KR20210005644A - 광체적변동기록 (ppg) 시그널에 기반하여 혈압 및 동맥 경직도를 추정하는 방법 - Google Patents
광체적변동기록 (ppg) 시그널에 기반하여 혈압 및 동맥 경직도를 추정하는 방법 Download PDFInfo
- Publication number
- KR20210005644A KR20210005644A KR1020207033166A KR20207033166A KR20210005644A KR 20210005644 A KR20210005644 A KR 20210005644A KR 1020207033166 A KR1020207033166 A KR 1020207033166A KR 20207033166 A KR20207033166 A KR 20207033166A KR 20210005644 A KR20210005644 A KR 20210005644A
- Authority
- KR
- South Korea
- Prior art keywords
- ppg
- age
- index
- height
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000036772 blood pressure Effects 0.000 title claims abstract description 73
- 230000002526 effect on cardiovascular system Effects 0.000 claims abstract description 71
- 230000002792 vascular Effects 0.000 claims description 38
- 238000012417 linear regression Methods 0.000 claims description 36
- 210000000707 wrist Anatomy 0.000 claims description 31
- 230000003205 diastolic effect Effects 0.000 claims description 26
- 230000003416 augmentation Effects 0.000 claims description 16
- 239000008280 blood Substances 0.000 claims description 11
- 230000036541 health Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 8
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 239000010949 copper Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 48
- 238000004458 analytical method Methods 0.000 description 19
- 210000002683 foot Anatomy 0.000 description 15
- 206010020772 Hypertension Diseases 0.000 description 11
- 210000004204 blood vessel Anatomy 0.000 description 11
- 210000003491 skin Anatomy 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 9
- 210000001367 artery Anatomy 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 7
- 230000036996 cardiovascular health Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 5
- 230000035487 diastolic blood pressure Effects 0.000 description 5
- 230000000737 periodic effect Effects 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 230000017531 blood circulation Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000031700 light absorption Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000035488 systolic blood pressure Effects 0.000 description 4
- 210000000709 aorta Anatomy 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 210000002565 arteriole Anatomy 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 230000004872 arterial blood pressure Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000009530 blood pressure measurement Methods 0.000 description 2
- 210000002302 brachial artery Anatomy 0.000 description 2
- 210000001715 carotid artery Anatomy 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 210000000624 ear auricle Anatomy 0.000 description 2
- 238000002565 electrocardiography Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000002106 pulse oximetry Methods 0.000 description 2
- 210000002321 radial artery Anatomy 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 102000016942 Elastin Human genes 0.000 description 1
- 108010014258 Elastin Proteins 0.000 description 1
- 208000034826 Genetic Predisposition to Disease Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 208000037849 arterial hypertension Diseases 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000009084 cardiovascular function Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 208000020832 chronic kidney disease Diseases 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 229920002549 elastin Polymers 0.000 description 1
- 208000028208 end stage renal disease Diseases 0.000 description 1
- 201000000523 end stage renal failure Diseases 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000001105 femoral artery Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 238000007918 intramuscular administration Methods 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 230000036581 peripheral resistance Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008326 skin blood flow Effects 0.000 description 1
- 208000023516 stroke disease Diseases 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000001994 temporal artery Anatomy 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- 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
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesizing signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
- A61B5/02116—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave amplitude
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
- A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/024—Measuring pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/024—Measuring pulse rate or heart rate
- A61B5/02416—Measuring pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/026—Measuring blood flow
- A61B5/0285—Measuring or recording phase velocity of blood waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- 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
- A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/7405—Details of notification to user or communication with user or patient; User input means using sound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/742—Details of notification to user or communication with user or patient; User input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Vascular Medicine (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Hematology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
Abstract
본 발명은 광체적변동기록 (PPG) 시그널에 기반하여 혈압 및 동맥 경직도를 추정하는 방법에 관한 것이다. 심혈관 파라미터들을 추정함으로써 사람의 심혈관 상태를 분석하기 위해 PPG 시그널에 기반하여 새로운 알고리즘을 개발 및 검증하였다. 본 발명에 의해 PPG 시그널에 기반하여 대상체에서 1종 이상의 심혈관 파라미터를 측정하는 방법이 제공된다.
Description
본 발명은 광체적변동기록 (PPG: photoplethysmographic) 시그널에 기반하여 혈압 및 동맥 경직도를 추정하는 방법에 관한 것이다. 심혈관 파라미터들을 추정함으로써 사람의 심혈관 상태를 분석하기 위해 PPG 시그널에 기반하여 새로운 알고리즘을 개발 및 검증하였다. 본 발명에 의해 PPG 시그널에 기반하여 대상체에서 1종 이상의 심혈관 파라미터를 측정하는 방법이 제공된다.
광체적변동기록 (PPG) 센서는 다수의 상이한 디바이스에서 찾아볼 수 있다. 그것들은 손목형 피트니스 트래커와 같은 소비재 뿐만 아니라 의료 전문가가 사용하는 디바이스에도 내장되어 있다. 센서는 대체로 혈액 내의 산소 포화도 또는 맥박수를 추정하는데 사용된다.
체적변동기록계는 기관의 체적의 변화를 측정하는 기구이며, 기본적으로 광학 센서이다. 용어 광체적변동기록법이란 통상, 혈류로 인한 동맥 및 세동맥의 체적 변화를 측정하는 것을 지칭한다. 상이한 종류들의 PPG 센서가 있다. 일부는 손가락 끝에 배치되고, 일부는 손목 및 기타 부위 예컨대 귓불에도 가능하다. 센서 자체는 피부 상으로 광을 방출하는 발광 다이오드 (LED) 및 포토다이오드로 구성된다. 상기 다이오드는 통상 LED 옆에 배치되어, 반사되는 광을 검출한다 (유형 B). 손가락 센서의 경우, 포토다이오드가 손가락의 반대쪽 끝에 배치되어, 손가락을 통해 이동하는 광을 측정할 수도 있다 (유형 A). 도 1.1은 상이한 유형들을 제시한다.
PPG 센서 배치는 모션 아티팩트에 대한 견고성, 및 시그널 품질에 영향을 미칠 수 있다. 광 파장, 구성, 및 연속 분석은 측정 부위에 좌우된다 (Castaneda et al., International journal of biosensor & bioelectronics, vol. 4, n. 4, pp. 195-202, 2018). 광 파장이 관련 프로젝트 이슈이다 (광 검출기 시스템에도 영향을 미침). 일반적으로, PPG 디바이스는 적색 또는 근-IR 파장에서 작동한다. 광학적 피처들 덕분에 그와 같은 종류의 광원은 탁월한 심부 조직 (예: 근육내) 혈류 측정치들을 제공한다. 최근, 점점 더 많은 시판 센서에 녹색 광원이 구비되어 있다: 이는 표층 수단에 적합하고 (예: 세동맥), 더 큰 시그널 변조를 제공하며 (Tamura et al., Electronics, vol. 3, pp. 282-302, 2014), IR 소스보다 더 우수한 시그널-대-노이즈 비를 갖는다 (Jing et al., 38th Annual International Conference of the IEEE Engineering in medicine and biology society, 2016).
PPG 파형
광이 전파되는 상이한 층들에 기반하여 PPG 파형은 2개의 부분을 포함한다: 각 심박동에 의한 혈액량 (혈관 내)의 심장 동기 변화에 기인한 펄스형 (AC) 생리학적 파형, 이는 서서히 변화하는 (DC) 구성요소 상에 중첩됨. DC 또는 정적 시그널은 예를 들면 표피, 골 및 비-펄스형 혈액과 같은 신체 조직의 정적 요소에 의해 결정됨.
심장 사이클 내의 광체적변동기록 시그널은 정형화된 파형을 갖는다. 상행파형 단계 및 하행파형 단계의 두 단계가 검출될 수 있다. 전자는 주로 심장 사이클의 수축기 사건에 기인하고, 후자는 말초 혈관에 의한 압력파의 반사 및 이완기 사건에 부분적으로 기인한다.
랜드마크 포인트들은 도 1.2에 제시된 바와 같은 PPG 파형 내에서 검출될 수 있다. 수축기 풋은 심장 사이클 동안 PPG 파동의 최소값으로서 정의된다. 수축기 피크는 최대 포인트이다. 두 포인트 모두 상행파형 단계에 속한다. 이완기 피크는 제2의 최대값이다. 중복 절흔은 수축기 피크와 이완기 피크 사이의 약간의 음의 굴곡부이며; 이 절흔이 존재하는지 존재하지 않는지의 여부는 여러 요인 (예: 연령 또는 측정 부위)에 좌우된다. 중복 절흔 및 이완기 피크는 둘 다 하행파형 단계에 속한다.
센서 배치
PPG 센서 배치는 모션 아티팩트에 대한 견고성 및 시그널 품질에 영향을 미칠 수 있다. 광 파장, 구성, 및 연속 분석은 측정 부위에 좌우된다. 가장 보편적인 측정 부위는 손가락 끝이다: 이는 중환자실에서 산소 포화도에 대한 정보를 얻기 위해 사용됨 (보편적으로, "맥박 산소측정기"라 불리움). 다른 측정 부위에 비해 큰 시그널 진폭을 얻을 수 있는 덕분에, 상기 측정치는 PPG 시그널에 대한 최적 표준으로 간주될 수 있다. 그러나, 이 부위의 가장 큰 단점은 그와 같은 종류의 센서가 일상 활동을 방해하므로 전반적 센싱에 부적합하다는 것이다.
최근, 많은 연구 그룹이 손목 PPG 측정에 중점을 두고 있다. 유감스럽게도,이 부위에서는 모션 아티팩트 때문에 높은 성능을 얻을 수 없어, 높은 신뢰성을 달성하는 것이 여전히 불가능하다. 상이한 측정 부위들 (예를 들어, 손가락 끝, 손목, 귓불, 이마 및 발가락)을 비교하는 PPG 시그널의 차이에 대한 연구가 몇몇 있다. 최근의 연구 (Rajala et al., Physiological measurement, vol. 39, p. 13 pp, 2018)에서는 손목 및 손가락 끝으로부터 기록된 PPG 시그널들을 비교하였다. 결과는 손목 PPG 파동이 손가락 끝 파동과 형상 및 진폭 둘 다에서 상이한 것으로 제시한다. 그럼에도 불구하고, 저자들은 혈압에 대한 유용한 정보를 제공할 수 있는 몇몇 심혈관 파라미터 추정치에 손목 PPG 시그널이 사용될 수 있다고 단언하였다. 또 다른 최근의 논문 (Han and Shin, World Congress on Medical Physics and Biomedical Engineering, 2018)에는 손가락 끝을 최적 표준으로서 간주하여 PPG 시그널을 기록하기 위한 최적의 파장 및 손목 상의 최상의 측정 위치를 평가하는 연구가 개시되어 있다. 그 결과, 등쪽 요골 동맥 및 녹색 광원이 최상의 측정 위치 및 파장으로서 밝혀졌다.
체적변동기록 측정은 심혈관계에 대한 정보를 얻는 것을 가능케 하는 여러 파라미터 및 지표를 제공할 수 있다. 광체적변동기록 시스템의 높은 휴대성에 의해 새로운 파라미터들에 대한 지속적인 연구가 주도되어 왔다: 종종 벌키한 기구를 수반하는 전통적인 측정 기술을, 셋업이 용이하고 지속적 모니터링을 가능케 하는 이와 같은 종류의 기구로 대체할 수 있었음.
심혈관 파라미터와 동맥 경직도 사이의 관계
나이가 들면서 혈관은 통상 젊은 사람의 혈관에 비해 더 경직된다. 이 현상은 주로, 혈관벽 내의 엘라스틴이 열화되고, 유연성이 떨어지는 콜라겐으로 대체되기 때문에 발생한다. 경직도의 증가로 인해 혈액이 혈관을 통해 더 빠르게 이동하므로, 동맥 경직도는 펄스파 속도 PWV와 큰 상관관계를 갖는다. 사람의 동맥 경직도가 그의 연령에 대한 정상 값보다 더 높으면, 이는 고혈압 (즉, 수축기 및 이완기 혈압의 증가)의 결정요인이다. 상기 언급된 바와 같이, 고혈압은 점점 더 큰 문제가 되므로, 동맥 경직도 또한 관심의 대상이다. 고혈압이 발생하기 전에 동맥 경직도의 증가를 감지할 수 있기 때문에, 이로 인해 조기에 치료 또는 행동 변화를 시작하는 것이 가능하여 고혈압을 피할 가능성이 있다. 또한, 죽상경화판 및 동맥류는 혈관벽 특성의 변화 및 그에 따른 경직을 수반함은 널리 알려져 있다 (M. McGarry et al., "In vivo repeatability of the pulse wave inverse problem in human carotid arteries", J. of biomechanics, vol. 64, pp. 136-144, 2017). 또한 이 경우, 정확한 동맥 경직도 측정치, 특히 그의 편차는 연관된 질환들의 진단 및 모니터링을 개선시킬 것이다. 다양한 심혈관 파라미터를 분석하여, 사람의 심혈관 건강에 대한 정보를 획득할 수 있다.
증강 지수 (AIx: Augmentation index)는 통상 압력 펄스파로부터 얻어지는 심혈관 파라미터이며, 팽창가능한 커프를 사용하는 디바이스로 대형 동맥에서 측정될 수 있다. 반면, PPG 센서는 압력을 측정할 수 없으며, 매우 작은 동맥 및 세동맥의 체적 변화만을 검출한다. 이는 동맥 경직도에 대한 간접적인 척도를 제공하고, 추가로 말초 순환계에 의한 압력파 반사에 대한 정보를 제공한다. 증강 지수 측정치는, PPG 파형을 분석하여 동맥 경직도에 대한 정보를 얻을 수 있다는 가정 하에, 혈압 펄스파 분석으로부터 PPG 시그널로 전환되었다. 동맥 경직도와 마찬가지로 증강 지수는 나이가 들면서 증가하며, 향후 심혈관 질환을 앓을 위험을 추정하는데 사용될 수 있다.
