Unconstrained REM Sleep Monitoring Using Polyvinylidene Fluoride Film-Based Sensor in the Normal and the Obstructive Sleep Apnea Patients

학 술 논 문

55

PVDF 필름 기반 센서를 이용한 정상인 및 폐쇄성 수면 무호흡증 환자에서의 무구속적인 렘 수면 모니터링

황수환

·윤희남

·정다운

·서상원

·이유진

·정도언

·박광석

1서울대학교 공과대학 협동과정 바이오엔지니어링 전공

2서울대학교병원 수면의학센터, ³서울대학교 의과대학 의공학교실

Unconstrained REM Sleep Monitoring Using Polyvinylidene Fluoride Film-Based Sensor in the Normal and the Obstructive Sleep

Apnea Patients

Su Hwan Hwang

, Hee Nam Yoon

, Da Woon Jung

, Sang Won Seo

, Yu Jin Lee

, Do-Un Jeong

and Kwang Suk Park

1

Interdisciplinary Program in Bioengineering, Seoul National University, Seoul, Korea

2

Department of Neuropsychiatry and the Center for Sleep and Chronobiology, Seoul National University Hospital, Seoul, Korea

3

Department of Biomedical Engineering, Seoul National University College of Medicine, Seoul, Korea (Manuscript received 28 May 2014; 13 June 2014; 24 June 2014)

Abstract: In sleep monitoring system, polysomnography (PSG) is the gold-standard but previous studies revealed that attaching numerous amount of sensors disturb sleep during the test which is the fundamental disadvantage of PSG. We suggest an unconstrained rapid-eye-movement (REM) sleep monitoring method measured with polyvi- nylidene (PVDF) film-based sensor for the normal and the obstructive sleep apnea (OSA) patients. Nine normal sub- jects and seventeen OSA patients have participated in the study. During REM sleep, rate and variability of respiration are known to be greater than in other sleep stages. Based on this phenomena, respiratory signals of participants were unconstrainedly measured using the PVDF-based sensor with the PSG and REM sleep were extracted from the aver- age rate and variability of respiration. In epoch-by-epoch REM sleep detection, proposed method classified REM sleep with an average sensitivity of 72.3%, specificity of 92.5%, accuracy of 88.9%, and kappa statistic of 0.60 compared to the results of PSG. Student’s t-test showed no significant difference between the results of normal and OSA group.

This method is potentially applicable to REM sleep detection in homing environment or ambulatory monitoring.

Key words: REM sleep monitoring, PVDF sensor, Polysomnography, Obstructive Sleep Apnea

I. 서 론

현재 수면 단계를 분석하고 수면 관련 질환을 진단하는데 사용되는 기본적인 방법은 수면다원검사(Polysomnography)

이다. 수면다원검사 중 수면 단계를 분석하기 위하여 사용 되는 생체 신호는 크게 뇌전도(EEG), 안전도(EOG) 및 턱 근전도(EMG) 인데[1], 이러한 신호들을 측정하기 위해서는 여러 종류의 센서를 얼굴 또는 몸에 부착한 채 불편하게 잠 을 자야 한다는 단점이 있다.

이러한 단점을 극복하기 위하여 이전 연구들에서는 수면 중 무구속 또는 최소 구속적으로 피험자의 생체 신호를 측 정하고 이를 이용하여 수면 단계를 분석하고자 하였다.

Watanabe 등과 Kortelainen 등은 기압 센서나 Emfit 센 서를 이용하여 수면 중 피험자의 생체신호를 무구속적으로 Corresponding Author : Park Kwang Suk

Seoul National University College of Medicine, 103 Daehak- ro, Jongno-gu, Seoul

TEL: +82-2-2072-3135 / FAX: +82-2-3676-2821 E-mail: [email protected]

이 논문은 삼성전자의 지원을 받아 수행된 연구임.

56

측정하고 이를 이용하여 수면단계를 분석하고자 하였다[2-3].

