1 |
1
비강 캐뉼라에 삽입된 압력센서로부터 검출된 비강압력신호를 연산처리부가 수신하여, 무호흡 이벤트 또는 저호흡 이벤트 또는 코골이 이벤트를 포함하는 수면호흡장애 이벤트를 검출하는, 수면호흡장애 이벤트 검출단계;연산처리부는, 수면호흡장애 이벤트 검출단계 후, 30초 단위의 비강압력 신호 구간에서, 50% 이상 수면호흡장애 이벤트가 포함되어 있는 구간을, 수면호흡장애 구간으로 분류하는, 수면호흡장애 구간 분류단계;연산처리부는, 수면호흡장애 구간인지 여부를 판단하여, 수면호흡장애 구간이 아니라면, 정상호흡 구간으로, 상기 정상호흡 구간에서, 호흡주기의 평균을 포함하는 시간영역의 특징벡터과, 저주파대역의 강도(PLF)를 포함하는 주파수영역의 특징 벡터를 추출하는, 정상호흡 구간의 특징벡터 추출단계;연산처리부는, 정상호흡 구간의 특징벡터 추출단계에서 추출된 시간영역과 주파수영역의 특징 벡터를 써포트 벡터 머신(SVM) 분류기에 적용하여 수면과 각성을 분류하는, 써포트 벡터 머신 분류기의 수면과 각성의 분류단계;를 포함하며,정상호흡 구간의 특징벡터 추출단계는,연산처리부는, 비강압력 신호의 진폭과 주기를 계산하기 위해 51차 중앙값 필터(median filter)를 사용하여 배경 잡음 및 코골이 관련 신호를 제거한 후, 적응 문턱치 알고리즘을 이용하여 호흡의 최대점을 검출하는, 전처리단계;연산처리부는, 시간영역의 특징벡터와 주파수영역의 특징 벡터뿐만아니라, 비선형 특징벡터로서, 근사 엔트로피(approximate entropy, ApEn) 와 집중경향값 (central tendency measure, CTM)을 더 검출하는, 특징추출단계;를 포함하는 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 방법
|
2 |
2
제1항에 있어서,연산처리부는, 수면호흡장애 구간 분류단계 후, 수면호흡장애 구간인지 여부를 판단하여, 수면호흡장애 구간이라면, 수면으로 분류하는, 수면호흡장애 구간의 수면분류단계;를 더 포함하는 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 방법
|
3 |
3
제2항에 있어서, 시간영역의 특징벡터는, 호흡주기의 평균(MEANLEN), 호흡주기의 표준편차(SDLEN), 호흡진폭의 평균 (MEANAMP), 호흡진폭의 표준편차(SDAMP)를 더 포함하는 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 방법
|
4 |
4
제3항에 있어서, 주파수영역의 특징 벡터는, 초저주파대역의 강도(PVLF), 고주파대역의 강도(PHF), 저주파수대 고주파수의 대역 강도비(PLF/ PHF ratio), 전체 강도(PTF) 를 더 포함하는 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 방법
|
5 |
5
삭제
|
6 |
6
제4항에 있어서,전처리단계에서 문턱치 초기값은,(단, THinit는 문턱치 초기값이며, XNP는 필터링된 비강압력 신호이며, fs는 샘플링 주파수이고, n은 문턱치를 갱신하는 회차임)에 의해 구하여지는 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 방법
|
7 |
7
제6항에 있어서,전처리단계에서 문턱치는 (단, THn은 n번째 갱신된 문턱치이며, THn-1은 n-1번째 갱신된 문턱치이며, nMAXi-1는 최대점의 값임)에 의해 구하여지는 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 방법
|
8 |
8
