율을 이용하여 스트레스 수준을 분석하는 단계를 포함할 수 있다.The method of analyzing the stress level using the breath-to-heart ratio includes: obtaining a subject's cardiac activity signal and a respiratory signal, respectively; Extracting heart rate and respiratory frequency from the cardiac activity signal and the respiratory signal, respectively; Calculating a breath-to-heart rate using the heart rate and the breathing frequency; And analyzing the stress level using the breath-to-heart rate.
또한, 본 발명의 다른 실시예는 호흡-심박 비율을 이용한 스트레스 수준 분석 시스템을 제공한다.In addition, another embodiment of the present invention provides a stress level analysis system using a breath-to-heart rate.
상기 호흡-심박 비율을 이용한 스트레스 수준 분석 시스템은, 대상자의 심장활동신호 및 호흡신호를 각각 획득하는 생체신호 획득센서; 및 상기 생체신호 획득센서로부터 전달받은 상기 심장활동신호 및 상기 호흡신호를 이용하여 호흡-심박 비율을 산출하고, 상기 호흡-심박 비율을 이용하여 스트레스 수준을 분석하는 스트레스 수준 분석장치를 포함할 수 있다.The stress-level analysis system using the respiratory-heart rate ratio includes: a bio-signal acquisition sensor that acquires a subject's cardiac activity signal and respiratory signal, respectively; And a stress level analysis device for calculating a respiratory-heart rate using the cardiac activity signal and the respiratory signal received from the bio-signal acquisition sensor, and analyzing the stress level using the respiratory-heart rate. .
덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.In addition, the solution means of the above-mentioned subject does not list all the characteristics of this invention. Various features of the present invention and advantages and effects thereof may be understood in more detail with reference to specific embodiments below.
본 발명의 일 실시예에 따르면, 호흡-심박 비율을 이용하여 스트레스 수준을 분석하도록 구성된다. 이는, 스트레스 상황에서는 호흡 주기가 비정상적으로 짧아지거나 과호흡이 발생한다는 사실을 기반으로 한 것으로, 실제 생리학적인 모델을 반영하기 때문에 보다 논리적이고 신뢰도 높은 스트레스 수준 분석이 가능해진다.According to one embodiment of the invention, it is configured to analyze the stress level using the breath-to-heart rate. This is based on the fact that the breathing cycle is abnormally shortened or hyperventilation occurs in a stressful situation, and it is possible to analyze a more logical and reliable stress level because it reflects an actual physiological model.
또한, 호흡-심박 비율은 단일 생체신호에서 획득되는 것이 아니라, 독립적인 두 개의 생체 데이터인 호흡 빈도와 심박수를 융합하여 획득되는 것이므로, 단일 생체 데이터를 이용하는 분석법에 비해 외부 환경 변화 또는 신호 노이즈의 영향이 작아, 보다 신뢰도 높은 스트레스 수준 분석이 가능해진다.In addition, since the respiratory-to-heart rate is not obtained from a single biosignal, but is obtained by fusion of two independent biometric data, respiration frequency and heart rate, the influence of external environmental changes or signal noise compared to an analysis method using a single biometric data This is small, and more reliable stress level analysis becomes possible.
더 나아가, 생체 데이터는 다양한 방식으로 획득 가능하므로, 시스템 구성에 있어서 자유도가 높고, 이에 따라 다양한 환경에서의 적용이 용이할 뿐만 아니라, 적용 분야 또한 확장될 수 있다.Furthermore, since biometric data can be obtained in various ways, the degree of freedom in system configuration is high, and accordingly, it is not only easy to apply in various environments, but also the field of application can be expanded.
도 1은 본 발명의 일 실시예에 따른 호흡-심박 비율을 이용한 스트레스 수준 분석 방법의 흐름도이다.
도 2는 본 발명의 일 실시예에 따라 공개데이터를 이용한 학습 결과를 나타내는 도면이다.
도 3은 본 발명의 다른 실시예에 따른 호흡-심박 비율을 이용한 스트레스 수준 분석 시스템의 구성도이다.1 is a flow chart of a stress level analysis method using a breath-to-heart rate according to an embodiment of the present invention.
2 is a diagram showing a learning result using public data according to an embodiment of the present invention.
