딥러닝 기반의 동맥 혈압 측정 모델 개발
- Alternative Title
- Estimation of Arterial Blood Pressure using Deep Learning Methods
- Abstract
- 혈압은 남녀노소, 질병유무와 상관없이 지속적인 건강관리를 위한 주 요한 활력 징후 중 하나이다. 특히 환자를 대상으로 하는 혈압 측정의 경우, 환자의 예후를 확인할 수 있는 핵심적인 지표 중 하나이며, 중한 환자에게는 지속적으로 정확한 혈압을 재기 위해 동맥 혈압 측정 방법이 사용 된다. 동맥혈압 측정 방법은 연속적으로 정확한 혈압의 수치를 제 공하지만, 침습적인 방법이라는 점이 한계점으로 남아있다. 고전적인 혈압 측정 방법부터 가장 최근의 딥러닝을 통한 혈압 예측 방 식까지, 혈압 측정기기의 다양한 한계점을 극복하기 위한 많은 연구들이 이루어지고 있다. 본 연구에서는 환자로부터 비침습적으로 수집할 수 있 는 심전도 파형과 광전용적맥파형을 활용하여 동맥 혈압을 예측하는 딥 러닝 모델을 생성하였으며, 보정을 통하여 더 정확한 혈압 수치를 예측 하였다. 연구에서 활용된 데이터는 서울아산병원 중환자실 환자 191명의 환자 로부터 추출되었으며, 추출된 데이터의 기간의 분리를 통하여 딥러닝 모 델 학습 데이터 셋과 검증 데이터 셋을 구분하였다. 신호에 대한 분할, 다운샘플링 외에 별도의 신호처리 과정 없이 원 신호에 대한 제외 처리 와 오토인코더를 활용한 데이터 클리닝을 통해 생성된 데이터 셋을 기반 으로 많은 연구에서 활용되어지는 합성곱신경망 기반의 ResNet 모델을 성공적으로 학습시켰다. 본 연구는 환자 모니터 기기로부터 수집된 수축 기, 확장기, 평균 동맥 혈압 모두에 대한 광범위한 혈압의 예측을 진행 하였다. 오토인코더 클리닝 과정을 통하여, 기존의 수작업으로 진행되는 데이터 제외처리의 과중한 작업량을 줄일 수 있었으며, 저품질의 신호와 정상적인 신호의 분류에 대한 주관적인 판단을 딥러닝 모델을 활용함으 로써 객관화할 수 있었다. 의료기기의 측정 성능에 있어 보정방법의 적용은 의료기기의 활용과정 에서 사용자에게 보다 더 정확하고 정밀한 값을 제시할 수 있게 해준다. 본 연구에서 생성된 ResNet 딥러닝 모델은 BHS 국제 표준 기준으로 각 동맥 혈압 별 모델 모두 A등급을 부여 받았으며, AAMI 국제 표준의 기 준 또한 통과하였다. 보정 전 예측 혈압 값과 실제 혈압 값 간 오차의 평균과 표준편차 값은 수축기: 0.028±6.81, 확장기: 0.03±4.32, 평균 동맥 혈압: 0.69±4.52로 높은 성능을 보였으며, 보정 후에는 수축기: 0.004±4.36, 확장기: 0.003±3.08, 평균 동맥 혈압: 0.003±2.78로 예측 성능이 향상됨을 확인하였다. 보정의 적용 후에 예측 성능이 향상되는 만큼, 생성된 딥러닝 모델이 다양한 환자 군에 적용 될 수 있을 것으로 기대한다. 본 연구는 단일기관, 단일인종의 집단에 한정되어 있으며, 개발된 딥러 닝 모델이 실제에 적용되기 위해서는 외부기관 및 다수의 국가에 대한 외부검증이 필수적이다. 또한, 최근 연구에서 더 적은 개수의 센서를 활 용한 혈압 측정 방식이 제시 되는 만큼, 딥러닝 방법의 간편성과 예측 성능의 안정성에 대한 비교 검증이 필요하다. 종합하면, 이번 연구를 통해 오토인코더의 품질 분류 방법, ResNet 딥 러닝 모델, 그리고 보정 방법을 활용하는 비교적 간단한 방법을 통하여 보다 더 실용적인 연구 방법론을 제시하였다. 본 연구는 침습적인 동맥 혈압측정 대신 심전도와 광전용적맥파형을 활용하여 비침습적인 방법으 로, 연속적으로 동맥혈압을 예측할 수 있으며, 보정을 통하여 높은 정확 도로 혈압을 예측할 수 있다는 측면에서, 다양한 환자군에 대한 적용 가 능성을 제시함으로써 임상적으로 의의가 있는 것으로 판단된다.
- Author(s)
- 윤홍균
- Issued Date
- 2024
- Awarded Date
- 2024-02
- Type
- Dissertation
- Keyword
- 혈압 측정; 심전도; 광전용적맥파; PPG; ECG; 딥러닝
- URI
- https://oak.ulsan.ac.kr/handle/2021.oak/13063
http://ulsan.dcollection.net/common/orgView/200000730583
- Authorize & License
-
- Files in This Item:
-
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.