| 1 |
1
(a) 광용적맥파(photoplethysmography, PPG) 신호를 획득하는 단계; 및(b) 상기 광용적맥파로부터 산출된 적어도 하나의 특징에 따른 통증 분류 모델을 이용하여 통증 분류를 수행하는 단계;를 포함하는,통증 분류 방법
|
| 2 |
2
제1항에 있어서, 상기 (a) 단계와 (b) 단계 사이에, (c) 상기 광용적맥파 신호로부터 미리 결정된 세그먼트 길이에 따라 다수의 특징을 산출하는 단계; 및(d) 상기 다수의 특징 간 공선성(collinearity) 값에 따라 상기 다수의 특징 중 상기 적어도 하나의 특징을 선택하는 단계;를 더 포함하는,통증 분류 방법
|
| 3 |
3
제1항에 있어서,상기 다수의 특징은, 적어도 하나의 제1 특징, 적어도 하나의 제2 특징 및 적어도 하나의 제3 특징을 포함하고,상기 적어도 하나의 제1 특징은, 상기 광용적맥파로부터 산출되고,상기 적어도 하나의 제2 특징은, 상기 적어도 하나의 제1 특징을 정규화(normalize)하여 산출되고,상기 적어도 하나의 제3 특징은, 상기 적어도 하나의 제1 특징 및 상기 적어도 하나의 제2 특징 각각의 평균(average), 표준편차(standard deviation), 연속적 차이의 제곱 평균 제곱근(root mean square of successive difference) 및 연속적 차이의 표준 편차(standard deviation of successive difference) 중 적어도 하나를 포함하는,통증 분류 방법
|
| 4 |
4
제2항에 있어서,상기 (d) 단계는, 상기 다수의 특징 중 상기 공선성 값이 임계값보다 큰 특징을 제거하여 상기 적어도 하나의 특징을 선택하는 단계;를 포함하는,통증 분류 방법
|
| 5 |
5
제1항에 있어서,상기 적어도 하나의 특징은, 상기 광용적맥파 신호의 펄스의 전체 면적과 수축기 면적의 비율의 평균, 상기 광용적맥파 신호의 펄스의 상승 기울기의 표준 편차 및 상기 광용적맥파 신호의 펄스의 시작점과 다음 펄스의 시작점 사이의 진폭과 상기 펄스의 시작점과 피크 사이의 진폭의 비율의 연속적 차이의 제곱 평균 제곱근 중 적어도 하나를 포함하는,통증 분류 방법
|
| 6 |
6
제1항에 있어서,상기 미리 결정된 세그먼트 길이는, 20 비트를 포함하는,통증 분류 방법
|
| 7 |
7
제1항에 있어서,상기 통증 분류 모델은, 시그모이드 함수(sigmoid function), 선형 함수, SVM(support vector machine), RF(random forest), ANN(artificial neural network), CNN(convolutional neural network) 및 DNN(depp neural network) 중 적어도 하나가 적용된,통증 분류 방법
|
| 8 |
8
광용적맥파(photoplethysmography, PPG) 신호를 획득하는 획득부; 및상기 광용적맥파로부터 산출된 적어도 하나의 특징에 따른 통증 분류 모델을 이용하여 통증 분류를 수행하는 제어부;를 포함하는,통증 분류 장치
|
| 9 |
9
제8항에 있어서,상기 제어부는, 상기 광용적맥파 신호로부터 미리 결정된 세그먼트 길이에 따라 다수의 특징을 산출하고,상기 다수의 특징 간 공선성(collinearity) 값에 따라 상기 다수의 특징 중 상기 적어도 하나의 특징을 선택하는,통증 분류 장치
|
| 10 |
10
제8항에 있어서,상기 다수의 특징은, 적어도 하나의 제1 특징, 적어도 하나의 제2 특징 및 적어도 하나의 제3 특징을 포함하고,상기 적어도 하나의 제1 특징은, 상기 광용적맥파로부터 산출되고,상기 적어도 하나의 제2 특징은, 상기 적어도 하나의 제1 특징을 정규화(normalize)하여 산출되고,상기 적어도 하나의 제3 특징은, 상기 적어도 하나의 제1 특징 및 상기 적어도 하나의 제2 특징 각각의 평균(average), 표준편차(standard deviation), 연속적 차이의 제곱 평균 제곱근(root mean square of successive difference) 및 연속적 차이의 표준 편차(standard deviation of successive difference) 중 적어도 하나를 포함하는,통증 분류 장치
|
| 11 |
11
제9항에 있어서,상기 제어부는,상기 다수의 특징 중 상기 공선성 값이 임계값보다 큰 특징을 제거하여 상기 적어도 하나의 특징을 선택하는,통증 분류 장치
|
| 12 |
12
제8항에 있어서,상기 적어도 하나의 특징은, 상기 광용적맥파 신호의 펄스의 전체 면적과 수축기 면적의 비율의 평균, 상기 광용적맥파 신호의 펄스의 상승 기울기의 표준 편차 및 상기 광용적맥파 신호의 펄스의 시작점과 다음 펄스의 시작점 사이의 진폭과 상기 펄스의 시작점과 피크 사이의 진폭의 비율의 연속적 차이의 제곱 평균 제곱근 중 적어도 하나를 포함하는,통증 분류 장치
|
| 13 |
13
제12항에 있어서,상기 미리 결정된 세그먼트 길이는, 20 비트를 포함하는,통증 분류 장치
|
| 14 |
14
제8항에 있어서,상기 통증 분류 모델은, 시그모이드 함수(sigmoid function), 선형 함수, SVM(support vector machine), RF(random forest), ANN(artificial neural network), CNN(convolutional neural network) 및 DNN(depp neural network) 중 적어도 하나가 적용된,통증 분류 장치
|