가정환경기반 수면 모니터링 방법 개발 측면에서 무구속적 으로 피험자의 생체 신호를 측정하는 것이 필수적이기에 이 러한 연구들이 갖는 학술적, 산업적 의미가 있다고 할 수 있 다. 이외에도 Xiao 등과 Tanida 등은 심전도 신호만을 이 용하여 심박변이율 분석을 하고 이에 기반하여 수면단계를 분석 하고자 하였지만, 피험자 몸에 센서를 부착하고 얻은 생 체 신호를 이용하였다는 한계점이 있었다[4-5]. 이러한 이전 연구들의 노력에도 불구하고, 현재까지 가정환경 기반이나 외 래진료 외 환경에서 널리 사용되는 무구속 수면단계 추정 방 법은 시도되지 못하였다.

수면 단계 중 렘 수면에서는 렘 수면에서만 발생하는 특 정한 생체학적 기능들이 있다는 사실이 이전 연구들에서 보 고 되었다. Marks 등은 뇌 성숙(brain maturation) 이 렘 수면의 양과 밀접한 관계가 있다는 사실을 밝혔으며[6], Stickgold 는 기억 응고화(memory consolidation) 가 렘 수면에 강하게 영향을 받는 다고 보고하였다[7]. 또한, 몇몇 수면 관련 질환들이 렘 수면과 관련이 있다는 사실 또한 보 고되었는데, 렘 수면 의존성 폐쇄성 수면무호흡증, 악몽, 렘 수면 행동장애 등이 대표적인 렘 수면 중에 나타나는 질환 들이다[8-9]. 상기 언급한 사항들을 고려하였을 때, 렘 수면 이 발생한 시점이나 렘 수면 발생 시간을 추정하는 것은 수 면 동태에 관한 연구뿐만 아니라 수면 관련 질환들을 평가 하는데도 있어서도 중요하다고 말할 수 있다.

수면 단계와 높은 상관 관계를 보이는 교감 신경, 부교감 신경의 활동은 심박 또는 호흡 변화에 의해 많은 영향을 받 는다[10-12]. 특히, 렘 수면 동안에는 교감 신경을 활성화가 급격하게 일어나기 때문에 비 렘(non-REM) 수면과 비교하 여 호흡의 패턴이 불규칙적이고 빠르게 변화하게 되고, 수 면 단계가 비 렘 수면에서 렘 수면으로 변할 때 또한 호흡 주파수와 변화율이 증가하는 경향이 있다[13-15]. 이러한 현

상에 기인하여 본 연구에서는 렘 수면을 추정하는데 있어 사용할 수 있는 여러 가지 생체 신호 중 호흡 신호를 선택 하였다.

본 연구에서는 PVDF (polyvinylidene) 필름 기반 센서 를 이용하여 무구속적으로 측정한 호흡 신호에 근거하여 렘 수면 구간 추정이 가능한지에 대해 확인해보았다. 그리고, 호흡 신호가 영향을 받을 수 있는 수면무호흡증 환자 군에 대해서도 일반인과 동일한 수준으로 적용할 수 있는지 평가 하였다.

II. 연구 방법

1. 무구속 호흡 신호 측정 시스템

피험자가 호흡을 하는 동안, 호흡에 의해 발생하는 (들숨 또는 날숨) 체적의 변화가 PVDF 센서에 압력 신호로 전달 되는 현상을 이용하여 수면다원검사 중 피험자의 호흡 신호 를 무구속적으로 측정하였다. 실험에 사용된 센서와 검출 시 스템에 대한 자세한 설명은 이전 연구에서 발표된바 있다 [16]. 호흡 신호 검출 센서의 두께는 약 1.1 mm 이었으며, 이는 실험 피험자가 침대에 센서가 설치되어 있다는 사실을 감지하지 못할 정도로 얇은 두께였다. 또한 실제 수면다원 검사가 끝난 후 피험자들 중 센서로 인하여 수면 중 불편함 을 느꼈다는 피험자들은 없었다. 그림 1(a) 에서 볼 수 있 듯이 센서는 PVDF 4채널로 이루어졌으며 (b) 에서 보듯이 피험자가 침대에 누웠을 때 피험자의 등 밑, 침대 보와 매 트리스 사이에 위치하도록 설치되었다.

2. 렘 수면 추정 알고리즘

신체에 부착한 공기흐름센서와 호흡용적을 이용한 호흡신 호에서 호흡 동역학을 이용하여 렘 수면을 추정하는 방법이 본 연구 그룹의 이전 연구에서 보고된 바 있다[17]. 본 연

그림 1. (a) PVDF 센서와 실리콘 패드가 결합된 측정 시스템, (b) 시스템 설치에 대한 개념도.

