| 1 |
1
과거기간에 적어도 한 가지 이상의 방식으로 측정된 사용자의 생체신호를 수신하고, 상기 수신된 생체신호를 분석하여 상기 생체신호가 측정된 시점별로 특징정보를 추출하는 특징정보추출단계;상기 추출된 특징정보를 기초로 상기 과거기간에 대한 혈압관련파라미터를 산출하는 파라미터산출단계; 및상기 산출된 혈압관련파라미터를 순환신경망(RNN: Recurrent Neural Network)에 시계열적으로 입력하여 현재시점을 포함하는 미래기간에서의 상기 사용자의 추정혈압이 출력되도록 제어하는 혈압추정제어단계를 포함하고,상기 생체신호는,광용적맥파검사(PPG)를 통해 측정된 사용자의 생체신호이고,상기 광용적맥파검사에 따른 생체신호의 특징정보로부터 산출되는 혈압관련파라미터는,1) 상기 사용자의 심박, 2) 상기 사용자의 혈압의 맥파의 최저점에서 최고점의 40%에 해당하는 위치에 도달하는 데에 소요되는 제1시간, 3) 상기 사용자의 혈압의 맥파의 최저점에서 최고점에 도달하는 데에 소요되는 시간에서 상기 제1시간을 차감한 제2시간,4) 상기 사용자의 맥파의 최저점과 상기 맥파의 최저점에서 제1시간만큼 경과한 시점의 맥파값과의 격차인 제1격차,5) 상기 맥파의 최고점과 최저점과의 격차인 제2격차,6) LASI(large artery stiffness index)7) 상기 제2시간에서 상기 LASI가 경과한 시점에서의 맥파값을 상기 제2격차로 나눈 AI(augmentation index) 및, 8) PPGarea(photoplethysmogram area)을 포함하는 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 방법
|
| 2 |
2
제1항에 있어서,상기 특징정보추출단계는,상기 생체신호에 앙상블 평균(ensemble average)을 적용하여 상기 특징정보를 추출하는 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 방법
|
| 3 |
3
제1항에 있어서,상기 특징정보추출단계는,상기 추출된 특징정보에 서포트 벡터 머신(SVM: Support Vector Machine)을 통해서 노이즈를 제거하거나 노이즈가 기설정값 이상 존재하는 구간을 검출하는 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 방법
|
| 4 |
4
제1항에 있어서,상기 생체신호는,상기 광용적맥파검사를 통해 측정된 생체신호 외에, 심전도검사(ECG), 지진박동곡선검사, 임피던스검사, 심장탄도검사(BCG), 지첨용적매파검사, 초음파검사 중 적어도 한 가지 이상의 방법을 통해 측정된 생체신호를 더 포함하는 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 방법
|
| 5 |
5
삭제
|
| 6 |
6
제1항에 있어서,상기 생체신호는,상기 광용적맥파검사를 통해 측정된 생체신호 외에, 심전도검사(ECG)를 통해 측정된 사용자의 생체신호를 더 포함하고,상기 파라미터산출단계는,상기 심전도검사에 따른 생체신호의 특징정보로부터 산출된 맥파전달시간(PTT: pulse transit time) 및 상기 광용적맥파검사에 따른 생체신호의 특징정보로부터 산출된 맥파전달시간의 시점별 격차를 상기 혈압관련파라미터로 산출하는 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 방법
|
| 7 |
7
삭제
|
| 8 |
8
제1항에 있어서,상기 방법은,상기 과거기간의 각 시점별 혈압들을 정규화시켜서 정규화된 혈압(normalized blood pressure)을 산출하고, 상기 정규화된 혈압들을 상기 정규화된 혈압의 값에 따라 적어도 두 가지 이상의 클래스로 분류하는 클래스분류단계를 더 포함하고,상기 혈압추정제어단계는,상기 클래스의 소프트맥스(softmax)를 기초로 산출되는 크로스 엔트로피(cross entropy)가 최소값이 될 때까지 반복하여, 상기 사용자의 추정혈압이 출력되도록 제어하는 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 방법
|
| 9 |
9
제1항에 있어서,상기 생체신호는,90 카디악 사이클(cardiac cycle)에 대한 생체신호인 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 방법
|
| 10 |
10
제1항에 있어서,상기 생체신호는,60 이상 90 이하의 카디악 사이클(cardiac cycle)에 대한 생체신호인 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 방법
|
| 11 |
11
제1항에 있어서,상기 생체신호는,150 카디악 사이클(cardiac cycle)에 대한 생체신호인 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 방법
|
| 12 |
12
제1항에 있어서,상기 생체신호는,60초 이상 90초 이하의 시간동안 측정된 생체신호인 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 방법
|
| 13 |
13
제1항 내지 제4항, 제6항, 제8항 내지 제12항 중 어느 한 항에 따른 방법을 구현하기 위한 프로그램을 저장하고 있는 컴퓨터 판독가능한 기록매체
|
| 14 |
14
과거기간에 적어도 한 가지 이상의 방식으로 측정된 사용자의 생체신호를 수신하고, 상기 수신된 생체신호를 분석하여 상기 생체신호가 측정된 시점별로 특징정보를 추출하는 특징정보추출단부;상기 추출된 특징정보를 기초로 상기 과거기간에 대한 혈압관련파라미터를 산출하는 파라미터산출부; 및상기 산출된 혈압관련파라미터를 순환신경망(RNN: Recurrent Neural Network)에 시계열적으로 입력하여 현재시점을 포함하는 미래기간에서의 상기 사용자의 추정혈압이 출력되도록 제어하는 혈압추정제어부를 포함하고,상기 생체신호는,광용적맥파검사(PPG)를 통해 측정된 사용자의 생체신호이고,상기 광용적맥파검사에 따른 생체신호의 특징정보로부터 산출되는 혈압관련파라미터는,1) 상기 사용자의 심박, 2) 상기 사용자의 혈압의 맥파의 최저점에서 최고점의 40%에 해당하는 위치에 도달하는 데에 소요되는 제1시간, 3) 상기 사용자의 혈압의 맥파의 최저점에서 최고점에 도달하는 데에 소요되는 시간에서 상기 제1시간을 차감한 제2시간,4) 상기 사용자의 맥파의 최저점과 상기 맥파의 최저점에서 제1시간만큼 경과한 시점의 맥파값과의 격차인 제1격차,5) 상기 맥파의 최고점과 최저점과의 격차인 제2격차,6) LASI(large artery stiffness index)7) 상기 제2시간에서 상기 LASI가 경과한 시점에서의 맥파값을 상기 제2격차로 나눈 AI(augmentation index) 및, 8) PPGarea(photoplethysmogram area)을 포함하는 것을 특징으로 순환신경망을 이용한 구간혈압 추정 장치
|
| 15 |
15
제14항에 있어서,상기 장치는,상기 과거기간의 각 시점별 혈압들을 정규화시켜서 정규화된 혈압(normalized blood pressure)을 산출하고, 상기 정규화된 혈압들을 상기 정규화된 혈압의 값에 따라 적어도 두 가지 이상의 클래스로 분류하는 클래스분류부를 더 포함하고,상기 혈압추정제어부는,상기 클래스의 소프트맥스(softmax)를 기초로 산출되는 크로스 엔트로피(cross entropy)가 최소값이 될 때까지 반복하여, 상기 사용자의 추정혈압이 출력되도록 제어하는 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 장치
|
| 16 |
16
제14항에 있어서,상기 생체신호는,90 카디악 사이클(cardiac cycle)에 대한 생체신호인 것을 특징으로 하는 순환신경망을 이용한 구간혈압 추정 장치
|
