KR20230112834A - Smart UWB Sleep Apnea Monitoring System using Deep Learning - Google Patents
Smart UWB Sleep Apnea Monitoring System using Deep Learning Download PDFInfo
- Publication number
- KR20230112834A KR20230112834A KR1020220008936A KR20220008936A KR20230112834A KR 20230112834 A KR20230112834 A KR 20230112834A KR 1020220008936 A KR1020220008936 A KR 1020220008936A KR 20220008936 A KR20220008936 A KR 20220008936A KR 20230112834 A KR20230112834 A KR 20230112834A
- Authority
- KR
- South Korea
- Prior art keywords
- contact
- sensor
- monitoring system
- sleep
- apnea
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 201000002859 sleep apnea Diseases 0.000 title claims abstract description 30
- 238000013135 deep learning Methods 0.000 title claims abstract description 16
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 50
- 208000008784 apnea Diseases 0.000 claims abstract description 27
- 230000007958 sleep Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 230000036387 respiratory rate Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 20
- 238000010586 diagram Methods 0.000 description 10
- 210000004072 lung Anatomy 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 208000019116 sleep disease Diseases 0.000 description 2
- 208000022925 sleep disturbance Diseases 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000028698 Cognitive impairment Diseases 0.000 description 1
- 208000008967 Enuresis Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010041235 Snoring Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0826—Detecting or evaluating apnoea events
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording 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, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0027—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the hearing sense
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0083—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus especially for waking up
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Anesthesiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Acoustics & Sound (AREA)
- Psychology (AREA)
- Radiology & Medical Imaging (AREA)
- Hematology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
본 발명은 수면 무호흡 감지장치에 관한 것으로서, 더 상세하게는 딥러닝을 이용한 비접촉 수면 무호흡 모니터링 시스템에 관한 것이다.The present invention relates to a sleep apnea detection device, and more particularly, to a non-contact sleep apnea monitoring system using deep learning.
도 1은 수면 무호흡증의 상태를 나타낸 도면이다.1 is a diagram showing the state of sleep apnea.
수면 무호흡은 수면 중 상기도의 반복적인 폐쇄로 인해 호흡이 멈추거나 호흡이 감소하는 질환이며, 인지 장애, 직업 수행 능력 감소, 코골이, 이상 수면행동, 야뇨증 , 고혈압, 심혈관계 질환 등의 발생 원인이 된다.Sleep apnea is a disease in which breathing stops or decreases due to repetitive obstruction of the upper airway during sleep, and causes cognitive impairment, reduced job performance, snoring, abnormal sleep behavior, enuresis, high blood pressure, and cardiovascular disease. do.
기존의 수면 무호흡증상의 진단은‘수면 다원검사’라는 검사를 거쳐야 하고 검사 장비가 대형 병원에 있어 시간, 공간적 제약이 크다는 단점이 있다.The diagnosis of existing sleep apnea symptoms requires a test called ‘polysomnography’, and the test equipment is located in a large hospital, which has the disadvantage of severe time and space limitations.
본 발명은 상기와 같은 기술적 과제를 해결하기 위해 제안된 것으로, UWB 레이더 센터를 사용하여 센서의 부착 및 연결선에 의한 수면에 장애 없이 호흡의 측정이 가능한 비접촉 수면 무호흡 모니터링 시스템을 제공한다.The present invention has been proposed to solve the above technical problem, and provides a non-contact sleep apnea monitoring system capable of measuring respiration by using a UWB radar center without disturbing sleep by attaching sensors and connecting wires.
상기 문제점을 해결하기 위한 본 발명의 일 실시예에 따르면, 관측자의 동작을 감지하는 비접촉 동작감지센서와, 관측자의 호흡을 감지하는 비접촉 호흡감지센서와, 비접촉 동작감지센서 및 비접촉 호흡감지센서의 감지 데이터를 각각 수신하여 처리함에 있어서, 미리 설정된 딥러닝 알고리즘을 이용하여 비접촉 동작감지센서의 감지 데이터를 토대로 관측자의 수면상태를 판단하고, 비접촉 호흡감지센서의 감지 데이터를 토대로 관측자의 수면상태 중의 무호흡 상태를 판단하는 무호흡 모니터링부를 포함하는 비접촉 수면 무호흡 모니터링 시스템이 제공된다.According to an embodiment of the present invention for solving the above problems, a non-contact motion sensor for detecting an observer's motion, a non-contact respiration sensor for detecting an observer's respiration, a non-contact motion sensor and a non-contact respiration sensor for detecting In receiving and processing each data, the sleep state of the observer is determined based on the detection data of the non-contact motion sensor using a preset deep learning algorithm, and the apnea state during the observer's sleep state is based on the detection data of the non-contact respiration sensor. A non-contact sleep apnea monitoring system including an apnea monitoring unit for determining is provided.