Fig. 1. (a) PVDF sensors and silicon pad combined system, (b) Conceptual diagram of system installation.

57

구에서는 무구속적으로 측정된 호흡신호에서 호흡의 주기와 변동률에 근거하여 렘 수면을 추정하도록 알고리즘을 수정 하였다. 이전 연구에서는 구속적으로 측정한 단일 채널의 호 흡 신호만을 이용하여 렘 수면을 분석하였지만, 본 연구에 서는 무구속적으로 측정한 4채널의 호흡 신호를 이용하여 렘 수면을 추정하고자 하였기에 4채널에 공통적으로 반영되 는 호흡 신호를 추출하는 과정을 따로 추가하였다. 먼저 각

채널 PVDF 신호를 평균이 “0”, 표준편차가 “1”, 이 되도 록 정규화(normalization) 한 후 주성분분석방법(Principal Component Analysis, PCA) 을 이용하여 주성분들을 추 출 하였다. 그 중 주성분 1을 호흡 신호 대역인 0.1-0.5 Hz 로 대역통과 필터링 하여 호흡 신호를 추출하였다. 이 후 이 전 연구 방법[17]에 따라 추출해 낸 호흡 신호를 30초 단 위로 분석하여 ‘분 단위 평균호흡수’ 를 구하였다. 분 단위

Table 1. Parameters and thresholds for REM sleep estimation

파라미터들 설명

평균호흡수 자기상관 분석 방법으로 도출한 분 단위 평균호흡수

평탄화된 호흡수 900초 단위로 평탄화 (smoothing) 된 ‘평균호흡수’

호흡수의 분산 ‘평균호흡수’ 와 ‘평탄화된 호흡수’ 차이의 절대 값

평탄화된 호흡수 분산 900초 단위로 평탄화된 ‘호흡수의 분산’

기준 값들

선형 기준 값 비 - 렘 수면 동안 정상피험자의 ‘평탄화된 호흡수 분산’ 값 (= 0.4)

적응 기준 값 1 7500초 단위로 평탄화된 ‘평균호흡수’ 와 ‘선형 기준 값’ 의 합

적응 기준 값 2 7500초 단위로 평탄화된 ‘호흡수의 분산’

평탄화 방법으로는

^lowess

방법이 사용 되었음. Lowess 방법에 대한 설명은 다음과 같음: Local regression using weighted linear least squares and a 1st degree polynomial model

그림 2. 렘 수면 추정을 위한 파라미터와 기준 값들의 예시. (a) 한 참가자에 대한 수면다원검사 동안의 평균호흡수와 평탄화된 호흡수의 예 시, (b) 호흡수의 분산과 평탄화된 호흡수의 분산. (c) 평탄화된 호흡수와 적응 기준 값 1. 회색 사각형은 수면 전문의에 의해 판독된 렘 수면 구간을 나타냄, (d) 평탄화된 호흡수 분산과 2개의 기준치들. 회색 사각형은 수면 전문의에 의해 판독된 렘 수면 구간을 나타냄.

Fig. 2. Example of the parameters and thresholds for REM sleep estimation. (a) Mean respiration rate and smoothed rate during a whole night sleep from a subject, (b) Variance of rate and smoothed variance of rate, (c) Smoothed rate and adaptive threshold 1. Gray regions indicate REM sleep epochs scored by a sleep expert, (d) Smoothed variance of rate with two different threshold levels. Gray regions indicate REM sleep epochs scored by a sleep expert.

58

평균호흡수를 구한 후 표 1과 같이 알고리즘에 사용한 파라 미터들을 구하였다. 파라미터 값들 중 이전 연구[17]에서 평 탄화(smoothing) 할 때 사용했던 윈도우 길이를 본 연구에 맞춰 수정하였는데 (900초, 7500초) 이는 각 연구간 호흡 신호의 특성과 알고리즘을 만드는데 사용된 훈련 집합이 다 르기 때문이었다. 기존 알고리즘을 본 연구의 실정에 맞게 수정하고자, 총 6명 (약 20%, 남자 5명, 수면무호흡증 환자 6 명) 의 PVDF 데이터를 무작위로 선택한 후 훈련 집합 (training-set) 으로 사용하였다. 데이터 분석에는 MATLAB 소프트웨어(MathWorks Inc., 나티크, 매사추세츠, 미국) 가 사용되었다.

