HOME  /  SEARCH  /  LOG IN  /  SIGN UP
About ABRC RESEARCH PUBLICATION MEMBERS BOARc PRIVATE
Research Area
Sleep Engineering
Nonintrusive Measurement
Bio-signal based human authentication
Biomedical Signal Processing & Analysis
Sensors & Devices for u-Healthcare
Press
Biomedical Engineering
Project
2020
2019
2018
2017
2016
2015
2014
2013

You can use Kamagra 100mg when you want, but it's better to use it before coupling. Imagine how your wife would be delighted! She will be very happy.

 Home > RESEARCH > Research Area > Biomedical Signal Processing & Analysis
 Synchronization of Biomedical Signals

신체의 각 기관은 전체를 구성하는 부분으로서 서로 상호작용하고 있으며 외부의 자극에 의해서도 영향을 받는다. 이 때 각 생체 기관이 신체 내에서 어떻게 상호작용하고 있는지, 그리고 외부의 자극 요인에 의해서 어떻게 영향을 받는지에 대한 총체적인 해석 방법을 도입할 필요가 있다. 본 연구팀은 인체를 ‘Holistic System’ 관점에서 해석하기 위해 신체 내 서로 다른 기관에서 발생하는 생체 신호들 사이에서 복합적으로 나타나는 동기 역학적 특성 및 외부 자극에 대한 생체 신호 동기 역학적 특성을 분석하여 모델링 하고, 이를 응용하여 생체 리듬을 제어하고 인간의 감성 및 건강을 추정하는 새로운 기술을 개발한다.

There are interactions in all organs of the body as a part of the whole body, which are affected by external stimuli. Therefore, it is necessary to introduce the holistic analysis in order to represent how they interact with one another and how they are influenced by other stimuli. In our research group, we develop new analyzing methods to the human body as a holistic system. Thus, we analyze complex synchronization characteristics of the physiological rhythms and external stimuli, modeling the physiological system by using them. In addition, we develop new technologies to control the physiological rhythms and to estimate physical condition and emotion.

 

다양한 상황에서 신체 내부에서 복합적으로 나타나는 인간 생체 신호 사이의 동기 역학적 특성의 분석 및 모델링
We analyze the synchronization characteristics of the biomedical signals under various conditions and utilize for modeling complex interactions of physiological rhythms.
 

Figure 1. 심박-호흡 주기 분석 및 Phase Autocorrelation function [1]


인간의 생체리듬과 다양한 외부 자극 간에 나타나는 동기화 특성 분석
We analyze synchronization characteristics between physiological rhythms and various external stimuli.

 

Figure 2. 시각 및 청각 자극과 생체 리듬 사이의 동기화 특성 [2]
 

인간 생체 신호의 동기 역학적 특성에 대한 분석을 통한 인간의 감성, 건강 추정 및 생체 신호 제어를 위한 효과적인 외부 자극 기술 개발
We develop effective technologies to control the biomedical signals and physiological condition and to estimate the health condition and emotion. 

 

Figure 3. 질병과 생체 리듬 사이의 동기화 특성 [3-4]
 

Reference
[1] C. Schafer et al., “Heartbeat synchronized with ventilation”, Nature, vol.392, 1998

[2] V. S. Anishchenko, et al., “Synchronization of Cardiorhythm by Weak External Forcing,” Discrete Dynamics in Nature and Society, vol. 4, pp. 201-206, 2000

[3] CS. Yoo, et al., “A comparative study of phase synchronization and pattern synchrony between heartbeat and respiration for the wellness monitoring,” 6th International Conference on Multimedia Information Technology and Application, pp. 176-179. 2010

[4] J. Peupelmann, et al, “Cardio-respiratory coupling indicates suppression of vegal activity in acute schizophrenia,” Schizophrenia Research, vol. 112, pp. 153-157, 2009

 


 
 Parkinson's Disease

센서를 이용하여 환자의 증상을 객관적으로 진단하고 모니터링하다

의사들은 병원에서 환자를 진료할 때 문진, 시진, 촉진, 타진, 청진 등을 하게 된다. 이렇게 모아진 정보들을 통해 환자의 증상에 대해 이해하고, 어떤 질병인지 판단을 내린다. 하지만, 이런 진단만으로는 환자의 모든 것을 알 수 없기에 훨씬 객관적이고 명료하게 환자의 증상을 살펴보기 위해 의료기기가 필요하다. 예를 들어, x-ray가 없다면 환자의 뼈에 대한 정보를 알 수가 없다. 그래서, 병원에는 MRI, PET, X-ray, 초음파 등 이루 셀 수 없이 많은 의료기기가 있다. 우리가 잘 알고 있는 이렇게 유명하고 잘 알려진 의료기기들은 의사들이 보고, 듣고, 만지고, 물어보는 방법으로는 알 수 없는 많은 정보들을 주는 역할을 한다.

