WO2017135492A1 - 무구속 생체정보 기반의 산만도 추정 시스템 - Google Patents

무구속 생체정보 기반의 산만도 추정 시스템 Download PDF

Info

Publication number
WO2017135492A1
WO2017135492A1 PCT/KR2016/001657 KR2016001657W WO2017135492A1 WO 2017135492 A1 WO2017135492 A1 WO 2017135492A1 KR 2016001657 W KR2016001657 W KR 2016001657W WO 2017135492 A1 WO2017135492 A1 WO 2017135492A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
posture
eeg
distraction
degree
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.)
Ceased
Application number
PCT/KR2016/001657
Other languages
English (en)
French (fr)
Inventor
황우진
정도운
조대수
황기현
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DONGSEO TECHNOLOGY HEADQUTERS
Original Assignee
DONGSEO TECHNOLOGY HEADQUTERS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by DONGSEO TECHNOLOGY HEADQUTERS filed Critical DONGSEO TECHNOLOGY HEADQUTERS
Priority to CN201680002184.2A priority Critical patent/CN108778127B/zh
Priority to US15/502,945 priority patent/US10937546B2/en
Publication of WO2017135492A1 publication Critical patent/WO2017135492A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • A61B5/1036—Measuring load distribution, e.g. podologic studies
    • 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
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • 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
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6891—Furniture
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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