그림 2에는 렘 수면 추정 위한 파라미터들의 예시가 나타 나 있다. 그림 2(a) 에는 한 참가자에 대한 수면다원검사 동 안의 평균호흡수와 평탄화된 호흡수의 예시가 나타나 있다 ( 표 1 참조). 그림 2(b) 에는 호흡수의 분산과 평탄화된 호흡 수의 분산, (c) 에는 평탄화된 호흡수와 적응 기준 값 1, (d) 에는 평탄화된 호흡수 분산과 선형 기준치 및 적응 기준 값 2 가 나타나 있다. 그림 2의 (c) 와 (d)에 나타나 있는 회색 사각형은 수면 전문의에 의해 판독된 렘 수면 구간을 나타 내는 것이다. 신호 처리된 파라미터들이 아래의 조건들을 동 시에 만족하는 경우에 해당 30초 구간 (에폭, epoch) 을 렘 수면으로 추정하였다.

조건 1: 평탄화된 호흡수 > 적응 기준 값 1 조건 2: 평탄화된 호흡수 분산 > 선형 기준 값 조건 3: 평탄화된 호흡수 분산 > 적응 기준 값 2 이렇게 선정된 에폭에 대하여, 기존 연구 방법에 추가적 으로 두 개의 후 처리 과정을 통하여 렘 수면 구간으로 결 정하였다. 첫째, 일반적으로 렘 수면은 수면이 시작한 후 어 느 정도 시간 이내에는 발생하지 않기 때문에[18] 처음 25분 이내에 발생했다고 추정한 렘 수면 구간은 렘 수면이 아닌 구간으로 교정하였다. 둘째, 렘 수면은 발생하면 연속적으로 나오는 경향이 있기 때문에[18] 5분 이내로 발생했다고 추 정된 렘 수면 구간은 모두 렘 수면이 아닌 구간으로 교정하

였다. 그림 3에 상기 언급한 렘 수면 추정 알고리즘에 대한 간략한 흐름이 나타나 있다. 그림에서는 PVDF 센서로부터 무구속적으로 생체 신호를 측정 후 신호 처리를 통하여 호 흡 신호를 뽑아내고, 뽑아낸 호흡 신호를 이전 연구 방법에 근거하여 렘 수면 구간으로 구분해 낸 후, 마지막으로 후 처 리를 통해 최종적으로 렘 수면 구간을 확정하는 것까지가 표 시되어 있다. 그림에서 점 선으로 표시 되어 있는 부분은 이 전 연구 방법을 본 연구에서 인용한 부분에 대한 것이다[17].

무구속 렘 수면 모니터링 알고리즘 성능을 평가하기 위하 여 20명의 검증 집합(test-set) 데이터에 대하여 30초 구간 별로 적용한 후 렘 수면 추정 결과를 수면기사와 수면전문 의가 판독한 수면다원검사 결과의 렘 수면 구간과 비교하였 다. 20명의 검증 집합 중 (남: 11) 정상인은 9명 수면 무호 흡증 환자는 11명 이였으며, 무호흡증 환자의 경중 여부는 각각 2명(경증)/9명(중간) 이었다. 본 연구에서 민감도(sen- sitivity) 는 렘 수면을 실제 렘 수면으로 잘 추정하였는지를 나타내는 지표이고, 특이도(specificity) 는 렘 수면이 아닌 구간을 실제 렘 수면이 아닌 구간으로 잘 추정하였는지를 나 타내는 지표이다.

3. 연구 대상

본 연구에는 총 26명 (남: 16) 이 참가하였다. 피험자들의 평균 나이는 47세 (19-73) 이었고, 평균 체질량지수(BMI, Body Mass Index) 는 25.6 kg/m

이었다. 피험자들 중 폐 쇄성 수면 무호흡증(Obstructive Sleep Apnea, OSA) 이 있는 환자의 수는 17명 이었고, 무호흡-저호흡 지수(Apnea- Hypopnea Index, AHI) 를 기준으로 수면 무호흡증의 경중 여부를 나누었을 때에는 경증(mild) 4명, 중간(moderate) 11 명, 중증(severe) 2명 이였다.