 

Fig.1. 보행 분석 과정

현재 연구하고 있는 보행 분석 및 트레머(tremor) 진단 분석기기이다. 트레머 증상은 환자의 의지와는 상관없이 몸의 특정부위가 떨리는 증상인데 보통 파킨슨 병이나 수전증 같은 이상운동질환을 가진 환자에게서 나타난다. 현재의 트레머 증상 진단 방법은 의사들이 눈으로 직접 보고, 질문한 후 증상의 중등도에 따라 점수를 매긴다. 떨리는 증상에 대해 객관적인 측정 없이 눈으로 많이 떠는지 적게 떠는지 지속적으로 떠는지 간헐적으로 떠는지에 대한 정보를 0~4 범위의 숫자로 매기기 때문에 주관적인 경우가 많아 객관적이고, 정량적인 진단을 내리기에는 한계가 있다. 또한, 환자들 중에는 내원시와 그렇지 않은 상황에서의 증상 변화가 심하여 내원 시 증상만으로는 환자의 정확한 진단이 어려운 실정이다.

 Fig.2. 개발된 보행 분석 시스템

연구실에서는 환자 보행 구분 및 동결보행 인식을 위한 가속도계와 발 압력 센서를 이용하여 파킨슨 환자의 보행 분석 모니터링 시스템을 이미 개발하였으며, 가속도계와 자이로스코프 같은 움직임 추정이 가능한 센서를 이용하여 트레머 진단 분석기기를 개발하고 있다. 또한, 증상 추정이 가능한 알고리즘을 개발하여 clinical decision support system (CDSS)을 구축하고 있다. 이를 위해 machine learning, non-linear time series analysis 등을 연구하고 있으며, 이를 환자의 이상운동 질환 증상에 적용하고 있다. 이런 내용들은 서울대 병원 신경과와 협업하여 임상시험을 진행 중이다. 개발 중인 트레머 진단 분석기기는 내원하지 않았을 때에도 증상분석이 가능할 수 있도록 ubiquitous healthcare에도 응용하여 진단의 범위를 넓힐 수도 있을 것이다.

 

 Fig.3. Clinical decision support system - 변위 분석 결과

 

 

 Fig.4. Clinician decision support system - 위상 분석 결과

 

Fig.5. 유헬스케어 예 - 아이폰을 이용한 트레머 진단 아이디어 (출처: www.histalkmobile.com)

 

To examine and monitor patients using a sensor

Asking questions, observing thoroughly a problematic spot, touching or tapping on a certain body part or paying attention to certain sound, this is usually what doctors do when they examine their patient. This is how they understand patients' symptoms and conclude what causes their pain. However, there's a limitation to this to discover every detailed information about their patients, and this is where a necessity of the certain medical equipment arises for a precise examination. For example, it's impossible to know what has happened to a patient's bones without an x-ray. This is as to why there are so many medical equipment at a hospital such as MRI, PET and an X-RAY. These popular medical equipment solve the problem of very primitive examination and provide doctors with a lot of valuable information about their patients.

This machine is for gait analysis and tremor analysis, which is still being developed. Tremor symptom refers to "trembling" that occurs regardless of a patient's will, and it is common for those patients who suffers from parkinson's disease and Essential tremor. Currently, doctors examine tremor symptom by observing a patient, asking questions and deciding how severe it is based on the information gathered by observing and asking. It is difficult to examine precisely without any data when doctors only check whether a patient tremble severely or not, or whether tremble continuously or not and rank it from 0 to 4. Also, some patients show a totally different symptom when they are being examined at a hospital compared to when they are not. With this inconsistency, a precise and objective examination for a patient is almost impossible.

In the BMSIL, the accelerometer that detects a patient's gait and freezing, and, an equipment using a sensor such as an accelerometer and gyroscope to detect a certain movement is still being developed to analyze tremor. We have also developed an algorithm that tracks the symptom and have being building CDSS. Machine learning, non...analysis have been developed for this, and they have been applied to analyze movement disorder’s symptoms. We have collaborated with a neurology department at SNU hospital and are doing clinical trial. This equipment for tremor analysis could be used for ubiquitous healthcare to broaden a scope of the examination as patients' could be examined with it when they don't go to a hospital.
 Sleep Medicine

수면 단계가 변함에 따라서 자율신경계 지표들이 변한다는 사실은 이미 많은 연구들에서 검증이 되었다. 이러한 자율신경계 변화를 반영하는 여러 지표들 중 하나는 심박의 변화이고 그 변화를 이용하는 방법이 심박변이율 분석 이다. 이런 현상에 근거해 심박변이율 방법을 이용하여 수면단계를 추정하고자 하였다.

