WO2020036246A1 - 기계 학습을 이용한 생체신호 분석 장치 및 그 방법 - Google Patents
기계 학습을 이용한 생체신호 분석 장치 및 그 방법 Download PDFInfo
- Publication number
- WO2020036246A1 WO2020036246A1 PCT/KR2018/009808 KR2018009808W WO2020036246A1 WO 2020036246 A1 WO2020036246 A1 WO 2020036246A1 KR 2018009808 W KR2018009808 W KR 2018009808W WO 2020036246 A1 WO2020036246 A1 WO 2020036246A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- concentration
- light
- chromophore
- output
- light emitting
- Prior art date
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
- A61B5/7235—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
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/443—Evaluating skin constituents, e.g. elastin, melanin, water
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
- A61B5/14552—Details of sensors specially adapted therefor
-
- 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
- A61B5/72—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
Definitions
- the present invention relates to a biosignal analysis apparatus and method using machine learning.
- many techniques analyze the body's biometric information by measuring the absorption and scattering coefficients of the turbid media in the near-infrared region and calculating the concentration of chromophores in the turbid media.
- three methods are known for measuring absorption and scattering coefficients of turbid media. Specifically, a steady-state (SS) method of calculating the chromophore concentration according to a multi-distance measurement method after injecting light of a constant intensity into a turbid medium, a changed amplitude and phase for a modulated light source, and the like.
- FD frequency domain
- TD time domain
- the biosignal analysis apparatus generates a plurality of output light having different wavelengths by using LD, VCSEL, or LED as a light source, irradiates the light on the object, and uses the measured value of the light emitted from the object. Calculate the chromophore concentration.
- a computational model that represents the characteristics of the output light, such as the concentration of each chromophore in the object and the resulting amplitude or phase of the output light, and performs a fitting algorithm such as the least-squares method based on the model. Find out the desired chromophore concentration.
- FIG. 1 is a diagram for explaining a calculation result when a model for calculating chromophore concentration is applied to output light according to a conventional optical element type, respectively.
- (a) and (b) shows the concentration of fat in the chromophore, and is a graph using a total of 6400 simulation data.
- the X axis represents the identification number of each experimental data, and the Y represents the chromophore concentration.
- (a) shows the results using the VCSEL device.
- (b) shows the case of the LED, and since the spectral width of the LED is larger than that of the VCSEL in the case of the LED, it is fitted to the simulation data for the fat concentration value (blue) and LED output light originally set in the simulation. You can see that the fat concentration value (orange) does not match well.
- (c) shows simulation results for VCSEL devices or results obtained by fitting concentrations of hemoglobin rather than fat. Even in the case of VCSEL devices, inherent absorption characteristics of hemoglobin in the case of chromophores such as hemoglobin Due to this problem, the prediction based on the current calculation model does not fit well.
- One embodiment of the present invention is to provide a biosignal analysis apparatus for performing the analysis of the biosignal using a machine learning method, without the fitting process using a calculation model and an operation method of the device.
- the biosignal analysis method uses a biosignal analysis apparatus that analyzes a biosignal based on an output light emitted from an object after being output from an optical source. And providing a machine-learned classification unit based on training data in which wavelength-specific measurement values of output light and concentrations of a plurality of chromophore materials are matched, respectively; Inputting a measurement value of output light emitted from an object measured by the biosignal analysis apparatus into the classification unit; And outputting the chromophore concentration output from the classification unit with respect to the input.
- the light source includes a plurality of light emitting devices that output output light having different wavelengths.
- the biological signal analysis apparatus comprises a plurality of light emitting devices for emitting light of different wavelengths to the object; At least one photodetector for detecting output light emitted from the object; And a controller connected to the light emitting device and the photodetector to control the operation of the light emitting device and the photodetector and to calculate the chromophore concentration based on the measured value of the optical signal received through the photodetector.
- the controller includes a classifier that is machine-learned based on training data in which measured values of wavelengths of output light and concentrations of chromophore materials are matched, respectively, and measured values of output light emitted from an object measured by the photodetector. Is input to the classification unit to calculate the chromophore concentration.
- a biosignal analysis apparatus capable of providing a classification result having the same performance as that of the VCSEL device may be implemented even when using a LED device that is relatively inexpensive as compared with the VCSEL device.
- a VCSEL device even when using a VCSEL device, it is possible to provide improved classification performance for various chromophore materials.
- FIG. 1 is a view for explaining how well a fat value obtained by performing fitting based on a calculation model using a true value of fat concentration used in a simulation for each conventional optical device and simulation data.
- FIG. 2 is a diagram illustrating a configuration of a biosignal analysis apparatus according to an exemplary embodiment of the present invention.
- 3 is a graph 200 showing an absorption spectrum of chromophores present in the body.
- FIG. 4 is a diagram illustrating optical characteristics of input light incident to an object by a light emitting device and output light detected by a photodetector.
- FIG. 5 is a diagram illustrating a detailed configuration of a control unit according to an embodiment of the present invention.
- FIG. 6 is a diagram illustrating an example of training data used for learning a classification unit according to an embodiment of the present invention.
- FIGS. 7 to 9 are diagrams illustrating an analysis result of a biosignal analysis apparatus according to an exemplary embodiment of the present invention.
- an "object” is to be measured by the biosignal analysis apparatus, and may include a person, an animal, or a part thereof.
- the subject may include various organs such as the heart, brain or blood vessels, or various kinds of phantoms.
- FIG. 2 is a diagram illustrating a configuration of a biosignal analysis apparatus according to an exemplary embodiment of the present invention.
- the biosignal analysis apparatus 100 may include a plurality of light emitting devices 110, at least one photodetector 120, and a controller 130.
- the light emitting device 110 may use a laser diode (LD), a light emitting diode (LED), a vertical cavity surface emitting laser (VCSEL), or the like. Each light emitting device 110 may output output light having different wavelengths. In particular, the light emitting device 110 may emit output light having a discrete wavelength.
- the discrete wavelength refers to a discontinuous wavelength and may be a wavelength in a near infrared ray region.
- eight light emitting devices 110 may be disposed to output eight wavelengths, and may emit light at discrete wavelengths within a 650 to 1,100 nm (nano-meter) region. The number of such wavelengths may be changed by selection, but it is preferable that the number of the same or more than the number of chromophore materials.