혈관 연령 지수 (AgIx: Vascular age index)는 건강한 집단에 대한 일부 정상 임계치와 비교한 동맥의 연령 상태에 대한 정보를 제공하는 심혈관 파라미터이다. 이는 팽창가능한 커프를 사용하는 디바이스로 결정될 수 있다. 문헌에서 AgIx는 PPG 펄스파형의 2차 도함수로부터 제공되어 있다. 혈관 연령은 주로, 유전적 소인과 생활 방식에 의해 영향을 받는다. 이 파라미터의 추정치는 혈관 트리를 통한 압력파 속도에 기반한다. 건강한 대상체에서 이는 실제 연령보다 더 낮아야 한다. 고혈압 대상체에서 이는 실제 연령보다 유의하게 더 높다 (Lozinsky, Arterial Hypertension, vol. 19, n. 4, pp. 174-178, 2015).
펄스파 속도 (PWV: Pulse wave velocity)는 사람의 동맥을 통해 이동하는 혈액의 속도를 설명하며, 동맥 경직도에 대한 척도로서 사용된다. PWV는 심혈관 트리를 통해 압력파가 전파되는 속도로서 정의된다. PWV 평가는 동맥계의 탄성 특성에 대한 정보를 제공한다. PWV를 측정하는 가장 정밀한 디바이스는 경동맥-대퇴동맥 측정을 수행한다. 이와 같은 측정을 위해, 목에 위치한 경동맥에 1개의 토노미터를 배치하고, 허벅지의 대퇴동맥에 제2 토노미터를 배치한다. 이들 토노미터는 동맥의 압력 펄스파를 측정한다. 시그널들 사이의 시차 및 토노미터들 사이의 거리로부터 PWV를 계산할 수 있다. PWV를 추정하는 보다 편리한 방식은 알려진 거리에 있는 2개의 PPG 센서 또는 1개의 PPG 센서 및 심전도 (ECG)를 사용하고 시그널들 사이의 시차로부터 PWV를 계산하는 것이다. 평가하기가 보다 어렵지만, 펄스 전달 시간 (PTT: pulse transit time)은 모니터링을 위한 더 나은 수단을 제공한다. 이 파라미터를 통해 대동맥 PWV를 추정하는 것이 가능하다 (대동맥은 문헌에서 PWV를 측정하는 참조 포인트임). PWV는 또한 단지 1개의 혈압 커프만으로 측정될 수 있다. 이 기술은 실험 셋업에서 참조 디바이스로서 사용된 이.에.엠. 게엠베하(I.E.M. GmbH)의 임상 디바이스인 "모빌-오-그래프(Mobil-O-Graph) PWA"에 의해 사용된다.
혈압 (BP: Blood pressure)은 대형 동맥을 통해 이동하는 혈액이 그 벽 상으로 가하는 압력을 가리킨다. 고혈압은 다수의 질환 (예컨대, 뇌졸중 및 말기 신장병) 및 전체 사망률에 대한 주요 위험 요인이다. 2025년까지 전세계적으로 고혈압인 사람들의 수가 15억6천만명으로 늘어날 것으로 예상된다. 조기에 상태를 감지하고 적절히 치료한다면 질환의 위험을 유의하게 감소시킬 수 있다. 따라서, 비정상적인 변화를 감지하기 위해 정기적으로 BP를 측정하는 것이 중요하다. 이 외에도, 생활 방식의 변화가 종종 BP를 감소시킬 수 있으며, 조기에 고혈압 기운을 감지하는 경우 고혈압을 예방할 수 있다. 현재, BP를 측정하는 여러 상이한 접근법이 존재한다. 가장 보편적인 디바이스는, 상완 동맥 상으로 압력을 가하며 환자의 팔에 배치되는 팽창가능한 커프이다. 이를 통해 정확한 측정이 가능하지만, 일부 환자에게는 불편하다고 인식되어, 디바이스의 구입 또는 의사 방문이 요구된다. 기타 접근법은 동맥 내부에 배치되는 정맥내 캐뉼라와 같은 침습형이다. 이들은 단지 임상적 맥락에서만, 예를 들어 수술 동안에 사용된다. PPG 시그널은 편안하게, 지속적으로, 또한 저비용으로 얻을 수 있다. BP에 대한 정보의 추출은 중요한 목적에 기여할 수 있다: 집에서 얻기가 쉽기 때문에, 사람에게 조기에 경고를 줄 수 있고 의학적 조언을 구하도록 권장할 수 있다.
심박수 변이도 (HRV: heart rate variability)는 심박동들 사이의 시간 간격의 변동을 설명하고 통상 ECG로부터 계산되는데, 이는 ECG로부터의 RR 간격이 필요하기 때문이다. 그럼에도 불구하고, HRV 분석의 경우 원칙적으로, 심박동의 정확한 식별을 허용하는 임의의 시그널이 사용될 수 있다. 이러한 이유로, PPG 기술은 HRV 분석의 수행에 대한 유효한 대안인 것으로 보인다 (Pinheiro et al., IEEE Explore Digital Library, 2016). 대개, HRV는 수축기 풋들의 위치를 결정하는 것에 기반하여 PPG 시그널로부터 결정된다.
기타 PPG 파라미터
상기한 파라미터들에 추가로, PPG 시그널 및 그의 도함수의 다양한 모폴로지 특징들이 또한 연구된 바 있다.
펄스 면적은 PPG 곡선 하 면적으로서 정의된다. 최근의 연구에서 (Usman et al., Acta Scientiarum Technology, vol. 36, n. 1, pp. 123-128, 2013), 2가지 상이한 수준의 당뇨병과 관련하여 이 파라미터의 유의한 차이가 발견되었다. 결론적으로 저자들은 펄스 면적이 동맥 경직도의 결정에 유용한 파라미터로서 사용될 수 있다고 단언하였다. 왕(Wang) 등 (Annual International Conferente of the IEEE Engineering in Medicine and Biology Society, 2009)의 작업에서, 상기 면적은 중복 절흔에서 2개의 하위-면적 A1 및 A2로 나뉜다. 이들 두 척도에 기반하여, 변곡점 비는 두 면적들 사이의 비로서 정의되었으며, 이는 이 비가 총 말초 저항의 지표로서 사용될 수 있음을 입증한다.
수축기 피크와 이완기 피크 사이의 시간 △ T 는 혈관의 탄성과 연관된 것으로 보인다. 밀라소(Millasseau) 등 (Clinical Science, vol. 103, n. 4, pp. 371-377, 2002)은 이 시간 간격을 사용하여, 대상체의 신장과 수축기 및 이완기 피크들 사이의 시간 간격 사이의 비로서 정의되는 새로운 지수 대형 동맥 경직도 지수 (SI: Stiffness Index)를 얻었으며, 이는 나이가 들면서 감소함을 발견하였다.
PPG 시그널 시간 트렌드에 대한 또 다른 척도는 파고 시간 (CT: Crest Time)이다. 측정하기 쉬운 CT는 PPG 파동의 수축기 피크와 수축기 풋 사이에서 경과된 시간이다. 이는, 일반 임상 관행에서 사용되는 저렴하고 효과적인 심혈관 질환 (CVD) 스크리닝 기술에 유효한 파라미터 (PPG 시그널에서 유래된 다른 측정치들과 함께)로서 평가된 바 있다 (Alty et al., IEEE Transactions on biomedical engineering, vol. 54, n. 12, pp. 2268-2275, 2007).
CT 및 SI는, 상대적 제로-크로스 사이의 시간 간격을 측정하는 속도 광체적변동기록 (VPG: Velocity Photoplethysmograph)이라고도 알려진 PPG 시그널의 1차 도함수를 사용하여 보다 신뢰성있는 방식으로 추정될 수 있다 (도 1.3 참조).
도 1.4에는 PGG 시그널에 대한 연구로부터 얻을 수 있는 상기 기재된 파라미터들의 그래픽 요약이 제시되어 있다.
예컨대 혈압의 측정 및 모니터링을 위한 시스템 및 방법을 제공하는 WO 2015/066445 A1에는 팽창가능한 커프에 대한 대안으로서의 혈압의 측정을 위한 상이한 시스템들이 기재되어 있다. 시스템은 착용가능 디바이스, 및 착용가능 디바이스에 커플링된 토노미터 디바이스를 포함한다. 토노미터 디바이스는 사용자의 천측두 동맥 (STA: superficial temporal artery)을 압축하도록 구성된다. 토노미터 디바이스에 인접한 착용가능 디바이스에 센서 패드가 부착된다. 지속적이고 눈에 띄지 않는 혈압 모니터링을 위해 센서 패드 내에 혈압 센서가 통합된다.
WO 2015/193917 A2에는 대상체의 커프리스 혈압 (BP) 측정을 위한 방법 및 시스템이 개시되어 있다. 방법은 1개 이상의 센서에 의해 대상체의 동맥벽의 국소 펄스파 속도 (PWV) 및/또는 혈액 펄스파형을 측정하는 것을 포함한다. 추가로 방법은 초음파 트랜스듀서에 의해 대상체의 동맥벽의 심장 사이클에 걸쳐 동맥 치수의 변화를 측정하는 것을 포함한다. 동맥 치수에는 동맥 팽창 및 이완기말 직경이 포함된다. 아울러 방법은, 제어기 유닛에 의해, 동맥 치수의 변화 및 국소 PWV에 기반하여 대상체의 BP를 측정하는 것을 포함한다.
추가로, 1종 이상의 심혈관 파라미터를 측정하기 위한 상이한 접근법들이 제안된 바 있다. US 201600089081 A1에는 펄스 전달 시간 및 펄스파 속도를 포함한 사람의 심혈관 활력 징후를 측정하기 위해 비-간섭적 방식을 일반적으로 제공하는 착용가능 센싱 밴드가 기재되어 있다. 밴드는, 사용자의 신체의 제1 부분과 접촉하는 1개 이상의 1차 심전도기록 (ECG: electrocardiography) 전극, 1개 이상의 2차 ECG 전극, 및 1개 이상의 펄스 압력파 도달 (PPWA: pulse pressure wave arrival) 센서를 갖는 스트랩을 포함한다. 1차 및 2차 ECG 전극은 2차 ECG 전극이 사용자의 신체의 제2 부분과 전기적으로 접촉할 때마다 ECG 시그널을 감지하고, PPWA 센서는 사용자 심장에서부터 사용자 신체의 제1 부분까지의 펄스 압력파의 도달을 센싱한다. ECG 시그널 및 PPWA 센서(들) 판독치들은 사용자의 펄스파 속도 (PWV) 또는 펄스 전달 시간 (PTT) 중 적어도 1종을 산정하는데 사용된다.
심혈관 파라미터들을 분석하기 위한 PPT의 용도는, 광체적변동기록 측정 장치, 광체적변동기록 측정 방법, 및 바이오시그널 측정용 장치를 제안하는 US 2015/0148663 A1과 같은 최신 기술에서 기재된 바 있다. 광체적변동기록 측정 장치는 프로브, 프로브의 한쪽 말단에 배치되고 비-전기 광원을 포함하는 광 방출기, 측정 부분을 조명하도록 구성된 광 방출기, 및 조명된 측정 부분에 의해 반사 또는 투과된 광을 검출하도록 구성되고 프로브의 다른쪽 말단에 배치된 광 수신기를 포함한다.
WO 2014/022906 A1에는 침습적 기술 또는 계속되는 대규모 외부 스캐닝 절차가 필요 없이, 광학 (PPG) 소스에 동기화된 심전도기록 (ECG) 소스를 사용하여 심혈관 건강을 지속적으로 모니터링하는 시스템이 제공되어 있다. 시스템은 제1 세트의 정보를 생성하며 피부와 접촉하는 전극을 갖는 ECG 시그널 소스, 및 제2 세트의 정보를 생성하며 PPG 시그널 소스로서 작용하는 카메라를 갖는 모바일 디바이스를 포함한다. 심박동 폐 압력파의 시간 차동을 계산할 수 있는 제1 및 제2 세트의 정보를 수신 및 프로세싱하도록 구성된 모바일 디바이스의 프로세서와 함께, 동맥 경직도와 같은 심혈관 건강 마커와 관련된 지속적인 데이터가 결정될 수 있다. ECG 소스의 변형은 흉부 스트랩, 모바일 디바이스용 플러그-인 어댑터, 또는 모바일 디바이스에 내장된 전극들을 포함할 수 있다.
US 2013/324859 A1에는 PPG를 사용하여 비-침습적으로 동맥 경직도를 진단하기 위한 정보를 제공하는 방법이 개시되어 있다. 동맥 경직도를 평가하기 위한 발명의 방법은 사용자 정보 입력 단계, 특징적 포인트 추출 단계, 및 동맥 경직도 평가 단계를 포함한다. 특히, 동맥 경직도 평가 단계에는 baPWV (상완-발목 펄스파 속도) 값을 사용하여 다중 선형 회귀 분석을 수행한 결과가 포함되어 있다. PPG 2차 도함수의 도움으로 PPG 세그먼트화가 수행되며, 손상된 PPG 펄스를 제거하기 위해 PPG 펄스들이 분류되어야 한다. 2차 도함수 파형의 특징적 포인트들로부터 직접 추가의 심혈관 피처, 예컨대 증강 지수 및 혈관 연령 지수가 추정된다. 또한, 2차 도함수는 일부 피봇 포인트들의 PPG 시그널에서의 위치를 찾는데 사용된다.
US 2017/0238818 A1에는, 전자 디바이스에 포함된 1개의 PPG 센서에 의해 사용자의 피부를 조명하고, 피부에 의한 조명 흡수율에 기반하여 PPG 시그널을 측정하는 것을 포함하는, 혈압을 측정하는 방법이 기재되어 있다. 방법은 또한, PPG 시그널로부터 복수의 파라미터를 추출하는 것을 포함하며, 여기서 파라미터들은 PPG 피처, 심박수 변이도 (HRV) 피처, 및 비-선형 피처를 포함할 수 있다.
문헌 [Elgendi, Current Cardiology Reviews, 2012, 8, 14-25]에는 적외선 광을 사용하여 피부 혈류를 추정하기 위한 PPG의 용도가 기재되어 있다. 최근의 연구는 PPG 파형 시그널 내에 개재되어 있는 잠재적 정보를 강조하며, 맥박 산소측정 및 심박수 계산을 넘어 그의 가능한 응용분야를 추가로 주목할 만하다. 특히, PPG 파형 및 그의 도함수의 특징은 혈관 경직도 및 노화 지수의 평가를 위한 기준으로서의 역할을 할 수 있다.