또한, 본 발명은 무호흡 모니터링부에서 전송되는 데이터를 수신하여, 실시간 호흡상태, 분당 호흡수(BPM), 무호흡 발생여부를 표시하는 사용자 단말기를 더 포함하는 것을 특징으로 한다.In addition, the present invention is characterized by further comprising a user terminal for receiving data transmitted from the apnea monitoring unit and displaying a real-time respiration state, respiratory rate per minute (BPM), and whether or not apnea occurs.
또한, 본 발명에서 딥러닝 알고리즘은, CNN(Convolutional Neural Networks)을 포함하는 것을 특징으로 한다.In addition, the deep learning algorithm in the present invention is characterized in that it includes CNN (Convolutional Neural Networks).
또한, 본 발명에 포함되는 비접촉 호흡감지센서는 도플러 레이더 센서를 포함하는 것을 특징으로 한다.In addition, the non-contact respiration sensor included in the present invention is characterized in that it includes a Doppler radar sensor.
본 발명의 실시예에 따른 비접촉 수면 무호흡 모니터링 시스템은, UWB 레이더 센서를 사용하여 센서의 부착 및 연결선에 의한 수면장애 없이 호흡의 측정이 가능하다.The non-contact sleep apnea monitoring system according to an embodiment of the present invention uses a UWB radar sensor and can measure respiration without sleep disturbance due to sensor attachment and connection lines.
즉, 제안된 시스템은 UWB 레이더 기술을 이용한 비접촉 센서를 이용하여 센서의 부착 및 연결선에 의한 수면에 장애 없이 호흡측정이 가능한 비접촉 모니터링시스템을 구축하였다. In other words, the proposed system uses a non-contact sensor using UWB radar technology to establish a non-contact monitoring system capable of measuring respiration without disturbing the surface of the water by attaching the sensor and connecting lines.
센서로 수집된 데이터를 블루투스/Wi-Fi방식으로 송신하고 그래프화해 가시적으로 손쉽게 확인 가능하도록 구성된다. 측정된 호흡신호는 딥러닝을 이용하여 무호흡과 동작의 상태를 판정하여 정확성을 향상시킬 수 있다.It transmits the data collected by the sensor through Bluetooth/Wi-Fi and converts it into a graph so that it can be easily checked visually. The measured breathing signal can improve accuracy by determining the state of apnea and movement using deep learning.
도 1은 수면 무호흡증의 상태를 나타낸 도면
도 2는 본 발명의 실시예에 따른 비접촉 수면 무호흡 모니터링 시스템(1)의 개념도
도 2a는 비접촉 수면 무호흡 모니터링 시스템(1)의 구성도
도 3은 비접촉 수면 무호흡 모니터링 시스템(1)의 다른 구성도
도 4는 도플러 현상을 이용한 레이더 센서의 동작원리를 나타낸 도면
도 5는 측정한 호흡 데이터의 제1 예시도
도 6은 측정한 호흡 데이터의 제2 예시도1 is a view showing the state of sleep apnea
2 is a conceptual diagram of a non-contact sleep apnea monitoring system 1 according to an embodiment of the present invention.
2A is a block diagram of a non-contact sleep apnea monitoring system 1
3 is another configuration diagram of the non-contact sleep apnea monitoring system 1
4 is a view showing the operating principle of a radar sensor using the Doppler phenomenon
5 is a first exemplary view of measured respiration data
6 is a second exemplary view of measured respiration data
이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 실시예를 첨부한 도면을 참조하여 설명하기로 한다.Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings in order to describe in detail enough for those skilled in the art to easily implement the technical idea of the present invention.