- Each light emitting device 110 may emit light having different discrete wavelengths to the object 20 under the control of the controller 130.
- the discrete wavelength emitted by each light emitting device 110 is determined based on chromophores present in the object 20, and specifically, based on a known light absorbance of each chromophore.
- chromophore is an organic compound which has an unsaturated bond, and means the atom or atomic group which absorbs light.
- the types of chromophores present in the body are limited and known. For example, tissues such as arms and legs are dominated by water (H 2 O), lipids, oxy-hemoglobin (O 2 Hb), and deoxy-hemoglobin (HHb). Except for lipids, oxy hemoglobin and deoxy hemoglobin are dominant in the brain.
- FIG. 3 is a graph 200 showing an absorption spectrum of chromophores present in the body.
- chromophores have different absorption spectral characteristics in the near infrared region.
- water 201 has peak characteristics in the wavelength region of about 980 nm
- lipid 202 has peak characteristics in the wavelength region of about 930 nm.
- oxy hemoglobin 203 and deoxy hemoglobin 204 intersect with reference to an isosbestic point 210 in the about 800 nm wavelength region.
- the biosignal analysis apparatus 100 includes a light emitting device that outputs at least four wavelengths, and includes four discrete types determined based on light absorption of water, lipids, oxy hemoglobin, and deoxy hemoglobin. It can emit light of a wavelength.
- the discrete wavelengths emitted by each light emitting device include a first discrete wavelength adjacent to the peak region of the water 201 and a second discrete wavelength adjacent to the peak region of the lipid 202, and oxy A third discrete wavelength before isoabsorption point 210 of the known absorption spectrum of hemoglobin 203 and deoxy hemoglobin 204 and a fourth discrete wavelength in the region adjacent to isoabsorption point 210. Can be.
- the third discrete wavelength may be selected in a region where a difference in absorption between the oxy hemoglobin 203 and the deoxy hemoglobin 204 is large in consideration of the absorbance of the deoxy hemoglobin 204.
- the first discrete wavelength may be about 975 nm and the second discrete wavelength may be about 915 nm.
- the third and fourth discrete wavelengths may be about 688 nm and about 808 nm, respectively, but are not limited thereto.
- the biosignal analysis apparatus 100 may include five, six, seven, or eight light emitting devices that emit additional discrete wavelengths in addition to the first through fourth discrete wavelengths. have.
- the fifth to eighth discrete wavelengths thus added may be determined according to the peak characteristics of chromophores other than the chromophores (ie, water, lipids, oxy / deoxy hemoglobin), but are not limited thereto. It is not.
- the multi-wavelength biosignal analysis apparatus 100 may further select wavelengths in regions in which the gradient of the absorption spectrum of each chromophore is relatively gentle, and at predetermined intervals in the main region of the absorption spectrum of each chromophore. May further select wavelengths.
- the fifth to eighth discrete wavelengths added may include collagen, melanin, methemoglobin (MetHb), and carbon monoxide-binding hemoglobin (COHb) other than the chromophores described above. May be determined according to the peak characteristics of the absorption spectrum.
- the additional fifth to eighth discrete wavelengths may be determined based on the center of gravity of the absorption spectra of the chromophores described above, eg, at wavelengths of 700 nm vs. and / or 800 nm vs. Can be.
- the biosignal analysis apparatus 100 has been described as including 4 to 8 light emitting devices, but the present invention is not limited thereto, and the biosignal analysis device 100 includes fewer or more light emitting devices. Can be implemented.
- the biosignal analysis apparatus 100 uses a frequency-domain (FD) method or continuous wave to measure the changed amplitude and phase with respect to the modulated light source, and uses the intensity of the reflected light. Any method of analyzing a biosignal can be used.
- FD frequency-domain
- the photodetector 120 detects output light emitted from the object 200 under the control of the controller 130, and converts the detected output light into an electric signal.
- the output light emitted from the object 200 includes output light emitted through the object.
- the photodetector 120 may amplify the AC component of the converted electrical signal.
- the photodetector 120 may include at least one avalanche photodiode (APD).
- APD avalanche photodiode
- the present invention is not limited thereto, and the photodetector 120 may be implemented in various forms such as a photodiode, a photo transistor, a photo multiplier tube (PMT), a photo cell, and the like. .
- PMT photo multiplier tube
- it may be implemented by including a new type of optical sensor according to the technological development.
- the photodetector 120 may digitize the amplified electric signal and transmit the digital signal to the controller 130.
- the photodetector 120 may be spaced apart from the plurality of light emitting elements 110 by a predetermined distance in order to receive the output light emitted from the object.
- FIG. 4 is a diagram illustrating optical characteristics of input light incident to an object by a light emitting device and output light detected by a photodetector.
- FIG. 4 exemplarily illustrates a case of the FD method, and as shown in (a), when the input light of the light emitting device is irradiated onto the object 20, various components including chromophores in the object 20 are included.
- the input light is scattered and absorbed by
- the graph 300 illustrated in (b) of FIG. 4 is a graph showing the characteristics of the input light L_In and the output light (that is, the reflected light L_Out) in the frequency domain (FD).
- the reflected light L_Out detected by the photodetector 120 is a phase shift 301 and amplitude attenuation with respect to the input light L_In. 302.
- the controller 130 controls the overall operation of the biosignal analysis apparatus 100.
- the controller 130 may execute a control program stored in a memory (not shown) to control the plurality of light emitting devices 110 and the at least one photodetector 120.
- the controller 130 may be a processor used in a general-purpose computing device or may be implemented in the form of an embedded processor.
- the controller 130 executes a control program to control the driving of the plurality of light emitting devices 110, and based on the digitized electrical signal received from the at least one photodetector 120, the chromophore in the object 20. By calculating the concentration of, the biological composition of the object 20 is analyzed.
- FIG. 5 is a diagram illustrating a detailed configuration of a control unit according to an embodiment of the present invention.
- the controller 130 includes the components of the signal processor 132, the classifier 134, and the output unit 136.