3 is a configuration diagram of a stress level analysis system using a breath-to-heart rate according to another embodiment of the present invention.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.Hereinafter, preferred embodiments will be described in detail with reference to the accompanying drawings so that those skilled in the art to which the present invention pertains can easily implement the present invention. However, in the detailed description of a preferred embodiment of the present invention, when it is determined that a detailed description of related known functions or configurations may unnecessarily obscure the subject matter of the present invention, the detailed description will be omitted. In addition, the same reference numerals are used throughout the drawings for parts having similar functions and functions.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.In addition, throughout the specification, when a part is said to be 'connected' to another part, it is not only 'directly connected', but also 'indirectly connected' with another element in between. Includes. In addition, "including" a component means that other components may be further included instead of excluding other components, unless otherwise stated.
도 1은 본 발명의 일 실시예에 따른 호흡-심박 비율을 이용한 스트레스 수준 분석 방법의 흐름도이다.1 is a flow chart of a stress level analysis method using a breath-to-heart rate according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따라 호흡-심박 비율을 산출하기 위해서 우선 심장활동신호 및 호흡신호를 각각 획득하고(S111, 112), 획득한 심장활동신호 및 호흡신호로부터 심박수(Heart rate; HR) 및 호흡빈도(Respiratory rate; RR)를 각각 추출할 수 있다(S121, S122).Referring to FIG. 1, in order to calculate a respiratory-heart rate according to an embodiment of the present invention, first, a cardiac activity signal and a respiratory signal are respectively obtained (S111, 112), and a heart rate (from the acquired cardiac activity signal and respiratory signal) Heart rate (HR) and respiratory rate (Respiratory rate; RR) can be extracted respectively (S121, S122).
일 실시예에 따르면, 심장활동신호 획득 단계(S111)에서는 심전도 센서, 광용적맥파 센서, 심탄도 센서, 압전소자 센서 중 적어도 하나를 사용하여 심장활동신호를 획득할 수 있다.According to an embodiment, in the cardiac activity signal acquisition step (S111), a cardiac activity signal may be acquired using at least one of an electrocardiogram sensor, a light volume pulse wave sensor, a cardiac trajectory sensor, and a piezoelectric element sensor.
이후, 심박수 추출 단계(S121)에서는 심장활동신호 획득 단계(S111)에서 획득한 심장활동신호에 대해 시간 영역에서 주기를 분석하거나, 주파수 영역에서 전력 스펙트럼 밀도를 분석하여 심박수(HR)를 계산할 수 있다. 여기서, 심박수(HR)는 분당 심박수로 표현될 수 있으며, 단위는 bpm이다.Thereafter, in the heart rate extraction step (S121), the heart rate signal (HR) may be calculated by analyzing the period in the time domain or the power spectrum density in the frequency domain for the heart activity signal obtained in the heart activity signal acquisition step (S111). . Here, the heart rate (HR) may be expressed as a heart rate per minute, and the unit is bpm.
또한, 호흡신호 획득 단계(S112)에서는 가속도 센서, 스트레인 게이지(strain gauge), 압전소자 센서 중 적어도 하나를 사용하여 호흡신호를 획득할 수 있다.In addition, in the breathing signal acquisition step (S112), a breathing signal may be acquired using at least one of an acceleration sensor, a strain gauge, and a piezoelectric element sensor.
이후, 호흡빈도 추출 단계(S122)에서는 호흡신호 획득 단계(S112)에서 획득한 호흡신호에 대해 시간 영역에서 주기를 분석하거나, 주파수 영역에서 전력 스펙트럼 밀도를 분석하여 호흡빈도(RR)를 계산할 수 있다. 여기서, 호흡빈도(RR)는 분당 호흡수로 표현될 수 있으며, 단위는 bpm이다.Thereafter, in the respiratory frequency extraction step (S122), the frequency of the respiratory signal obtained in the breathing signal acquisition step (S112) may be analyzed in the time domain, or the power spectrum density may be analyzed in the frequency domain to calculate the respiratory frequency (RR). . Here, the respiratory frequency (RR) may be expressed as the number of breaths per minute, and the unit is bpm.
이후, 추출된 심박수(HR) 및 호흡빈도(RR)를 이용하여 호흡-심박 비율을 산출할 수 있다(S130).Thereafter, the respiratory-heart rate may be calculated using the extracted heart rate (HR) and the respiratory frequency (RR) (S130).