유럽 특허 출원 EP 3061392 A1에는, 소정의 신장, 연령 및 성별을 갖는 인간 대상체의 심박동에 해당되는 펄스파 데이터를 제공하기 위한 수단을 포함하는, 혈압을 결정하는 방법이 개시되어 있다. 대상체의 혈압은 동일한 PPG 펄스 내의 2개의 피크들 사이의 시차, 신장, 연령 및 성별에 기반하여 결정된다.
그러나, 모든 이러한 해결책은 다른 센서를 필요로 하며, 콤팩트 손목 착용형 디바이스에서 구현되도록 적합화된 것은 아니다. 게다가, 모든 이러한 방법들이 측정된 대상체의 개별 생리학적 파라미터들을 포함하는 것은 아니며, 측정값들에만 의존한다.
따라서, 종래 기술에서부터 진전하여, PPG 시그널에 기반하여 혈압 및 동맥 경직도를 추정하고 관심 개별 생리학적 파라미터, 예컨대 신장, 연령 및 기타 추정된 파라미터 (예: 심박수)에 기반하여 상이한 심혈관 파라미터들을 계산하기 위한 최적화된 알고리즘을 제공하는 방법이 요구되고 있다. 가능한 한 많은 파라미터들을 통합하는 다기능 해결책을 제공하는 것이 바람직하다. 제안된 해결책은 다양한 심혈관 파라미터의 모니터링과 관련된 부가적인 기능이 포함될 수 있는 손목-밴드 또는 스마트-워치와 같은 콤팩트 시스템으로 통합되어야 한다.
상기 과제는 하기 단계에 의해 소정의 연령 및 신장을 갖는 대상체에서 1종 이상의 심혈관 파라미터를 추정함으로써 대상체에서의 1종 이상의 심혈관 파라미터를 측정하는 방법을 제공함으로써 해결된다:
- 대상체의 연령 (p연령) 및 신장 (p신장)을 결정하는 단계,
- 대상체에서의 2개의 상이한 위치에서 적어도 2개의 PPG 센서로 적어도 2개의 광체적변동기록 (PPG) 시그널을 측정하는 단계,
- PPG 시그널을 PPG 펄스로 분리하며, 이 경우 펄스의 시작 포인트 및 종료 포인트가 PPG 시그널의 수축기 풋에 상응하는 것인 단계,
- 대상체의 심박수 (pHR)를 결정하고, 중앙값 심박수를 계산하는 단계,
- 수축기 Asys 및 이완기 Adia 피크 진폭 및 이들의 시간 ts 및 td를 결정하는 단계,
- PPG 펄스의 2차 도함수를 계산하고, PPG 펄스의 2차 도함수로부터 특징적 포인트 a, b, c, d 및 e를 결정하며, 여기서
a 및 e는 각각 2차 도함수에서 제1 및 제2의 가장 현저한 최대값이고,
c는 포인트 a와 e 사이에서 가장 현저한 피크이고,
b는 2차 도함수에서 가장 현저한 최소값이고,
d는 포인트 c와 e 사이에서 가장 현저한 최소값인
단계,
- 하기를 결정하는 단계:
a) 특징적 포인트 a, b, c, d 및 e, 대상체의 연령 (p연령), 신장 (p신장) 및 중앙값 심박수에 기반한 선형 회귀를 사용한 혈관 연령 지수 AgIx,
b) 2개의 PPG 펄스들 사이의 시차 (PTT), 대상체의 연령 (p연령), 신장 (p신장) 및 중앙값 심박수 추정치에 기반한 선형 회귀를 사용한 펄스파 속도 PWV,
c) 2개의 PPG 펄스들 사이의 시차 (PTT) 및 중앙값 심박수에 기반한 선형 회귀를 사용한 혈압 BPdia 및 BPsys, 및
d) 임의로, 수축기 Asys 및 이완기 Adia 피크 진폭에 기반하며 75 심박동으로 정규화되고 (AIx@75) 정규화된 증강 지수 AIx에 기반한 선형 회귀를 사용한 증강 지수 AIx.
바람직한 구성에서, 방법은 PPG 시그널의 파고 시간 (CT), 경직도 지수 (SI) 및 펄스 면적 (PA)을 결정하는 것을 추가로 포함하며, 여기서 심혈관 파라미터들은 하기 방정식들로 추정되고:
a) 혈관 연령 지수 AgIx:
b) 펄스파 속도 PWV:
c) 혈압 BPdia 및 BPsys:
d) 정규화된 증강 지수 AIx@75:
여기서, p연령은 대상체의 연령이고, p신장은 대상체의 신장이고, 중앙값(HR)은 중앙값 심박수이고, PTT는 PPG 펄스들 사이의 시차이고, Asys 및 Adia는 각각 수축기 및 이완기 피크의 크기이고, CT는 파고 시간이고, ST는 경직도 지수이고, PA는 PPG 시그널의 펄스 면적이고, d0 내지 d4, g0 내지 g4, l0d 내지 lkd, k0s 내지 k2s, 및 b0 내지 b1은 각 선형 회귀 방정식의 계수를 나타낸다.
바람직한 구성에서, 심혈관 파라미터는 적어도 60 PPG 펄스, 바람직하게는 적어도 100 PPG 펄스, 보다 바람직하게는 적어도 120 PPG 펄스에 기반하여 추정된다. 60 펄스에 대한 추정은 대략 1분의 측정 시간에 상응한다 (1분당 60 펄스). 따라서, 바람직한 구성이란, 적어도 1분 (60 PPG 펄스), 바람직하게는 적어도 1.7분 (100 PPG 펄스), 보다 바람직하게는 적어도 2분 (120 PPG 펄스)의 측정 시간을 지칭한다. 측정된 시간 내에 조정된 모든 PPG 펄스에 의해 얻어진 결과들을 조합함으로써, 보다 신뢰성있는 추정이 가능하다. 이러한 방식으로, 손상된 PPG 펄스가 있는 경우, 측정된 시간에 걸쳐 시그널들이 조정되면 그 효과가 완화될 수 있다. PPG 펄스들을 규정된 시간에 걸쳐 측정하면, 최신 기술 (예: US 2013/324859 A1 등)에서 필요한 것처럼 단일 PPG 펄스들을 분류할 필요가 없다는 이점을 가지며, 이는 보다 효율적인 알고리즘을 제공한다.
본 발명에 따른 방법을 통해 PPG 시그널에 기반하여 혈압 및 동맥 경직도를 추정하는 것이 가능하다. 본 발명에 의해, PPG 시그널 및 그의 시간 도함수에서의 추정에 필요한 특징적 포인트들 (피처들)을 찾는 새로운 방법이 제안된다. 현재까지 이를 달성하는 알고리즘이 없다. 특징적 포인트들을 찾기 위해, PPG 파형에 대한 모델이 또한 제안된다. 피처들의 추출 후, 추출된 피처들을 관심 생리학적 파라미터와 관련시키는 새로운 모델들이 제공된다. 문헌에서의 기존 방법들과 달리, 본 발명에 따른 제안된 모델을 통해, 신장, 연령 및 기타 추정 파라미터 (예: 심박수)와 같은 파라미터들을 통합하는 것이 가능하다. 요컨대, 특정 해부학적 데이터를 포함한 고급 알고리즘에 기반하여, 여러 심혈관 파라미터들의 평가가 달성된다. 혈류, 혈압, 동맥 경직도, 혈관 탄성, 혈관 연령과 같은 보충 파라미터들의 평가를 통해 종합적인 일반 건강 평가가 가능하다. 이와 같은 개별 심혈관 건강 평가는 오해의 위험을 줄이고, 보다 정밀한 건강 평가로 이어진다. PPG 센서 기술을 사용하는 새로운 파라미터들의 측정을 통해, 피트니스 트래커 또는 스마트 워치와 같은 모바일 디바이스에 의한 새로운 건강 생산이 가능하다.
심혈관 파라미터 펄스파 속도 및 혈압의 결정을 위해, 본 발명이 대상체에서의 2개의 상이한 위치에서 2개 이상의 PPG 센서를 사용하는 것이 중요하다. 종래 기술에 기재된 방법들과 비교할 때 제2 PPG 센서의 도입은 펄스 전달 시간 (PTT)을 측정할 수 있다 (추정하는 대신)는 이점을 가지며, 이로 인해 심혈관 파라미터들에 대한 추정치들이 개선된다. 적어도 2개의 PPG 센서를 사용함으로써 심혈관 파라미터들에 대한 보다 신뢰성있는 측정이 가능하다.
하나의 대안적 실시양태에서, 하나의 PPG 센서는 대상체의 손목에 위치하고, 또 다른 PPG 센서는 대상체의 손가락 끝에 위치한다 (이는 휴대폰과 같은 모바일 디바이스에 포함될 수 있음). 또 다른 대안적 실시양태에서, 하나의 PPG 센서는 대상체의 손목에 위치하고, 또 다른 PPG 센서는 제1 PPG 센서와 규정된 거리를 두고 대상체의 손목에 위치한다. 2개의 PPG 센서가 대상체의 손목에서 2개의 PPG 센서 사이에 5 cm 이하, 바람직하게는 2개의 PPG 센서 사이에 4 cm 이하의 거리를 두고 위치하는 것이 특히 바람직하다. 이를 통해, 대상체의 손목에 착용될 수 있는 1개의 디바이스 내에 두 PPG 센서 모두를 포함시키는 것이 가능하다.
심혈관 파라미터들의 결정을 위한 알고리즘의 평가
PPG 시그널의 프리프로세싱
프리프로세싱 단계는 PPG 시그널로부터 올바른 파라미터 추정을 위해 중요한 이슈이다. 이를 통해, PPG 파동 윤곽을 강화시켜 그의 피봇 포인트들을 보다 용이하게 검출하는 것이 가능하다.
따라서, 본 발명의 유리한 구성에서, PPG 센서로부터의 원시 PPG 시그널을 하기 중 1종 이상에 의해 프로세싱한다:
- 시그널의 정규화,
- 호흡으로 인해 PPG 시그널에서 항상 존재하는 드리프트를 제거하기 위한 이동 평균 필터,
- 제로-위상 및 컷오프 주파수 = 20 Hz를 갖는 IV차 체비셰프 저역-통과 필터.
PPG 시그널의 펄스로의 분리
PPG 시그널에서의 각 개별 PPG 파형을 분석하기 위해 그리고 모션 아티팩트의 효과를 줄이기 위해, PPG 시그널을 전체적으로가 아닌 섹션별로 조사한다. 본 발명에 따르면 시그널은 개별 펄스들로 분할되는데, 그 이유는 PPG 시그널로부터 추출된 모든 피처가 하나의 펄스파로부터 도출될 수 있기 때문이다. 수축기 풋은 PPG 펄스의 가장 현저한 피처이므로, PPG 시그널에서 가장 신뢰성있게 발견될 수 있다. 따라서, 이 수축기 풋에서 PPG 시그널에서의 최소값을 찾아 PPG 시그널을 PPG 펄스들로 절단하였다. 이 전략을 통해, 각 펄스를 개별적으로 분석하는 것이 가능하다. 몇몇 펄스가 올바르게 인식되지 않는 경우에는, 최종 파라미터 값들이 모든 개별 펄스 결과치들의 중앙값에 의해 계산되기 때문에 측정에 대한 최종 결과치들에 대한 변조 효과가 없다.
상이한 심혈관 파라미터들을 결정하기 위해, PPG 파형을 분석해야 하고, PPG 파형으로부터 상이한 피처들을 추출한다.
파라미터 추정치
1. 증강 지수 (AIx
PPG
):
증강 지수 (AIx)에 의해 동맥 경직도에 대한 간접적인 척도가 제공될 수 있다. 이는 말초 순환계에 의한 압력파 반사에 대한 정보를 제공한다. 증강 지수 측정치는, PPG 파형을 분석하여 동맥 경직도에 대한 정보를 얻을 수 있다는 가정 하에 혈압 펄스파 분석으로부터 PPG 시그널로 전환되었다.
PPG 펄스파는 압력 펄스파가 아니다. 따라서, 상기 기재된 바와 같은 증강 지수는 PPG 시그널로부터 직접 얻을 수 있다. 일반적으로, 증강 지수는 PPG 모폴로지 특성 덕분에 추정될 수 있다. 문헌에 따르면 증강 지수는 하기 식에 의해 계산된다:
여기서 y는 이완기 피크 진폭이고, x는 수축기 피크 진폭이다 (도 1.2에 제시된 바와 같음).
AIx는 수축기에서부터 이완기 피크까지의 PPG 시그널의 증강을 설명한다.
PPG 펄스파로부터, 수축기 Asys 및 이완기 Adia 피크 진폭 (각각 식 1.2 내의 x 및 y에 상응함) 뿐만 아니라 이들의 시간 ts 및 td를 추정한다. PPG 파형에서의 Adia의 결정은 파형에서 육안으로 확인되는 이완기 피크가 없고 반사파가 매우 작은 경우 매우 어려울 수 있다 (도 1.2 참조). 여전히 양쪽 피크 위치 모두를 추정할 수 있도록, 2개의 파동의 형태를 모델링하는 2가지 상이한 방법을 개발하였다.
제1 방법에서, PPG 파형은 지수 함수를 통한 2개의 펄스파의 합으로서 모델링된다.
모델을 PPG 파형에 피팅하고 ts 및 td의 추정치를 수신하여 각각 Asys 및 Adia를 찾기 위해 비선형 회귀를 적용한다.
제2 방법은 PPG 파형의 최대값이 수축기 피크라는 사실을 이용한다. 수축기 피크에서 알려진 위치를 갖는 제1 파동만을 모델링함으로써, PPG 시그널로부터 그의 지수 모델을 차감하고 나머지 반사파를 산출하며,
여기서 최대값 max ydia(t) = Adia이고, td는 상응하는 이완기 시간 지수 추정치이다 (도 1.5 참조).
보다 신뢰성있는 것으로 보이는 파라미터는 75 심박동으로 정규화된 증강 지수 (AIx@75)이다. 사실상, 이 파라미터는 심박동에 좌우되는 것으로 보인다. 이는 윌킨슨(Wilkinson) 등 (American Journal of Hypertension, vol. 15, pp. 24-30, 2002)의 작업에서 처음으로 소개된 바 있다. 혈압 파동으로부터 추정된 AIx는, PPG 파동으로부터 추정된 동일한 파라미터와 비교해서 상이한 값을 갖는 것으로 밝혀졌다. 따라서, AIx 및 AIx@75는 참조값들과 선형 회귀에서 사용되었다. 동일한 방법을 적용하여 AIx 및 AIx@75 둘 다를 계산하였다.