- each component is configured in the form of a software module, and the functions of the signal processor 132, the classifier 134, and the output unit 136 may be implemented through a memory and a processor of the controller 130. . That is, as the processor executes the biosignal analysis program stored in the memory, the functions performed by the signal processor 132, the classification unit 134, and the output unit 136 are executed.
- the signal processor 132 controls each light emitting device 110 to output light having a predetermined wavelength, and then receives and analyzes an optical signal detected by the photo detector 120 to extract characteristic parameters of the optical signal. For example, optical characteristics such as the wavelength of the output light emitted from the object and the intensity (amplitude) or phase of the output light for each wavelength are extracted. As such, the measured values for each wavelength of the output light emitted from the object are transmitted to the classifying unit 134.
- the classifier 134 is machine-learned based on training data in which measurement values of wavelengths of optical signals and concentrations of a plurality of chromophore materials are matched, respectively, based on machine learning algorithms. When the measurement value for each wavelength is input, the concentration value for each chromophore material matched thereto is output.
- the classifier 134 may be learned using a machine learning algorithm such as multilayer perceptron or deep learning.
- the training data used for the learning of the classification unit 134 is a match between the measured value of each wavelength of the optical signal and the concentration of each of the chromophores.
- FIG. 6 is a diagram illustrating an example of training data used for learning a classification unit according to an embodiment of the present invention.
- one unit of training data is a measurement value (eg, intensity of light) measured for each wavelength of reflected output light and a concentration of a chromophore material matched with respect to the measurement value. Meanwhile, in the drawing, only the concentration of one chromophore material is recorded. Alternatively, the concentration may be recorded separately for each of the plurality of chromophore materials.
- Such training data is collected according to a calculation model or other method used in the conventional fitting algorithm, and the classifying unit 134 having completed learning is mounted in each biosignal analysis apparatus 100.
- the classification unit 134 may be updated by a manufacturer or a user, and a data communication module for this may be added to the biosignal analysis apparatus 100.
- the output unit 136 receives a chromophore concentration corresponding to the optical signal measurement value from the classifier 134 and outputs an appropriate biosignal analysis result using the same.
- FIGS. 7 to 9 are diagrams illustrating an analysis result of a biosignal analysis apparatus according to an exemplary embodiment of the present invention.
- FIG. 7A Shown in FIG. 7A is an example of training data.
- the X-axis represents the identification number of each training data, showing a total of 6400 experimental data.
- the Y axis represents the chromophore concentration matched with each training data, and in this example, represents the concentration of water.
- the classification unit 134 may be trained using such training data.
- (b) shows the classification result when the measurement value for each wavelength band of the optical signal transmitted to the signal processing unit 132 is input to the classification unit 134 learned using the above training data. Unlike (b) of FIG. 1, it can be seen that the values classified through the classifying unit 134 match the values of the training data well.
- FIG. 8 illustrates training data (a) for measuring the concentration of fat in chromophores and classification results (b) according thereto
- FIG. 9 illustrates training data (a) for measuring the concentration of hemoglobin in chromophores. ) And the resulting classification (b).
- an embodiment of the present invention may also be implemented in the form of a recording medium including instructions executable by a computer, such as a program module executed by the computer.
- Computer readable media can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media.
- computer readable media may include all computer storage media.
- Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data.
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Optics & Photonics (AREA)
- Dermatology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
본 발명의 일 측면에 따른 생체신호 분석 방법은 광소스에서 출력된 후 대상체에서 방출된 출력광에 기초하여 생체신호를 분석하는 생체 신호 분석 장치를 이용하는 것으로, 출력광의 파장별 측정값과 복수의 크로모포어 물질별 농도가 각각 매칭된 훈련 데이터를 기초로 기계 학습된 분류부를 제공하는 단계; 상기 생체 신호 분석 장치가 측정한 대상체에서 방출된 출력광의 측정값을 상기 분류부에 입력하는 단계; 및 상기 입력에 대하여 상기 분류부에서 출력된 크로모포어 농도를 출력하는 단계를 포함한다. 이때, 광소스는 서로 다른 파장의 출력광을 출력하는 복수의 발광소자를 포함한다.
Description
본 발명은 기계 학습을 이용한 생체신호 분석 장치 및 그 방법에 관한 것이다.
최근 혼탁 매체(turbid medium)의 광학적 특성을 이용하여 신체의 생체 정보를 분석하는 다양한 기술들이 개발되고 있다. 이러한 기술들은 신체에 비침습하면서도 신뢰도있는 생체 정보 등을 제공할 수 있다는 점에서 각광받고 있으며, 소비자들의 니즈에 따라 보급형 장치로의 연구 개발에 많은 관심이 집중되고 있다.
특히, 많은 기술들은 근적외선 영역에서의 혼탁 매체의 흡수 계수와 산란 계수를 측정하여 혼탁 매체가 포함하고 있는 크로모포어(chromophore)의 농도를 계산함으로써 신체의 생체 정보를 분석한다. 일반적으로, 혼탁 매체의 흡수 및 산란계수를 측정하기 위한 방법으로 세 가지 방식이 알려져 있다. 구체적으로, 혼탁 매체로 일정한 세기의 광을 입사한 후 다거리 측정 방식에 따라 크로모포어의 농도를 산출하는 정상상태(steady-state, SS) 방식, 변조된 광 소스에 대하여 변화된 진폭 및 위상 등을 측정하는 주파수 도메인(frequency-domain, FD) 방식, 마지막으로 펄스(pulse) 형태의 광 소스에 대하여 시간에 따른 변화를 측정하는 시간 도메인(time domain, TD) 방식 등이 있다.
한편, 이러한 생체 신호 분석 장치는 광 소스로서 LD, VCSEL 또는 LED 등을 사용하여 서로 다른 파장의 출력광을 복수개를 생성하고, 이를 대상체에 조사하며, 대상체에서 방출된 광에 대한 측정값을 이용하여 크로모포어 농도를 산출한다. 이를 위해 대상체 안의 각 크로모포어의 농도와 이에 따라 나타나는 출력광의 진폭 또는 위상 등과 같은 출력광의 특성관계를 나타내는 계산 모델을 이용하며, 해당 모델을 기반으로 최소 자승법과 같은 피팅(fitting) 알고리즘을 수행함으로써, 원하는 크로모포어의 농도를 알아낸다.