제4항에 있어서,호흡주기의 평균(MEANLEN)은 비강압력 신호의 한 구간에서 호흡주기의 평균이며, 호흡주기의 표준편차(SDLEN)는 한 구간에서 호흡주기의 표준편차를 이며, 호흡진폭의 평균 (MEANAMP)는 한 구간에서 호흡진폭의 평균을 이며, 호흡진폭의 표준편차 (SDAMP)는 한 구간에서 호흡진폭의 표준편차를 인 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 방법
|
9 |
9
제4항에 있어서,연산처리부는 주파수영역의 특징벡터를 추출하기 위해 비강압력 신호를 고속 푸리에 변환(FFT)을 수행하고, 고속 푸리에 변환(FFT) 결과에 제곱을 취해 전력 스펙트럼 밀도를 계산하되,초저주파대역의 강도는 0
|
10 |
10
제9항에 있어서,전체 강도(PTF) 는 초저주파대역의 강도, 저주파대역의 강도, 고주파대역의 강도를 합한 것인 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 방법
|
11 |
11
제1항 내지 제4항, 제6항 내지 제10항 중 어느 한 항의 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 방법을 컴퓨터로 구현하기 위한 프로그램이 기록된, 컴퓨터로 판독가능한 기록매체
|
12 |
12
비강 캐뉼라에 삽입된 압력센서를 포함하여 이루어지며, 상기 압력센서로부터 비강압력신호를 검출하는 비강압력신호 검출수단;비강압력신호 검출수단으로부터 비강압력신호를 수신하여, 무호흡 이벤트, 저호흡 이벤트를 포함하는 수면호흡장애 이벤트를 검출한 후, 30초 단위의 비강압력 신호 구간에서, 50% 이상 수면호흡장애 이벤트가 포함되어 있는 구간을, 수면호흡장애 구간으로 분류하고, 수면호흡장애 구간이 아니라면, 정상호흡 구간으로 분류하며, 상기 정상호흡 구간에서, 호흡주기의 평균을 포함하는 시간영역의 특징벡터과, 저주파대역의 강도(PLF)를 포함하는 주파수영역의 특징 벡터를 추출하고, 추출된 시간영역과 주파수영역의 특징 벡터를 써포트 벡터 머신(SVM) 분류기에 적용하여 수면과 각성을 분류하는, 연산처리부;를 포함하며, 연산처리부는, 정상호흡 구간의 시간영역과 주파수영역의 특징벡터 추출시에, 비강압력 신호의 진폭과 주기를 계산하기 위해 51차 중앙값 필터(median filter)를 사용하여 배경 잡음 및 코골이 관련 신호를 제거한 후, 적응 문턱치 알고리즘을 이용하여 호흡의 최대점을 검출하고, 시간영역의 특징벡터와 주파수영역의 특징 벡터뿐만아니라, 비선형 특징벡터로서, 근사 엔트로피(approximate entropy, ApEn) 와 집중경향값 (central tendency measure, CTM)을 더 검출하는 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 장치
|
13 |
13
제12항에 있어서,상기 연산처리부는, 수면호흡장애 구간 분류단계 후, 수면호흡장애 구간인지 여부를 판단하여, 수면호흡장애 구간이라면, 수면으로 분류하는 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 장치
|
14 |
14
제13항에 있어서, 시간영역의 특징벡터는, 호흡주기의 평균(MEANLEN), 호흡주기의 표준편차(SDLEN), 호흡진폭의 평균 (MEANAMP), 호흡진폭의 표준편차(SDAMP)를 더 포함하는 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 장치
|
15 |
15
제14항에 있어서, 주파수영역의 특징 벡터는, 초저주파대역의 강도(PVLF), 고주파대역의 강도(PHF), 저주파수대 고주파수의 대역 강도비(PLF/ PHF ratio), 전체 강도(PTF) 를 더 포함하는 것을 특징으로 하는, 비강압력신호를 이용한 수면호흡장애 환자의 수면과 각성의 분류 장치
|
16 |
16
제1항에 있어서,집중경향값 (CTM)은(단, x(i)는 i번째 수면호흡장애 이벤트 데이터를 나타내며, ρ는 선택된 원형영역의 반경을 나타냄
|