정규화된 지수 값 AIx@75가 얻어졌으며, 이를 선형 회귀 모델에서 사용하였다:
시그널의 도함수로부터 피처 추출
인접 샘플들 사이의 차이로 계산되는 시그널의 도함수로부터 다른 피처들을 얻는다. 도함수를 취하여 도입된 고주파 노이즈를 제거하기 위해 이동 평균 필터를 적용하였다. 신뢰성있게 특징적 포인트 a 내지 e를 찾기 위해, 2개의 가장 현저한 최대값을 찾는 알고리즘을 개발하여 이들을 각각 a 및 e로 마킹하였다. 이어서, 포인트 c는 포인트 a와 e 사이에서 가장 현저한 피크이다. 아울러, 포인트 b는 2차 도함수에서의 가장 현저한 최소값이고, 포인트 d는 포인트 c와 e 사이에서 가장 현저한 최소값이다 (도 1.6 참조).
따라서, 본 발명의 바람직한 실시양태에서, 특징적 포인트 a, b, c, d 및 e는 PPG 펄스의 2차 도함수로부터 자동적으로 도출되며, 여기서 a 및 e는 각각 2차 도함수에서의 제1 및 제2의 가장 현저한 최대값이고, c는 포인트 a와 e 사이에서 가장 현저한 피크이고, b는 2차 도함수에서의 가장 현저한 최소값이며, d는 포인트 c와 e 사이에서 가장 현저한 최소값이다.
2. 혈관 연령 지수 (AgIx PPG ):
PPG 파형과 관련하여 혈관 연령 지수 추정치는, 가속화 광체적변동기록 (APG: Acceleration Photoplethysmography)이라고도 알려진 PPG 시그널의 2차 도함수에 대한 분석을 통해 얻을 수 있다. 이는 PPG 파동처럼 여러 랜드마크 포인트들을 특징으로 하며; 이 포인트들의 추정을 사용하여, 혈관 연령 지수를 포함한 심혈관 기능에 대한 정보를 제공하는 지표를 얻는다. 최신 문헌은 하기에 의해 특징적 포인트들의 비를 계산한다:
지수는 사람의 심혈관 연령을 설명한다. 이는 그의 혈관이 평균보다 더 느리게 노화하면 그 사람의 실제 연령보다 더 낮아야 하고, 그렇지 않으면 실제 연령보다 더 높아야 한다.
APG로부터 가장 많이 사용되는 파라미터가 혈관 연령 지수임에도 불구하고, APG 파동 추정치로부터 시작하여 기타 측정치들, 예를 들어 b, c, d 또는 e 파동과 a 파동 사이의 비가 여러 연구에서 조사된 바 있다 (Elgendi, Current Cardiology Reviews, vol. 8, pp. 14-25, 2012). 이들 비는 대상체 연령에 따라 변하는 것으로 밝혀졌다. 혈관 연령 지수 대안으로서, c 및 d 파동이 육안으로 확인되지 않는 경우에는 또 다른 연구에서 제안된 바와 같이 (b-e)/a 비를 사용할 수 있었다 (Baek et al., 6th International Special Topic Conference on Information Technology Applications in Biomedicine, 2007).
혈관 연령 지수에 추가로, 이러한 지수를 또한 추정하였다:
AgIx를 보다 신뢰성있게 추정하기 위해, 특징적 포인트 a, b, c, d 및 e를 기반으로 하여 추정된 혈관 연령 지수 
에 기반하여 계수 di를 갖는 새로운 선형 회귀 모델을 개발하였다:
여기서 di는 계수이고, p연령은 사람의 연령이고, p신장은 사람의 신장이고, 
은 사람의 중앙값 심박수 추정치이다.
펄스파 속도 (PWV):
PWV는, 파동 상응 포인트들 사이의 시간 간격, 및 압력파가 전파되는 동일선 상의 2개의 상이한 측정 부위들 사이의 거리 사이의 비로서 실험적으로 측정된다.
펄스파 속도는 PPG 시그널에 의해서도 추정될 수 있다. 이 경우, PWV는 2가지 상이한 기구 셋업으로 얻을 수 있다:
- ECG + PPG 센서: 펄스 도달 시간 (PAT: Pulse Arrival Time)을 ECG R 피크와 PPG 랜드마크 포인트 (수축기 풋, 최대 기울기 또는 수축기 피크) 사이의 시간 간격으로서 평가해야 함;
- 2개의 PPG 센서: 하나가 다른 하나의 하류에 위치하며, 이 경우 펄스 전달 시간 (PTT)을 2개의 측정 부위들 사이의 시간 간격으로서 평가해야 함 [21].
측정된 시간 간격을 구별 및 특정해야 한다: PAT는 PTT와 전구혈기 (PEP: Pre-Ejection Period)의 합과 동일함 (심실 탈분극의 시작과 대동맥 밸브가 개방되는 순간 사이의 시간 간격임). PEP는 측정 또는 예측하기가 어렵고 압력에 대한 선형 함수가 아니기 때문에, PAT가 PTT보다 덜 정확한 지표인 것으로 드러났다. PTT는 평가하기가 더 어렵지만, 모니터링에 더 우수한 측정치를 제공한다. 이 파라미터를 통해 대동맥 PWV를 추정하는 것이 가능하다 (대동맥은 문헌에서 PWV를 측정하기 위한 참조 포인트임). 현대 압력 측정 시스템은 또한, 간접적인 방법으로 대동맥 PWV를 계산한다.
PWV 추정치를 얻기 위해, 2개의 상이한 측정 시스템으로부터의 PPG 시그널 수축기 풋들을 식별한다. 수축기 풋들이 기록되는 순시치들 사이의 차이 덕분에, 기구에 따라 (첫번째 경우 ECG 및 PPG, 두번째에서 2개의 PPG 시그널), 펄스 도달 시간 및 펄스 전달 시간을 아는 것이 가능하다. 이 측정치를 사용하여, PAT 또는 PTT와 최적 표준 기구로부터 측정된 펄스파 속도 (중앙 PWV라 지칭됨, 즉, 대동맥에서) 사이의 상관관계를 평가할 것이다. 이러한 이유로, 펄스 전달 시간 값, 연령, 신장, 중앙값 심박수 값, 및 PPG 시그널의 3가지 전형적 파라미터 (즉, 파고 시간, 경직도 지수 및 펄스 면적)을 사용하여 선형 회귀가 생성되었다.
PWV는, 2개의 별도로 배치된 PPG 센서에서 측정된 2개의 PPG 시그널의 펄스들 사이의 시차 (여기서 PTT)에 의해 추정된다. 따라서, 시그널의 수축기 풋들 사이의 시차를 검사한다. PWV를 추정하기 위한 선형 회귀 모델에 중앙값 시차가 사용된다. 부가적인 생리학적 및 개인 데이터를 선형 회귀 모델에 추가로 포함시켰다:
여기서 gi은 계수이고, PTT는 PPG 펄스들 사이의 시차이고, p연령은 사람의 연령이고, p신장은 사람의 신장이고, 
은 사람의 중앙값 심박수이다.
2개의 PPG 시그널을 측정하고 2개의 상응하는 PPG 펄스들 사이의 시차를 고려하는 것이 바람직하다. 일 실시양태에서, 하나의 PPG 센서는 사용자의 손목에 위치할 수 있고, 제2 센서는 사용자의 손가락에 위치할 수 있다. 그러나, 유리한 구성에서, 2개의 PPG 센서가 양쪽 센서들 사이에 특정 거리를 두고 사용자의 손목에 위치할 수 있다. 이를 통해, 스마트 워치 또는 피트니스 트래커와 같은 손목 착용형 디바이스에서의 구현이 가능하다.
혈압 (BP):
PPG 시그널로부터의 혈압 추정은 그렇게 사소한 과제가 아니다. 이전의 연구에는, PPG 펄스의 추출된 수축기 및 이완기 시간을 사용하는 간단한 선형 회귀 모델에 의해 BP를 추정하는 것이 제안되어 있다:
여기서 aSBP, bSBP, aDBP 및 bDBP는 참조값에 기반하여 추정해야 하는 계수들이다.
본 발명의 경우, 펄스 전달 시간에 대해 작업하고 이들 값의 선형 회귀를 최적 표준 기구로 얻은 혈압 추정치들로 평가하여, 동맥 혈압 (수축기 및 이완기)을 추정하는 전략을 개발하였다. 아울러, 선형 회귀 추정치에서 중앙값 심박수, 파고 시간, 경직도 지수 및 펄스 면적 및 생리학적 파라미터, 예컨대 연령 및 신장과 같은 기타 파라미터들을 사용하였다.
여기서 k0s 내지 k2s, k0d 내지 k2d, l0d 내지 l5d, l0s 내지 l5s는 계수이고, 
는 PPG 펄스들 사이의 시차이고, p연령은 사람의 연령이고, p신장은 사람의 신장이고, 
은 사람의 중앙값 심박수이고, CTp는 파고 시간이고, SIp는 경직도 지수이고, PAp는 근위 센서로부터의 PPG 시그널의 펄스 면적이다.
심박수 변이도 (HRV):
심박수 변이도 (HRV)는 심박동들 사이의 시간 간격의 변동을 설명한다. 각각의 심박동에 대한 박동간 간격 (IBI) 값은 2개의 연속하는 PPG 파동 (수축기 풋, 최대 기울기 또는 수축기 피크)의 2개의 상응하는 랜드마크 포인트들 사이의 시간 간격으로서 추정된다. 도 1.7에서, 예를 들면, IBI는 2개의 연속하는 수축기 풋들 사이의 시간 간격으로서 측정된다.
IBI가 측정되면, HRV 파라미터를 추정하는 것이 가능하다. 종래, HRV 분석은 시간 도메인 및 주파수 도메인에서 수행된다. 또한, 이들 파라미터 중 일부는 기록이 충분히 장기간 이루어진 경우에만 추정될 수 있다. 짧은 기록 (즉, 적어도 2분)의 경우, 얻을 수 있는 가능한 지수들 중 일부는 하기와 같다 (Shaffer and Ginsberg, Frontiers in Public Health, vol. 5, n. 258, p. 17 pp, 2017):
1. 정상 동박동의 IBI에 대한 표준 편차 (SDNN).
2. 서로 50 ms 초과만큼 상이한 인접 간격들의 수 (NN50 및 pNN50).
3. 정상 심박동들 사이의 연속 차이의 평균 제곱근 (RMSSD), 이는 먼저 심박동들 사이의 각각의 연속 시차를 계산한 다음, 값들 각각을 제곱하고 결과를 평균화한 후 합계에 대한 제곱근으로 얻어짐.
4. LF/HF 비, 저주파 전력 (0.04 - 0.15 Hz)과 고주파 전력 (0.15 - 0.4 Hz) 사이의 비.
5. 푸앵카레 플롯, 이는 모든 IBI 간격을 이전 간격에 대해 플롯팅하여 산포도를 생성함으로써 얻어짐; 푸앵카레 플롯은 타원을 플롯팅된 포인트들에 피팅함으로써 분석할 수도 있음. 피팅 단계 후, 2개의 비-선형 측정치를 얻을 수 있음:
5.a. SD1: x축으로부터의 각 포인트의 거리에 대한 표준 편차는 타원의 폭을 특정하며; 이는 단기 HRV를 반영함.
5.b. SD2: y = x + 평균 (IBI 간격)으로부터의 각 포인트에 대한 표준 편차는 타원의 길이를 특정하며; 이는 단기 및 장기 HRV에 대한 척도임.
6. 샘플 엔트로피, 이는 시계열의 규칙성 및 복잡성의 척도임.
점점 더 많은 수의 착용가능 디바이스가, PPG 기술을 사용하여 정확하고 경제적이며 용이하게 측정가능한 HRV 지수들을 제공한다고 주장하고 있다. 여러 연구가, ECG 시그널에 의해 제공되는 최적 표준과 비교한 PPG 측정치들로 보고된 HRV 지수에 대한 신뢰성에 중점을 두고 있다. 특히, 최근의 검토에서 (Georgiou et al., Folia Medica, vol. 60, n. 1, pp. 7-20, 2018), 드러난 결과는 PPG 기술이 HRV 측정에 대한 유효한 대안일 수 있다는 것이지만, 여전히 비정지 조건 하의 보다 심층적인 연구를 수행할 필요가 있다.
본 발명에 따르면, 2개 이상의 PPG 센서로 2개 이상의 PPG 시그널을 측정하고 고급 알고리즘을 사용하여 혈관 연령 지수 AgIx, 혈압 BPdia 및 BPsys, 펄스파 속도 PWV 및 증강 지수 AIx를 결정함으로써 1종 이상의 심혈관 파라미터가 계산된다.
한 구성에서, 1종의 심혈관 파라미터만 측정된다 (증강 지수 AIx가 결정되거나, 또는 혈관 연령 지수 AgIx만이 또는 혈압만이 결정되거나, 또는 펄스파 속도 PWV만이 결정됨).
추가의 구성에서, 2종의 심혈관 파라미터가 측정된다 (증강 지수 AIx 및 혈관 연령 지수 AgIx가 결정됨). 추가의 별법에서, 부가적으로 혈압이 결정되거나 펄스파 속도 PWV 또는 이들 둘 다가 결정된다.
추가의 구성에서, 증강 지수 AIx 및 및 혈압이 결정된다. 추가의 별법에서, 부가적으로 혈관 연령 지수 AgIx가 결정되거나 펄스파 속도 PWV 또는 이들 둘 다가 결정된다.
추가의 구성에서, 증강 지수 AIx 및 펄스파 속도 PWV가 결정된다. 추가의 별법에서, 부가적으로 혈관 연령 지수 AgIx가 결정되거나 혈압 또는 이들 둘 다가 결정된다.
추가의 구성에서, 혈관 연령 지수 AgIx 및 혈압이 결정된다. 추가의 별법에서, 부가적으로 혈관 연령 지수 AgIx가 결정되거나 증강 지수 AIx 또는 이들 둘 다가 결정된다.
