| 1 |
1
PPG 측정 센서로부터 측정된 PPG 데이터를 수신하는 수신단계;상기 수신단계에서 수신된 PPG 데이터를 미분한 미분데이터를 생성하는 미분데이터 생성단계;상기 PPG 데이터 및 이와 대응되어 생성된 미분데이터를 기 설정된 분석구간마다 전처리하여 입력 데이터로 생성하는 신호처리단계; 기 정의된 분석 알고리즘을 통해 다수의 PPG 데이터와 각각의 PPG 데이터에 대응되는 미분데이터 내 목표특이점에 대한 레이블이 저장된 학습 데이터를 학습하면서 최적화된 분석 알고리즘을 이용하여 상기 신호처리단계에서 신호 처리된 임의의 입력 데이터 내 목표특이점을 검출하는 검출단계; 및상기 검출단계에서 검출된 목표특이점으로부터 파라미터를 도출하는 판단단계; 를 포함하고,상기 분석 알고리즘은, 입력층(Input layer)와 출력층(Output layer) 사이에 적어도 둘 이상의 은닉층(Hidden layer)로 구성된 DNN(Deep Neural Network) 필터인 것을 특징으로 하는DNN 필터를 이용한 광용적맥파(PPG) 파라미터 분석 방법
|
| 2 |
2
제1항에 있어서,상기 신호처리단계는, 타겟 영역(Target zone)외 주변 데이터는 낮은 빈도로 선택하여 분석구간에 해당하는 상기 PPG 데이터 및 이와 대응되는 미분데이터에 포함된 데이터 크기를 축소하는 초점화(Focusing) 단계; 및 상기 초점화 단계에서 신호 처리된 PPG 데이터 및 이와 대응되는 미분데이터의 최대값 및 최소값을 1 내지 -1로 일반화(normalizing)하며 다수개의 입력 데이터로 변환하는 일반화 단계; 를 포함하고,상기 분석구간은 상기 DNN 필터에 입력되는 입력 데이터의 구간을 결정하기 위한 윈도우의 크기 및 이동간격을 포함하는 것을 특징으로 하는DNN 필터를 이용한 광용적맥파(PPG) 파라미터 분석 방법
|
| 3 |
3
제2항에 있어서,상기 목표특이점은, 상기 PPG 데이터 중 심박동에 의한 최댓값 지점(Systolic, S), 심박동 직전의 최솟값 지점(Onset, O), 상기 미분 데이터 중 최댓값 지점(W), 상기 PPG 데이터 중 심박동을 측정할 수 없는 영역인 오류 영역(Error Region)의 시작지점(Error Start; ES) 및 상기 오류 영역의 끝 지점(Error End; EE) 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 DNN 필터를 이용한 광용적맥파(PPG) 파라미터 분석 방법
|
| 4 |
4
제3항에 있어서,상기 검출단계는, 상기 입력 데이터로부터 각각의 목표특이점을 검출하기 위한 다수개의 DNN 필터로부터 상기 목표특이점을 검출하되, 어느 하나의 입력 데이터를 분석한 뒤 다른 하나의 입력 데이터를 분석할 경우에, 상기 다른 하나의 입력 데이터를 결정하기 위한 윈도우가 이동하며 상기 어느 하나의 입력 데이터의 일부 영역이 오버랩되어, 오버랩 된 영역의 목표특이점이 중복 검출되는 것을 특징으로 하는DNN 필터를 이용한 광용적맥파(PPG) 파라미터 분석 방법
|
| 5 |
5
제4항에 있어서,상기 판단단계는, 상기 검출단계에서 검출된 목표특이점을 통해 파라미터를 도출하는 도출단계; 상기 도출단계에서 도출된 파라미터에 대한 상기 DNN 필터의 인식도를 점수화한 인식도(Recognition Score)를 계산하는 점수화단계; 및 상기 점수화단계에서 계산된 인식도가 80점 내지 100점인 파라미터를 최종 파라미터로 결정하는 결정단계; 를 포함하고, 상기 인식도는 하기의 수학식으로부터 계산되는 것을 특징으로 하는DNN 필터를 이용한 광용적맥파(PPG) 파라미터 분석 방법
|
| 6 |
6
제5항에 있어서,상기 학습데이터를 저장하는 저장단계; 및상기 DNN 필터를 통해 상기 학습데이터를 학습하면서 임의의 PPG 데이터 및 이와 대응되는 미분데이터 내 목표특이점 존재 유무 판단이 이루어지도록 상기 DNN 필터를 최적화하는 학습단계; 를 더 포함하는 것을 특징으로 하는DNN 필터를 이용한 광용적맥파(PPG) 파라미터 분석 방법
|