그런데, 일부 광 소스의 경우 파장의 스펙트럼 폭(spectral width)이 넓다는 특성으로 인해 위의 계산 모델 및 수치적 피팅을 통해 산출한 크로모포어의 농도값과 실제 결과가 잘 맞지 않는 문제가 있다.
도 1은 크로모포어 농도를 계산하는 모델을 통상적인 광소자 종류에 따른 출력광에 각기 적용했을 때의 계산 결과를 설명하기 위한 도면이다.
(a)와 (b)는 크로모포어 중 지방의 농도를 나타낸 것으로, 총 6400여개의 시뮬레이션 데이터를 이용하여 도시한 그래프이다. X 축은 각 실험 데이터의 식별번호를 나타내는 것이고, Y는 크로모포어 농도를 나타낸다.
(a)는 VCSEL 소자를 이용한 결과를 도시한 것으로, 시뮬레이션에 사용된 6400여개의 데이터에서 각 경우의 지방의 농도값(청색)과 VCSEL 출력광에 대한 시뮬레이션 데이터를 계산 모델을 이용하여 피팅함으로써 역으로 다시 얻어진 지방의 농도 값(주황색)이 대체로 잘 일치하는 것을 확인할 수 있다.
그러나, (b)는 LED에 대한 경우를 도시한 것으로, LED의 경우 VCSEL에 비하여 파장의 스펙트럼 폭이 크기 때문에, 시뮬레이션에서 원래 설정된 지방 농도값(청색)과 LED출력광에 대한 시뮬레이션 데이터로 피팅해 낸 지방 농도 값(주황색)이 잘 일치하지 않는 것을 확인할 수 있다.
또한, (c)는 VCSEL 소자에 대한 시뮬레이션 결과이나, 지방이 아닌 헤모글로빈의 농도를 피팅한 결과값을 도시한 것으로, VCSEL 소자라 하더라도, 헤모글로빈과 같은 크로모포어의 경우, 헤모글로빈의 고유한 흡수 특성으로 인해 현재의 계산 모델에 기초한 예측이 잘 맞지 않는 문제점이 동일하게 발생하고 있다.
이러한 문제점을 해소하기 위해, 출력광의 특성과 각 크로모포어 농도 사이의 상관관계를 나타내는 계산 모델을 이용하는 피팅 과정을 거치지 않고, 생체 신호를 분석할 수 있는 새로운 방법을 제안하고자 한다.
본 발명의 일 실시예는 계산 모델을 이용한 피팅 과정을 거치지 않고, 기계 학습 방법을 이용하여 생체 신호의 분석을 수행하는 생체 신호 분석 장치 및 그 장치의 동작 방법을 제공하는데에 그 목적이 있다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 더 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 측면에 따른 생체 신호 분석 방법은 광소스에서 출력된 후 대상체에서 방출된 출력광에 기초하여 생체 신호를 분석하는 생체 신호 분석 장치를 이용하는 것으로, 출력광의 파장별 측정값과 복수의 크로모포어 물질별 농도가 각각 매칭된 훈련 데이터를 기초로 기계 학습된 분류부를 제공하는 단계; 상기 생체 신호 분석 장치가 측정한 대상체에서 방출된 출력광의 측정값을 상기 분류부에 입력하는 단계; 및 상기 입력에 대하여 상기 분류부에서 출력된 크로모포어 농도를 출력하는 단계를 포함한다. 이때, 광소스는 서로 다른 파장의 출력광을 출력하는 복수의 발광소자를 포함한다.
또한, 본 발명의 다른 측면에 따른 생체 신호 분석 장치는 서로 다른 파장의 출력광을 대상체로 발광하는 복수의 발광소자; 상기 대상체로부터 방출되는 출력광을 검출하는 적어도 하나의 광검출기; 및 상기 발광소자 및 광검출기와 연결되어, 상기 발광소자 및 광검출기의 동작을 제어하고, 상기 광검출기를 통해 수신한 광신호의 측정값을 기초로 크로모포어 농도를 산출하는 제어부를 포함한다. 이때, 제어부는 출력광의 파장별 측정값과 복수의 크로모포어 물질별 농도가 각각 매칭된 훈련 데이터를 기초로 기계 학습된 분류부를 포함하고, 상기 광검출기에서 측정한 대상체에서 방출된 출력광의 측정값을 상기 분류부에 입력하여 상기 크로모포어 농도를 산출한다.
본 발명의 일 실시예에 의하면, VCSEL 소자에 비하여 비교적 저렴한 LED 소자를 이용하더라도 VCSEL 소자와 동일한 성능의 분류 결과를 제공할 수 있는 생체 신호 분석 장치를 구현할 수 있다. 또한, VCSEL 소자를 사용하는 경우에도 다양한 크로모포어 물질에 대해서 향상된 분류 성능을 제공할 수 있다.
도 1은 통상적인 광 소자별로 시뮬레이션에 이용한 지방 농도의 참값과 시뮬레이션 데이터를 이용하여 계산모델에 입각한 피팅을 수행함으로써 얻은 지방 농도 값이 어느정도로 잘 일치되는지 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 생체 신호 분석 장치의 구성을 도시한 도면이다.
도 3은 신체 내에 존재하는 크로모포어들의 흡수 스펙트럼을 나타내는 그래프(200)이다.
도 4는 발광소자에 의해 대상체로 입사되는 입력광과 광검출기에 의해 검출되는 출력광의 광 특성을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 제어부의 상세 구성을 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 분류부의 학습을 위해 사용된 훈련 데이터의 예를 도시한 도면이다.
도 7 내지 도 9는 본 발명의 일 실시예에 따른 생체 신호 분석 장치의 분석 결과를 도시한 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
또한, 도면을 참고하여 설명하면서, 같은 명칭으로 나타낸 구성일지라도 도면에 따라 도면 번호가 달라질 수 있고, 도면 번호는 설명의 편의를 위해 기재된 것에 불과하고 해당 도면 번호에 의해 각 구성의 개념, 특징, 기능 또는 효과가 제한 해석되는 것은 아니다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
명세서 전체에서 "대상체(object)"는 생체 신호 분석 장치의 측정 대상이 되는 것으로, 사람이나 동물 또는 그 일부를 포함하는 것일 수 있다. 또한, 대상체는 심장, 뇌 또는 혈관과 같은 각종 장기나 다양한 종류의 팬텀(phantom)을 포함할 수 있다.