수면 단계를 추정하기 위해, 사용자의 수면을 방해하지 않고 심장 박동이나, 호흡, 움직임 신호를 측정할 수 있는 센서들을 사용하였다. 심장 박동에 의해 발생하는 심탄도 신호를 무구속 센서를 통하여 측정 하였고 이를 이용하였다.

심박 신호를 이용하여 수면/각성 상태를 먼저 구분하였다. 그 후 무구속 센서로부터 나온 신호를 처리 하여 호흡 신호를 추출 하였다. 호흡 신호는 램 수면에서 증가하고 고르지 못한 특성이 있기에 이를 이용하여 램/비(非)램 수면을 구분 하였다. 추가적으로, 추출 된 호흡 신호 크기의 변화를 이용하여 수면 중 무호흡증 발생 여부를 추정하였다. 최종적으로는 심탄도 신호에 근거한 심박변이율 분석을 통하여 깊은 수면/옅은 수면을 구분하였다. 간략히 말해, 수면 단계와 수면 무호흡 이벤트를 위에서 나열한 신호들을 이용하여 근사하게 추정하였다.  

Fig.1.

Fig.2.

Fig.3.

 

Fig.4.

In many previous studies, it has been reported that autonomic nervous system (ANS) is varying with sleep stage transition. Heart rate variability (HRV) is one of the indices which reflect the changes of autonomic nervous system. In this point of view, sleep stage can be estimated by observing the HRV variation.

To assess the sleep stages, unconstrained sensors (load cell, PVDF film) which can unconsciously detect the heart beats, respiration and activity of subjects during sleep were used. The pressure to the sensor changes with the pulsation of the heart and it is known as ballistocardiogram (BCG), the physical heart beat signal.

By using heart beat signal, sleep or wake status of subjects were estimated. Respiration signal was derived from load-cell or PVDF sensor data and it used to estimate REM sleep or Non-REM sleep because the signal has irregular and increasing pattern during REM sleep. In addition, apnea events during sleep were estimated using amplitude changes of derived respiration signals. Deep or light sleep can be classified by HRV signal from the BCG. In summary, sleep stages and sleep apnea events were estimated roughly but unconstrainedly by using these signals.

 
 Anesthesiology

임상환경에서 생체신호를 이용한 심혈관계 모니터링
Bio-signal assessment for cardiovascular system in clinical situations


광체적흡광도 (PPG) 신호는 간편하고 저가인 광학 장비로 생체조직내에의 혈액의 부피변화를 모니터링 할 수 있다. PPG 신호는 심박에 동기화되어 변하는 혈액의 변화량을 모니터링하는 AC성분과 호흡, 자율신경계 및 체온조절에 관련된 저주파 대역의 DC성분으로 구성된다. 때문에 우리는 산소포화도, 혈압, 심박출량, 자율신경계 및 말포신경의 모니터링을 위한 의료장비로서 PPG의 사용 가능성이 높다고 기대하고 있다. 현재 우리는 서울대학교병원 마취통증의학과의 임상의들과 함께 PPG신호를 이용하여 자율신경계를 평가하기 위한 연구를 수행하고 있으며, 마취중 여러 종류의 수술과정을 거치는 환자들에 대하여 PPG신호를 수집하여 분석하고 있다.


Figure 1. Example of 4Ch PPG AC and DC measuring from patients in the operating room


Figure 2. Spectral analysis of ECG and PPG signals during sympathetic blockade

 

Photoplethysmography (PPG) is a simple and low-cost optical technique that can be used to detect blood volume change in the microvascular bed of tissue. The PPG waveform comprises a pulsatile (‘AC’) physiological waveform attributed to cardiac synchronous changes in the blood volume with each heart beat, and is superimposed on a slowly varying (‘DC’) baseline with various lower frequency components attributed to respiration, sympathetic nervous system activity and thermoregulation. Therefore, we expect that the PPG technology can be used in wide range of medical devices for measuring oxygen saturation, blood pressure and cardiac output, assessing autonomic function and also detecting peripheral vascular disease. Currently, we collaborate with clinicians from Department of Anesthesiology and Pain Medicine of Seoul National University Hospital for exploring autonomic nervous system using PPG signal. Now, we have collected PPG signals from patients under general anesthesia and various kinds of surgical procedures.

이동:  
 


2015 BMSIL/SNU All Reserved.
TEL : +82-2-2072-3135, FAX : +82-2-3676-1175, E-mail : pks@bmsil.snu.ac.kr
Department of Biomedical Engineering, College of Medicine, Seoul National University,
103, Daehak-ro, Jongno-gu, Seoul, 110-799, Republic of Korea
Supported by ONTOIN