4. 수면다원검사 데이터

본 실험의 모든 과정은 서울대학교병원 의학연구윤리심의 위원회(IRB) 가 승인한 절차에 의해 진행되었다. 피험자들

그림 3. 렘 수면 추정 방법 흐름도. 점선으로 표시한 부분은 본 연구진이 호흡 신호를 이용하여 램 수면을 추정했던 이전 연구 결과를 인용한 것이다.

Fig. 3. REM sleep estimation procedure. The dotted line part indicate REM sleep estimation method using respiratory dynamics from the previous study.

59 은 서울대학교 병원 수면의학센터를 방문하여 야간수면다원

검사를 받았다. 모든 수면다원검사 데이터는 미국 수면의학 아카데미에서 정한 표준 수면다원검사 규칙에 의거하여 측 정되었으며, 데이터의 판독은 수면다원기사와 수면 전문의 에 의해 이루어 졌다. 수면검사 데이터는 NI-DAQ 6221 시 스템(National Instruments, 오스틴, 텍사스, 미국) 에 의 해 수집되었고 측정신호는 250 Hz 로 표본화 하였다.

III. 결 과

30 초 구간별 렘 수면 추정에 대한 통계적인 정확도를 그림 4 에 나타내었다. 그림에서 p-value 는 정상군과 수면무호흡 증 군간의 독립표본 T검정을 한 결과를 나타낸 것이다. 카파 (Kappa) 값은 우연에 의해 일치된 부분을 통제하고 순수하게 결과가 일치한 두 클래스 간의 일치도를 평가하기 위해 사용 되는 지표로써 일반적으로 0.60이상이면 상당히(substantial) 일치되었음을 나타낸다[19]. 그림에서 볼 수 있듯이 정상인 뿐만 아니라 폐쇄성 수면 무호흡증 환자에 대해서도 대등한 수준으로 렘 수면을 추정하는 결과를 도출하였다.

그림 5에는 본 연구에서 제안한 방법으로 추정한 렘 수면 시간과 수면다원검사 결과에서 구한 렘 수면 시간을 비교하 여 나타내었다. 독립표본 T검정 결과, 제안한 방법과 수면 다원검사 결과 렘 수면 시간간에 통계적으로 유의미한 차이 가 없음을(p-value: 0.975) 확인할 수 있었다.

표 2에는 렘 수면을 추정한 이전 연구들과 본 연구에서 무구속적으로 추정한 결과를 비교하여 제시하였다. 이전 연 구 결과들과 비교했을 때, 렘 수면 추정 정확도가 높다는 것 을 확인 할 수 있었다.

IV. 토 의

1. 본 연구와 수면다원검사 결과의 일치도

본 연구에서는 PVDF 필름 기반 센서를 이용하여 수면 중 피험자의 호흡 신호를 측정하고, 이전 호흡 신호 기반 렘

수면 추정 방법[17] 에 근거해 렘 수면 구간이 추정 가능한 지에 대해 분석해보았다. 호흡 신호 측정은 무구속적인 방법 으로 이루어졌으며 렘 수면 구간 추정은 본 연구에서 수정한 이전 연구 방법을 이용하였다.

검증 집합의 PVDF 데이터에 알고리즘을 적용하고 그 결 과를 수면다원검사 결과와 비교했을 때, 그림 4에서 볼 수 있듯이, 높은 일치도 (평균 카파: 0.60) 가 있다는 것을 확인

Fig 4. Statistical results of epoch-by-epoch REM sleep estimation from test-set data.

그림 5. 검증 집합에서의 수면다원검사 결과 렘 수면 시간과 본 연구 에서 추정한 렘 수면 시간.

Fig. 5. Duration of REM sleep from PSG and proposed method from test-set data.