Definitions

  • the present invention relates to a system for estimating distraction degree based on unconstrained biometric information, and more specifically, to monitor distraction degree based on unconstrained biometric information for performing monitoring when seating on a chair and estimating distraction degree from seating information. It's about the system.
  • Healthcare technology provides a wide range of disease management solutions through proactive monitoring and prevention, as well as the course of disease treatment, and has recently expanded from hospital-based healthcare to everyday life.
  • the most useful tool for estimating the degree of distraction is EEG measurement, which can determine attention and concentration disorder by measuring the amount of EEG changes in a simple situation.
  • the accuracy of the measurement is about 95% clinically available.
  • the present invention is to solve the above problems, to monitor the posture change rate in daily life and to provide a distraction degree estimation system based on unconstrained biometric information to provide a distraction degree reflecting how much movement occurs during sitting time will be.
  • the present invention is to provide an unconstrained biometric information-based distraction degree estimation system to be used as a health care parameter can be determined by measuring the amount of posture change or anxiety of the seated person due to the surrounding stimulus using the distraction degree It is for.
  • the present invention provides a system of discontinuity estimation based on unrestrained biometric information to be closely related to the efficiency of learning and to be reflected in the learning outcomes by providing a problem of attention and distraction degree of the seated person continuously repeated. It is for.
  • a system for estimating distraction degree based on unconstrained biometric information includes: a seating part, a message sending part, a pressure detecting part, and a supporting part sequentially formed from an upper part to a lower part.
  • the pressure detection unit may include a distraction degree measuring chair having a smart sensor including three load cells formed in a three-point shape at a triangular corner of a plane; And a mobile smart terminal receiving distraction degree information from the message transmitting unit of the distraction degree measuring chair through a Bluetooth communication.
  • the smart sensor uses multiple load cells (load cell), which is a multi-sensor-based posture measurement sensor, for multi-information (posture, cardiogram, and weight). And multi-channel for simultaneously measuring the size and direction value by posture information, and the interface module constituting the message sending unit can be connected to an external sensor through an extension connector to enable biometric measurement. And a microprocessor for A / D conversion and wireless data transmission of the acquired biometric signal, and the microprocessor extracts weight information measured once at the time of the seated person's first sitting from the smart sensor when monitoring posture information. Generation of correction information of the correct posture information preset from the distribution of the weight information received by the smart sensor Through detects the position change distribution.
  • load cell is a multi-sensor-based posture measurement sensor, for multi-information (posture, cardiogram, and weight).
  • multi-channel for simultaneously measuring the size and direction value by posture information
  • the interface module constituting the message sending unit can be connected to an external sensor through an extension connector to enable biometric measurement.
  • a microprocessor for A / D conversion
  • Dispersion estimation system based on unrestrained biometric information according to an embodiment of the present invention, it is possible to monitor the posture change rate in daily life and to provide a distraction degree reflecting how much movement occurs during sitting time.
  • the system for estimating distraction degree based on unconstrained biometric information may be used as a health care parameter by determining an unstable state of a seated person or measuring a change in posture due to stimulation of the surrounding using distraction degree. It can be effective.
  • the system for estimating distraction degree based on unconstrained biometric information provides a problem of attention and distraction degree of the seated person who is continuously repeated, which is closely related to learning efficiency and reflected in the learning result map. It can work.
  • FIG. 1 is a diagram illustrating a distraction degree measuring chair in a system for estimating distraction degree based on unrestricted biometric information according to an exemplary embodiment of the present invention.
  • FIG. 2 is a diagram illustrating a system for estimating distraction based on unconstrained biometric information according to an embodiment of the present invention.
  • FIG. 3 is a view for explaining the generation of a posture change parameter in a system for estimating distraction degree based on unconstrained biometric information according to an embodiment of the present invention
  • FIG. 4 is a diagram for describing an EEG signal used in a system for estimating distraction degree based on unrestricted biometric information according to an exemplary embodiment of the present invention.
  • FIG. 5 is a graph showing EEG change according to concentration used in an unbound biometric information-based distraction degree estimation system according to an exemplary embodiment of the present invention.
  • FIG. 6 and 7 illustrate a state determined as a normal posture and a state determined as an abnormal posture by a distraction degree estimation parameter in an unrestrained biometric information-based distraction degree estimation system according to an embodiment of the present invention.
  • the component when one component 'transmits' data or a signal to another component, the component may directly transmit the data or signal to another component, and through at least one other component. This means that data or signals can be transmitted to other components.
  • the distraction degree measuring chair 100 includes a seating unit 110, a message sending unit 120, a pressure detector 130, and a supporter 140.
  • the seating unit 110, the message sending unit 120, the pressure detector 130, and the supporter 140 are sequentially formed from the top to the bottom, and the pressure detector 130 of the upper portion of the supporter 140 has a triangular edge on a plane.
  • Three load cells 131 are formed in a three point shape in the region.
  • the distraction degree estimation system based on unrestricted biometric information includes a smart sensor 131G and a message transmitting unit including three load cells 131 formed in the pressure detector 130 of FIG. 1.
  • the analog circuit 120a and the interface module 120b constituting the 120 and the other mobile smart terminal 200 may be included.
  • the smart sensor 131G is a multi-sensor-based posture measurement sensor, which simultaneously monitors multiple information (posture information, ballistic trajectory, and weight), and is formed of multiple channels for simultaneously measuring the size and direction value of the posture information.
  • the three-point load cell 131 included in the smart sensor 131G detects the deformation amount according to the load as an electrical signal, and the three points between the upper plate and the lower plate forming the pressure detector 130 of the distraction degree measuring chair 100. It is preferably formed.
  • the smart sensor 131G may improve the S / N ratio of the signal by concentrating the weight and the ballistic trajectory on the three load cells 131.
  • the smart sensor 131G may be modified and provided as a ferroelectric sensor.
  • a permanent antistatic ferroelectric film that converts mechanical pressure into electrical energy, it is attached to the top or bottom of the pressure detector 130 of the dispersity measuring chair 100, and can be manufactured in the form of a mat Experiments can provide an easy advantage.
  • the smart sensor 131G may use a piezoelectric / pressure sensor to configure a piezoelectric sensor array or to install a pressure sensor inside the air cushion to detect a change.
  • the ferroelectric sensor will be added based on the three-point load cell 131 constituting the smart sensor 131G, if necessary.
  • an analog circuit 120a is formed by the analog circuit 120a constituting the message sending unit 120 as a separate circuit configuration for removing the dynamic noise characteristic according to the movement of the seated person. Dynamic noise can be removed by the filter / amplifier 120a-1.
  • the filter / amplifier 120a-1 comprises a highpass filter to remove the offset by weight, an amplifier to amplify the minute signal, and a lowpass filter to remove the noise to detect the final ECB signal. do.
  • the obscurity estimation system based on unrestricted biometric information includes an interface module 120b after A / D conversion of weight, posture information, and ballistic trajectory information measured by the smart sensor 100G, which is a sensor composed of multiple load cells.
  • a Bluetooth module and a Zigbee module of the wireless communication system to transmit data to a wired terminal (not shown) such as a PC or a mobile smart terminal 200 such as a smart phone or a smart pad by a short range wireless communication method. have.
  • IEEE 802.15.4-based wireless sensor network technology or general-purpose Bluetooth communication technique is applied.
  • a separate dongle system for an interface in the mobile smart terminal 200 must be provided and an ultra low power interface is possible.
  • the interface module 120b constituting the message transmitter 120 includes an MSP430F1611 (TI, USA) microcontroller having a low-cost, high-capacity flash memory, an RF transceiver (CC2420, Chipcon AS, Norway), and an external flash with IEEE 802.15.4. It can be configured with memory (M25P80, STMicroelectronics, USA) and can be extended with the peripheral interface, so that the distraction degree measuring chair 100 can be configured as a wireless sensor node based on unconstrained biometric information.
  • MSP430F1611 TI, USA
  • RF transceiver CC2420, Chipcon AS, Norway
  • IEEE 802.15.4 external flash with IEEE 802.15.4
  • the sensor node configured by the interface module 120b has the advantage of supporting TinyOS in order to maintain the compatibility with the existing wireless sensor network by enabling biometric measurement by enabling connection with an external sensor through an extension connector. .
  • the mobile smart terminal 200 when applying the Bluetooth communication method for the configuration of the unbounded biometrics-based distraction degree estimation system using the interface module 120b, the mobile smart terminal 200 does not need a separate dongle system, but the distraction degree measurement chair ( 100) requires the configuration of a system for applying Bluetooth wireless communication.
  • an interface module 120b is provided based on a microprocessor for A / D conversion and wireless data transmission of a signal obtained through the smart sensor 100G of the distraction degree measuring chair 100.
  • the microprocessor of the interface module 120b is implemented using ATMEL's ATmega8L processor capable of high performance with low power to convert and transmit a ballistic analog signal to digital.
  • the ATmega8L processor is an 8-bit RISC microcontroller that can operate at 3.3v, and is configured to interface various sensors for biometric measurements using analog and digital I / O.
  • the microprocessor of the interface module 120b performs attitude information estimation.
  • the microprocessor of the interface module 120b extracts weight information measured once at the time of the seated occupant's first seat from the smart sensor 130G during posture information monitoring, and distribution of weight information received by the smart sensor 130G.
  • the posture distribution change is detected by generating correction information of preset correct posture information.
  • the posture change that is, the shape of the movement may appear in the form of frequency and intensity, and the posture change frequency information and the posture change intensity information are separated to reflect the distraction degree comprehensively. Estimate the information.
  • the posture change frequency information refers to the number of occurrences of the posture change inducing factor according to the movement per unit time
  • the posture change intensity information is used for posture correction information by simultaneously securing the directionality as the magnitude value of the movement.
  • FIG. 3A shows three-point calibration of each load cell 131 by the microprocessor of the interface module 120b
  • FIG. 3B shows the sensitivity and directional estimation of the attitude information
  • FIG. 3C shows the direction and magnitude of the attitude change. , Parameter generation using frequency.
  • the microprocessor of the interface module 120b may provide a posture change rate index and parameters using parameters extracted from posture change information (posture change frequency and posture change intensity).
  • the microprocessor of the interface module 120b extracts posture change information for a predetermined time for a general subject (based on a healthy 20's university student) and evaluates the frequency of posture change (convert the frequency number into a score distribution to use as a parameter).
  • the microprocessor of the interface module 120b scores the frequency based on the standard deviation by using measurement experiments for a plurality of subjects, calculating the average frequency through statistical analysis, and using the median as the average value.
  • the microprocessor of the interface module 120b may generate an index of distraction through comparison with an EEG analysis.
  • the interface module 120b should operate in conjunction with the EEG.
  • FIG. 4 is a reference diagram illustrating an EEG signal graph extracted according to a child EEG analysis.
  • EEG is divided into ⁇ -wave, ⁇ -wave, ⁇ -wave, and ⁇ -wave and has electrical vibration and synchronization.
  • the electrical characteristics are mainly in the range of 10 to 100 ⁇ V and a frequency range of less than 100 Hz, and most clinically useful information is included in 35 Hz or less.
  • ⁇ -wave is a typical waveform of EEG and has a frequency range of 8 to 13 kHz, and has many characteristics in the back of the brain when the eyes are closed and the steady state and the concentrated state are reached.
  • the E-wave signal shows the strongest ⁇ -wave, and in normal people, the amplitude of the ⁇ -wave is in the range of 26 to 60 kHz. do.
  • the amount of ⁇ -wave activity increases in proportion to age until adulthood. By age 21, ⁇ -wave accounts for 70% of all EEG activity.
  • the microprocessor of the interface module 120b performs comparative evaluation through ⁇ -wave and SMR waves of brain waves which are generally used for validity of distraction parameters, and occurs in a concentrated state and a decentralized state. Minimize noise and interference EEG and monitor EEG signals.
  • the microprocessor of the interface module 120b performs correlation analysis with the EEG analysis.
  • EEG EEG
  • ⁇ -wave (8-12 Hz) and SMR wave (12-15 Hz) are known to be related to concentration and are widely used for concentration analysis.
  • the microprocessor of the interface module 120b is generated outside the frontal lobe and the noise signal generated in the face.
  • the signal processing technique to minimize the interference EEG is performed to classify the feature points occurring in the distracted state.
  • FIG. 5 is a graph showing an example of EEG change according to concentration.
  • FIG. 5A shows the EEG measured in the left brain in a low concentration state
  • FIG. 5B shows the EEG measured in the left brain in a high concentration state
  • FIG. 5C shows the EEG measured in the right brain in a low concentration state
  • FIG. 5D Shows EEG measured in the right brain at high concentration.
  • the microprocessor of the interface module 120b estimates EEG-based dispersity, which is an indicator that can be used for the existing clinical diagnosis for estimating unrestrained distraction, and includes an EEG measuring instrument linked with the interface module 120b.
  • the system uses a commercialized EEG measurement system and performs measurement in the center of the frontal lobe and performs preprocessing and signal processing.
  • the microprocessor of the interface module 120b analyzes the attitude information in the seated state and the brain waves simultaneously measured at this time to analyze the correlation between the specific brain waves and the distraction degree to generate the distraction parameter.
  • the microprocessor of the interface module 120b is a concept of the concentration that can be estimated through the brainwaves is opposite to the degree of distraction, so that the specific wave shape or PSD (Power Spectrum Density) distribution characteristic of the brainwaves showing the distraction and concentration through mutual comparison is evaluated. Correlation analysis is used as a parameter.
  • PSD Power Spectrum Density
  • the microprocessor of the interface module 120b reflects how much position information of the weight has moved during the reference time in the case of posture change, measures and utilizes the distance and time moved, monitors the frequency and intensity of movement, and then quantifies and Parameterization estimates distraction.
  • the microprocessor of the interface module 120b is information that can be extracted from the posture information.
  • the microprocessor of the interface module 120b can estimate the symptoms of the ADHD syndrome based on the tilting characteristics of the weight distribution, and indirectly monitors whether the correct posture is maintained. Can be.
  • the microprocessor of the interface module 120b may perform correlation analysis with concentration-related parameters extractable from EEG analysis.
  • the microprocessor of the interface module 120b utilizes a specific waveform ( ⁇ -wave) related to the concentration of brain waves or a frequency component ratio through PSD analysis as an analysis parameter to correlate with concentration.
  • ⁇ -wave specific waveform
  • ⁇ -wave specific waveform
  • indirect monitoring of concentration can be carried out without cumbersome EEG measurement and analysis.
  • the microprocessor of the interface module 120b may perform a relationship analysis between behavior patterns and distractions through video analysis.
  • the microprocessor of the interface module 120b simultaneously performs posture change, EEG analysis, and video analysis using a web camera, and analyzes the correlation between posture change and EEG analysis parameters based on the video analysis result. Big data can be secured through long time data analysis.
  • the posture change in the seated state reflects the movement or shaking of the eye caused by an external stimulus and can confirm the habits and habits of the seated person, and can measure the change rate of the reference posture per hour by measuring the continuous change state.
  • the posture change according to the present invention and the signal detection possibility at each posture were evaluated, and presented as a preliminary study data, and the distraction degree according to the posture was carried out by conducting an experiment to estimate the distraction degree at the same time based on the preliminary study
  • the degree of dispersity estimation parameter robust to various external environments can be suggested by observing the degree of change of the estimation parameter and reflecting it in the analysis.
  • FIG. 6 shows a state determined to be a normal posture by the distraction degree estimation parameter
  • FIG. 7 shows a state determined to be an abnormal posture by the distraction degree estimation parameter.
  • the posture information at the time of estimating the distraction degree according to the present invention, and additionally detectable cardiac ballistic information can be usefully used for health monitoring in daily life, such as posture correction and unconstrained heart rate monitoring.
  • the characteristic point of the ECG is similar to the ECG characteristic point (R-peak), which is meaningful and can be used as an important indicator for determining abnormal signs of cardiac activity.
  • the distraction degree measurement chair 100 of the distraction degree estimation system based on the unrestricted biometric information may include a seating unit 110, a message transmitter 120, a pressure detector 130, and a supporter 140.
  • the unbound biometric information-based dispersal estimation system includes a smart sensor (131G), a message transmitter including three load cells (131) formed in the pressure detector 130 It consists of a configuration including an analog circuit (120a) and interface module (120b), and other mobile smart terminal 200 forming a (120).
  • the mobile smart terminal 200 when applying the Bluetooth communication method for the configuration of the unbounded biometrics-based distraction degree estimation system using the interface module 120b, the mobile smart terminal 200 does not need a separate dongle system, but the distraction degree measurement chair 100 ) Requires the configuration of a system for applying Bluetooth wireless communication.
  • an interface module 120b is provided based on a microprocessor for A / D conversion and wireless data transmission of a signal obtained through the smart sensor 100G of the distraction degree measuring chair 100.
  • the microprocessor monitors posture change (movement type) by frequency and intensity, estimates posture information by separating posture change frequency information and posture change intensity information, and reflects it in the distraction degree evaluation.
  • the posture change frequency information is a number of occurrences of a posture change-inducing factor per unit time according to a motion
  • the posture change intensity information is directional as a magnitude of the movement.
  • the microprocessor when providing the posture change rate index and parameters using the parameters (posture change frequency and posture change intensity) extracted during monitoring the posture change, the average frequency through the measurement experiment, statistical analysis for a plurality of subjects After the calculation, it is preferable to use the mean value as the average value to provide a frequency score based on the standard deviation.
  • the microprocessor receives an EEG signal from an external EEG measuring device connected to the interface module to generate an index of distraction through comparison with EEG analysis, and the preset reference EEG information (measured in the left brain at low concentration) EEG information, EEG information measured in the left brain at high concentration, EEG information measured in the right brain at low concentration, EEG information measured at the right brain at high concentration), and EEG extracted by the EEG meter Comparative evaluation through the ⁇ -wave and SMR wave of, and when monitoring the EEG signals in the concentrated and non-concentrated state, after analyzing the measured EEG simultaneously with the posture information in the seated state, extracted EEG and distraction It is desirable to generate the distraction parameter by analyzing the correlation between the two.
  • many of the symptoms of ADHD appear in the form of movement, which includes a factor that can be monitored while sitting on a chair, and thus the distraction index. It can be used to monitor concentration and ADHD symptoms.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Psychiatry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Psychology (AREA)
  • Physiology (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Artificial Intelligence (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Cardiology (AREA)