구체적으로, 호흡빈도(RR)를 심박수(HR)로 나누어 주면 심박에 대한 호흡수의 비율에 해당하는 호흡-심박 비율을 산출할 수 있다. Specifically, by dividing the respiratory frequency (RR) by the heart rate (HR), the respiratory-to-heart rate corresponding to the ratio of the respiratory rate to the heart rate can be calculated.
호흡-심박 비율은 심장의 박동에 대하여 호흡 빈도가 얼마나 빠른지 또는 느린지를 반영한다. 비정상적으로 짧은 호흡 주기, 즉 잦은 호흡은 스트레스가 유발하는 대표적인 생리 현상이므로, 호흡-심박 비율은 스트레스의 수준 분석에 유용하게 사용될 수 있다.The breath-to-heart rate reflects how fast or slow your breathing frequency is for your heartbeat. Since an abnormally short breathing cycle, that is, frequent breathing, is a typical physiological phenomenon caused by stress, the breathing-to-heart rate can be useful for analyzing the level of stress.
이후, 산출된 호흡-심박 비율을 이용하여 스트레스 수준을 분석할 수 있다(S140).Thereafter, the stress level may be analyzed using the calculated breath-to-heart ratio (S140).
일 실시예에 따르면, 호흡-심박 비율 데이터를 기계학습 분류기(machine learning classifier)에 적용하여 스트레스 수준을 분석할 수 있다.According to an embodiment, the stress level may be analyzed by applying the breath-to-heart rate data to a machine learning classifier.
여기서, 기계학습 분류기는 예를 들어 k-최근접 이웃(k-Nearest Neighbor) 알고리즘, 랜덤 포레스트(Random Foreset) 알고리즘 등과 같이 분류에 적합한 기계학습 알고리즘을 사용할 수 있으나, 반드시 이로 제한되는 것은 아니다.Here, the machine learning classifier may use a machine learning algorithm suitable for classification, such as a k-Nearest Neighbor algorithm or a Random Foreset algorithm, but is not limited thereto.
또한, 기계학습 분류기는 사전 훈련 과정을 통해 훈련 데이터(Train set)를 이용하여 호흡-심박 비율 데이터와 스트레스 수준간의 관계를 학습한 것일 수 있다.In addition, the machine learning classifier may be one that has learned the relationship between the respiratory-heart rate data and the stress level by using training data through a pre-training process.
도 2는 본 발명의 일 실시예에 따라 공개데이터를 이용한 학습 결과를 나타내는 도면으로, k-최근접 이웃 알고리즘과 랜덤 포레스트 알고리즘을 각각 사용하여 학습한 결과를 나타낸다.2 is a diagram showing a learning result using public data according to an embodiment of the present invention, and shows a learning result using a k-nearest neighbor algorithm and a random forest algorithm, respectively.
도 2에서 알 수 있는 바와 같이, k-최근접 이웃 알고리즘 기계학습 분류기를 학습 및 테스트한 결과, 기계학습 분류기의 10겹 교차검증(10-Fold Cross-validation)에 대한 손실(Loss)은 11.64%로 상당히 낮은 값을 보였고, 테스트 데이터(Test set)로 검증했을 때의 정확도(Accuracy)는 88.02%로 상당히 높음을 확인하였다.As can be seen in FIG. 2, as a result of learning and testing the k-nearest neighbor algorithm machine learning classifier, the loss of the machine learning classifier for 10-fold cross-validation is 11.64%. It showed a very low value, and it was confirmed that the accuracy (Accuracy) when verified with a test set (88.02%) was quite high.
또한, 랜덤 포레스트 기계학습 분류기를 사용했을 때에도, 10겹 교차검증에서의 손실은 11.87%, 테스트 데이터로의 검증에서의 정확도는 88.02%로 유사한 결과를 보임을 확인하였다.In addition, it was confirmed that even when the random forest machine learning classifier was used, the loss in 10-fold cross-validation was 11.87% and the accuracy in verification with test data was 88.02%.
도 3은 본 발명의 다른 실시예에 따른 호흡-심박 비율을 이용한 스트레스 수준 분석 시스템의 구성도이다.3 is a configuration diagram of a stress level analysis system using a breath-to-heart rate according to another embodiment of the present invention.