추가의 구성에서, 혈관 연령 지수 AgIx 및 펄스파 속도 PWV가 결정된다. 추가의 별법에서, 부가적으로 혈압이 결정되거나 증강 지수 Aix 또는 이들 둘 다가 결정된다.
추가의 구성에서, 혈압 및 펄스파 속도 PWV가 결정된다. 추가의 별법에서, 부가적으로 증강 지수 Aix가 결정되거나 혈관 연령 지수 AgIx 또는 이들 둘 다가 결정된다.
바람직한 구성에서, 심혈관 파라미터 증강 지수 AIx, 혈관 연령 지수 AgIx, 혈압 및 펄스파 속도 PWV가 결정된다.
특히 바람직한 구성에서, 심혈관 파라미터 증강 지수 AIx, 혈관 연령 지수 AgIx, 혈압 및 펄스파 속도 PWV가 결정된다.
대안적 구성에서, 1, 2, 3 또는 4종의 심혈관 파라미터에 부가적으로, 하기 중 1종 이상을 계산함으로써 심박수 변이도 HRV가 결정된다:
- 최소 및 최대 박동간 간격 (IBI)
- 중앙값 및 평균 IBI
- 최소 및 최대 심박수
- 중앙값 및 평균 심박수
- 정상 동박동의 IBI에 대한 표준 편차 (SDNN)
- 서로 50 ms 초과만큼 상이한 인접 간격들의 수 (NN50 및 pNN50)
- 정상 심박동들 사이의 연속 차이에 대한 평균 제곱근 (RMSSD)
- LF/HF 비, 저주파 전력 (0.04 - 0.15 Hz)과 고주파 전력 (0.15 - 0.4 Hz) 사이의 비
- SD1: 모든 IBI 간격을 이전 간격에 대해 플롯팅함으로써 얻은 푸앵카레 플롯 내 x축으로부터의 각 포인트의 거리에 대한 표준 편차
- SD2: 모든 IBI 간격을 이전 간격에 대해 플롯팅함으로써 얻은 푸앵카레 플롯 내 y = x + 평균 (IBI 간격)으로부터의 각 포인트에 대한 표준 편차
- 샘플 엔트로피.
본 발명은 많은 상이한 인체 건강 모니터링 디바이스, 예컨대 손목형 피트니스 트래커, 스마트 워치, 또는 의료 전문가가 사용하는 특수 디바이스 내에 포함되는 PGG 센서를 사용하여 적용될 수 있다. 본 발명에 따른 방법을 통해, 여러 심혈관 파라미터를 분석함으로써 간단한 손목 착용형 디바이스의 도움으로 사람의 심혈관 상태에 대한 상세한 분석이 가능하다.
따라서, 본 발명의 유리한 구성에서, 1종 이상의 계산된 파라미터는 적어도 1개의 PPG 센서를 포함하는 인체 건강 모니터링 디바이스 상에 디스플레이된다.
대안적 구성에서, 1종 이상의 계산된 파라미터는, 적어도 2개의 PPG 센서를 포함하는 인체 건강 모니터링 디바이스 상에 디스플레이되어, 2개의 PPG 시그널들 사이의 시차를 분석함으로써 1종 이상의 심혈관 파라미터를 평가하는 것이 가능하다.
본 발명의 또 다른 바람직한 실시양태에서, 계산된 파라미터와 함께 음향 또는 시각 시그널이 출력된다.
본 발명의 또 다른 대안적 실시양태에서, 1개 이상의 계산된 파라미터는 적어도 2개의 PPG 센서를 함유하는 인체 건강 모니터링 디바이스 상에 디스플레이된다.
본 발명의 대안적 실시양태에서, 계산된 심혈관 파라미터는 사전저장된 심혈관 지수 파라미터와 비교되며, 계산된 심혈관 파라미터가 사전저장된 심혈관 지수 파라미터와 X% 초과만큼 상이한 경우 음향 또는 시각 시그널이 출력되며, 이 경우 X는 5, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100의 값들로부터 선택된다.
본 발명의 또 다른 측면은 하기 파라미터들 중 1종 이상을 결정하기 위한 손목 착용형 디바이스로서:
- 혈관 연령 지수 AgIx,
- 펄스파 속도 PWV,
- 혈압 BPdia 및 BPsys,
- 증강 지수 AIx,
여기서 디바이스는
- 팔의 등쪽 부분을 대향하고 5 cm 이하의 거리를 둔 2개의 PPG 센서
를 포함하며,
- 여기서 PPG 센서는 적어도 1개의 녹색 광원을 포함하고, 바람직하게는 512 Hz의 샘플링 주파수를 포함하는 것인
손목 착용형 디바이스에 관한 것이다.
바람직한 실시양태에서, 디바이스는 하기 중 1종 이상을 계산하도록 적합화된 시그널 프로세싱 수단을 추가로 포함한다:
- 특징적 포인트 a, b, c, d 및 e, 대상체의 연령 (p연령), 신장 (p신장) 및 중앙값 심박수에 기반한 선형 회귀를 사용한 혈관 연령 지수 AgIx,
- 2개의 PPG 펄스들 사이의 시차 (PTT), 대상체의 연령 (p연령), 신장 (p신장) 및 중앙값 심박수 추정치에 기반한 선형 회귀를 사용한 펄스파 속도 PWV,
- 2개의 PPG 펄스들 사이의 시차 (PTT) 및 중앙값 심박수에 기반한 선형 회귀를 사용한 혈압 BPdia 및 BPsys, 및
- 임의로, 수축기 Asys 및 이완기 Adia 피크 진폭에 기반하며 75 심박동으로 정규화되고 (AIx@75) 정규화된 증강 지수 AIx에 기반한 선형 회귀를 사용한 증강 지수 AIx.
손목 착용형 디바이스는 피트니스 트래커 또는 스마트 워치일 수 있다.
실시예
실험 셋업
본 발명에 대한 실험을 위해 2가지 상이한 기구 셋업을 사용하였다.
GTEC 셋업
지.테크 메디칼 엔지니어링 게엠베하(G.TEC medical engineering GmbH, 오스트리아)로부터의 휴대용 바이오시그널 획득 및 분석 시스템인 g.MOBIlab을 포함하는 폴리그래프 셋업을 사용하였다 (≪gMOBIlab Instructions For Use≫ [온라인]. 입수: http://www.gtec.at/Download/Product-Manuals-Handbooks/g.MOBIlab/gMOBIlabInstructionsForUse).
GTEC 셋업에서는, 2개의 PPG 센서가 커넥터 박스를 통해 g.MOBIlab에 연결되어 있다. ECG용 전극들은 그 대신 그에 직접 연결된다. g.MOBIlab은 블루투스 연결을 통해 시그널들을 기록 및 디스플레이하는 소프트웨어와 통신할 수 있다. 시그널들이 기록되면, 이는 사용자가 특정한 폴더 내에 저장된다.
이와 같은 기구 셋업으로 획득되는 관련 정보는 하기와 같다:
o ECG 시그널 [mV]
o 손가락 센서로부터의 PPG 시그널 [a.u.]
o 로브 센서로부터의 PPG 시그널 [a.u.]
o 유닉스 시간1에서의 기록 초기 시간 [ms]
기타 관련 정보는 하기와 같다:
o 샘플링 주파수: 256 Hz (사용자 지정불가능)
o PPG 센서
· IR 광원
· 1개의 광검출기
본 기구 설정 덕분에, 2개의 PPG 센서로부터의 시그널이 심전도 시그널과 함께 메인 스테이션 (g.MOBIlab)을 통해 동시에 기록된다. 이로써, 2개의 PPG 센서들 사이에 및 PPG 센서들과 ECG 시그널 사이에 둘 다 완벽한 동기화가 가능하다. 따라서, 이와 같은 피처를 통해, PPG 시그널의 시간적 특성과 관련된 심혈관 파라미터들을 정확하게 도출하는 것이 가능하다. 그러나, 2가지 문제가 발생한다:
i. 2개의 센서에 적외선 광원이 구비됨. 이전 챕터에 기록된 바와 같이, 그와 같은 광원은 손목 상에서의 획득에 가장 적합한 것은 아니어서, 기록된 시그널의 품질이 불량하며; 그럼에도 불구하고 여전히 수축기 풋들을 식별하는 것이 가능함,
ii. 이전에 보고된 바와 같이 (O'Rourke et al., American Journal of Hypertension, vol. 15, pp. 426-444, 2002), 상완 및 요골 동맥 사이의 펄스파 속도는 약 800 cm/s 내지 1160 cm/s의 범위임. 어쨌든, 이들 참조값은 40세의 대상체에 대한 것이므로 하한값이 800 cm/s보다 더 작을 수 있음을 고려해야 함. 펄스파 속도가 1050 cm/s보다 더 높은 경우에는, 샘플링 주파수가 256 Hz이어서 샘플링 기간이 0.0039초이기 때문에 GTEC 시스템이 그를 감지할 수 없음. 사실상, 센서들이 서로 4 cm 이격되어 있는 경우, 이 방식으로 펄스가 4 cm 이동하는데 0.0039초가 소요되기 때문에, 감지될 수 있는 최대 속도는 1050 cm/s임. 1050 cm/s보다 더 높은 속도로 시그널을 기록하기 위해서는 더 짧은 샘플링 기간이 필요할 것임.
E4 셋업
엠파티카(Empatica) E4 손목 밴드 (엠파티카 인크.(Empatica Inc., 미국))를 사용하였다 (≪E4 wristband user's manual≫ [온라인]. 입수: https://empatica.app.box.com/v/E4-User-Manual).
획득 시그널 모드로는 스트리밍 모드를 선택하였다. 스트리밍 모드에서는, E4 손목 밴드를 손목 상에 착용하면, E4가 지원하는 유일한 연결 유형인 "블루기가 블루투스 스마트 동글(Bluegiga Bluetooth Smart Dongle)" 모듈을 통해 블루투스 연결이 확립된다. 이어서, 데이터는 E4 스트리밍 서버로 전송되며, 서버는 또한 TCP 연결을 통해 데이터 스트리밍을 전송한다. 그런 다음, 데이터는 특정 폴더에 저장된다. 본 기구 셋업으로 획득되는 관련 정보는 PPG 시그널 [a.u.], 및 유닉스 시간에서의 각 값에 대한 기록 순간 [ms]이다.
부가적인 관련 정보는 하기와 같다:
o 샘플링 주파수: 64 Hz (사용자 지정불가능)
o PPG 센서
· 4개의 광원 (녹색 2개 및 적색 2개)
· 2개의 광검출기
· 모션 아티팩트를 제거하기 위한 내부 알고리즘.
스트리밍 모드에서는 기술적 한계가 감지되었으며, 이를 통해 또한 2개의 센서들 사이의 완벽한 동기화가 가능하지 않다. 다중 연결 (즉, 블루투스 및 TCP)에 의해 도입된 지연은 결정적이지 않으므로, 시그널 분석 단계에 도달하면 삭제되어야 하는 오프셋으로서 처리될 수 없다. 반면에, E4 손목 밴드에 의해 도입되는 이점은 높은 시그널 품질을 초래하며, 이는 하기의 여러 요인들 덕분에 도달될 수 있다:
i. 4개의 광원 및 2개의 광 검출기: E4 시스템은 상이한 파장의 2개의 광 검출기 (녹색 및 적색)에 의해 획득되는 시그널을 조합하여, 주위 조명에 덜 민감한 시그널이 얻어짐.
ii. 내부 알고리즘: 각각의 E4 손목 밴드는 엠파티카의 내부 알고리즘을 가지며, 이는 시그널에 대한 초기 프리프로세싱을 수행함. 한편으로는 이것이 본 기술의 유리한 피처에 해당될 수 있으나, 그 반대로, 정량화하기 어려운 지연의 추가 원인일 수 있음.
본 연구를 위해 2가지 시스템 (GTEC 및 E4)을 조합하였다. 이는, 수득하고자 하는 파라미터들 중 3종 (즉, 증강 지수, 혈관 연령 지수, 및 심박수 변이도)은 PPG 파동의 모폴로지 특징에 좌우되고, 나머지 2종의 측정치들 (즉, 펄스파 속도 및 혈압)은 2개의 상이한 센서로부터의 2개의 PPG 파동들 사이의 시간적 거리에 좌우되기 때문에 가능하다. 따라서, E4 손목 밴드의 고품질, 및 GTEC 시스템으로부터의 동기화와 같은 그들 각각으로부터의 최상의 특성을 활용하여 양쪽 시스템 모두를 동시에 사용하기로 결정하였다.
생체내 연구
PPG 시그널을 사용하여 심혈관 파라미터 추정치들에 대한 평가를 수행하기 위해, 이전 챕터에서 논의된 기구 셋업으로 실험 연구를 수행하였다. 평가는 20명의 건강한 대상체에 대해 수행되었으며, 이들의 연령, 키 및 체중에 대한 데이터는 표 1에 기록되어 있다.
표 1: 분석된 집단의 기술 통계
실험 셋업은 하기와 같다:
o 2개의 엠파티카 E4 손목 밴드,
o 하기가 구비된 GTEC 폴리그래프:
o g.MOBIlab,
o IR 광원을 갖는 2개의 PPG 센서,
o ECG 케이블.
본 기구 셋업으로 얻은 측정치들을 검증하기 위해, 이.에.엠. 게엠베하의 임상 디바이스인 모빌-오-그래프(Mobil-O-Graph) PWA 24h라는 최적 표준 기구를 사용하였다 (≪Mobil-O-Graph 24h PWA user's manual≫ [온라인]. 입수: www.iem.de/_attic/website/UserManual_NG_HMS-CS_24h-PWA_EN.pdf). 이 디바이스는 커프를 대상체의 상완에 적용하여 혈압용 표준 측정 디바이스와 유사하게 작동한다. 이를 통해, 압력파에 대한 펄스파 분석을 수행하여 각 지수에 대한 올바른 값들을 얻는 것이 가능하다.
실험 프로토콜을 20명의 대상체에 적용하였다. 이는 하기 단계들로 구성된다:
1. 5분의 휴식,
2. 센서 배치:
a. 2개의 E4 손목 밴드가 손목의 등쪽 부분 상에서 서로 4 cm 이격되어 있음,
b. 2개의 GTEC PPG 센서가 E4 스트랩과 팔의 배쪽 부분 사이에서 서로 4 cm 이격되어 있음,
3. E4 손목 밴드 블루투스 연결,
4. GTEC 시스템 블루투스 연결,
5. 2:30분 획득,
6. 센서 제거,
7. 모빌-오-그래프 혈압 커프의 배치,
8. 모빌-오-그래프 블루투스 연결,
9. "삼중 펄스파 분석" 모드로 혈압 시그널 획득.