이하, 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 생체 신호 분석 장치의 구성을 도시한 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 생체 신호 분석 장치(100)는, 복수의 발광소자(110), 적어도 하나의 광검출기(120) 및 제어부(130)를 포함한다.
이때, 발광소자(110)로는 LD(laser diode), LED(light emitting diode) 또는 VCSEL(vertical cavity surface emitting laser) 등이 사용될 수 있다. 각 발광소자(110)는 서로 다른 파장의 출력광을 출력할 수 있다. 특히, 발광소자(110)는 이산형 파장(discrete wavelength)을 갖는 출력광을 발광할 수 있다. 여기서, 이산형 파장은, 비연속적인 파장을 의미하는 것으로, 근적외선(near infrared ray) 영역 내의 파장일 수 있다. 예를 들어, 8개의 파장을 출력할 수 있도록 8개의 발광소자(110)가 배치될 수 있으며, 이때 650 내지 1,100 nm (nano-meter) 영역 내의 이산형 파장으로 발광할 수 있다. 이와 같은 파장의 개수는 선택에 따라 변경될 수 있으나, 크로모포어 물질의 개수와 같거나 많은 것이 바람직하다.
각각의 발광소자(110)는 제어부(130)의 제어에 의해, 서로 다른 이산형 파장의 광을 대상체(20)로 방출할 수 있다. 이때, 각 발광소자(110)가 방출하는 이산형 파장은, 대상체(20) 내에 존재하는 크로모포어(chromophore)를 기초로 결정되며, 구체적으로, 각 크로모포어의 기 알려진 광 흡수도를 기초로 결정될 수 있다. 여기서, 크로모포어는, 불포화 결합을 갖는 유기 화합물로서, 광을 흡수하는 원자 또는 원자단을 의미한다. 일반적으로, 신체 내에 존재하는 크로모포어의 종류는 한정적이며 기 알려져 있다. 예를 들어, 팔, 다리 등의 조직(tissue)에는 물(H2O), 지질(lipid), 옥시 헤모글로빈(oxy-hemoglobin, O2Hb), 디옥시 헤모글로빈(deoxy-hemoglobin, HHb)이 지배적으로 존재하며, 뇌에는 지질을 제외한 물, 옥시 헤모글로빈 및 디옥시 헤모글로빈이 지배적으로 존재한다.
도 3은 신체 내에 존재하는 크로모포어들의 흡수 스펙트럼을 나타내는 그래프(200)이다. 일반적으로, 크로모포어들은 근적외선 영역에서 서로 다른 흡수 스펙트럼 특성을 갖는다.
도 3에 도시된 바와 같이, 물(201)은 약 980 nm 파장 영역에서 피크 특성을 가지며, 지질(202)은 약 930 nm 파장 영역에서 피크 특성을 갖는다. 또한, 옥시 헤모글로빈(203)과 디옥시 헤모글로빈(204)은 약 800 nm 파장 영역에서의 등흡수점(isosbestic point)(210)를 기준으로 교차한다.
일 실시예에 따라, 생체 신호 분석 장치(100)는 적어도 네 개의 파장을 출력하는 발광소자를 포함하고, 물, 지질, 옥시 헤모글로빈 및 디옥시 헤모글로빈의 광 흡수도를 기초로 결정되는 네 개의 이산형 파장의 광을 방출할 수 있다. 구체적으로, 각 발광소자가 방출하는 이산형 파장은, 물(201)의 피크 영역에 인접하는 제1 이산형 파장, 지질(202)의 피크 영역에 인접하는 제2 이산형 파장을 포함하며, 옥시 헤모글로빈(203) 및 디옥시 헤모글로빈(204)의 기 알려진 흡수 스펙트럼의 등흡수점(210) 이전의 제3 이산형 파장과 등흡수점(210)에 인접하는 영역의 제4 이산형 파장을 포함할 수 있다. 이때, 제3 이산형 파장은 디옥시 헤모글로빈(204)의 흡수도를 고려하여, 옥시 헤모글로빈(203)과 디옥시 헤모글로빈(204)의 흡수 차이가 큰 영역에서 선택될 수 있다. 예를 들어, 제1 이산형 파장은 약 975 nm 일 수 있으며, 제2 이산형 파장은 약 915 nm 일 수 있다. 또한, 제3 이산형 파장과 제4 이산형 파장은 각각 약 688 nm 및 약 808 nm 일 수 있으나, 이에 제한되지 않는다.
다른 실시예에 따라, 생체 신호 분석 장치(100)는 상기한 제1 내지 제4 이산형 파장 이외에 추가적인 이산형 파장을 더 방출하는 다섯 개, 여섯 개, 일곱 개 또는 여덟 개의 발광소자를 포함할 수 있다. 이에 따라 추가되는 제5 내지 제 8 이산형 파장은, 상기한 크로모포어(즉, 물, 지질, 옥시/디옥시 헤모글로빈) 이외의 다른 크로모포어의 피크 특성에 따라 결정될 수 있으나, 이에 제한되는 것은 아니다. 예를 들어, 다파장 생체 신호 분석 장치(100)는 각 크로모포어의 흡수 스펙트럼의 경사도가 상대적으로 완만한 영역의 파장들을 추가 선택할 수 있으며, 각 크로모포어의 흡수 스텍트럼의 주요 영역에서 일정 간격의 파장들을 추가로 선택할 수도 있다.
예를 들어, 추가되는 제 5 내지 제 8 이산형 파장은, 상기한 크로모포어들 이외의 콜라겐(collagen), 멜라닌(melanin), 메트헤모글로빈(methemoglobin, MetHb), 일산화탄소결합 헤모글로빈(CO hemoglobin, COHb) 등의 흡수 스펙트럼의 피크 특성에 따라 결정될 수 있다. 또는, 추가되는 제5 내지 제 8 이산형 파장은, 상기한 크로모포어들의 흡수 스펙트럼의 무게 중심을 기초로 결정될 수 있으며, 예를 들어, 700 nm 대 영역 및/또는 800 nm 대 영역의 파장일 수 있다.