도 3을 참조하면, 본 발명의 다른 실시예에 따른 호흡-심박 비율을 이용한 스트레스 수준 분석 시스템은 생체신호 획득센서(10) 및 스트레스 수준 분석장치(300)를 포함하여 구성될 수 있다.Referring to FIG. 3, a stress level analysis system using a breath-to-heart rate according to another embodiment of the present invention may include a
생체신호 획득센서(10)는 스트레스 분석 대상자의 생체신호를 획득하기 위한 것으로, 구체적으로 심장활동신호 및 호흡신호를 각각 획득할 수 있다.The
일 실시예에 따르면, 생체신호 획득센서(10)는 심장활동신호를 획득하기 위해 심전도 센서, 광용적맥파 센서, 심탄도 센서, 압전소자 센서 중 적어도 하나를 포함할 수 있다.According to an embodiment, the
또한, 생체신호 획득센서(10)는 호흡신호를 획득하기 위해 가속도 센서, 스트레인 게이지(strain gauge), 압전소자 센서 중 적어도 하나를 포함할 수 있다.In addition, the
생체신호 획득센서(10)는 대상자의 신체에 착용되는 웨어러블 디바이스(wearable device)의 형태로 구현되어 보다 편리하게 생체신호를 획득하도록 형성될 수 있다.The
생체신호 획득센서(10)는 획득한 심장활동신호 및 호흡신호를 후술하는 스트레스 수준 분석장치(300)로 전달할 수 있다.The
다른 실시예에 따르면, 생체신호 획득센서(10)는 획득한 심장활동신호 및 호흡신호로부터 심박수 및 호흡빈도를 각각 추출하고, 이를 이용하여 호흡-심박 비율을 산출하는 기능을 추가로 수행할 수 있으며, 이 경우 산출된 호흡-심박 비율을 후술하는 스트레스 수준 분석장치(300)로 전달할 수 있다.According to another embodiment, the
스트레스 수준 분석장치(300)는 생체신호 획득센서(10)로부터 전달받은 심장활동신호 및 호흡신호를 이용하여 대상자의 스트레스 수준을 분석하기 위한 것으로, 호흡-심박 비율 산출부(310), 스트레스 수준 분석부(320) 및 분석결과 제공부(330)를 포함하여 구성될 수 있다. 예를 들어, 스트레스 수준 분석장치(300)는 PC, 스마트폰, 기타 연산 가능한 컴퓨팅 디바이스로 구현될 있다.The stress
호흡-심박 비율 산출부(310)는 심장활동신호 및 호흡신호로부터 심박수 및 호흡빈도를 각각 추출하고, 이를 이용하여 호흡-심박 비율을 산출할 수 있다.The respiratory-to-
일 실시예에 따르면, 호흡-심박 비율 산출부(310)는 심장활동신호에 대해 시간 영역에서 주기를 분석하거나, 주파수 영역에서 전력 스펙트럼 밀도를 분석하여 심박수(HR)를 계산할 수 있다. 이와 마찬가지로, 호흡-심박 비율 산출부(310)는 호흡신호에 대해 시간 영역에서 주기를 분석하거나, 주파수 영역에서 전력 스펙트럼 밀도를 분석하여 호흡빈도(RR)를 계산할 수 있다.According to an embodiment, the breath-to-
또한, 호흡-심박 비율 산출부(310)는 호흡빈도(RR)를 심박수(HR)로 나누어서 심박에 대한 호흡수의 비율에 해당하는 호흡-심박 비율을 산출할 수 있다. In addition, the respiratory-to-
스트레스 수준 분석부(320)는 산출된 호흡-심박 비율을 이용하여 스트레스 수준을 분석할 수 있다.The stress
일 실시예에 따르면, 스트레스 수준 분석부(320)는 호흡-심박 비율 데이터를 기계학습 분류기(machine learning classifier)에 적용하여 스트레스 수준을 분석할 수 있다.According to an embodiment, the stress
여기서, 기계학습 분류기는 예를 들어 k-최근접 이웃(k-Nearest Neighbor) 알고리즘, 랜덤 포레스트(Random Foreset) 알고리즘 등과 같이 분류에 적합한 기계학습 알고리즘을 사용할 수 있으나, 반드시 이로 제한되는 것은 아니다.Here, the machine learning classifier may use a machine learning algorithm suitable for classification, such as a k-Nearest Neighbor algorithm or a Random Foreset algorithm, but is not limited thereto.