표 2. 30초 구간 단위의 렘 수면 추정 결과에 대한 이전 연구 결과들과의 비교

Table 2. Epoch-by-epoch comparison of REM sleep estimation results with previous studies

Author Signal Sensor N(Normal/OSA) Accuracy (%)

Watanabe [2] Movement, BCG Pneumatic 12 (12/0) 38.3± 20.3

Xiao [4] ECG Ag/AgCl 45 (45/0) 59.8± 19.9

Kortelainen [3] BCG Emfit 18 (18/0) 80.0± 9.0

Tanida [5] ECG Ag/AgCl 10 (10/0) 80.3± 4.2

Chung [16] Respiration Thermocouple 22 (13/9) 87.7± 4.9

Chung [16] Respiration Belt-type 22 (13/9) 88.1± 5.0

Hwang Respiration PVDF 20 (9/11) 88.9± 4.0

BCG: Ballistocardiogram, ECG: Electrocardiogram, PVDF: Polyvinylidene fluoride

60

할 수 있었다. 또한, 본 연구에서 추정한 렘 수면 시간을 수 면다원검사와 비교했을 때 통계적으로 대등하며, 유의미한 차이가 없었다는 것을 그림 5를 통하여 확인할 수 있었다.

위의 결과를 바탕으로 본 연구에서 제안한 렘 수면 추정 방법은 수면다원검사 결과와 비교할 만한 수준의 정확도를 가진다고 결론지을 수 있었으며, 간단하고 자동적으로 추정 하며 수면 전문가를 필요로 하지 않기 때문에, 하나의 독립 적인 장비로 제작된다면 가정 환경 기반에서 사용할 수 있 는 수면 모니터링 장비로 발전 될 수 있을 것이다.

2. 이전 관련 연구들과의 비교

본 연구에서 제안한 무구속 렘 수면 추정 방법을 이전 관 련 연구들과 비교하였을 때, 비슷하거나 더 높은 정확도를 보였다. 본 연구와 같이 무구속적으로 렘 수면을 추정하고 자 했던 이전 연구들이 있다. Watanabe 등이 수행했던 연 구에서는 기압 센서 기반의 움직임 및 심탄도를 측정할 수 있는 센서를 사용하여 생체 신호를 측정하고 이를 이용하여 무구속적으로 렘 수면을 추정하고자 하였다[2]. 표 2에서 확 인할 수 있듯이, 본 연구에서 사용한 것 보다 더 많은 종류 의 생체신호를 측정하고 평가 피험자수가 적었음에도 불구 하고, 30초 구간 단위의 렘 수면 추정 정확도에서 본 연구결 과보다 유의미하게 낮은 성능을 보였다(38.3% vs. 88.9%).

이는 렘 수면에서는 몸의 근 긴장(muscle tone)이 완화되 어 움직임이 거의 발생하지 않고[18], 기압 센서로 측정한 심탄도 신호가 외부 잡음 이나 동 잡음에 의해 쉽게 영향을 받아 전체 수면 구간 동안 신호의 품질을 보장할 수 없었기 때문이라고 생각된다. Kortelainen 등은 PVDF 센서와 비 슷한 Emfit 센서를 이용하여 무구속적으로 심탄도 신호를 측정하고, 심박 간격을 추출한 후 심박 변이도(Heart rate variability, HRV) 분석을 통하여 렘 수면 구간을 추정하 고자 하였다[3]. 분석 데이터 중에 수면무호흡증 환자의 데이 터가 없었음에도 불구하고 본 연구의 결과와 비교했을 때, 렘 수면 추정 정확도는 평균 약 9% 정도(80.0 vs. 88.9) 낮은 성능을 보였다. 이는 위에서 언급했듯이, 심탄도 신호 자체 가 외부 잡음이나 동 잡음의 영향을 많이 받아 전체 수면 구간 동안 지속적으로 측정이 어렵기 때문에 존재하는 한계 점 때문이라고 생각된다.

정기성 등이 제안한 호흡동역학에 근거한 렘 수면 추정 방법[17] 의 결과와 본 연구 결과를 비교해보았을 때 모든 평가지표 사이에 유의미한 차이는 없었다. 그러나, 본 연구 에서 제안한 방법은 수면 중 호흡신호를 무구속적으로 측정 할 수 있기 때문에 수면을 방해할 수 있는 가능성이 있는 벨트 또는 온도 기반 호흡 센서를 착용할 필요가 없다는 장 점이 있다. 결론적으로 이전 무구속적인 렘 수면 추정 방법 들과 비교하였을 때 정확도가 유의미하게 높았으며, 구속적

인 렘 수면 추정 방법들과 비교하였을 때 정확도가 낮지 않 음과 동시에 무구속적으로 렘 수면을 추정할 수 있다는 장 점이 있었다.

3. 알고리즘에 대한 유용성 검증

본 연구에서는 피험자 별로 분 단위 평균호흡수 비율을 구하여 호흡 관련 파라미터를 도출하고 그에 따른 적응 기 준치(adaptive threshold) 를 적용하여 렘 수면 구간을 추 정함으로써 수면다원검사 결과와 대등한 수준으로 렘 수면 추정하는 결과를 도출하였다. 또한 주성분분석방법을 통하여 4 개의 PVDF 채널 신호들에 대해 가장 우세하게(dominant) 반영되는 호흡 신호 (주성분 1)를 추출 및 분석하였고 이를 통해 센서 위 사용자의 위치에 크게 영향 받지 않는 렘 수 면 추정 방법을 구현하였다.

그림 4에서 볼 수 있듯이, 독립표본 T검정을 이용하여 정 상군과 환자군 간에 민감도, 특이도, 정확도 및 카파 값을 비교해 보았을 때, 모든 통계 결과들에 대해 유의미한 차이 가 없었다(p-value > 0.05). 수면무호흡 환자들에게 무호흡 이 발생하더라도 호흡 주기 자체에는 큰 변화가 생기지 않아 수면무호흡 환자들에 대해서도 본 연구에서 제안한 방법이 정상인을 대상으로 실험한 결과와 비슷한 수준의 정확도를 보였다고 생각된다. 결론적으로, 본 연구에서 분석한 무구속 렘 수면 추정 방법은 정상인은 물론 폐쇄성 수면무호흡 환 자들에 대해서도 신뢰 높은 정확도로 렘 수면을 검출 할 수 있었다.

4. 한계점

본 연구가 갖는 한계점들 또한 있었다. 첫 번째, 본 연구 결과는 렘 수면 구간을 과대하게 추정하는 경향이 있었다(

그림 5). PVDF 필름 기반 센서에서 측정할 수 있는 호흡 신호의 크기가 동 잡음 신호 보다는 작은 신호이기 때문에 신호 측정 중 사용자의 움직임에 영향을 받아 이러한 현상 이 발생했다고 생각된다. 이러한 오류에도 불구하고, 본 연 구에서 추정한 렘 수면 시간과 수면다원검사 렘 수면 시간 간에 통계적으로 유의미한 차이는 없었다. 두 번째, PVDF 기반 센서의 최적의 위치나 크기에 대한 검증이 이루어지지 않았다. 이러한 최적화 단계를 통하여 렘 수면 추정 정확도 를 높일 수 있을 것이라고 생각된다. 마지막으로, 본 연구는 병원 내 수면검사실에서만 진행되었다. 가정이나 외래진료 외 환경에서는 본 연구에서 예측하지 못한 상황이 발생할 수 있을 것이라고 생각된다.

V. 결 론

본 연구에서는 PVDF 필름 기반 센서를 이용하여 무구속

61 적으로 정상인과 폐쇄성 수면무호흡증 환자의 렘 수면 구간

을 추정할 수 있는 방법의 유용성에 대해 확인해 보았다. 본 연구에서 제안한 생체 신호 측정 센서와 이전 연구에서 제 안한 알고리즘을 통하여 수면다원검사와 비교할 수 있을 만 한 수준의 렘 수면 추정 성능을 확보 할 수 있었다.

References

[1] C. Iber, The AASM Manual for the Scoring of Sleep and Associated Events: Rules, Terminology and Technical Speci- fications, Westchester, IL, USA: Amer. Acad. Sleep Med., 2014, pp. 16-27.

[2] T. Watanabe, and K. Watanabe, “Noncontact method for sleep stage estimation,” IEEE Trans. Biomed. Eng., vol. 51, no. 10, pp. 1735-1748, 2004.

[3] J.M. Kortelainen, M.O. Mendez, A.M. Bianchi, M. Matteucci, and S. Cerutti, “Sleep Staging Based on Signals Acquired Through Bed Sensor,” IEEE Trans. Inform. Technol. Biomed., vol. 14, no. 3, pp. 776-785, 2010.

[4] M. Xiao, H. Yan, J.Z. Song, Y.Z. Yang, and X.L. Yang,

“Sleep stages classification based on heart rate variability and random forest,” Biomed. Signal. Proces., vol. 8, no. 6, pp. 624-633, 2013.

[5] K. Tanida, M. Shibata, and M.M. Heitkemper, “Sleep Stage Assessment Using Power Spectral Indices of Heart Rate Variability With a Simple Algorithm: Limitations Clarified From Preliminary Study,” Biol. Res. Nurs., vol. 15, no. 3, pp.

264-272, 2013.

[6] G.A. Marks, J.P. Shaffery, A. Oksenberg, S.G. Speciale, and H.P. Roffwarg, “A functional role for REM sleep in brain maturation,” Behav. Brain Res., vol. 69, no. 1-2, pp. 1-11, 1995.

[7] R. Stickgold, “Sleep-dependent memory consolidation,”

Nature, vol. 437, no. 27, pp. 1272-1278, 2005.

[8] J.A. Dempsey, S.C. Veasey, B.J. Morgan, and C.P. Donnell,

“Pathophysiology of Sleep Apnea,” Physiol. Rev., vol. 90, pp. 47-112, 2010.

[9] B.F. Boeve, “REM sleep behavior disorder: Updated review of the core features, the REM sleep behavior disorder-neuro-

degenerative disease association, evolving concepts, contro- versies, and future directions” Ann. N.Y. Acad. Sci., vol.

1184, pp. 15-54, 2010.

[10] M. Ako, T. Kawara, S. Uchida, S. Miyazaki, K. Nishihara, J.

Mukai, K. Hirao, J. Ako, and Y. Okubo, “Correlation between electroencephalography and heart rate variability during sleep,” Psychiatry Clin. Neurosci., vol. 57, no. 1, pp.

59-65, 2003.

[11] F. Versace, M. Mozzato, G.D. Tona, C. Cavallero, and L. Ste- gagno, “Heart rate variability during sleep as a function of the sleep cycle,” Biol. Psychol., vol. 63, no. 2, pp. 149-162, 2003.

[12] Z. Shinar, S. Akselrod, Y. Dagan, and A. Baharav, “Auto- nomic changes during wake-sleep transition: a heart rate variability based approach,” Auton. Neurosci., vol. 130, no.

1-2, pp. 17-27, 2006.

[13] J.M. Orem, A.T. Lovering, and E.H. Vidruk, “Excitation of Medullary Respiratory Neurons in REM Sleep,” Sleep, vol.

28, no. 7, pp. 801-807, 2005.

[14] E. Chan, H. W. Steenland, H. Liu, and R.L. Horner, “Endog- enous Excitatory Drive Modulating Respiratory Muscle Activity across Sleep-Wake States,” Am. J. Respir. Crit. Care Med., vol. 174, no. 11, pp. 1264-1273, 2006.

[15] J.W. Kantelhardt, T. Penzel, S. Rostig, H.F. Becker, S. Hav- lin, and A. Bunde, “Breathing during REM and non-REM sleep: correlated versus uncorrelated behaviour,” Physica A, vol. 319, pp. 447-457, 2003.

[16] S.H. Hwang, H.N. Yoon, D.W. Jung, Y.J. Lee, D.U. Jeong, K.S. Park., “Apnea Event Estimation During Sleep Using Polyvinylidene Fluoride Film,” in Proc. eTELEMED 2013, Nice, France, Feb. 2013, pp. 280-283.

[17] G.S. Chung, B.H. Choi, J.S. Lee, J.S. Lee, D.U. Jeong, and K.S. Park, “REM sleep estimation only using respiratory dynamics,” Physiol. Meas., vol. 30, no. 12, pp. 1327-1340, 2009.

[18] M. H. Kryger, T. Roth, and W. C. Dement, Principles and practice of sleep medicine, 5th ed., Philadelphia, PA: Elsevier/

Saunders, 2011, pp. 20, 92-93.

[19] A.J. Viera, and J.M. Garrett, “Understanding interobserver agreement: the kappa statistic,” Fam. Med., vol. 37, no. 5, pp. 360-363, 2005.