한편, 위 설명에서는 생체 신호 분석 장치(100) 가 4개~8 개의 발광소자를 포함하는 것으로 설명하였으나, 본 발명은 이에 제한되지 않고, 더 적은 개수 또는 더 많은 개수의 발광소자를 포함하는 형태로 구현될 수 있다.
또한, 생체 신호 분석 장치(100)는 변조된 광 소스에 대하여 변화된 진폭 및 위상 등을 측정하는 주파수 도메인(frequency-domain, FD) 방식 또는 연속파(Continuous Wave)를 조사하여 반사된 광의 강도를 이용하여 생체 신호를 분석하는 방식등을 모두 사용할 수 있다.
다시 도 2를 참조하면, 광검출기(120)는 제어부(130)의 제어에 의해, 대상체(200)로부터 방출되는 출력광을 검출하고, 검출된 출력광을 전기신호로 변환한다. 이때, 대상체(200)로부터 방출되는 출력광은 대상체를 통과하여 방출되는 출력광을 포함한다. 광검출기(120)는 변환된 전기신호의 AC 성분을 증폭시킬 수 있다. 이를 위해, 광검출기(120)는 적어도 하나의 아발란치 포토 다이오드(avalanche photodiode, APD)를 포함할 수 있다. 그러나, 이에 제한되는 것은 아니며, 광검출기(120)는 포토다이오드, 포토 트랜지스터(photo transistor), 광전 증폭관(photo multiplier tube, PMT), 포토셀(photo cell) 등과 같이 다양한 형태로 구현될 수 있다. 또한, 기술 발전에 따른 새로운 형태의 광 센서를 포함하여 구현될 수도 있다.
광검출기(120)는 증폭된 전기신호를 디지털화하여 제어부(130)로 전달할 수 있다.
또한, 광검출기(120)는 대상체에서 방출되는 출력광을 수신하기 위해 복수의 발광소자(110)와 일정 거리 간격으로 이격되어 배치될 수 있다.
도 4는 발광소자에 의해 대상체로 입사되는 입력광과 광검출기에 의해 검출되는 출력광의 광 특성을 도시한 도면이다.
도 4는 FD 방식의 경우를 예시적으로 도시한 것으로, (a)에 도시된 바와 같이, 발광소자의 입력광이 대상체(20)로 조사되면, 대상체(20) 내의 크로모포어를 포함한 다양한 성분에 의해 입력광은 산란 및 흡수 된다.
도 4의 (b)에 도시된 그래프(300)는, 주파수 영역(frequency domain, FD)에서의 입력광(L_In) 및 출력광(즉, 반사광(L_Out)) 특성을 나타낸 그래프이다. 발광소자의 입력광(L_In)이 대상체(20)로 조사됨에 따라 광검출기(120)에서 검출되는 반사광(L_Out)은, 입력광(L_In)에 대한 위상 이동(phase shift)(301) 및 진폭 감쇄(302) 특성을 갖는다.
제어부(130)는 생체 신호 분석 장치(100)의 전반적인 동작을 제어한다. 예를 들어, 제어부(130)는 메모리(미도시)에 저장된 제어 프로그램을 실행하여, 복수의 발광소자(110) 및 적어도 하나의 광검출기(120)를 제어할 수 있다. 이때, 제어부(130)는 범용 컴퓨팅 장치에 사용되는 프로세서이거나, 임베디드 프로세서 형태로 구현될 수 있다.
제어부(130)는 제어 프로그램을 실행하여, 복수의 발광소자(110)의 구동을 제어하며, 적어도 하나의 광검출기(120)로부터 전달받은 디지털화된 전기신호를 기초로 대상체(20) 내의 크로모포어의 농도를 산출함으로써, 대상체(20)의 생체 구성을 분석한다.
도 5는 본 발명의 일 실시예에 따른 제어부의 상세 구성을 도시한 도면이다.
제어부(130)는 신호 처리부(132), 분류부(134) 및 출력부(136)의 구성을 포함한다. 이때, 각각의 구성요소는 소프트웨어 모듈의 형태로 구성되며, 제어부(130)의 메모리 및 프로세서를 통해, 신호 처리부(132), 분류부(134) 및 출력부(136)의 기능이 구현될 수 있다. 즉, 메모리에 저장된 생체 신호 분석 프로그램을 프로세서가 실행함에 따라 신호 처리부(132), 분류부(134) 및 출력부(136)가 수행하는 기능이 실행된다.
신호 처리부(132)는 각 발광소자(110)가 미리 지정된 파장의 광을 출력하도록 제어하고, 이후 광 검출기(120)에서 감지하는 광신호를 수신 및 분석하여 광신호의 특성 파라미터를 추출한다. 예를 들면, 대상체에서 방출된 출력광의 파장 및 각 파장별 출력광의 강도(진폭) 또는 위상 등의 광특성을 추출한다. 이와 같이, 대상체에서 방출된 출력광의 각 파장별 측정값은 분류부(134)로 전달된다.
분류부(134)는 기계 학습 알고리즘에 기초하여 광신호의 파장별 측정값과 복수의 크로모포어 물질별 농도가 각각 매칭된 훈련 데이터를 기초로 기계 학습된 것으로, 이후 대상체에서 방출된 출력광의 각 파장별 측정값이 입력되면, 그에 매칭되는 크로모포어 물질별 농도값이 출력된다.
분류부(134)는 다층 퍼셉트론 또는 딥러닝과 같은 기계 학습 알고리즘을 이용하여 학습된 것일 수 있다. 이때, 분류부(134)의 학습을 위해 사용된 훈련 데이터는 광신호의 파장별 측정값과 복수의 크로모포어 물질별 농도가 각각 매칭된 것이다.
도 6은 본 발명의 일 실시예에 따른 분류부의 학습을 위해 사용된 훈련 데이터의 예를 도시한 도면이다.