또한, 기계학습 분류기는 사전 훈련 과정을 통해 훈련 데이터(Train set)를 이용하여 호흡-심박 비율 데이터와 스트레스 수준간의 관계를 학습한 것일 수 있다.In addition, the machine learning classifier may be one that has learned the relationship between the respiratory-heart rate data and the stress level by using training data through a pre-training process.
분석결과 제공부(330)는 스트레스 수준 분석 결과를 제공할 수 있다.The analysis
일 실시예에 따르면, 분석결과 제공부(330)는 디스플레이 장치로 구현되어 스트레스 수준 분석 결과(예를 들어, 스트레스 레벨)를 실시간으로 출력하거나, 일정 기간 동안의 스트레스 수준 변화 추이를 그래프 등의 형태로 출력할 수 있다. According to an embodiment, the analysis
다른 실시예에 따르면, 분석결과 제공부(300)는 통신 모듈로 구현되어 스트레스 수준 분석 결과를 대상자의 휴대 단말, 의료기관 서버 또는 단말 등으로 전송할 수도 있다.According to another embodiment, the analysis
또 다른 실시예에 따르면, 분석결과 제공부(330)는 스트레스 수준 분석 결과가 기 설정된 스트레스 수준 이상인 경우 알람을 제공할 수 있다.According to another embodiment, the analysis
한편, 도 3에서는 스트레스 수준 분석장치(300)가 호흡-심박 비율 산출부(310)를 포함하는 것으로 도시되어 있으나, 상술한 바와 같이 생체신호 획득센서(10)가 이에 상응하는 기능을 수행하도록 구현될 수도 있다.On the other hand, in FIG. 3, although the stress
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.The present invention is not limited by the above-described embodiments and accompanying drawings. For those skilled in the art to which the present invention pertains, it will be apparent that components, according to the present invention, may be substituted, modified and changed without departing from the technical spirit of the present invention.
10: 생체신호 획득센서
300: 스트레스 수준 분석장치
310: 호흡-심박 비율 산출부
320: 스트레스 수준 분석부
330: 분석결과 제공부10: biological signal acquisition sensor
300: stress level analysis device
310: breath-to-heart ratio calculator
320: stress level analysis unit
330: analysis result provider
Claims (8)
상기 심장활동신호 및 상기 호흡신호로부터 심박수 및 호흡빈도를 각각 추출하는 단계;
상기 심박수 및 상기 호흡빈도를 이용하여 호흡-심박 비율을 산출하는 단계; 및
상기 호흡-심박 비율을 이용하여 스트레스 수준을 분석하는 단계를 포함하는 호흡-심박 비율을 이용한 스트레스 수준 분석 방법.
Acquiring a subject's cardiac activity signal and breathing signal, respectively;
Extracting heart rate and respiratory frequency from the cardiac activity signal and the respiratory signal, respectively;
Calculating a breath-to-heart rate using the heart rate and the breathing frequency; And
And analyzing the stress level using the breath-to-heart rate ratio.
상기 획득하는 단계는,
심전도 센서, 광용적맥파 센서, 심탄도 센서, 압전소자 센서 중 적어도 하나를 사용하여 상기 심장활동신호를 획득하고,
가속도 센서, 스트레인 게이지(strain gauge), 압전소자 센서 중 적어도 하나를 사용하여 상기 호흡신호를 획득하는 호흡-심박 비율을 이용한 스트레스 수준 분석 방법.
According to claim 1,
The obtaining step,
Acquiring the cardiac activity signal using at least one of an electrocardiogram sensor, a light volume pulse wave sensor, a cardiac trajectory sensor, and a piezoelectric element sensor,
A stress level analysis method using a breath-to-heart ratio that acquires the respiratory signal using at least one of an acceleration sensor, a strain gauge, and a piezoelectric element sensor.
상기 분석하는 단계는,
상기 호흡-심박 비율 데이터를 기계학습 분류기(machine learning classifier)에 적용하여 스트레스 수준을 분석하는 호흡-심박 비율을 이용한 스트레스 수준 분석 방법.