도 2는 본 발명의 실시예에 따른 비접촉 수면 무호흡 모니터링 시스템(1)의 개념도이고, 도 2a는 비접촉 수면 무호흡 모니터링 시스템(1)의 구성도이고, 도 3은 비접촉 수면 무호흡 모니터링 시스템(1)의 다른 구성도이다.2 is a conceptual diagram of a non-contact sleep apnea monitoring system 1 according to an embodiment of the present invention, FIG. 2a is a configuration diagram of the non-contact sleep apnea monitoring system 1, and FIG. 3 is a diagram of the non-contact sleep apnea monitoring system 1 It is a different configuration.
본 실시예에 따른 비접촉 수면 무호흡 모니터링 시스템(1)은 제안하고자 하는 기술적인 사상을 명확하게 설명하기 위한 간략한 구성만을 포함하고 있다.The non-contact sleep apnea monitoring system 1 according to this embodiment includes only a simple configuration for clearly explaining the technical idea to be proposed.
도 2 내지 도 3을 참조하면, 비접촉 수면 무호흡 모니터링 시스템(1)은 비접촉 동작감지센서(100), 비접촉 호흡감지센서(200), 무호흡 모니터링부(300), 사용자 단말기(400)를 포함하여 구성된다.2 and 3, the non-contact sleep apnea monitoring system 1 includes a non-contact motion sensor 100, a non-contact respiration sensor 200, an apnea monitoring unit 300, and a user terminal 400. do.
상기와 같이 구성되는 비접촉 수면 무호흡 모니터링 시스템의 세부구성과 주요동작을 살펴보면 다음과 같다.The detailed configuration and main operations of the non-contact sleep apnea monitoring system configured as described above are as follows.
본 발명은 딥러닝을 이용한 비접촉 스마트 수면 무호흡 모니터링 시스템을 제안한다. UWB 레이더 센서를 사용하여 센서의 부착 및 연결선에 의한 수면에 장애 없이 호흡의 측정이 가능한 비접촉 모니터링 시스템을 구성하였다. 센서로부터 수집된 데이터를 블루투스/Wi-Fi방식으로 송신하고 그래프화해 가시적으로 확인하도록 구성된다. 정확도 향상을 위해 딥러닝을 이용하여 수면 중의 움직임과 무호흡을 구별하여 무호흡의 시간을 측정하고 모니터링하도록 구성된다.The present invention proposes a non-contact smart sleep apnea monitoring system using deep learning. Using a UWB radar sensor, a non-contact monitoring system capable of measuring respiration without disturbing the surface of the water by attaching the sensor and connecting wires was constructed. It is configured to transmit the data collected from the sensor in a Bluetooth/Wi-Fi method and visually check it by graphing it. It is configured to measure and monitor the time of apnea by distinguishing movement during sleep and apnea by using deep learning to improve accuracy.
비접촉 동작감지센서(100)는 관측자의 동작을 감지하는 센서이고, 비접촉 호흡감지센서(200)는 관측자의 호흡을 감지하는 센서이다.The non-contact motion detection sensor 100 is a sensor for detecting an observer's motion, and the non-contact respiration sensor 200 is a sensor for detecting an observer's respiration.
비접촉 동작감지센서(100) 및 비접촉 호흡감지센서(200)는 UWB(Ultra-WideBand) 대역의 주파수를 이용하는 도플러 레이더 센서로 구성될 수 있다. 참고적으로 비접촉 동작감지센서(100) 및 비접촉 호흡감지센서(200)는 서로 다른 주파수 대역의 신호를 송수신하도록 구성되는 것이 바람직하다.The non-contact motion detection sensor 100 and the non-contact respiration sensor 200 may be configured as a Doppler radar sensor using a frequency of UWB (Ultra-WideBand) band. For reference, the non-contact motion sensor 100 and the non-contact respiration sensor 200 are preferably configured to transmit and receive signals of different frequency bands.
UWB 레이더 기반 호흡 측정 센서는 접촉 없이 무선으로 측정이 가능하여 기존 제약을 해소할 수 있으며, 소형으로 제작이 가능하므로 가정용으로 개발이 용이하다. 이는 병원을 방문하지 않고 가정에서도 판정이 가능하거나 치료 경과를 지속적으로 모니터링이 가능하게 한다.The UWB radar-based respiration measurement sensor can measure wirelessly without contact, so it can overcome existing limitations, and it can be manufactured in a small size, so it is easy to develop for home use. This makes it possible to make a decision at home without visiting a hospital or to continuously monitor the progress of treatment.