도시된 바와 같이, 하나의 단위 훈련 데이터는 반사된 출력광의 각 파장별로 측정된 측정값(예를 들면 광의 강도)과 해당 측정값에 대하여 매칭되는 크로모포어 물질의 농도가 기록된 것이다. 한편, 도면에서는 하나의 크로모포어 물질의 농도만 기록되어 있으나, 이와 달리 복수의 크로모포어 물질별로 서로 구분하여 농도가 기록될 수 있다. 이와 같은 훈련 데이터는 종래의 피팅 알고리즘에 사용되었던 계산 모델 또는 기타 방식에 따라 수집된 것으로서, 이를 통해 학습이 완료된 분류부(134)가 각 생체 신호 분석 장치(100)에 탑재된다. 이와 같은 분류부(134)는 제조사 또는 사용자에 의하여 갱신될 수 있으며, 이를 위한 데이터 통신 모듈이 생체 신호 분석 장치(100)에 추가될 수 있다.
출력부(136)는 분류부(134)로부터 광신호 측정값에 매칭되는 크로모포어 물질별 농도를 전달받고, 이를 이용하여 적절한 생체 신호 분석 결과를 출력한다.
도 7 내지 도 9는 본 발명의 일 실시예에 따른 생체 신호 분석 장치의 분석 결과를 도시한 도면이다.
모두 LED의 특성을 고려하여 생성된 시뮬레이션 데이터를 사용하고 있다.
도 7의 (a)에 도시된 것은 훈련 데이터의 예시이다. X 축은 각 훈련 데이터의 식별번호를 나타내는 것으로 총 6400여개의 실험 데이터를 도시하고 있다. Y축은 각 훈련 데이터에 매칭되는 크로모포어 농도를 나타내는 것으로서, 본 예시에서는 물의 농도를 나타내는 것이다. 이와 같은 훈련 데이터를 이용하여 분류부(134)를 학습시킬 수 있다.
(b)에 도시된 것은 위의 훈련 데이터를 이용하여 학습된 분류부(134)에 신호 처리부(132)에 전달된 광신호의 파장 대역별 측정값을 입력하였을때의 분류 결과를 도시한 것이다. 도 1의 (b)와는 달리 분류부(134)를 통해 분류된 값이 훈련 데이터의 값과 잘 일치되는 것을 확인할 수 있다.
도 8은 크로모포어 중 지방의 농도를 측정하기 위한 훈련 데이터(a)와 그에 따른 분류 결과(b)를 도시하고 있고, 도 9는 크로모포어 중 헤모글로빈의 농도를 측정하기 위한 훈련 데이터(a)와 그에 따른 분류 결과(b)를 도시하고 있다.
이와 같이, LED를 발광소자로서 사용하는 경우에도 피팅 알고리즘을 사용하는 경우와 달리 정확한 분류 결과를 출력할 수 있음을 확인할 수 있다.
또한, 본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
Claims (7)
- 광소스에서 출력된 후 대상체에서 방출된 출력광을 기초로 생체 신호를 분석하는 생체 신호 분석 장치의 생체 신호 분석 방법에 있어서,출력광의 파장별 측정값과 복수의 크로모포어 물질별 농도가 각각 매칭된 훈련 데이터를 기초로 기계 학습된 분류부를 제공하는 단계;상기 생체 신호 분석 장치가 측정한 대상체에서 방출된 출력광의 측정값을 상기 분류부에 입력하는 단계; 및상기 입력에 대하여 상기 분류부에서 출력된 크로모포어 농도를 출력하는 단계를 포함하되,상기 광소스는 서로 다른 파장의 출력광을 출력하는 복수의 발광소자를 포함하는 생체 신호 분석 방법.
- 제 1 항에 있어서,상기 광소스는 하나 이상의 LD(laser diode), LED(light emitting diode) 또는 VCSEL(vertical cavity surface emitting laser) 를 포함하는 것인 생체 신호 분석 방법.
- 제 1 항에 있어서,상기 훈련 데이터는 상기 크로모포어 물질에 해당하는 물의 농도, 지질의 농도, 옥시 헤모글로빈의 농도 및 디옥시 헤모글로빈의 농도에 매칭되는 복수의 파장 대역별로 구분된 광신호의 측정값을 포함하는 것인 생체 신호 분석 방법.
- 생체 신호 분석 장치에 있어서,서로 다른 파장의 출력광을 대상체로 발광하는 복수의 발광소자;상기 대상체로부터 방출되는 출력광을 검출하는 적어도 하나의 광검출기; 및상기 발광소자 및 광검출기와 연결되어, 상기 발광소자 및 광검출기의 동작을 제어하고, 상기 광검출기를 통해 수신한 광신호의 측정값을 기초로 크로모포어 농도를 산출하는 제어부를 포함하되,상기 제어부는 출력광의 파장별 측정값과 복수의 크로모포어 물질별 농도가 각각 매칭된 훈련 데이터를 기초로 기계 학습된 분류부를 포함하고, 상기 광검출기에서 측정한 대상체에서 방출된 출력광의 측정값을 상기 분류부에 입력하여 상기 크로모포어 농도를 산출하는 생체 신호 분석 장치.
- 제 4 항에 있어서,상기 광소스는 하나 이상의 LD(laser diode), LED(light emitting diode) 또는 VCSEL(vertical cavity surface emitting laser) 를 포함하는 것인 생체 신호 분석 장치.
- 제 4 항에 있어서,상기 훈련 데이터는 상기 크로모포어 물질에 해당하는 물의 농도, 지질의 농도, 옥시 헤모글로빈의 농도 및 디옥시 헤모글로빈의 농도에 매칭되는 복수의 파장 대역별로 구분된 광신호의 측정값을 포함하는 것인 생체 신호 분석 장치.