According to claim 1,
The analyzing step,
A stress level analysis method using a breath-to-heart rate that analyzes the stress level by applying the breath-to-heart rate data to a machine learning classifier.
상기 기계학습 분류기는 k-최근접 이웃(k-Nearest Neighbor) 알고리즘 또는 랜덤 포레스트(Random Foreset) 알고리즘을 사용하는 호흡-심박 비율을 이용한 스트레스 수준 분석 방법.
The method of claim 3,
The machine learning classifier is a stress level analysis method using a breath-to-heart ratio using a k-Nearest Neighbor algorithm or a Random Foreset algorithm.
상기 생체신호 획득센서로부터 전달받은 상기 심장활동신호 및 상기 호흡신호를 이용하여 호흡-심박 비율을 산출하고, 상기 호흡-심박 비율을 이용하여 스트레스 수준을 분석하는 스트레스 수준 분석장치를 포함하는 호흡-심박 비율을 이용한 스트레스 수준 분석 시스템.
A bio-signal acquisition sensor that acquires a subject's cardiac activity signal and respiratory signal, respectively; And
Breath-heart rate comprising a stress level analysis device for calculating a breath-heart rate using the cardiac activity signal and the breath signal received from the bio-signal acquisition sensor, and analyzing the stress level using the breath-heart rate Stress level analysis system using ratio.
상기 심장활동신호를 획득하기 위해 심전도 센서, 광용적맥파 센서, 심탄도 센서, 압전소자 센서 중 적어도 하나를 포함하고,
상기 호흡신호를 획득하기 위해 가속도 센서, 스트레인 게이지(strain gauge), 압전소자 센서 중 적어도 하나를 포함하는 호흡-심박 비율을 이용한 스트레스 수준 분석 시스템.
The method of claim 5, wherein the bio-signal acquisition sensor,
To obtain the cardiac activity signal includes at least one of an electrocardiogram sensor, a light volume pulse wave sensor, a cardiac trajectory sensor, and a piezoelectric element sensor,
A stress level analysis system using a breath-to-heart ratio including at least one of an accelerometer sensor, a strain gauge, and a piezoelectric element sensor to obtain the breathing signal.
상기 심장활동신호 및 상기 호흡신호로부터 심박수 및 호흡빈도를 각각 추출하고, 상기 심박수 및 상기 호흡빈도를 이용하여 호흡-심박 비율을 산출하는 호흡-심박 비율 산출부;
상기 호흡-심박 비율 데이터를 기계학습 분류기(machine learning classifier)에 적용하여 스트레스 수준을 분석하는 스트레스 수준 분석부; 및
상기 스트레스 수준 분석부에 의한 분석 결과를 제공하는 분석결과 제공부를 포함하는 호흡-심박 비율을 이용한 스트레스 수준 분석 시스템.
According to claim 5, The stress level analysis device,
A breath-to-heart rate calculator for extracting a heart rate and a breathing frequency from the heart activity signal and the breathing signal, respectively, and calculating a breath-to-heart rate using the heart rate and the breathing frequency;
A stress level analysis unit analyzing the stress level by applying the breath-to-heart rate data to a machine learning classifier; And
A stress level analysis system using a breath-to-heart ratio including an analysis result providing unit that provides an analysis result by the stress level analysis unit.