UWB 동작감지 센서를 사용하여 사용자의 신체 움직임이 일정 시간 멈췄을 때 수면에 돌입한 것으로 판단하여 작동한다. 그러나 수면 중 뒤척임과 같은 다양한 신체 움직임이 발생할 시에는 센서의 측정에 오류가 발생된다. 본 발명에서는 딥러닝을 사용하여 이러한 오류상태를 판별하여 사용자가 수면을 취할 때 실시간으로 호흡 측정이 가능한 시스템을 구성하였다. 또한 수면 데이터를 PC나 스마트 디바이스와 연동하여 무호흡을 판별 및 누적하고 시각화함으로 지속적 모니터링을 통해 치료여부를 판단할 수 있도록 구성하였다.It works by determining that the user has entered sleep when the user's body movement has stopped for a certain period of time using a UWB motion detection sensor. However, when various body movements such as tossing and turning during sleep occur, errors in sensor measurement occur. In the present invention, a system capable of measuring respiration in real time when a user sleeps was constructed by determining such an error state using deep learning. In addition, sleep data is linked with a PC or smart device to discriminate, accumulate, and visualize apnea so that treatment can be determined through continuous monitoring.
무호흡 모니터링부(300)는 비접촉 동작감지센서(100) 및 비접촉 호흡감지센서(200)의 감지 데이터를 각각 수신하여 처리하는데, 미리 설정된 딥러닝 알고리즘을 이용하여 비접촉 동작감지센서(100)의 감지 데이터를 토대로 관측자의 수면상태를 판단하고, 비접촉 호흡감지센서(200)의 감지 데이터를 토대로 관측자의 수면상태 중의 무호흡 상태를 판단한다. 여기에서 딥러닝 알고리즘은 CNN(Convolutional Neural Networks)이 이용될 수 있다.The apnea monitoring unit 300 receives and processes the detection data of the non-contact motion sensor 100 and the non-contact respiration sensor 200, respectively, using a preset deep learning algorithm to detect the data of the non-contact motion sensor 100. Determines the observer's sleep state based on, and determines the apnea state of the observer's sleep state based on the detection data of the non-contact breathing sensor 200. Here, convolutional neural networks (CNNs) may be used as the deep learning algorithm.
사용자 단말기(400)는 무호흡 모니터링부(300)에서 전송되는 데이터를 수신하여, 실시간 호흡상태, 분당 호흡수(BPM), 무호흡 발생여부를 표시한다. 여기에서 사용자 단말기(400)는 휴대폰, 스마트폰, 스마트 패드 등과 같이 사용자가 휴대하면서 사용할 수 있는 기기를 총칭하는 것이며, 본 실시예에서는 스마트폰으로 구성된 휴대용 단말기로 가정한다.The user terminal 400 receives data transmitted from the apnea monitoring unit 300 and displays the real-time respiration status, respiratory rate per minute (BPM), and whether or not apnea occurs. Here, the user terminal 400 is a general term for a device that a user can carry and use, such as a mobile phone, a smart phone, a smart pad, and the like, and is assumed to be a portable terminal composed of a smart phone in this embodiment.
이와 같이, 비접촉 수면 무호흡 모니터링 시스템은 동작감지센서와 호흡감지센서를 사용하여 사용자의 수면 상태 여부를 확인하고, 수면 상태가 판정이 되면 호흡감지센서가 작동한다.In this way, the non-contact sleep apnea monitoring system uses a motion sensor and a breathing sensor to determine whether or not the user is asleep, and when the sleep condition is determined, the breathing sensor operates.
UWB 센서(비접촉 동작감지센서(100), 비접촉 호흡감지센서(200))로 측정한 데이터를 CNN기반으로 분석하여 파형의 변화율이 기준치 이하로 지속되면 무호흡으로 판정하였다.Data measured by UWB sensors (non-contact motion detection sensor 100, non-contact breathing detection sensor 200) were analyzed based on CNN, and if the rate of change of the waveform continued below the reference value, it was determined to be apnea.
반환된 데이터는 두 가지로 사용되는데 사용자의 상태가 좋지 못해 정상적인 수면을 취할 수 없을 때(과도한 무호흡 지속 징후 발견 시) 알람 시스템을 통하여 사용자를 깨우게 한다. 추가적으로 생성된 데이터를 PC 또는 서버로 전송하고 분석하여 호흡상태, BPM, 무호흡 발생여부를 그래프화 하여 사용자가 확인 가능하도록 구성될 수 있다.The returned data is used in two ways. It wakes the user up through an alarm system when the user's condition is not good and normal sleep is not possible (excessive apnea duration symptoms are detected). The additionally generated data may be transmitted to a PC or server and analyzed to graph the respiratory state, BPM, and whether or not apnea occurs, so that the user can check it.