- 제 4 항에 있어서,상기 제어부는 상기 복수의 발광소자가 각각 출력광을 발광하도록 순차적으로 각 발광소자를 구동하는 것인 생체 신호 분석 장치.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18930409.0A EP3689228A4 (en) | 2018-08-17 | 2018-08-24 | BIOLOGICAL SIGNAL ANALYSIS APPARATUS USING AUTOMATIC LEARNING AND RELATED PROCESS |
US16/864,667 US20200253561A1 (en) | 2018-08-17 | 2020-05-01 | Bio-signal analysis apparatus using machine learning and method therefor |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2018-0095928 | 2018-08-17 | ||
KR1020180095928A KR20200020341A (ko) | 2018-08-17 | 2018-08-17 | 기계 학습을 이용한 생체신호 분석 장치 및 그 방법 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
US16/864,667 Continuation US20200253561A1 (en) | 2018-08-17 | 2020-05-01 | Bio-signal analysis apparatus using machine learning and method therefor |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020036246A1 true WO2020036246A1 (ko) | 2020-02-20 |
Family
ID=69524807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/KR2018/009808 WO2020036246A1 (ko) | 2018-08-17 | 2018-08-24 | 기계 학습을 이용한 생체신호 분석 장치 및 그 방법 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200253561A1 (ko) |
EP (1) | EP3689228A4 (ko) |
KR (1) | KR20200020341A (ko) |
WO (1) | WO2020036246A1 (ko) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11466977B2 (en) | 2020-05-18 | 2022-10-11 | Massachusetts Institute Of Technology | Subcutaneous fat thickness measurement by Raman spectroscopy |
KR102444393B1 (ko) * | 2020-09-25 | 2022-09-20 | 주식회사 올리브헬스케어 | 유방암 진단 시스템 |
KR102415949B1 (ko) * | 2021-08-24 | 2022-07-06 | (주)메디띵스 | 근적외선 기반 방광 상태 측정 장치 |
KR20230050051A (ko) * | 2021-10-07 | 2023-04-14 | 주식회사 올리브헬스케어 | 체성분 분석 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090097904A (ko) * | 2007-01-05 | 2009-09-16 | 마이스킨 인크 | 피부 이미징을 위한 시스템, 디바이스 및 방법 |
WO2017074505A1 (en) * | 2015-10-28 | 2017-05-04 | Spectral Md, Inc. | Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification |
KR20170094146A (ko) * | 2014-12-17 | 2017-08-17 | 인텔 코포레이션 | 개선된 생체 신호 획득을 위한 다중 스펙트럼 측정 기법 |
KR20180010945A (ko) * | 2016-07-21 | 2018-01-31 | 주식회사 인핏앤컴퍼니 | 주파수 도메인 기반의 다파장 생체신호 분석 장치 및 그 방법 |
KR20180015171A (ko) * | 2015-05-26 | 2018-02-12 | 비에스엑스 애슐레틱스 | 조직의 생물학적 지표 레벨을 판정하기 위한 디바이스 및 방법 |
-
2018
- 2018-08-17 KR KR1020180095928A patent/KR20200020341A/ko not_active IP Right Cessation
- 2018-08-24 EP EP18930409.0A patent/EP3689228A4/en not_active Withdrawn
- 2018-08-24 WO PCT/KR2018/009808 patent/WO2020036246A1/ko unknown
-
2020
- 2020-05-01 US US16/864,667 patent/US20200253561A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090097904A (ko) * | 2007-01-05 | 2009-09-16 | 마이스킨 인크 | 피부 이미징을 위한 시스템, 디바이스 및 방법 |
KR20170094146A (ko) * | 2014-12-17 | 2017-08-17 | 인텔 코포레이션 | 개선된 생체 신호 획득을 위한 다중 스펙트럼 측정 기법 |
KR20180015171A (ko) * | 2015-05-26 | 2018-02-12 | 비에스엑스 애슐레틱스 | 조직의 생물학적 지표 레벨을 판정하기 위한 디바이스 및 방법 |
WO2017074505A1 (en) * | 2015-10-28 | 2017-05-04 | Spectral Md, Inc. | Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification |
KR20180010945A (ko) * | 2016-07-21 | 2018-01-31 | 주식회사 인핏앤컴퍼니 | 주파수 도메인 기반의 다파장 생체신호 분석 장치 및 그 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR20200020341A (ko) | 2020-02-26 |
US20200253561A1 (en) | 2020-08-13 |
EP3689228A4 (en) | 2021-09-29 |
EP3689228A1 (en) | 2020-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020036246A1 (ko) | 기계 학습을 이용한 생체신호 분석 장치 및 그 방법 | |
Scholkmann et al. | A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology | |
US11690513B2 (en) | Methods and system for multi-channel bio-optical sensing | |
JP5982364B2 (ja) | 測定媒体の成分または特性、特に生理的血液値を特定およびモニタするための装置ならびに方法 | |
Spigulis et al. | Simultaneous recording of skin blood pulsations at different vascular depths by multiwavelength photoplethysmography | |
KR102043319B1 (ko) | 주파수 도메인 기반의 다파장 생체신호 분석 장치 | |
US20160022223A1 (en) | Multi-modal depth-resolved tissue status monitor | |
US9279763B2 (en) | Apparatus and method for measuring an analyte such as bilirubin, using light | |
WO1993011701A1 (en) | Noninvasive measurement of hematocrit and hemoglobin content by differential optical analysis | |
EP2509491A1 (en) | Apparatus for measuring blood parameters | |
US20180303391A1 (en) | High-speed tissue oximetry system employing fast digital diffuse optical spectroscopy | |
US20040039267A1 (en) | Organism optical measurement instrument | |
US10627349B2 (en) | Signal processing device of analyzing bio-signal and bio-signal analyzing apparatus using the same | |
US11872022B2 (en) | System and method for an optical blood flow measurement | |
JP4167860B2 (ja) | 生体光計測装置 | |
KR102005832B1 (ko) | 생체 신호를 분석하는 신호 처리 장치 및 이를 이용한 생체 신호 분석 장치 | |
Lareau et al. | Near infrared spectrometer combined with multichannel eeg for functional brain imaging | |
Nishimura et al. | A new approach to functional near-infrared technology | |
JP2005169020A (ja) | 血中酸素飽和度検出装置 | |
Cysewska-Sobusiak et al. | Examples of the application of light-tissue interaction to biomedical engineering | |
Avadiyappan et al. | Design and Development of an fNIRS System for Analysing Brain Prefrontal Cortex | |
JP2019130070A (ja) | 生体情報測定装置 | |
Evcil | Optical probe design for continuous wave near-infrared spectroscopy | |
Rubi et al. | Blood Group Measurement using Light Emitting Diode | |
Torricelli et al. | Mapping cerebral hemodynamics in brain cortex by multi-channel time-resolved near-infrared spectroscopy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18930409 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2018930409 Country of ref document: EP Effective date: 20200429 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |