심정지 감지를 위한 복합생체 신호 측정 웨어러블 디바이스 개발

Abstract

심정지는 심부전에 의해 혈액 순환이 멈추게 되면서 발생하며, 심실 빈맥과 심실 세동을 거쳐 최종적으로 정지하게 된다. 혈액 순환이 원활하게 이루어지지 않으면, 인체내에 산소와 포도당의 공급을 막게되어 의식 상실을 일으키고 최종적으로 뇌사를 초래한다. 심정지에 대한 응급 대처를 위해 많은 공공 기관 등에서 응급 치료를 위해 자동 제세동기를 설치했지만, 환자가 혼자 있을 때에는 효율적이지 않다. 따라서 개인이 실시간으로 상황을 모니터링하며, 응급 상황 시 즉각 대처 가능한 웨어러블 타입의 심정지 모니터링 및 제세동 디바이스가 필요하다. 본 논문에서는 심정지 감지를 위한 복합생체신호 기반 웨어러블 디바이스를 개발하였다. 이 디바이스를 이용하여 착용자의 심전도, 심음 및 움직임을 측정할 수 있다. 심정지가 감지되면 디바이스는 경고를 알리고, 제세동이 가능하도록 신호를 전송한다. 또한 통합 디바이스가 일상생활에서 일어 날 수 있는 다양한 상황에 대처 할 수 있도록 하는 통합 알고리즘을 개발하였다. 본 연구는 각각의 센서에 대한 검증과, 세 가지 센서를 통합하여 구성한 알고리즘에 대한 검증 두 가지로 진행하였다. 알고리즘에 대한 검증은, 일상생활에서 나타날 수 있는 다양한 상황 중, 가장 가능성 있는 세 가지 시나리오를 구성하여 실제 상황에 적용 가능하도록 검증을 진행하였다. 검증을 통해 ECG 데이터 98.33%, PCG 데이터 94.5%, IMU 데이터 정확도 98.38%, 시나리오 통합 평가에서는 93.33%의 정확도를 얻었다.; Cardiac arrest occurs when blood circulation is stopped by heart failure and finally stops after ventricular tachycardia and ventricular fibrillation. If the blood circulation is not smooth, it will block the supply of oxygen and glucose in the human body, causing loss of consciousness and ultimately resulting in brain death. In order to cope with cardiac arrest, many public institutions have installed an automatic defibrillator for emergency treatment, but it is not effective when the patient is alone. Therefore, a wearable type cardiac arrest monitoring and defibrillation device is needed in which an individual monitors the situation in real time and can cope with an emergency immediately. In this paper, we developed a wearable device based on complex bio signal for cardiac arrest detection. The device can be used to measure the electrocardiogram, heart sound and movement of the wearer. When a cardiac arrest is detected, the device signals a warning and sends a signal to enable defibrillation. We also developed an integrated algorithm that allows integrated devices to cope with various situations that can arise in everyday. In this study, the verification of each sensor and the verification of the algorithm composed of three sensors were conducted. The verification of the algorithms was conducted to verify that the three most likely scenarios among the various situations that might occur in everyday life were applied to the actual situation. Through the verification, 98.33% of ECG data, 94.5% of PCG data, 98.38% of IMU data accuracy and 93.33% of accuracy of scenario integrated evaluation were obtained.