도 4는 도플러 현상을 이용한 레이더 센서의 동작원리를 나타낸 도면이다.4 is a diagram showing the principle of operation of a radar sensor using the Doppler phenomenon.
도 4를 참조하면, 도플러 현상은 관측자 기준으로 파장이 가까워지거나 또는 멀어질 때 관측자가 측정하는 파장이 실제 파장과 달라지는 현상이다. 송신전파와 수신전파와의 주파수 차이를 이용하여 물체의 움직임, 속도를 구한다. Referring to FIG. 4 , the Doppler phenomenon is a phenomenon in which a wavelength measured by an observer differs from an actual wavelength when the wavelength approaches or moves away from the observer. Using the frequency difference between the transmitted and received radio waves, the motion and speed of the object are obtained.
이것을 이용하여 인체의 피부를 투과해 폐, 심장 등과 같은 장기에 도달할 수 있는 주파수의 전자기파를 인체에 방사하여 반사파를 받는다. 들숨일 때 센서와 가슴의 거리가 가까워지고 날숨일 경우 거리가 멀어져 주파수 편이가 발생한다. 이를 계산하여 폐의 움직임을 측정하여 호흡 및 맥박 등을 추정할 수 있다.Using this, electromagnetic waves of a frequency that can penetrate the human skin and reach organs such as the lungs and heart are radiated to the human body and reflected waves are received. When inhaling, the distance between the sensor and the chest becomes closer, and when exhaling, the distance increases, resulting in a frequency shift. By calculating this, the movement of the lungs can be measured to estimate respiration and pulse.
즉, 호흡감지센서는 초고주파 도플러 레이더 센서로 인체의 피부를 투과해 폐, 심장 등과 같은 장기의 반사파를 측정하고 들숨일 때 센서와 가슴의 거리가 가까워지고 날숨일 경우 거리가 멀어져 주파수 편이를 계산하여 폐의 움직임을 측정한다.In other words, the breath detection sensor is an ultra-high frequency Doppler radar sensor that penetrates the human skin and measures the reflected waves of organs such as the lungs and heart. measure lung movement.
본 실시예에서는 측정된 데이터 임의의 위치에 있는 대상의 호흡을 위상차를 통해 추출 후 호흡 파형을 얻는다. 파형의 “PEAK” 를 1회의 호흡으로 횟수를 측정하고, 호흡파형 변화가 10초 이상 감지되지 않으면 무호흡으로 판별하여 횟수를 측정한다. 측정한 데이터를 통해 분당 호흡수와 무호흡 횟수를 모니터링 할 수 있다.In this embodiment, a breathing waveform is obtained after extracting the breathing of a subject at an arbitrary position of the measured data through phase difference. The “PEAK” of the waveform is counted as one breath, and if the change in the breathing waveform is not detected for more than 10 seconds, it is determined as apnea and the number of breaths is measured. Through the measured data, the respiratory rate per minute and the number of apneas can be monitored.
도 5는 측정한 호흡 데이터의 제1 예시도이고, 도 6은 측정한 호흡 데이터의 제2 예시도이다.5 is a first exemplary diagram of measured respiration data, and FIG. 6 is a second exemplary diagram of measured respiration data.
본 실시예에서 호흡의 측정은 6.0GHz ~ 8.5 GHz에서 동작하는 센서모듈을 사용하였다. 도 5 및 도 6은 센서로 측정한 데이터이다. 20초에서 25초 구간은 수면 무호흡이 발생한 구간이다. 수면 무호흡이 발생하게 되면 흉부(폐)가 거의 움직이지 않으므로 파형의 변화율이 줄어든다.In this embodiment, respiration was measured using a sensor module operating at 6.0 GHz to 8.5 GHz. 5 and 6 are data measured by a sensor. The interval between 20 and 25 seconds is the interval in which sleep apnea occurred. When sleep apnea occurs, the rate of change of the waveform decreases because the chest (lungs) hardly move.
본 발명은 UWB 레이더 기술을 이용한 비접촉 센서를 이용하여 센서의 부착 및 연결선에 의한 수면에 장애 없이 호흡의 측정이 가능한 비접촉 모니터링 시스템을 구성하였다. 센서로 수집된 데이터를 블루투스/Wi-Fi방식으로 송신하고 그래프화해 가시적으로 손쉽게 확인하였다. 측정된 호흡신호는 딥러닝을 이용하여 무호흡과 동작의 상태를 판정하는 스마트 수면 무호흡 모니터링 시스템을 구축하였다. 무선 시스템의 구성을 통하여 병원에서 시행되는 검사를 가정에서 측정 가능한 스마트 모니터링 시스템으로 대체할 수 있다.In the present invention, a non-contact monitoring system capable of measuring respiration is constructed using a non-contact sensor using UWB radar technology without disturbing the surface of the water by attaching the sensor and connecting lines. The data collected by the sensor was transmitted via Bluetooth/Wi-Fi and graphed for easy visual confirmation. We built a smart sleep apnea monitoring system that determines the state of apnea and movement using the measured breathing signal using deep learning. Through the configuration of the wireless system, tests conducted in hospitals can be replaced with smart monitoring systems that can be measured at home.
상술한 바와 같이, 본 발명의 실시에에 따른 비접촉 수면 무호흡 모니터링 시스템은, UWB 레이더 센서를 사용하여 센서의 부착 및 연결선에 의한 수면장애 없이 호흡의 측정이 가능하다.As described above, the non-contact sleep apnea monitoring system according to an embodiment of the present invention uses a UWB radar sensor and can measure respiration without sleep disturbance due to sensor attachment and connection lines.
즉, 제안된 시스템은 UWB 레이더 기술을 이용한 비접촉 센서를 이용하여 센서의 부착 및 연결선에 의한 수면에 장애 없이 호흡측정이 가능한 비접촉 모니터링시스템을 구축하였다. In other words, the proposed system uses a non-contact sensor using UWB radar technology to establish a non-contact monitoring system capable of measuring respiration without disturbing the surface of the water by attaching the sensor and connecting lines.
센서로 수집된 데이터를 블루투스/Wi-Fi방식으로 송신하고 그래프화해 가시적으로 손쉽게 확인 가능하도록 구성된다. 측정된 호흡신호는 딥러닝을 이용하여 무호흡과 동작 상태를 판정하여 정확성을 향상시킬 수 있다.It transmits the data collected by the sensor through Bluetooth/Wi-Fi and converts it into a graph so that it can be easily checked visually. The measured breathing signal can improve accuracy by determining apnea and motion status using deep learning.
이와 같이, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.As such, those skilled in the art to which the present invention pertains will be able to understand that the present invention may be embodied in other specific forms without changing its technical spirit or essential features. Therefore, the embodiments described above should be understood as illustrative in all respects and not limiting. The scope of the present invention is indicated by the following claims rather than the detailed description above, and all changes or modifications derived from the meaning and scope of the claims and their equivalent concepts should be interpreted as being included in the scope of the present invention. do.
100 : 비접촉 동작감지센서
200 : 비접촉 호흡감지센서
300 : 무호흡 모니터링부
400 : 사용자 단말기100: non-contact motion sensor
200: non-contact breathing sensor
300: apnea monitoring unit
400: user terminal
Claims (4)
상기 관측자의 호흡을 감지하는 비접촉 호흡감지센서; 및
상기 비접촉 동작감지센서 및 상기 비접촉 호흡감지센서의 감지 데이터를 각각 수신하여 처리함에 있어서, 미리 설정된 딥러닝 알고리즘을 이용하여 상기 비접촉 동작감지센서의 감지 데이터를 토대로 상기 관측자의 수면상태를 판단하고, 상기 비접촉 호흡감지센서의 감지 데이터를 토대로 상기 관측자의 수면상태 중의 무호흡 상태를 판단하는 무호흡 모니터링부;
를 포함하는 비접촉 수면 무호흡 모니터링 시스템.
a non-contact motion sensor for detecting an observer's motion;
a non-contact respiration sensor for detecting respiration of the observer; and
In receiving and processing the sensing data of the non-contact motion sensor and the non-contact breathing sensor, respectively, using a preset deep learning algorithm to determine the sleep state of the observer based on the sensing data of the non-contact motion sensor, an apnea monitoring unit for determining an apnea state during sleep of the observer based on data detected by a non-contact respiration sensor;
A non-contact sleep apnea monitoring system comprising a.
상기 무호흡 모니터링부에서 전송되는 데이터를 수신하여, 실시간 호흡상태, 분당 호흡수(BPM), 무호흡 발생여부를 표시하는 사용자 단말기;를 더 포함하는 것을 특징으로 하는 비접촉 수면 무호흡 모니터링 시스템.
According to claim 1,
The non-contact sleep apnea monitoring system further comprising a user terminal that receives data transmitted from the apnea monitoring unit and displays real-time breathing status, respiratory rate per minute (BPM), and whether or not apnea occurs.
상기 딥러닝 알고리즘은,
CNN(Convolutional Neural Networks)을 포함하는 것을 특징으로 하는 비접촉 수면 무호흡 모니터링 시스템.
According to claim 1,
The deep learning algorithm,
A non-contact sleep apnea monitoring system comprising Convolutional Neural Networks (CNNs).
상기 비접촉 호흡감지센서는 도플러 레이더 센서를 포함하는 것을 특징으로 하는 비접촉 수면 무호흡 모니터링 시스템.According to claim 1,
The non-contact sleep apnea monitoring system, characterized in that the non-contact breathing sensor comprises a Doppler radar sensor.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220008936A KR20230112834A (en) | 2022-01-21 | 2022-01-21 | Smart UWB Sleep Apnea Monitoring System using Deep Learning |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220008936A KR20230112834A (en) | 2022-01-21 | 2022-01-21 | Smart UWB Sleep Apnea Monitoring System using Deep Learning |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230112834A true KR20230112834A (en) | 2023-07-28 |
Family
ID=87427194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220008936A KR20230112834A (en) | 2022-01-21 | 2022-01-21 | Smart UWB Sleep Apnea Monitoring System using Deep Learning |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230112834A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160024094A (en) | 2014-08-24 | 2016-03-04 | 서정수 | apnea sensing equipment |
-
2022
- 2022-01-21 KR KR1020220008936A patent/KR20230112834A/en unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160024094A (en) | 2014-08-24 | 2016-03-04 | 서정수 | apnea sensing equipment |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11690519B2 (en) | Apparatus, system, and method for monitoring physiological signs | |
| US20240324883A1 (en) | Video-based patient monitoring systems and associated methods for detecting and monitoring breathing | |
| KR101836761B1 (en) | Apparatus for non-contact respiration detection using radar and method thereof | |
| Liu et al. | Tracking vital signs during sleep leveraging off-the-shelf wifi | |
| CN108392186B (en) | Non-contact sleep apnea detection method and system | |
| CN105476602A (en) | Non-contact human vital sign measurement method and device | |
| JP2011519656A (en) | Non-contact respiratory monitoring of patients | |
| Liu et al. | Human biometric signals monitoring based on wifi channel state information using deep learning | |
| KR102323343B1 (en) | Patient monitering system using rada | |
| Du et al. | ApneaRadar: A 24GHz radar-based contactless sleep apnea detection system | |
| CN114587347B (en) | Lung function detection method, system, device, computer equipment and storage medium | |
| CN209863802U (en) | Non-contact vital sign measurement system based on radar | |
| JP7559596B2 (en) | Biological information processing device, biological information processing method, and program | |
| CN106913335B (en) | Apnea detection system | |
| KR102416469B1 (en) | System of accident detection for elderly people living alone | |
| CN114176564A (en) | Method for extracting respiratory state based on radar signal | |
| CN111685760B (en) | Human body respiratory frequency calculation method based on radar measurement | |
| KR20230112834A (en) | Smart UWB Sleep Apnea Monitoring System using Deep Learning | |
| KR102031551B1 (en) | Emergency determination device | |
| KR20210109702A (en) | Monitoring system using hospital room patient's bio information and environment information | |
| Elhadad et al. | Machine learning for respiratory detection via UWB radar sensor | |
| CN114176535B (en) | Ultra-wideband-based non-contact sign monitoring device and method | |
| EP2906104B1 (en) | System and method for breathing rate measurements | |
| CN115105035B (en) | Physiological characteristic detection method, device, computer equipment and storage medium | |
| Vasu et al. | Using the Lomb periodogram for non-contact estimation of respiration rates |