Abstract

본 발명은 무구속 생체정보 기반의 산만도 추정 시스템에 관한 것이다. 착석부, 메시지 송출부, 압력 검출부, 지지부가 상부로부터 하부로 차례로 형성되며, 지지부 상부에 형성된 압력 검출부에는 평면상의 삼각의 모서리 영역에 3점 형태로 형성되는 3개의 로드셀을 포함하는 스마트 센서를 구비하는 산만도 측정 의자; 및 산만도 측정 의자의 메시지 송출부로부터 산만도 정보를 블루투스 통신을 통해 제공받는 모바일 스마트 단말을 포함하는 무구속 생체정보 기반의 산만도 추정 시스템에 있어서, 스마트 센서가 다중 센서기반의 자세측정용 센서인 3개의 로드셀을 이용해 다중정보를 동시에 모니터링 하고, 자세정보로 크기와 방향값을 동시에 측정하기 위한 다채널로 형성되며, 메시지 송출부를 구성하는 인터페이스 모듈이 확장커넥터를 통해 외부 센서와의 연결을 가능하도록 하여 생체계측이 가능하며, 획득된 생체계측 신호의 A/D 변환 및 무선 데이터 전송을 위하여 마이크로프로세서를 구비하며, 마이크로프로세서는, 자세정보 모니터링시 스마트 센서로부터 착석자의 최초 착좌시 1회 측정한 체중정보를 추출하며, 스마트 센서에 의해 수신된 체중정보의 분포로부터 미리 설정된 바른 자세정보의 보정 정보 생성을 통해 자세분포변화를 검출한다.

Description

무구속 생체정보 기반의 산만도 추정 시스템
본 발명은 무구속 생체정보 기반의 산만도 추정 시스템에 관한 것으로, 보다 구체적으로는, 의자에 착석시 모니터링을 수행하며, 착좌 정보로부터 산만도를 추정하도록 하기 위한 무구속 생체정보 기반의 산만도 추정 시스템에 관한 것이다.
헬스케어 기술은 질병의 치료 과정뿐만 아니라 사전 모니터링 및 예방을 통해 다양한 질병 관리 솔루션을 제공하고 있으며, 최근에는 병원중심의 헬스케어에서 일상생활 영역으로 확대되고 있다.
특히 피험자의 몸에 부착된 센서를 이용한 생체신호 계측 기반의 실시간 건강관리 및 무구속 무자각 건강 모니터링에 대한 다양한 연구들이 시도되고 있으며, 최근 사물 인터넷(Internet of Things, 이하 IoT) 기술의 부각에 따라 연구결과들이 일상생활 중 건강 모니터링에 적용되고 있은 추세이다.
기존의 산만도 추정 방식 중에서 심탄도 계측 및 분석에 관한 방식이 제시되고 있다. 이 경우, 의자에 EMFi(ElectroMechanical Film) 센서를 부착하여 측정하는 기법이 제시되었으나, EMFi 센서를 이용한 방석형 센서의 경우 에너지가 분산되는 현상이 발생하고, 움직임에 의한 동잡음 유입으로 고품질 신호 획득에 어려움이 발생한다. 그리고 움직임의 크기 및 빈도는 측정할 수 있지만 방향정보(벡터)를 상실함에 따라 활용성이 제한되는 단점이 있으며, 움직임(산만도) 추정할 수 있으나 자세정보의 분석은 불가능한 한계점이 있다.
또한, 기존의 산만도 추정의 방법으로 가장 유용한 도구가 뇌파 계측이며, 이는 단순한 상황에서의 뇌파 변화량을 측정하여 주의력, 집중력장애 판단이 가능하다. 또한, 측정의 정확성이 95% 정도로 임상적 활용이 가능한 수준이다.
본 발명은 상기의 문제점을 해결하기 위한 것으로, 일상생활에서 자세 변화율을 모니터링하고 착석 시간 동안 얼마나 이동 발생량을 반영하는 산만도를 제공하도록 하기 위한 무구속 생체정보 기반의 산만도 추정 시스템을 제공하기 위한 것이다.
또한, 본 발명은 산만도를 이용해 주변의 자극으로 인하여 착석자의 상태가 불안하거나 자세 변화량을 측정하여 판별이 가능하여 건강 관리 파라미터로 활용하도록 하기 위한 무구속 생체정보 기반의 산만도 추정 시스템을 제공하기 위한 것이다.
또한, 본 발명은 지속적으로 반복되는 착석자의 주의력 및 산만도의 문제점을 제공함으로써, 학습의 효율성과 밀접한 관련이 있고 학습 성과도에 반영하도록 하기 위한 무구속 생체정보 기반의 산만도 추정 시스템을 제공하기 위한 것이다.
그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템은, 착석부, 메시지 송출부, 압력 검출부, 지지부가 상부로부터 하부로 차례로 형성되며, 상기 지지부 상부에 형성된 상기 압력 검출부에는 평면상의 삼각의 모서리 영역에 3점 형태로 형성되는 3개의 로드셀(load cell)을 포함하는 스마트 센서를 구비하는 산만도 측정 의자; 및 상기 산만도 측정 의자의 상기 메시지 송출부로부터 산만도 정보를 블루투스 통신을 통해 제공받는 모바일 스마트 단말; 을 포함하는 무구속 생체정보 기반의 산만도 추정 시스템에 있어서, 상기 스마트 센서가 다중 센서기반의 자세측정용 센서인 상기 3개의 로드셀(load cell)을 이용해 다중정보(자세정보, 심탄도, 체중)를 동시에 모니터링 하고, 자세정보로 크기와 방향값을 동시에 측정하기 위한 다채널로 형성되며, 상기 메시지 송출부를 구성하는 인터페이스 모듈이 확장커넥터를 통해 외부 센서와의 연결을 가능하도록 하여 생체계측이 가능하며, 획득된 생체계측 신호의 A/D 변환 및 무선 데이터 전송을 위하여 마이크로프로세서를 구비하며, 마이크로프로세서는, 자세정보 모니터링시 상기 스마트 센서로부터 착석자의 최초 착좌시 1회 측정한 체중정보를 추출하며, 상기 스마트 센서에 의해 수신된 체중정보의 분포로부터 미리 설정된 바른 자세정보의 보정 정보 생성을 통해 자세분포변화를 검출한다.
본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템은, 일상생활에서 자세 변화율을 모니터링하고 착석 시간 동안 얼마나 이동 발생량을 반영하는 산만도를 제공할 수 있는 효과가 있다.
또한, 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템은, 산만도를 이용해 주변의 자극으로 인하여 착석자의 상태가 불안하거나 자세 변화량을 측정하여 판별이 가능하여 건강 관리 파라미터로 활용할 수 있는 효과를 제공한다.
또한, 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템은, 지속적으로 반복되는 착석자의 주의력 및 산만도의 문제점을 제공함으로써, 학습의 효율성과 밀접한 관련이 있고 학습 성과도에 반영할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템 중 산만도 측정 의자를 나타내는 도면.
도 2는 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템 을 나타내는 도면.
도 3은 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템에서의 자세변화 파라미터 생성을 설명하기 위한 도면,
도 4는 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템에서 사용되는 뇌파 신호를 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템에서 사용되는 집중력에 따른 뇌파 변화를 나타내는 그래프.
도 6 및 도 7은 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템에서 산만도 추정 파라미터에 의해 정상자세로 판정된 상태 및 비정상 자세로 판정된 상태를 나타내는 도면.
이하, 본 발명의 바람직한 실시예의 상세한 설명은 첨부된 도면들을 참조하여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터 또는 신호를 '전송'하는 경우에는 구성요소는 다른 구성요소로 직접 상기 데이터 또는 신호를 전송할 수 있고, 적어도 하나의 또 다른 구성요소를 통하여 데이터 또는 신호를 다른 구성요소로 전송할 수 있음을 의미한다.
도 1은 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템 중 산만도 측정 의자(100)를 나타내는 도면이다. 도 1을 참조하면, 산만도 측정 의자(100)는 착석부(110), 메시지 송출부(120), 압력 검출부(130), 지지부(140)를 포함한다.
여기서 착석부(110), 메시지 송출부(120), 압력 검출부(130), 지지부(140)가 상부로부터 하부로 차례로 형성되며, 지지부(140) 상부의 압력 검출부(130)는 평면상에서 삼각의 모서리 영역에 3점 형태로 형성되는 3개의 로드셀(load cell)(131)을 포함한다.
도 2는 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템을 나타내는 도면이다. 도 2를 참조하면, 무구속 생체정보 기반의 산만도 추정 시스템은 도 1의 압력 검출부(130)에 형성된 3개의 로드셀(load cell)(131)을 포함하는 스마트 센서(131G), 메시지 송출부(120)를 이루는 아날로그 회로(120a) 및 인터페이스 모듈(120b), 그 밖의 모바일 스마트 단말(200)을 포함할 수 있다.
스마트 센서(131G)는 다중 센서기반의 자세측정용 센서로, 다중정보(자세정보, 심탄도, 체중)을 동시에 모니터링 하고, 자세정보의 크기와 방향값을 동시에 측정하기 위한 다채널로 형성된다.
즉, 스마트 센서(131G)에 포함된 3점 로드셀(131)은 하중에 따른 변형량을 전기신호로 검출하며, 산만도 측정 의자(100)의 압력 검출부(130)를 이루는 상판과 하판 사이에 3개로 형성되는 것이 바람직하다. 이러한 스마트 센서(131G)는 체중 및 심탄도를 3개의 로드셀(131)에 집중이 가능하여 신호의 S/N비를 향상할 수 있다.
본 발명의 다른 실시예로, 스마트 센서(131G)를 강유전체 센서로 변형하여 제공할 수 있다. 이 경우, 기계적인 압력을 전기 에너지로 변환하는 영구 대전 강유전체 필름을 활용하여, 산만도 측정 의자(100)의 압력 검출부(130)를 이루는 상단 또는 하단에 부착하며, 매트형의 제작이 가능하여 계측 실험이 용이한 장점을 제공할 수 있다.
또한, 본 발명의 또 다른 실시예로 스마트 센서(131G)를 압전/압력 센서를 이용하여, 압전센서 어레이를 구성하거나 에어쿠션 내부에 압력센서를 설치하여 변화를 검출할 수 있다.
이하에서는 스마트 센서(131G)를 이루는 3점 로드셀(131)을 중심으로 강유전체 센서를 부가가 필요한 경우 부가하여 사용하는 것을 기준으로 설명하도록 한다.
본 발명에서는 심탄도와 동시 계측을 고려해야하므로 착석자의 움직임에 따른 동잡음 특성을 제거하기 위한 별도의 회로구성으로, 메시지 송출부(120)를 이루는 아날로그 회로(120a)를 구비함으로써, 아날로그 회로(120a)의 필터/증폭기(120a-1)에 의해 동잡음 제거가 가능하다.
이 경우 필터/증폭기(120a-1)는 체중에 의한 오프셋을 제거하기 위해 고역통과필터를 구성하고 미세한 신호를 증폭하기 위한 증폭기와 잡음 제거를 위한 저역통과필터를 구성하여 최종 심탄도 신호를 검출하도록 한다.
도 2를 참조하면, 무구속 생체정보 기반의 산만도 추정 시스템은 다중 로드셀로 구성된 센서인 스마트 센서(100G)로 계측된 체중, 자세정보, 심탄도 정보의 A/D 변환 후, 인터페이스 모듈(120b)의 블루투스 모듈 및 지그비 모듈에 의해 근거리 무선통신 방식으로 PC와 같은 유선단말(미도시) 또는 스마트폰, 스마트 패드 등과 같은 모바일 스마트 단말(200)로 데이터를 전송하기 위하여 무선전송 시스템을 구축할 수 있다.
이를 위하여 IEEE 802.15.4 기반의 무선 센서 네트워크 기술 또는 범용의 블루투스 통신기법을 적용한다. 이 경우, 무선 센서 네트워크 기술을 적용할 경우에는 모바일 스마트 단말(200)에서의 인터페이스를 위한 별도의 동글 시스템을 구비야 하며 초저전력의 인터페이스가 가능한 장점을 갖는다.
메시지 송출부(120)를 이루는 인터페이스 모듈(120b)은 저가형, 고용량의 Flash Memory를 가진 MSP430F1611(TI, USA) 마이크로컨트롤러와 IEEE 802.15.4를 적용한 RF트랜시버(CC2420, Chipcon AS, Norway), 외부 플래시메모리(M25P80, STMicroelectronics, USA)로 구성하여 주변 인터페이스와 확장 가능하여, 산만도 측정 의자(100)를 무선 센서 노드로 무구속 생체정보 기반의 산만도 추정 시스템을 구성할 수 있도록 한다.
인터페이스 모듈(120b)에 의해 구성된 센서 노드는 확장커넥터를 통해 외부 센서와의 연결을 가능하도록 하여 생체계측이 가능하도록 하며, 기존의 무선 센서 네트워크와의 호환성을 유지하기 위해 TinyOS 지원할 수 있는 장점을 갖는다.
한편, 인터페이스 모듈(120b)을 이용한 무구속 생체정보 기반의 산만도 추정 시스템의 구성을 위하여 블루투스 통신방식을 적용할 경우, 모바일 스마트 단말(200)에 별도의 동글 시스템을 필요치 않지만 산만도 측정 의자(100)에는 블루투스 무선통신을 적용하기 위한 시스템의 구성이 요구된다. 그리고 산만도 측정 의자(100)의 스마트 센서(100G)를 통해 획득된 신호의 A/D 변환 및 무선 데이터 전송을 위하여 마이크로프로세서 기반으로 인터페이스 모듈(120b)이 제공된다.
인터페이스 모듈(120b)의 마이크로프로세서는 심탄도 아날로그 신호를 디지털로 변환하여 전송하기 위하여 저전력의 높은 성능을 낼 수 있는 ATMEL사의 ATmega8L 프로세서를 사용하여 구현한다. ATmega8L 프로세서는 3.3v의 전압에서도 동작할 수 있는 8-bit RISC 마이크로컨트롤러로, Analog 및 Digital I/O를 사용하여 생체계측을 위한 다양한 센서를 인터페이스가 가능하도록 구성된다.
한편, 인터페이스 모듈(120b)의 마이크로프로세서는 자세정보 추정을 수행한다.
이를 위해, 인터페이스 모듈(120b)의 마이크로프로세서는 자세정보 모니터링시 스마트 센서(130G)로부터 착석자의 최초 착좌시 1회 측정한 체중정보를 추출하며, 스마트 센서(130G)에 의해 수신된 체중정보의 분포로부터 미리 설정된 바른 자세정보의 보정 정보 생성을 통해 자세분포변화를 검출한다.
인터페이스 모듈(120b)의 마이크로프로세서는 자세변화, 즉 움직임의 형태는 빈도와 강도의 형태로 나타날 수 있으며, 이를 산만도 평가에 종합적으로 반영하기 위하여 자세변화 빈도 정보와 자세변화 강도정보를 분리하여 자세정보를 추정한다.
여기서, 자세변화 빈도 정보는 움직임에 따른 자세변화 유발인자의 단위시간당 발생 수를 의미하며, 자세변화 강도 정보는 움직임의 크기 값으로 방향성을 동시에 확보하여 자세교정 정보로도 활용하기 위한 것이다.
도 3a는 인터페이스 모듈(120b)의 마이크로프로세서에 의한 각 로드셀(131)의 3점 보정(calibration)을 나타내며, 도 3b는 자세정보의 민감도 및 방향성 추정을 나타내며, 도 3c는 자세변화의 방향성과 크기, 빈도수를 이용한 파라미터 생성을 나타낸다.
다음으로, 인터페이스 모듈(120b)의 마이크로프로세서에 의한 자세변화율 기반의 산만도 지수 추정 과정에 대해서 살펴본다.
인터페이스 모듈(120b)의 마이크로프로세서는 자세변화정보로부터 추출된 파라미터(자세변화 빈도 및 자세변화 강도)를 이용한 자세변화율 지표 및 파라미터를 제공할 수 있다.
인터페이스 모듈(120b)의 마이크로프로세서는 일반적인 피험자(건강한 20대 대학생 기준)를 대상으로 일정시간의 자세변화 정보를 추출하고 자세변화의 빈도를 평가(빈도수를 점수 분포로 환산하여 파라미터로 활용)한다.
즉, 인터페이스 모듈(120b)의 마이크로프로세서는 다수의 피험자를 대상으로 한 계측실험, 통계분석을 통한 평균 빈도 산출, 중간값을 평균값으로 활용하여 표준편차를 기반으로 빈도수를 점수화한다.
이에 따라 인터페이스 모듈(120b)의 마이크로프로세서는 뇌파분석과 비교를 통한 산만도 지수를 생성할 수 있다. 이를 위해 인터페이스 모듈(120b)은 뇌파 측정기와 연동되어 작동하여야 한다.
뇌파의 특성 및 산만도(집중도)와의 관계를 살펴본다. 도 4는 아동 뇌파 분석에 따라 추출된 뇌파 신호 그래프를 나타내는 참조도면이다.
뇌파는 α-파, β-파, δ-파, θ-파로 구분되며 전기적 진동 및 동기를 지니고 있다. 눈을 감고 안정 상태의 뇌파 신호는 전기적 특성을 살피는 경우, 주로 10 내지 100μV의 크기와 100㎐ 이하의 주파수 범위에 있으며 임상적으로 유용한 정보는 대부분 35㎐ 이하에 포함되어 있다. α-파는 뇌파의 대표적인 파형으로 8 내지 13㎐의 주파수 범위를 가지며, 눈을 감고 안정 상태 및 집중 상태에 도달하는 경우 뇌의 후두부에서 많이 나타나는 특성을 지닌다. 특히 정상적인 자각상태에서 뇌파 신호는 α-파가 가장 강하게 나타나며 정상인의 경우 α-파의 진폭은 26 내지 60㎶의 범위이며, 경우에 따라서는 60㎶보다 더 큰 신호가 관찰되고 집중력 지표로 많이 활용된다. α-파의 활동량은 성인이 될 때까지는 연령에 비례하여 증가하며, 약 21세가 되면 α-파가 전체 뇌파 활동의 70% 정도 크기를 차지한다.
본 발명에서의 인터페이스 모듈(120b)의 마이크로프로세서는 산만도 파라미터의 유효성 검사를 위하여 일반적으로 활용되고 있는 뇌파의 α-파 및 SMR 파를 통한 비교 평가를 진행하며 집중상태와 비집중상태 안면에서 발생하는 잡음 및 간섭 뇌파를 최소화하고 뇌파 신호를 모니터링한다.
인터페이스 모듈(120b)의 마이크로프로세서는 뇌파분석과의 상관관계 분석을 수행한다. 뇌파의 경우 α-파(8 내지 12 Hz)와 SMR 파(12 내지 15 Hz)가 집중력과 관계가 있다고 학계 알려져 있으며 집중력 분석을 위해 많이 활용된다.
α-파(8 내지 12 Hz)와 SMR 파(12 내지 15 Hz)는 전두엽에서 발생이 된다는 학계의 보고에 따라, 인터페이스 모듈(120b)의 마이크로프로세서는 안면에서 발생하는 잡음신호와 전두엽 이외에서 발생하는 간섭뇌파를 최소화하는 신호처리 기법을 통해 산만 상태에서 발생하는 특징점의 분류 작업을 수행한다.
도 5는 집중력에 따른 뇌파 변화의 일례를 나타내는 그래프이다. 도 5a는 집중력이 낮은 상태에서 좌뇌에서 측정된 뇌파를 나타내며, 도 5b는 집중력이 높은 상태에서 좌뇌에서 측정된 뇌파를 나타내며, 도 5c는 집중력이 낮은 상태에서 우뇌에서 측정된 뇌파를 나타내며, 도 5d는 집중력이 높은 상태에서 우뇌에서 측정된 뇌파를 나타낸다.
인터페이스 모듈(120b)의 마이크로프로세서는 무구속 산만도 추정을 위하여 기존 임상학적으로 진단에 활용할 수 있는 지표인 뇌파 기반의 산만도를 추정하며, 인터페이스 모듈(120b)과 연동한 계측용 뇌파 측정기를 포함한 시스템은 상용화된 뇌파 계측 시스템을 이용하며 전두엽 중심으로 계측을 진행하며 전처리 과정과 신호처리를 수행한다.
즉, 인터페이스 모듈(120b)의 마이크로프로세서는 착좌 상태에서의 자세정보와 이때 동시 계측된 뇌파를 분석하여 특정 뇌파와 산만도 간의 상관성을 분석하여 산만도 파라미터를 생성한다.
이때, 인터페이스 모듈(120b)의 마이크로프로세서는 뇌파를 통해 추정할 수 있는 집중력은 산만도와는 반대개념으로 상호 비교평가를 통해 산만도와 집중력을 나타내는 뇌파의 특정파형 또는 PSD(Power Spectrum Density) 분포 특성을 상관분석하여 파라미터로 활용한다.
다음으로, 인터페이스 모듈(120b)의 마이크로프로세서에 의한 산만도 추정파라미터의 객관성에 대해서 살펴본다. 인터페이스 모듈(120b)의 마이크로프로세서는 자세 변화의 경우 기준 시간 동안 체중의 위치 정보가 얼마나 이동했는지를 반영하고 이동된 거리 및 시간을 계측하여 활용하며, 움직임의 빈도 및 강도를 모니터링한 뒤, 정량화 및 파라미터화를 통해 산만도를 추정한다.
즉, 인터페이스 모듈(120b)의 마이크로프로세서는 자세정보로부터 추출 가능한 정보로, 체중분포의 기울임 특성에 근거하여 ADHD 증후군의 증상까지 추정이 가능하며, 이와는 별개로 바른 자세의 유지 여부를 간접적으로 모니터링할 수 있다.
또한, 인터페이스 모듈(120b)의 마이크로프로세서는 뇌파분석으로부터 추출가능한 집중력 관련 파라미터와의 상관관계 분석을 수행할 수 있다. 이 경우, 인터페이스 모듈(120b)의 마이크로프로세서는 단위시간당 산만도 지수의 변화와 뇌파의 집중도 관련 특정파형(α-파) 또는 PSD 분석을 통한 주파수 성분비 등을 분석 파라미터로 활용하여, 집중력과의 상관관계 분석을 통해 유의성을 확보할 경우 번거로운 뇌파계측 및 분석을 수행하지 않더라도 집중도의 간접적인 모니터링을 수행할 수 있다.
또한, 인터페이스 모듈(120b)의 마이크로프로세서는 비디오분석을 통한 행동패턴과 산만도의 관계 분석을 수행할 수 있다. 이 경우, 인터페이스 모듈(120b)의 마이크로프로세서는 자세변화, 뇌파분석, 웹카메라를 이용한 비디오분석을 동시수행하며, 비디오분석결과를 기준데이터로 하여 자세변화, 뇌파분석 파라미터의 상관관계를 분석함으로써, 장시간 데이터분석을 통한 빅데이터를 확보할 수 있다.
다음으로, 인터페이스 모듈(120b)의 마이크로프로세서에 의한 자세 변화율 및 바른자세 동시 모니터링 필드테스트에 대해서 살펴본다.
착석 상태에서의 자세변화는 외부적인 자극에 의한 시선의 이동이나 흔들림을 반영하며 착석자의 버릇과 습관을 확인할 수 있고 지속적인 변화 상태를 계측하여 기준 시간당 자세 변화율을 확인할 수 있다.
이에 따라, 본 발명에 따른 자세변화와 각 자세에서의 신호검출 가능성을 평가하였고, 사전연구 자료로 제시하여, 사전연구를 기반으로 자세변화와 동시에 산만도 추정 실험을 진행함으로써, 자세에 따른 산만도 추정 파라미터의 변화 정도를 관찰하여 분석에 반영하여 다양한 외부환경에 강인한 산만도 추정 파라미터를 제시할 수 있다.
도 6은 산만도 추정 파라미터에 의해 정상자세로 판정된 상태를 나타내며, 도 7은 산만도 추정 파라미터에 의해 비정상 자세로 판정된 상태를 나타낸다.
이러한 본 발명에 따른 산만도 추정시의 자세정보와 부가적으로 검출할 수 있는 심탄도정보는 자세교정과 무구속 심박동수 모니터링 등 일상생활 중 건강 모니터링에 유용하게 활용이 가능하다.
또한, 구현된 무구속 심탄도 특징점(J-peak) 검출을 기반으로 심박동 분석을 진행하여 실시간 건강 모니터링에 활용이 가능하며, 산만도와 HRV의 상관관계 등 후속연구 주제의 발굴이 가능하며, 무구속 심탄도의 특징점(J-peak)은 심전도 특징점(R-peak)과 유사하여 의미가 있으며 심장 활동의 이상 징후를 판별하는 중요 지표로 활용이 가능하다.
이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템 중 산만도 측정 의자(100)는 착석부(110), 메시지 송출부(120), 압력 검출부(130), 지지부(140)를 포함하고, 본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템은 압력 검출부(130)에 형성된 3개의 로드셀(load cell)(131)을 포함하는 스마트 센서(131G), 메시지 송출부(120)를 이루는 아날로그 회로(120a) 및 인터페이스 모듈(120b), 그 밖의 모바일 스마트 단말(200)을 포함하는 구성으로 이루어진다.
여기서 인터페이스 모듈(120b)을 이용한 무구속 생체정보 기반의 산만도 추정 시스템의 구성을 위하여 블루투스 통신방식을 적용할 경우, 모바일 스마트 단말(200)에 별도의 동글 시스템을 필요치 않지만 산만도 측정 의자(100)에는 블루투스 무선통신을 적용하기 위한 시스템의 구성이 요구된다. 그리고 산만도 측정 의자(100)의 스마트 센서(100G)를 통해 획득된 신호의 A/D 변환 및 무선 데이터 전송을 위하여 마이크로프로세서 기반으로 인터페이스 모듈(120b)이 제공된다.
이때, 상기 마이크로프로세서는, 자세변화(움직임의 형태)를 빈도와 강도로 모니터링 하며, 자세변화 빈도 정보와 자세변화 강도정보를 분리하여 자세정보를 추정하여, 산만도 평가에 반영하는 것이 바람직하다.
또한, 상기 자세변화 빈도 정보는, 움직임에 따른 자세변화 유발인자의 단위시간당 발생 수이며, 상기 자세변화 강도 정보는, 움직임의 크기 값으로 방향성인 것이 바람직하다.
또한, 상기 마이크로프로세서는, 자세변화 모니터링시 추출된 파라미터(자세변화 빈도 및 자세변화 강도)를 이용한 자세변화율 지표 및 파라미터를 제공시, 다수의 피험자를 대상으로 한 계측실험, 통계분석을 통한 평균 빈도 산출 이후, 중간값을 평균값으로 활용하여 표준편차를 기반으로 빈도수를 점수화하여 제공하는 것이 바람직하다.
또한, 상기 마이크로프로세서는, 뇌파분석과 비교를 통한 산만도 지수를 생성하기 위해 상기 인터페이스 모듈과 연결된 외부의 뇌파 측정기로부터 뇌파 신호를 수신하며, 미리 설정된 기준 뇌파 정보(집중력이 낮은 상태에서 좌뇌에서 측정된 뇌파 정보, 집중력이 높은 상태에서 좌뇌에서 측정된 뇌파 정보, 집중력이 낮은 상태에서 우뇌에서 측정된 뇌파 정보, 집중력이 높은 상태에서 우뇌에서 측정된 뇌파 정보)와, 상기 뇌파 측정기에 의해 추출된 뇌파의 α-파 및 SMR 파를 통한 비교 평가를 진행하며 집중상태와 비집중상태에서의 뇌파 신호를 모니터링시, 착좌 상태에서의 자세정보와 동시에 계측된 뇌파를 분석한 뒤, 추출된 뇌파와 산만도 간의 상관성을 분석하여 산만도 파라미터를 생성하는 것이 바람직하다.
본 발명의 실시예에 따른 무구속 생체정보 기반의 산만도 추정 시스템은, ADHD의 증상 중 상당수는 움직임의 형태로 나타나며, 이는 의자에 착석한 상태에서 모니터링이 가능한 인자를 포함하고 있으므로, 산만도 지표를 통해 집중력과 ADHD증상의 모니터링에 활용 가능하도록 한다.

Claims (5)

  1. 착석부, 메시지 송출부, 압력 검출부, 지지부가 상부로부터 하부로 차례로 형성되며, 상기 지지부 상부에 형성된 상기 압력 검출부에는 평면상의 삼각의 모서리 영역에 3점 형태로 형성되는 3개의 로드셀(load cell)을 포함하는 스마트 센서를 구비하는 산만도 측정 의자; 및 상기 산만도 측정 의자의 상기 메시지 송출부로부터 산만도 정보를 블루투스 통신을 통해 제공받는 모바일 스마트 단말; 을 포함하는 무구속 생체정보 기반의 산만도 추정 시스템에 있어서,
    상기 스마트 센서가 다중 센서기반의 자세측정용 센서인 상기 3개의 로드셀(load cell)을 이용해 다중정보(자세정보, 심탄도, 체중)를 동시에 모니터링 하고, 자세정보로 크기와 방향값을 동시에 측정하기 위한 다채널로 형성되며,
    상기 메시지 송출부를 구성하는 인터페이스 모듈이 확장커넥터를 통해 외부 센서와의 연결을 가능하도록 하여 생체계측이 가능하며, 획득된 생체계측 신호의 A/D 변환 및 무선 데이터 전송을 위하여 마이크로프로세서를 구비하며,
    마이크로프로세서는, 자세정보 모니터링시 상기 스마트 센서로부터 착석자의 최초 착좌시 1회 측정한 체중정보를 추출하며, 상기 스마트 센서에 의해 수신된 체중정보의 분포로부터 미리 설정된 바른 자세정보의 보정 정보 생성을 통해 자세분포변화를 검출하는 것을 특징으로 하는 무구속 생체정보 기반의 산만도 추정 시스템.
  2. 청구항 1에 있어서, 상기 마이크로프로세서는,
    자세변화(움직임의 형태)를 빈도와 강도로 모니터링 하며, 자세변화 빈도 정보와 자세변화 강도정보를 분리하여 자세정보를 추정하여, 산만도 평가에 반영하는 것을 특징으로 하는 무구속 생체정보 기반의 산만도 추정 시스템.
  3. 청구항 2에 있어서,
    상기 자세변화 빈도 정보는, 움직임에 따른 자세변화 유발인자의 단위시간당 발생 수이며,
    상기 자세변화 강도 정보는, 움직임의 크기 값으로 방향성인 것을 특징으로 하는 무구속 생체정보 기반의 산만도 추정 시스템.
  4. 청구항 3에 있어서, 상기 마이크로프로세서는,
    자세변화 모니터링시 추출된 파라미터(자세변화 빈도 및 자세변화 강도)를 이용한 자세변화율 지표 및 파라미터를 제공시, 다수의 피험자를 대상으로 한 계측실험, 통계분석을 통한 평균 빈도 산출 이후, 중간값을 평균값으로 활용하여 표준편차를 기반으로 빈도수를 점수화하여 제공하는 것을 특징으로 하는 무구속 생체정보 기반의 산만도 추정 시스템.
  5. 청구항 4에 있어서, 상기 마이크로프로세서는,
    뇌파분석과 비교를 통한 산만도 지수를 생성하기 위해 상기 인터페이스 모듈과 연결된 외부의 뇌파 측정기로부터 뇌파 신호를 수신하며, 미리 설정된 기준 뇌파 정보(집중력이 낮은 상태에서 좌뇌에서 측정된 뇌파 정보, 집중력이 높은 상태에서 좌뇌에서 측정된 뇌파 정보, 집중력이 낮은 상태에서 우뇌에서 측정된 뇌파 정보, 집중력이 높은 상태에서 우뇌에서 측정된 뇌파 정보)와, 상기 뇌파 측정기에 의해 추출된 뇌파의 α-파 및 SMR 파를 통한 비교 평가를 진행하며 집중상태와 비집중상태에서의 뇌파 신호를 모니터링시, 착좌 상태에서의 자세정보와 동시에 계측된 뇌파를 분석한 뒤, 추출된 뇌파와 산만도 간의 상관성을 분석하여 산만도 파라미터를 생성하는 것을 특징으로 하는 무구속 생체정보 기반의 산만도 추정 시스템.
PCT/KR2016/001657 2016-02-03 2016-02-18 무구속 생체정보 기반의 산만도 추정 시스템 Ceased WO2017135492A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201680002184.2A CN108778127B (zh) 2016-02-03 2016-02-18 利用无拘束活体信息的散漫度推测系统
US15/502,945 US10937546B2 (en) 2016-02-03 2016-02-18 Degree-of-distraction estimation system based on unconstrained bio-information

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2016-0013625 2016-02-03
KR1020160013625A KR101746590B1 (ko) 2016-02-03 2016-02-03 무구속 생체정보 기반의 산만도 추정 시스템

Publications (1)

Publication Number Publication Date
WO2017135492A1 true WO2017135492A1 (ko) 2017-08-10

Family

ID=59218780

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2016/001657 Ceased WO2017135492A1 (ko) 2016-02-03 2016-02-18 무구속 생체정보 기반의 산만도 추정 시스템

Country Status (4)

Country Link
US (1) US10937546B2 (ko)
KR (1) KR101746590B1 (ko)
CN (1) CN108778127B (ko)
WO (1) WO2017135492A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107550477A (zh) * 2017-09-27 2018-01-09 福山信（北京）科技有限公司 一种生物体征检测装置

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107510457A (zh) * 2017-09-27 2017-12-26 福山信（北京）科技有限公司 一种生物体征检测装置
KR102040700B1 (ko) * 2017-11-24 2019-11-05 한국표준과학연구원 실시간 건강 진단 시스템
KR102014218B1 (ko) * 2018-04-05 2019-08-27 주식회사 세라젬 심박수 측정 기능을 구비한 온열 치료기의 제어장치 및 그 제어방법
KR102237087B1 (ko) * 2019-07-08 2021-04-07 남서울대학교 산학협력단 가변 임계치 기반의 학습 집중도 판단 시스템 및 그 방법
US12324654B2 (en) * 2020-06-03 2025-06-10 North Carolina State University Fetal health monitoring system and method for using the same
CN113080998B (zh) * 2021-03-16 2022-06-03 北京交通大学 一种基于脑电的专注状态等级评定方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003111646A (ja) * 2001-10-03 2003-04-15 Ergo Seating Kk 身体圧分布の基本特性測定・解析システムおよび身体圧分布の経時的変化予測・評価システム
US20030233034A1 (en) * 2002-06-13 2003-12-18 Alpo Varri Apparatus for measuring vital functions
KR100697211B1 (ko) * 2005-10-27 2007-03-22 재단법인서울대학교산학협력재단 무구속 맥파도달시간 측정을 이용한 혈압측정시스템 및방법
KR20090104358A (ko) * 2008-03-31 2009-10-06 동서대학교산학협력단 의자형 무구속 심탄도 측정시스템
KR20150094316A (ko) * 2014-02-11 2015-08-19 동서대학교산학협력단 3-로드셀을 이용한 의자형 착석자세 및 산만도 교정시스템

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040260156A1 (en) * 2001-05-18 2004-12-23 Commwell, Inc. Chair and ancillary apparatus with medical diagnostic features in a remote health monitoring system
US6795724B2 (en) * 2002-02-19 2004-09-21 Mark Bradford Hogan Color-based neurofeedback
JP4509042B2 (ja) * 2006-02-13 2010-07-21 株式会社デンソー 自動車用もてなし情報提供システム
CN103932719A (zh) * 2013-01-18 2014-07-23 袁囡囡 疲劳驾驶检测技术
US10365149B2 (en) * 2013-10-15 2019-07-30 Bedsense Limited Bed based weight sensors for physiological analysis
WO2015127193A1 (en) * 2014-02-20 2015-08-27 Faurecia Automotive Seating, Llc. Vehicle seat with integrated sensors
US9771081B2 (en) * 2014-09-29 2017-09-26 The Boeing Company System for fatigue detection using a suite of physiological measurement devices
CN105261153A (zh) * 2015-11-03 2016-01-20 北京奇虎科技有限公司 车辆行驶监控方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003111646A (ja) * 2001-10-03 2003-04-15 Ergo Seating Kk 身体圧分布の基本特性測定・解析システムおよび身体圧分布の経時的変化予測・評価システム
US20030233034A1 (en) * 2002-06-13 2003-12-18 Alpo Varri Apparatus for measuring vital functions
KR100697211B1 (ko) * 2005-10-27 2007-03-22 재단법인서울대학교산학협력재단 무구속 맥파도달시간 측정을 이용한 혈압측정시스템 및방법
KR20090104358A (ko) * 2008-03-31 2009-10-06 동서대학교산학협력단 의자형 무구속 심탄도 측정시스템
KR20150094316A (ko) * 2014-02-11 2015-08-19 동서대학교산학협력단 3-로드셀을 이용한 의자형 착석자세 및 산만도 교정시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107550477A (zh) * 2017-09-27 2018-01-09 福山信（北京）科技有限公司 一种生物体征检测装置
CN107550477B (zh) * 2017-09-27 2024-02-02 福山信（北京）科技有限公司 一种生物体征检测装置

Also Published As

Publication number Publication date
CN108778127B (zh) 2021-06-04
KR101746590B1 (ko) 2017-06-13
US10937546B2 (en) 2021-03-02
US20180336968A1 (en) 2018-11-22
CN108778127A (zh) 2018-11-09

Similar Documents

Publication Publication Date Title
WO2017135492A1 (ko) 무구속 생체정보 기반의 산만도 추정 시스템
US10912480B2 (en) Sensor system and process for measuring electric activity of the brain, including electric field encephalography
CN106937808B (zh) 一种智能床垫的数据采集系统
Satija et al. Real-time signal quality-aware ECG telemetry system for IoT-based health care monitoring
Alaziz et al. Motion scale: A body motion monitoring system using bed-mounted wireless load cells
US20070112277A1 (en) Apparatus and method for the measurement and monitoring of bioelectric signal patterns
JP2016526972A5 (ko)
US20210022636A1 (en) Bio-signal detecting headband
KR20120003662A (ko) 생체 신호를 측정하는 장치 및 방법
TW201620440A (zh) 利用三個導程之差動電壓產生十二導程心電圖信號之方法與系統
CN105640542B (zh) 一种儿科护理专用心电监护仪
CN106943129A (zh) 可穿戴的心率及呼吸监测装置、方法及其智能上衣
US20160206224A1 (en) Ecg electrode snap connector and associated methods
KR20160107390A (ko) 심전도 신호 측정장치
Takalokastari et al. Quality of the wireless electrocardiogram signal during physical exercise in different age groups
CN109091127A (zh) 用于监测血压的方法及其设备
Thammachote et al. Contactless monitoring of human behaviors in bed using RSSI signals
US20230363654A1 (en) Beamforming systems and methods for detecting heart beats
Gao et al. Cardiosentinal: A 24-hour heart care and monitoring system
Gupta ECG and wearable computing for drowsiness detection
Plesnik et al. ECG signal acquisition and analysis for telemonitoring
US20250082217A1 (en) Apparatus and method of processing biosignal
WO2020165758A1 (en) Device and method for cardiopathies assessment
TURKELIª et al. A hybrid algorithm for fall detection
Liu et al. The analysis of regularity and synchrony of Parkinsonian tremor using Approximate Entropy and Cross-Approximate Entropy

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 15502945

Country of ref document: US

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16889470

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16889470

Country of ref document: EP

Kind code of ref document: A1