PPG 시그널에 대한 프리프로세싱
프리프로세싱 단계는 PPG 시그널로부터의 올바른 파라미터 추정에 있어서 중요한 이슈이다. 이를 통해, PPG 파동 윤곽을 강화시켜 그의 피봇 포인트들을 보다 용이하게 검출하는 것이 가능하다. 변형이 전혀 없는 측정되는 PPG 시그널은 통상, 도 2.1에 디스플레이된 바와 같이 50 Hz의 주파수에서 육안으로 확인되는 전력선 간섭을 함유한다. 이 간섭을 제거하기 위해 50 Hz의 노치 필터가 사용된다. 전력선 간섭 및 고주파 노이즈가 제거된 PPG 시그널이 도 2.2에 디스플레이되어 있다.
조합된 프리프로세싱 알고리즘을 선택하였으며 [34] [35], 이는 세 단계로 구성된다:
i. 시그널 정규화:
ii. 호흡으로 인해 PPG 시그널에서 항상 존재하는 드리프트를 제거하기 위한 이동 평균 필터,
iii. 제로-위상 및 컷오프 주파수 = 20 Hz를 갖는 IV차 체비셰프 저역-통과 필터.
20 Hz에서의 단계 필터링, 필터를 통해, 부가적인 정보를 제공하지 않는 시그널의 불규칙성을 제거하는 것이 가능하며; 이들 빠른 요동은 수축기 피크 및 이완기 피크의 올바른 위치에 대한 추정에 해로울 위험이 있다 (도 2.3에 제시되어 있음).
평가 메트릭
상기와 같은 알고리즘의 추정치들을 임상적으로 승인된 참조 디바이스의 측정치들과 비교함으로써, 제안된 알고리즘의 정확성 및 신뢰성을 검증하였다. 이.에.엠. 게엠베하로부터의 모빌-오-그래프에 의해 얻은 이들 측정치들은 참조값으로서의 역할을 하며, 사실상의 값과 상이할 수 있는데, 그 이유는 디바이스 또한 고유 측정 오차를 가져 그 측정 값들이 요동하기 때문이다. 참조 디바이스의 고유 측정 오차의 영향을 줄이기 위해, 참조 디바이스로 3개의 연속하는 측정치들을 취하고, 각각의 심혈관 파라미터에 대한 3개의 값들의 중앙값을 계산하였다.
시그널들을 매트랩(Matlab)으로 프로세싱하였다. 성능 평가를 위한 알고리즘은 3개의 주요 단계를 수반한다:
1. PPG 시그널들로부터의 파라미터 추정,
2. 추정된 파라미터들에 대한 선형 회귀 분석,
3. 추정된 파라미터들과 최적 표준 측정치들 사이의 일치에 대한 평가 (하기 표).
PPG 시그널로부터의 파라미터 추정치들에 대한 성능은 5가지 지표에 기반하여 평가하였다. 검증을 위해, 5가지 상이한 메트릭, 평균 오차, 표준 편차 (STD), 평균 절대 오차 (MAE), 평균 제곱 오차 (MSE) 및 평균 제곱근 오차 (RMSE)를 계산하였으며, 이 경우 yest(i)는, 모든 참가자에 대한 총 측정 수인 길이 N = 242를 갖는 관심의 대상인 추정된 심혈관 파라미터이고, yref(i)는 그의 심혈관 파라미터 의 참조값이다:
방법 및 최상의 센서 위치가 결정되면, 비모수적 스피어만 순위 상관 계수 ρ를 그의 p-값과 함께 평가한다.
심혈관 파라미터들을 추정하기 위한 선형 회귀 계수의 추정
1. 증강 지수 AIx
앞에서 기재된 방법들을 사용하여 증강 지수 추정치를 얻었다:
· 방법 1.1: AIx = y/x, 두 지수의 합에 의함
· 방법 1.2: AIx = (x-y)/x, 두 지수의 합에 의함
· 방법 2.1: AIx = y/x, 단일 지수의 모델링에 의함
· 방법 2.2: AIx = (x-y)/x, 단일 지수의 모델링에 의함
평균 오차는 작지만 (기본적으로 0임), 표준 편차가 상대적으로 높아서 이러한 종류의 측정치는 신뢰성있는 파라미터로 규정될 수 없었다. 이러한 이유로, 정규화된 지수 AIx@75의 성능을 평가하기로 결정하였다. 표 2.1 및 2.2는, 각각 근위 및 원위 센서들에 의해 기록된 PPG 시그널로부터 얻은 결과를 제시한다.
표 2.1: 근위 E4 센서로부터의 증강 지수 @ 75에 대한 결과
표 2.2: 근위 E4 센서로부터의 증강 지수 @ 75에 대한 결과
지표들은 모두 AIx에 대해 얻은 것들보다 유의하게 더 낮다. 최상의 결과는 원위 센서로부터의 PPG 시그널을 사용하는 방법 1.2 덕분에 달성된다. 도 3.1은 참조값, 스피어만 상관 계수 및 그의 p-값과 관련하여 본 방법에 의해 얻은 값들을 제시한다.
2. 혈관 연령 지수 AgIx
PPG
혈관 연령 지수를 추정하기 위한 3가지 상이한 방법을 평가하였다:
- 방법 1: 최대 및 최소 피크를 찾아 APG 진폭파를 얻음. 이어서, 식 (1.6)을 사용하여 혈관 연령 지수를 추정함;
- 방법 2: 문헌 [16] [36]에서 찾을 수 있는 추가의 방법을 구현하였음. 이 경우에도 식 (1.6)을 사용하였음;
- 방법 3: 방법 2에서와 같이 APG 랜드마크 포인트들을 검출하였으나, 식 (1.7)을 통해 얻은 진폭비와 최적 표준 기구로부터의 혈관 연령 지수를 비교하였음.
표 3.1 및 3.2은 근위 및 원위 센서들에 대해 얻은 값들을 제시한다. 혈관 연령 지수가 나이 (y)로 제공되어 있으며, 그의 추정 오차도 마찬가지이다.
표 3.1: 근위 E4 센서로부터의 혈관 연령 지수에 대한 결과
표 3.2: 원위 E4 센서로부터의 혈관 연령 지수에 대한 결과
2개의 PPG 기록 부위들 사이에 특별한 차이가 없다. APG 진폭파로부터 추정된 혈관 연령 지수가 매우 정확한 결과를 제공하는 것으로 보이지 않는다. 이러한 이유로, 선형 회귀 내에 연령, 신장 및 중앙값 심박수인 기타 회귀자를 도입하기로 결정하였다 (식 (1.8) 참조). 결과는 표 3.3 및 3.4에 제시되어 있다.
표 3.3: 근위 E4 센서로부터의 메타데이터를 사용한 혈관 연령 지수에 대한 결과
표 3.4: 원위 E4 센서로부터의 메타데이터를 사용한 혈관 연령 지수에 대한 결과
선형 회귀 추정치 내에 추가의 대상체 정보를 통합함으로써 성능이 상당히 개선된다. 표준 편차 값들이 허용가능하다. 최상의 방법은 근위 PPG 센서의 시그널에 사용된 방법 1이다. 도 3.2는 표준값들과 비교된 이 방법에 의해 얻은 값들을 제시하며, 스피어만 상관 계수 및 그의 p-값이 또한 제시되어 있다.
3. 펄스파 속도 PWV
GTEC 시스템만을 사용하여 펄스파 속도 추정치들을 얻었다. 3가지 상이한 셋업에 기반한 결과들을 평가하였다:
- 근위 GTEC 센서로부터의 ECG R 피크와 연속하는 PPG 수축기 풋 사이의 펄스 도달 시간,
- 원위 GTEC 센서로부터의 ECG R 피크와 연속하는 PPG 수축기 풋 사이의 펄스 도달 시간,
- 각각 근위 및 원위 GTEC 센서에 의해 기록된 2개의 PPG 파동의 수축기 풋들 사이의 펄스 전달 시간.
아울러, 선형 회귀가 사용되었다. 본 발명자들은 6개의 모델의 성능을 시험하였다:
- 모델 1: PAT 또는 PTT 단독,
- 모델 2: PAT 또는 PTT + 연령,
- 모델 3: PAT 또는 PTT + 연령 + 신장,
- 모델 4: PAT 또는 PTT + 연령 + 신장 + 중앙값(HR), 식 (1.9),
- 모델 5: PTT + 파고 시간 + 경직도 지수 + 펄스 면적 (PPG 근위 센서로부터),
- 모델 6: PTT + 파고 시간 + 경직도 지수 + 펄스 면적 (PPG 원위 센서로부터).
이어서, PAT 및 PTT로부터 얻은 PWV에 대한 결과들을 비교하였다.
표 4.1, 4.2 및 4.3은 3가지 상이한 기구 셋업을 사용한 추정된 PWV 값들을 제시한다.
표 4.1: ECG - 근위 GTEC 센서로부터의 펄스파 속도에 대한 결과
표 4.2: ECG - 원위 GTEC 센서로부터의 펄스파 속도에 대한 결과
표 4.3: 근위 - 원위 GTEC 센서들로부터의 펄스파 속도에 대한 결과
첫 번째 의의가 있는 결과는, PTT (표 4.3, 모델 1 내지 모델 4)로부터 얻은 PWV 추정치들이 PAT (표 4.1 및 4.2)로부터 얻은 것들보다 더 낮다는 것이다.
둘째, 평가 중인 대상체의 다른 개인 데이터가 선형 회귀 모델 내에 포함되면 보다 우수한 결과가 달성될 수 있다. 연령, 신장 및 심박수 중앙값을 포함하는 모델이 사실상 최상의 결과를 제시한다.
PPG 시그널 모폴로지의 파라미터를 사용한다고 해서 주목할 만한 결과로 이어지지는 않는다. 분명히, PWV 추정치는 이들 PPG 피처에 의해 영향을 받지 않는다.
따라서, 최상의 방법은 (1.9)로 제시된 식인 방법 4이다. 도 4.3은 최적 표준 측정치들과 비교된 PWV 추정치들, 스피어만 상관 계수, 및 그의 p-값을 제시한다.
4. 혈압
하기의 선형 회귀에 의해 혈압 추정치들을 얻었다:
- 방법 1: PTT
- 방법 2: PTT + 연령 + 신장 + 중앙값(HR), 식 (1.12) 및 (1.13),
- 방법 3: PTT + 파고 시간 + 경직도 지수 + 근위 센서로부터의 펄스 면적, 식 (1.14) 및 (1.15),
- 방법 4: PTT + 파고 시간 + 경직도 지수 + 원위 센서로부터의 펄스 면적.
수축기 및 이완기 혈압에 대한 결과는 각각 표 5.1 및 5.2에 별도로 제시되어 있다. 혈압은 mmHg 단위로 제공되어 있으며, 그의 추정 오차도 마찬가지이다.
표 5.1: 수축기 혈압에 대한 결과
표 5.2: 이완기 혈압에 대한 결과
방법 2로부터 양호한 추정치들이 얻어졌는데, 그 이유는 오차 표준 편차가 수축기 및 이완기 혈압 추정치 둘 다에 대해 다른 방법들보다 더 작기 때문이다.
오차를 더 줄이기 위해, CT, SI 및 PA를 사용한 선형 회귀 모델을 또한 시험하였다. 이 경우, 수축기 BP의 오차 표준 편차가 다른 방법들로 얻은 것보다 더 큰 반면, 이완기 혈압 추정치들은 다른 방법들보다 약간 더 작은 오차 표준 편차를 제시한다 (표 4.14 및 4.15).
수축기 BP와 관련하여, 최상의 방법은 방법 2인 것으로 보인다. 이완기 BP의 경우, 방법 3이 바람직할 수 있다. 도 3.4 및 3.5에는, 추정된 수축기 BP 및 이완기 BP가 스피어만 상관 계수 및 그의 p-값과 함께 제시되어 있다.
5. 심박수 변이도 HRV
표 5 및 6은 최적 표준과 비교된 근위 및 원위 PPG 시그널들을 통해 얻은 심박수 변이도 (HRV) 분석에 대한 결과를 제시한다. 표 6.1 및 6.2에 제시된 바와 같이 HRV를 추정하기 위해 16종의 파라미터를 고려하였다:
표 6.1: 근위 E4 센서로부터의 HRV에 대한 결과
표 6.2: 원위 E4 센서로부터의 HRV에 대한 결과
전반적으로, 근위 PPG 센서로부터의 추정치들이 원위 센서로부터 얻어진 것들보다 더 정확하다. 이는 손목 밴드의 보다 올바른 위치설정 및 손목 상에서의 더 큰 그립 때문일 수 있다.
그의 오차 표준 편차는 상대적으로 크지만, RMSSD는 PPG 센서를 착용한 대상체의 심혈관 건강을 다루는 향후 알고리즘에 가치있는 옵션으로서 간주될 수 있다.
심혈관 파라미터 추정에 대한 분석으로부터, 참조치로부터의 적당한 편차로 추정될 수 있는 다수의 심혈관 파라미터가 존재하는 것으로 제시된다. 결론적으로, 간단하고 저렴한 PPG 시그널은, 현재 가장 보편적인 추출된 피처인 맥박수를 훨씬 뛰어 넘는 사람의 심혈관 건강에 대한 유용한 정보를 함유한다. 본 발명에 따른 신규한 알고리즘은 2개의 PPG 센서가 손목에 위치한 경우에도 표준값으로부터 단지 약간의 편차만으로 심혈관 파라미터들을 추정할 수 있다. 이로써, 2개의 PPG 센서를 1개의 손목 착용형 디바이스 내에 포함시켜 대상체의 심혈관 상태에 대한 상세한 분석을 제공할 가능성이 처음으로 제의된다. 그와 같은 심혈관 파라미터들의 영구적 모니터링을 위해 피트니스 트래커 또는 스마트 워치 내로 2개의 PPG 센서가 포함될 수 있다.
도 4는 예시적으로, 심혈관 파라미터들, 즉, 혈관 연령 지수 AgIx, 혈압 BPdia 및 BPsys, 펄스파 속도 PWV, 증강 지수 AIx 및 심박수 변이도 HRV의 결정을 위한 시스템(100)을 제시한다. 시스템(100)은 손목 착용형 디바이스, 예컨대 피트니스 트래커 또는 스마트 워치로 구현될 수 있고, 2개의 PPG 센서(101), 프로세서(102), 메모리(103), 사전저장된 데이터와의 비교(104), 및 사용자 인터페이스(105)를 포함한다. 데이터베이스(103)는 모든 심혈관 파라미터들에 대한 참조 데이터를 함유하며, 상이한 조직 데이터베이스로부터 얻어진 그리고 시스템(100)의 측정된 데이터로부터 얻어진 생리학적 데이터로부터 도출될 수 있다. 또 다른 실시양태에서, 데이터베이스는 유선 또는 무선 연결을 통해 시스템에 외부적으로 커플링될 수 있다.
PPG 센서(101)는, 사용자의 피부를 조명하고 피부에 의한 조명 흡수에 기반한 2개의 PPG 시그널을 측정하도록 구성된다. PPG 센서(101)는, 예를 들어, 적어도 1개의 주기적 광원 (예: 발광 다이오드 (LED) 또는 그와 관련된 임의의 다른 주기적 광원), 및 사용자 피부로부터 반사된 적어도 1개의 주기적 광원에 의해 방출된 주기적 광을 수신하도록 구성된 광 검출기를 포함할 수 있다. 바람직한 실시양태에서, PPG 센서는 적어도 1개의 녹색 광원을 포함하고, 바람직하게는 512 Hz의 샘플링 주파수를 포함한다.
2개의 PPG 센서(101)는 프로세서(102)에 커플링될 수 있다. 또 다른 실시양태에서, PPG 센서(101)는, 프로세서(102) 및 기타 회로/하드웨어 요소들을 갖는 하우징 내에 포함될 수 있다. 양쪽 PPG 센서(101) 둘 다가 하우징 내에 포함되고 팔의 등쪽 부분을 대향하여 5 cm 이하의 거리를 두고 위치하는 것이 바람직하다.
프로세서(102) (예를 들어, 하드웨어 유닛, 장치, 중앙 프로세싱 유닛 (CPU: Central Processing Unit), 그래픽 프로세싱 유닛 (GPU: Graphics Processing Unit))는 PPG 센서(101)로부터 수신된 주기적 광을 수신 및 프로세싱하도록 구성될 수 있다. 프로세싱은 이전에 논의된 바와 같은 제1 경우에서의 데이터의 프리-프로세싱, 및 본 발명에 따른 알고리즘의 도움에 의한 심혈관 파라미터들의 추정을 포함한다. 이어서, 추정된 심혈관 파라미터들은 사전저장된 데이터(104)와 비교되고 사용자 인터페이스(105)로 프로세싱되어 사용자를 위해 디스플레이된다. 사용자는 추가로 추정된 파라미터들로 피드백을 제공할 수 있다.
도 5는, 2개의 별도의 PPG 센서로부터의 2개의 PPG 시그널에 기반하여 예시적 실시양태에 따라 대상체에서 1종 이상의 심혈관 파라미터를 추정하는 방법을 예시하는 흐름도이다. 도 5를 참조하면, 작동 시, 전자 디바이스가 사용자의 피부를 조명하고, 피부에 의한 조명 흡수에 기반하여 2개의 PPG 센서로부터의 PPG 시그널을 측정한다. 예를 들어, 전자 디바이스에서, 도 4에 예시된 바와 같이 2개의 PPG 센서(101)는, 사용자의 피부를 조명하고 피부에 의한 조명 흡수에 기반하여 PPG 시그널을 측정하도록 구성된다.
작동 시 전자 디바이스(100)는, 시그널에 대한 프리프로세싱 후에 PPG 피처, HRV 피처, APG 피처 및 펄스 전달 시간 (PTT)을 포함한 양쪽 PPG 시그널로부터의 복수의 파라미터를 추출한다. 2개의 PPG 시그널 분석에 기반하여, 심혈관 파라미터들을 상기 기재된 바와 같이 추정할 수 있다. 전자 디바이스(100)는 추출된 복수의 파라미터에 기반하여 심혈관 파라미터들, 이 경우 PWV 및 BP를 추정한다. 추정된 파라미터들은 사전저장된 심혈관 파라미터들(104)과 비교된다. 결과는 사용자 인터페이스(105) 내에 디스플레이되어 사용자에게 피드백을 제공한다.
1종 이상의 심혈관 파라미터를 추정하기 위한 시스템 및 방법의 도움으로 사용자는 심혈관 파라미터와 같은 생리학적 파라미터를 지속적으로 모니터링 및 평가할 수 있다. 특정한 해부학적 데이터를 포함한 고급 알고리즘에 기반하여, 여러 심혈관 파라미터에 대한 평가를 달성한다. 혈류, 혈압, 동맥 경직도, 혈관 탄성, 혈관 연령과 같은 부가적인 파라미터들에 대한 평가를 통해 종합적인 일반 건강 평가가 가능하다. 이와 같은 개별 심혈관 건강 평가는 오해의 위험을 줄이고, 사용자를 위한 보다 정밀한 건강 평가로 이어진다.
Claims (12)
- 하기 단계에 의해 소정의 연령 및 신장을 갖는 대상체에서 1종 이상의 심혈관 파라미터를 추정하는 방법:
- 대상체의 연령 (p연령) 및 신장 (p신장)을 결정하는 단계,
- 대상체에서의 2개의 상이한 위치에서 적어도 2개의 PPG 센서로 적어도 2개의 광체적변동기록 (PPG) 시그널을 측정하는 단계,
- PPG 시그널을 PPG 펄스들로 분리하며, 이 경우 펄스의 시작 포인트 및 종료 포인트가 PPG 시그널의 수축기 풋에 상응하는 것인 단계,
- 대상체의 심박수 (pHR)를 결정하고, 중앙값 심박수를 계산하는 단계,
- 수축기 Asys 및 이완기 Adia 피크 진폭 및 이들의 시간 ts 및 td를 결정하는 단계,
- PPG 펄스의 2차 도함수를 계산하고, PPG 펄스의 2차 도함수로부터 특징적 포인트 a, b, c, d 및 e를 결정하며, 여기서
a 및 e는 각각 2차 도함수에서 제1 및 제2의 가장 현저한 최대값이고,
c는 포인트 a와 e 사이에서 가장 현저한 피크이고,
b는 2차 도함수에서 가장 현저한 최소값이고,
d는 포인트 c와 e 사이에서 가장 현저한 최소값인
단계,
- 하기를 결정하는 단계:
a) 특징적 포인트 a, b, c, d 및 e, 대상체의 연령 (p연령), 신장 (p신장) 및 중앙값 심박수에 기반한 선형 회귀를 사용한 혈관 연령 지수 AgIx,
b) 2개의 PPG 펄스들 사이의 시차 (PTT), 대상체의 연령 (p연령), 신장 (p신장) 및 중앙값 심박수 추정치에 기반한 선형 회귀를 사용한 펄스파 속도 PWV,
c) 2개의 PPG 펄스들 사이의 시차 (PTT) 및 중앙값 심박수에 기반한 선형 회귀를 사용한 혈압 BPdia 및 BPsys, 및
d) 임의로, 수축기 Asys 및 이완기 Adia 피크 진폭에 기반하며 75 심박동으로 정규화되고 (AIx@75) 정규화된 증강 지수 AIx에 기반한 선형 회귀를 사용한 증강 지수 AIx, 및
- 계산된 파라미터들을 출력하는 단계. - 제1항에 있어서, PPG 시그널의 파고 시간 (CT), 경직도 지수 (SI) 및 펄스 면적 (PA)을 결정하는 것을 추가로 포함하며,
여기서 심혈관 파라미터들은 하기 방정식으로 추정되고:
a) 혈관 연령 지수 AgIx:
b) 펄스파 속도 PWV:
c) 혈압 BPdia 및 BPsys:
d) 정규화된 증강 지수 AIx@75:
여기서, p연령은 대상체의 연령이고, p신장은 대상체의 신장이고, 중앙값(HR)은 중앙값 심박수이고, PTT는 PPG 펄스들 사이의 시차이고, Asys 및 Adia는 각각 수축기 및 이완기 피크의 크기이고, CT는 파고 시간이고, ST는 경직도 지수이고, PA는 PPG 시그널의 펄스 면적이고, x는 이완기 피크 진폭이고, y는 수축기 피크 진폭이고, d0 내지 d4, g0 내지 g4, l0d 내지 l5d, k0s 내지 k4s, 및 b0 내지 b1은 각 선형 회귀 방정식의 계수를 나타내는 것인
방법. - 제1항 또는 제2항에 있어서, 2개의 PPG 센서가 대상체의 손목에서 2개의 PPG 센서들 사이에 5 cm 이하의 거리를 두고 위치하는 것인 방법.
- 제1항 내지 제3항 중 어느 한 항에 있어서, 심혈관 파라미터가 적어도 60 PPG 펄스, 바람직하게는 적어도 100 PPG 펄스, 보다 바람직하게는 적어도 120 PPG 펄스에 기반하여 추정되는 것인 방법.
- 제1항 내지 제4항 중 어느 한 항에 있어서, 부가적으로 하기 중 1종 이상을 계산함으로써 심박수 변이도 HRV가 결정되는 것인 방법:
- 최소 및 최대 박동간 간격 (IBI)
- 중앙값 및 평균 IBI
- 최소 및 최대 심박수
- 중앙값 및 평균 심박수
- 정상 동박동의 IBI에 대한 표준 편차 (SDNN)
- 서로 50 ms 초과만큼 차이가 나는 인접 간격들의 수 (NN50 및 pNN50)
- 정상 심박동들 사이의 연속 차이의 평균 제곱근 (RMSSD)
- LF/HF 비, 저주파 전력 (0.04 - 0.15 Hz)과 고주파 전력 (0.15 - 0.4 Hz) 사이의 비
- SD1: 모든 IBI 간격을 이전 간격에 대해 플롯팅함으로써 얻은 푸앵카레 플롯 내 x축으로부터의 각 포인트의 거리에 대한 표준 편차
- SD2: 모든 IBI 간격을 이전 간격에 대해 플롯팅함으로써 얻은 푸앵카레 플롯 내 y = x + 평균 (IBI 간격)으로부터의 각 포인트에 대한 표준 편차
- 샘플 엔트로피. - 제1항 내지 제5항 중 어느 한 항에 있어서, 특징적 포인트 a, b, c, d 및 e가 PPG 펄스의 2차 도함수로부터 자동적으로 도출되며, 여기서
a 및 e는 각각 2차 도함수에서 제1 및 제2의 가장 현저한 최대값이고,
c는 포인트 a와 e 사이에서 가장 현저한 피크이고,
b는 2차 도함수에서 가장 현저한 최소값이고,
d는 포인트 c와 e 사이에서 가장 현저한 최소값인
방법. - 제1항 내지 제6항 중 어느 한 항에 있어서, 수축기 Asys 및 이완기 Adia 피크 진폭 및 이들의 시간 ts 및 td가 하기 방법들 중 하나에 의해 결정되는 것인 방법:
- PPG 파형을 지수 함수를 통한 2개의 펄스파의 합으로서 모델링하고, 비선형 회귀를 적용하여 모델을 PPG 파형에 피팅하고 ts 및 td의 추정치들을 수신하여 Asys 및 Adia를 각각 찾아냄, 또는
- 수축기 피크 Asys에서 알려진 위치를 갖는 제1 파동을 모델링하고, PPG 시그널로부터 그의 지수 모델을 차감하여 나머지 반사파를 산출함. - 제1항 내지 제7항 중 어느 한 항에 있어서, 1종 이상의 계산된 파라미터가, 적어도 2개의 PPG 센서를 함유하는 인체 건강 모니터링 디바이스 상에 디스플레이되는 것인 방법.
- 제1항 내지 제8항 중 어느 한 항에 있어서, 계산된 파라미터와 함께 음향 또는 시각 시그널을 부가적으로 출력하는 방법.
- 제1항 내지 제9항 중 어느 한 항에 있어서, 계산된 심혈관 파라미터가 사전저장된 심혈관 지수 파라미터와 비교되고, 계산된 심혈관 파라미터가 사전저장된 심혈관 지수 파라미터와 X% 초과만큼 상이한 경우 음향 또는 시각 시그널이 출력되며, 여기서 X는 5, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100의 값들로부터 선택되는 것인 방법.
- 하기 파라미터들 중 1종 이상을 결정하기 위한 손목 착용형 디바이스로서:
- 혈관 연령 지수 AgIx,
- 펄스파 속도 PWV,
- 혈압 BPdia 및 BPsys,
- 증강 지수 AIx,
여기서 디바이스는
- 팔의 등쪽 부분을 대향하고 5 cm 이하의 거리를 둔 2개의 PPG 센서
를 포함하며,
- 여기서 PPG 센서는 적어도 1개의 녹색 광원을 포함하고, 바람직하게는 512 Hz의 샘플링 주파수를 포함하는 것인
손목 착용형 디바이스. - 제11항에 있어서, 하기 중 1종 이상을 계산하도록 적합화된 시그널 프로세싱 수단을 추가로 포함하는 손목 착용형 디바이스:
- 특징적 포인트 a, b, c, d 및 e, 대상체의 연령 (p연령), 신장 (p신장) 및 중앙값 심박수에 기반한 선형 회귀를 사용한 혈관 연령 지수 AgIx,
- 2개의 PPG 펄스들 사이의 시차 (PTT), 대상체의 연령 (p연령), 신장 (p신장) 및 중앙값 심박수 추정치에 기반한 선형 회귀를 사용한 펄스파 속도 PWV,
- 2개의 PPG 펄스들 사이의 시차 (PTT) 및 중앙값 심박수에 기반한 선형 회귀를 사용한 혈압 BPdia 및 BPsys, 및
- 임의로, 수축기 Asys 및 이완기 Adia 피크 진폭에 기반하며 75 심박동으로 정규화되고 (AIx@75) 정규화된 증강 지수 AIx에 기반한 선형 회귀를 사용한 증강 지수 AIx.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP18168758.3 | 2018-04-23 | ||
| EP18168758 | 2018-04-23 | ||
| PCT/EP2019/060146 WO2019206818A1 (en) | 2018-04-23 | 2019-04-18 | Methods to estimate the blood pressure and the arterial stiffness based on photoplethysmographic (ppg) signals |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210005644A true KR20210005644A (ko) | 2021-01-14 |
Family
ID=62046748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020207033166A Withdrawn KR20210005644A (ko) | 2018-04-23 | 2019-04-18 | 광체적변동기록 (ppg) 시그널에 기반하여 혈압 및 동맥 경직도를 추정하는 방법 |
Country Status (11)
| Country | Link |
|---|---|
| US (2) | US20210030372A1 (ko) |
| EP (2) | EP3784122A1 (ko) |
| JP (1) | JP2021519621A (ko) |
| KR (1) | KR20210005644A (ko) |
| CN (1) | CN112040846A (ko) |
| AU (1) | AU2019260099A1 (ko) |
| BR (1) | BR112020021760A2 (ko) |
| CA (1) | CA3097663A1 (ko) |
| MX (1) | MX2020011160A (ko) |
| RU (1) | RU2020134568A (ko) |
| WO (2) | WO2019206818A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2025048045A1 (ko) * | 2023-08-28 | 2025-03-06 | 주식회사 그레비티 | 센서스트립 수납형 뇨당 및 혈관탄성도 측정장치 |
Families Citing this family (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3770921A1 (en) * | 2019-07-22 | 2021-01-27 | Tata Consultancy Services Limited | Method and system for pressure autoregulation based synthesizing of photoplethysmogram signal |
| TWI882018B (zh) * | 2019-10-17 | 2025-05-01 | 德商百靈佳殷格翰維美迪加股份有限公司 | 用於動物醫學檢查之方法及檢查裝置及相關電腦程式及電腦可讀儲存媒體 |
| WO2021249850A1 (en) * | 2020-06-09 | 2021-12-16 | Evonik Operations Gmbh | Wearable device |
| US12082948B2 (en) | 2020-06-17 | 2024-09-10 | Samsung Electronics Co., Ltd. | Apparatus and method for generating blood pressure estimation model, and apparatus for estimating blood pressure |
| CN114424933B (zh) * | 2020-10-29 | 2024-04-23 | 华为技术有限公司 | 基于便携式电子设备的pwv检测方法和装置 |
| CN114431847B (zh) * | 2020-11-06 | 2024-10-11 | 爱奥乐医疗器械(深圳)有限公司 | 一种动脉硬化检测方法、装置、系统及存储介质 |
| EP4014837A1 (en) * | 2020-12-15 | 2022-06-22 | Koninklijke Philips N.V. | Method, apparatus and computer program product for analysing a pulse wave signal |
| WO2022146878A1 (en) * | 2020-12-30 | 2022-07-07 | Suntech Medical, Inc. | Systems, methods and apparatus for generating blood pressure estimations using real-time photoplethysmography data |
| CN112842311B (zh) * | 2021-01-29 | 2022-12-02 | 清华大学深圳国际研究生院 | 一种可穿戴式心率实时检测系统 |
| US12251204B2 (en) | 2021-02-03 | 2025-03-18 | Apple Inc. | Blood pressure monitoring system including a liquid filled sensor |
| CN112957022A (zh) * | 2021-03-24 | 2021-06-15 | 南京邮电大学 | 一种ppg信号快速自适应获取装置及获取方法 |
| CN113040738B (zh) * | 2021-03-29 | 2023-03-24 | 南京邮电大学 | 血压检测装置 |
| CN114027810B (zh) * | 2021-03-31 | 2024-03-26 | 北京超思电子技术有限责任公司 | 含动脉硬化分级的血压计算模型生成方法及血压测量系统 |
| US20220361761A1 (en) * | 2021-04-26 | 2022-11-17 | Stichting Imec Nederland | Method, a device, and a system for estimating a measure of cardiovascular health of a subject |
| US20220400959A1 (en) * | 2021-06-22 | 2022-12-22 | Apple Inc. | Non-invasive blood pressure measurement techniques based on wave shape change during an external pressure cycle |
| CN113520350B (zh) * | 2021-07-27 | 2024-05-17 | 香港心脑血管健康工程研究中心有限公司 | 获取血压图信号的相关特征参数和指标信息的处理方法及装置 |
| CN113397519B (zh) * | 2021-08-05 | 2024-05-28 | 季华实验室 | 心血管健康状态的检测装置 |
| CN113712524B (zh) * | 2021-09-14 | 2023-08-01 | 北京大学人民医院 | 一种用于辅助评估心血管风险的数据处理装置、系统及试剂盒 |
| KR102595839B1 (ko) * | 2021-09-15 | 2023-10-30 | 주식회사 스카이랩스 | 생체 신호를 측정하는 스마트 링 |
| CN113951846B (zh) * | 2021-12-17 | 2022-04-12 | 北京麦邦光电仪器有限公司 | 脉搏波信号处理方法、装置及可读存储介质 |
| CN113925472B (zh) * | 2021-12-17 | 2022-04-12 | 北京麦邦光电仪器有限公司 | 动脉压力波传导速度的量化指标的获取方法及装置 |
| CN114176532B (zh) * | 2021-12-31 | 2023-06-23 | 北京大学人民医院 | 一种测定cfPWV参数的临床验证方法及其应用系统 |
| CN114145725B (zh) * | 2022-02-08 | 2022-05-06 | 广东工业大学 | 一种基于无创连续血压测量的ppg采样率估算方法 |
| KR20230125663A (ko) | 2022-02-21 | 2023-08-29 | 삼성전자주식회사 | 생체정보 추정 장치 및 방법 |
| CN114743671B (zh) * | 2022-02-28 | 2024-09-13 | 浙江大学 | 一种早期动脉硬化风险评估模型装置 |
| CN115067906A (zh) * | 2022-05-18 | 2022-09-20 | 南京邮电大学 | 基于ppg信号的邻域粗糙集属性约简身份识别方法及装置 |
| US12343125B2 (en) * | 2022-08-08 | 2025-07-01 | Oura Health Oy | Cardiovascular health metric determination from wearable-based physiological data |
| CN115969342A (zh) * | 2022-12-23 | 2023-04-18 | 安徽中科医疗器械有限公司 | 一种具有动脉弹性和微循环评估功能的血压计 |
| WO2025065316A1 (zh) * | 2023-09-27 | 2025-04-03 | 南方科技大学 | 利用空间冗余性强化鲁棒性的非接触血压监测装置、方法及系统 |
| CN117137465B (zh) * | 2023-11-01 | 2024-04-16 | 深圳市奋达智能技术有限公司 | 一种血流动力参数测量方法及其相关设备 |
| CN119235281B (zh) * | 2024-01-17 | 2025-09-12 | 荣耀终端股份有限公司 | 一种血压检测的方法及装置 |
| CN119112129A (zh) * | 2024-09-14 | 2024-12-13 | 四川大学 | 测量动态血压的一体式柔性贴片及其方法 |
| CN119732674B (zh) * | 2025-03-06 | 2025-07-11 | 杭州汇萃智能科技有限公司 | 基于工业相机的身高测量方法、系统和可读存储介质 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005069740A2 (en) * | 2004-01-27 | 2005-08-04 | Cardiometer Ltd. | Method and system for cardiovascular system diagnosis |
| KR101298838B1 (ko) * | 2010-11-29 | 2013-08-23 | (주)더힘스 | 혈관경화도 진단을 위한 정보 제공 방법 |
| EP2674773A1 (en) | 2012-06-12 | 2013-12-18 | Koninklijke Philips N.V. | Oscillation applicator for MR rheology |
| CA2912358A1 (en) | 2012-08-10 | 2014-02-13 | Cnv Systems Ltd. | Mobile device system for measurement of cardiovascular health |
| WO2014063160A1 (en) * | 2012-10-19 | 2014-04-24 | Basis Science, Inc. | Detection of emotional states |
| WO2015066445A1 (en) | 2013-10-31 | 2015-05-07 | The General Hospital Corporation | System for measuring and monitoring blood pressure |
| CN106413526A (zh) * | 2014-05-22 | 2017-02-15 | 三星电子株式会社 | 心电图表扣 |
| EP3157416B1 (en) | 2014-06-20 | 2020-07-15 | Healthcare Technology Innovation Centre | System for cuff-less blood pressure (bp) measurement of a subject |
| US9848825B2 (en) | 2014-09-29 | 2017-12-26 | Microsoft Technology Licensing, Llc | Wearable sensing band |
| PL3061391T3 (pl) | 2015-02-27 | 2021-02-08 | Preventicus Gmbh | Urządzenie i sposób oznaczania ciśnienia krwi |
| US20170238819A1 (en) * | 2016-02-18 | 2017-08-24 | Garmin Switzerland Gmbh | System and method to determine blood pressure |
| WO2017142240A1 (en) * | 2016-02-18 | 2017-08-24 | Samsung Electronics Co., Ltd. | Method and electronic device for cuff-less blood pressure(bp) measurement |
| CN109480805B (zh) * | 2017-09-13 | 2023-08-15 | 三星电子株式会社 | 生物信息测量设备和生物信息测量方法 |
-
2019
- 2019-04-18 WO PCT/EP2019/060146 patent/WO2019206818A1/en not_active Ceased
- 2019-04-18 JP JP2020547035A patent/JP2021519621A/ja not_active Withdrawn
- 2019-04-18 EP EP19718374.2A patent/EP3784122A1/en not_active Withdrawn
- 2019-04-18 US US17/045,910 patent/US20210030372A1/en not_active Abandoned
- 2019-04-18 AU AU2019260099A patent/AU2019260099A1/en not_active Abandoned
- 2019-04-18 BR BR112020021760-3A patent/BR112020021760A2/pt not_active Application Discontinuation
- 2019-04-18 KR KR1020207033166A patent/KR20210005644A/ko not_active Withdrawn
- 2019-04-18 EP EP19717937.7A patent/EP3784121A1/en not_active Withdrawn
- 2019-04-18 CA CA3097663A patent/CA3097663A1/en active Pending
- 2019-04-18 CN CN201980027701.5A patent/CN112040846A/zh active Pending
- 2019-04-18 RU RU2020134568A patent/RU2020134568A/ru unknown
- 2019-04-18 US US17/045,715 patent/US20210244302A1/en not_active Abandoned
- 2019-04-18 MX MX2020011160A patent/MX2020011160A/es unknown
- 2019-04-18 WO PCT/EP2019/060121 patent/WO2019206813A1/en not_active Ceased
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2025048045A1 (ko) * | 2023-08-28 | 2025-03-06 | 주식회사 그레비티 | 센서스트립 수납형 뇨당 및 혈관탄성도 측정장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2020134568A (ru) | 2022-04-21 |
| US20210244302A1 (en) | 2021-08-12 |
| BR112020021760A2 (pt) | 2021-01-26 |
| MX2020011160A (es) | 2020-11-12 |
| CA3097663A1 (en) | 2019-10-31 |
| CN112040846A (zh) | 2020-12-04 |
| JP2021519621A (ja) | 2021-08-12 |
| EP3784122A1 (en) | 2021-03-03 |
| AU2019260099A1 (en) | 2020-11-19 |
| WO2019206813A1 (en) | 2019-10-31 |
| US20210030372A1 (en) | 2021-02-04 |
| EP3784121A1 (en) | 2021-03-03 |
| WO2019206818A1 (en) | 2019-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20210005644A (ko) | 광체적변동기록 (ppg) 시그널에 기반하여 혈압 및 동맥 경직도를 추정하는 방법 | |
| EP3061392B1 (en) | Blood pressure measurement | |
| KR100855043B1 (ko) | 비침습적 연속 혈압, 동맥탄성도 측정방법 | |
| KR20180029072A (ko) | 생물학적 데이터 처리 | |
| CN105708431A (zh) | 血压实时测量装置及测量方法 | |
| KR100877207B1 (ko) | 비침습적 연속 혈압, 동맥탄성도 측정장치 | |
| KR20120057813A (ko) | 광용적맥파를 이용한 심박측정 방법 | |
| Taha et al. | A review on non-invasive hypertension monitoring system by using photoplethysmography method | |
| KR100855042B1 (ko) | 비침습적 연속혈압, 동맥탄성도 측정장치 | |
| KR100877212B1 (ko) | 비침습적 연속 혈압, 동맥탄성도 측정장치 | |
| Rao et al. | A comparative analysis of reflective and transmissive PPG sensor in pulse acquisition system | |
| KR102153625B1 (ko) | 비가압 손목 착용형 혈압 측정계 및 이것을 이용한 혈압 추정 방법 | |
| WO2021249850A1 (en) | Wearable device | |
| Alqudah et al. | Multiple time and spectral analysis techniques for comparing the PhotoPlethysmography to PiezoelectricPlethysmography with electrocardiography | |
| Hayirlioglu et al. | PhysioPatch: A multimodal and adaptable wearable patch for cardiovascular and cardiopulmonary assessment | |
| Nagy et al. | Sensor fusion for the accurate non-invasive measurement of blood pressure | |
| Li et al. | The establishment of a non-invasive continuous blood pressure measure system based on pulse transit time | |
| JP2000225097A (ja) | 携帯型血圧計 | |
| JP2022167320A (ja) | 脈波解析装置、脈波解析方法、および脈波解析プログラム | |
| Sharma et al. | Cuff-Less Blood Pressure Measurement from Wearable Optical Biosignal | |
| Vu et al. | Proposing a Method to Measure NIBP Parameters using PPG Signal and Analyzing the Morphology of Oscillometric | |
| Devaki et al. | On the Development of a Wearable Multi-Spectral Photoplethysmographic Device for Heart Rate Detection | |
| Slabov | Development and investigation of long-term, unobtrusive blood pressure monitoring system | |
| 양승만 | Non-invasive Continuous Arterial Blood Pressure Monitoring System: Large Population Models and Single Chest-worn Device | |
| Jayasree et al. | Design and development of a simple hardware setup for sensing blood volume pulse and a PIC microcontroller based heart rate meter |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0105 | International application |
Patent event date: 20201118 Patent event code: PA01051R01D Comment text: International Patent Application |
|
| PG1501 | Laying open of application | ||
| PC1203 | Withdrawal of no request for examination |