상기 생체신호 획득센서로부터 전달받은 상기 호흡-심박 비율을 이용하여 스트레스 수준을 분석하는 스트레스 수준 분석장치를 포함하는 호흡-심박 비율을 이용한 스트레스 수준 분석 시스템.Acquiring a subject's cardiac activity signal and respiratory signal respectively, extracting a heart rate and a respiratory frequency from the cardiac activity signal and the respiratory signal, respectively, and using the heart rate and the respiratory frequency to obtain a biosignal that calculates a respiratory-to-heart rate sensor; And
A stress level analysis system using a breath-to-heart ratio, including a stress level analyzing device for analyzing a stress level using the breath-to-heart ratio received from the bio-signal acquisition sensor.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180144492A KR20200059584A (en) | 2018-11-21 | 2018-11-21 | Stress Level Analyzing Method and System Using Respiratory Rate-to-Heart Rate Ratio |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180144492A KR20200059584A (en) | 2018-11-21 | 2018-11-21 | Stress Level Analyzing Method and System Using Respiratory Rate-to-Heart Rate Ratio |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200059584A true KR20200059584A (en) | 2020-05-29 |
Family
ID=70911792
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180144492A KR20200059584A (en) | 2018-11-21 | 2018-11-21 | Stress Level Analyzing Method and System Using Respiratory Rate-to-Heart Rate Ratio |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200059584A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102416878B1 (en) * | 2022-04-15 | 2022-07-05 | 주식회사 엠마헬스케어 | Healthcare apparatus for measuring heart rate |
| KR102435808B1 (en) * | 2022-04-15 | 2022-08-25 | 주식회사 엠마헬스케어 | Healthcare apparatus for measuring stress score |
| WO2023128454A1 (en) * | 2021-12-30 | 2023-07-06 | 주식회사 엠마헬스케어 | Digital healthcare device for measuring heart rate using remote ppg |
| WO2023128455A1 (en) * | 2021-12-30 | 2023-07-06 | 주식회사 엠마헬스케어 | Digital healthcare device for measuring stress index by using remote ppg method |
-
2018
- 2018-11-21 KR KR1020180144492A patent/KR20200059584A/en not_active Application Discontinuation
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023128454A1 (en) * | 2021-12-30 | 2023-07-06 | 주식회사 엠마헬스케어 | Digital healthcare device for measuring heart rate using remote ppg |
| WO2023128455A1 (en) * | 2021-12-30 | 2023-07-06 | 주식회사 엠마헬스케어 | Digital healthcare device for measuring stress index by using remote ppg method |
| KR102416878B1 (en) * | 2022-04-15 | 2022-07-05 | 주식회사 엠마헬스케어 | Healthcare apparatus for measuring heart rate |
| KR102435808B1 (en) * | 2022-04-15 | 2022-08-25 | 주식회사 엠마헬스케어 | Healthcare apparatus for measuring stress score |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10966666B2 (en) | Machine learnt model to detect REM sleep periods using a spectral analysis of heart rate and motion | |
| US10470719B2 (en) | Machine learnt model to detect REM sleep periods using a spectral analysis of heart rate and motion | |
| KR20200059584A (en) | Stress Level Analyzing Method and System Using Respiratory Rate-to-Heart Rate Ratio | |
| CN107260142B (en) | Reduction of physiological index errors using inertial frequency | |
| US11058358B2 (en) | Apparatus and method for correcting error of bio-information sensor, and apparatus and method for estimating bio-information | |
| CN103997955B (en) | The method of the atrial fibrillation in detection electrocardiogram | |
| Reddy et al. | On-device integrated PPG quality assessment and sensor disconnection/saturation detection system for IoT health monitoring | |
| EP2698112B1 (en) | Real-time stress determination of an individual | |
| CN106999065A (en) | Use the wearable pain monitor of accelerometry | |
| US20230317217A1 (en) | System and Method for Populating Electronic Health Records with Wireless Earpieces | |
| WO2015095924A1 (en) | A biofeedback, stress management and cognitive enhancement system | |
| US20210244289A1 (en) | Methods and apparatuses for measuring multiple vital signs based on arterial pressure waveforms | |
| Chattopadhyay et al. | Comparing heart rate variability with polar H10 sensor and pulse rate variability with LYFAS: A novel study | |
| Ahn et al. | On-device filter design for self-identifying inaccurate heart rate readings on wrist-worn ppg sensors | |
| US9826911B2 (en) | Wearable device and determination method thereof | |
| Mancilla-Palestina et al. | Embedded system for bimodal biometrics with fiducial feature extraction on ecg and ppg signals | |
| GB2600126A (en) | Improvements in or relating to wearable sensor apparatus | |
| KR20170123133A (en) | System and method for recognizing emotion using biometric data | |
| Mesanza et al. | Machine learning based fall detector with a sensorized tip | |
| Dissanayake et al. | CompRate: Power efficient heart rate and heart rate variability monitoring on smart wearables | |
| US20230004795A1 (en) | Systems and methods for constructing motion models based on sensor data | |
| US20240090807A1 (en) | Wearable device and method for stress detection, emotion recognition and emotion management | |
| US10691218B2 (en) | Gesture recognition apparatus and components thereof | |
| JP2020048622A (en) | Biological state estimation apparatus | |
| US20220167931A1 (en) | Wearable detection & treating device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |