학 술 논 문
211
단일주파수분석을 이용한 심폐소생술 흉부압박깊이 추정
유원상·강성민·최성욱
강원대학교 기계융합공학과
Estimation of Chest Compression Depth during Cardiopulmonary Resuscitation by using Single Frequency Analysis
One Sang U, Seong Min Kang and Seong Wook Choi
Department of Mechanical Convergence Engineering, Kangwon National University (Manuscript received 26 July 2017 ; revised 23 August 2017 ; accepted 29 August 2017)
Abstract: During the emergency situation such as cardiac arrest, cardiopulmonary resuscitation(CPR) is the most important treatment to maintain patient’s blood circulation. Since the quality of CPR can not be easily measured or evaluated by the eye, an assistive device with an accelerometer can help to assess the pressure depth of CPR. In this study, we propose a single frequency analysis method to reduce the error of the accelerometer by extracting only one frequency component from the Fourier transform process. To verify the effectiveness of the single frequency analysis, acceleration data at CPR conditions were measured at a sampling rate of 50 / sec using a wristband equipped with an acceleration sensor. Then, We compared the existing distance estimation method and the single frequency analysis method using the measured data. The amplitude value proportional to the compression depth was obtained by applying the single frequency analysis method.
Key words: Cardiopulmonary resuscitation(CPR), CPR quality, Single Frequency Analysis, Compression Depth, Feedback
I. 서 론
심폐소생술(Cardiopulmonary Resuscitation, CPR)은 심정지 환자가 발생했을 때, 심장을 대신해 혈류 순환 유지 및 심폐소생을 위하여 시행되는 응급처치이며, 응급환자의 생존에 지대한 영향을 끼친다. 환자에게 직접 시행하는 CPR 은 시행자의 경험과 숙련도에 따라 흉부 압박 깊이나 압박 빈도가 달라진다. CPR의 압박 깊이가 너무 깊으면 골절 및 장기손상을 일으킬 수 있으며, 압박빈도나 압박깊이가 모자 라다면 환자의 혈류 순환과 심폐소생의 가능성이 크게 낮아 지기 때문에 CPR의 압박깊이를 확인하는 것은 CPR의 안
전성 및 환자의 생존률에 지대한 영향을 줄 수 있다[1-3].
CPR의 압박깊이를 확인하기 위해 CPR을 시행할 때 침 습적 방법으로 측정한 동맥압을 이용하여 압박깊이를 추정 하는 연구[4], CPR 시행시 환자의 가슴에 작용하는 압력을 측정하여 압박깊이 추정하는 연구[5], 호기말 이산화탄소 분 압(EtCO2)과 CPR의 압박깊이, 압박빈도, 환기율(인공호흡 수)의 여러 파라미터과의 상관관계 연구 등의 CPR의 품질 을 평가하기 위한 여러 가지 연구가 진행되었다[6-8].
현재 응급구조사 또는 전문 의료인이 수행하고 있는 CPR 의 압박깊이와 압박빈도를 측정하고, 측정된 결과를 CPR 시행자에게 피드백하기 위한 여러 장치들이 개발되고 있으 며, 개발된 장치들을 이용하여 군과 병원, 학교 등에서 CPR 교육과 실제 상황에 이용하고 있다[9]. 하지만 이러한 방법 들은 장비의 크기가 크고 설치시간이 소요되기 때문에 응급 환자에게 적용하는 것이 사실상 어려우며, 정확한 CPR이 수행되고 있는지를 실시간으로 확인할 수 없기 때문에 CPR 시행자에게 CPR의 압박깊이를 피드백 할 수 있는 새로운 Corresponding Author : Seong Wook Choi
Department of Mechanical Convergence Engineering, Kangwon National University
TEL: +82-33-250-6319, 010-3036-6195 E-mail : [email protected]
이 연구는 2017년도 산업통상자원부의 재원으로 경제협력권산업육 성사업의 지원을 받아 수행된 연구임(No.R0004491).
212
II. 재료 및 방법
CPR 가이드라인에 따르면 성인의 경우 압박 빈도는 분 당 100회 이상, 압박 깊이는 5 cm 이상으로 지시하고 있다.
가이드라인에서 제시하고 있는 100bpm, 5 cm를 기준으로 CPR의 압박 빈도와 압박 깊이의 변화에 따른 데이터를 비
환산과, 단일 주파수 분석법을 각각 적용하였다.
적분을 통한 거리환산은 그림 2와 같은 알고리즘으로 수 행되며, 각 과정은 그림 3과 같은 결과를 나타낸다. 가속도
표 1. 실험 조건.
Table 1. Experimental conditions.
Compression frequency
Compression depth 80bpm 100bpm 120bpm
3 cm 80bpm, 3 cm 100bpm, 3 cm 120bpm, 3 cm
5 cm 80bpm, 5 cm 100bpm, 5 cm 120bpm, 5 cm
그림 1. 매뉴얼 실험장치의 구성. (① 메트로놈, ② CPR 보조장치,
③ 자, ④ 3 cm 표시선, ⑤ 5 cm 표시선).
Fig. 1. Configuration of Manual Experiment Device. (① Metronom, ② CPR assist device, ③ ruler, ④ 3 cm marker line, ⑤ 5 cm marker line).
그림 2. 적분을 통한 거리 환산 알고리즘.
Fig. 2. Algorithm of distance conversion through integra- tion.
213
센서로 측정된 원본 데이터(그림 3a)에서 평균값을 감산하여 오프셋을 제거한다. 그 뒤, 이동평균필터(Moving Average Filter, MAF)를 적용하여 노이즈를 제거한 뒤(그림 3b), 데 이터를 적분하여 속도 데이터를 구한다(그림 3c). 적분된 속 도 데이터를 한 번 더 적분하여 이동거리 데이터를 구한다 (그림 3d). 구해진 이동거리 데이터의 오프셋을 제거한 뒤 (그림 3e), 압박빈도의 주파수 별로 데이터 길이를 샘플링 주파수에 압박빈도 주파수로 나눈 값의 데이터 길이 범위로 이동거리 데이터의 최댓값-최솟값의 차를 계산하여 압박 깊 이를 구한다(그림 3f).
단일 주파수 분석법은 원본 데이터에 각 조건별로 압박빈 도와 같은 주파수의 sin파와 cos파를 식 1, 2 같이 각각 곱 연산한다. t는 시간, fs는 샘플링 주파수, n은 데이터 번호, N은 압박빈도의 한 주기의 데이터 길이이며, 구하는 식은 N =샘플링 주파수*bpm/60으로 구하였다.
,
식 (1)
,
식 (2)
곱연산을 한 데이터 asin(n), acos(n)에 MAF를 적용하여 노이즈를 제거한 뒤, 주파수 성분으로 데이터를 변환하기 위 해 식 3과 같은 과정을 거친다. 여기서 ω0는 CPR의 각속 도(2πf)이다.
식 (3) asin( ) a t() sin 2πt
period --- t
⎝ ⎠
⎛ ⎞
⋅ a t( )sin 2π N f⁄s
--- t
⎝ ⎠
⎛ ⎞
= =
asin( ) a nn ( ) sin 2π ---nN
⎝ ⎠
⎛ ⎞
⋅
=
acos( ) a t() cos 2πt period --- t
⎝ ⎠
⎛ ⎞
⋅ a t( )cos 2π N f⁄s
--- t
⎝ ⎠
⎛ ⎞
= =
acos( ) a nn ( ) cos 2π ---nN
⎝ ⎠
⎛ ⎞
⋅
=
Asin( ) 2ω0
N---- asin n 0= N 1–
∑ ( )n
=
그림 3. 적분을 통한 거리 환산 신호처리 과정, (a) 측정된 원본 데이터, (b) 오프셋을 제거한 후 MAF를 적용한 가속도 데이터, (c) 가속도 데이터를 적분한 속도 데이터, (d) 속도 데이터를 적분한 거리 데이터, (e) 거리 데이터의 오프셋을 제거한 이동거리 데이터, (f) 이동거리 데 이터의 한 주기의 최댓값-최소값의 차이를 구해 왕복거리 추정.
Fig. 3. Distance conversion signal processing through integration, (a) raw data, (b) acceleration data after offset removal and moving average filter, (c) velocity data obtained by integrating acceleration data, (d) distance data obtained by integrating the velocity data, (e) distance data after offset removal of distance data, (f) Estimation of the Shuttle distance by obtaining the difference between the maximum value and the minimum value of one cycle of distance data.
214
주파수 성분으로 변환된 가속도 데이터를 이용하여 식 4 와 같이 위상(phase)을 구할 수 있으며, 식 5와 같이 가속
식 (6)
식 (7)
위와 같이 적분을 통한 거리환산 방법과 단일 주파수 분 석법을 이용하여 10개의 CPR 압박표본의 데이터의 각 조 건별로 압박깊이 추정량과 오차율을 구하였다. 오차율은 압 박깊이 추정값들의 표준편차의 1.96배(신뢰구간 95%)를
으로 나눈 값이다.
III. 결 과
수동으로 시행한 CPR을 통해 추출한 가속도 데이터를 적 분을 이용한 거리환산 방법과 단일 주파수 분석법을 각각 적용한 결과 평균 압박깊이 추정값과 오차율은 그림 6과 같 은 결과를 보였으며, 10개의 CPR 압박표본을 이용하여 계
l ω( ) V ω0 ( )0 ω0
--- A ω( )0 ω02
---
= =
l ω( )0
∠ =∠V ω( )0 –90=∠V ω( )0 –180
10
그림 4. 단일 주파수 분석법의 알고리즘.
Fig. 4. Algorithm of single frequency analysis.
그림 5. 단일 주파수 분석법의 신호처리 과정 (a) 측정된 원본 데이터, (b) 원본 데이터에 sin파, cos파를 각각 곱연산하여 동기화한 데이터, (c) 동기화된 데이터를 이용하여 계산된 위상 데이터, (d) 동기화된 데이터를 이용하여 계산된 amplitude 데이터.
Fig. 5. Single frequency analysis signal processing (a) raw data, (b) synchronized data by multiplying the original data by sin and cos (c) phase data calculated using synchronized data (d) amplitude data calculated using the synchronized data.
215
산하였다.
적분을 이용한 거리환산 방법의 결과는 표 2와 같이 나타 났다. (80bpm, 3 cm), (100bpm, 3 cm) 조건의 압박깊이 추정값을 각각 평균을 낸 결과 3.16 ± 0.55 cm, 3.50 ± 0.50 cm으로 어느정도 압박깊이 추정을 할 수 있었으나, 오차범 위가 너무 넓게 분포되어있다. (120bpm, 3 cm) 조건은 압 박깊이 추정 결과 1.54 ± 0.56 cm으로 3 cm에 비해 많이 낮 았으며, 마찬가지로 압박깊이 추정값의 오차율이 36.34%로 너무 넓게 분포되어 통계적으로 유의한 결과가 나오지 못하 였다. 압박빈도의 구분 없이 3 cm 조건의 모든 데이터를 이 용하여 압박깊이를 추정한 결과 2.73 ± 0.75 cm의 결과가 나왔다.
(80bpm, 5 cm), (100bpm, 5 cm), (120bpm, 5 cm) 조건 의 압박깊이 추정 결과 각각 3.77 ± 0.75 cm, 3.82 ± 0.43 cm, 3.55± 0.55 cm으로 (80bpm, 3 cm) 조건과 (100bpm, 3 cm) 조건의 추정 결과에 비해 유의한 차이를 나타내지는 못하였으며, 오차율은 압박빈도의 구분 없이 5 cm 조건의 모든 데이터를 이용하여 압박깊이를 추정한 결과 3.71 ± 0.60 cm의 결과가 나왔다.
단일 주파수 분석법을 적용한 압박깊이 추정 결과는 표 3 과 같이 나타났다. (80bpm, 3 cm), (100bpm, 3 cm), (120 bpm, 3 cm) 조건의 압박깊이 추정값을 각각 평균을 낸 결 과 2.92 ± 0.44 cm, 3.19 ± 0.34 cm, 3.24 ± 0.27 cm으로 나 왔다. 3 cm 조건의 모든 압박깊이 추정값을 평균은 3.11 ± 그림 6. 각 조건에 따른 압박깊이 추정값의 평균(신뢰구간 95%) (a) CPR의 압박 표본 1개 (b) CPR의 압박 표본 10개.
Fig. 6. Average of pressure depth estimates according to each condition (p-value = 0.05) (a) 1 sample of CPR (b) 10 samples of CPR.
표 2. 적분을 통한 거리환산 결과.
Table 2. Result of Distance conversion through integration.
Distance conversion through integration Number of
samples
80bpm 3 cm
100bpm 3 cm
120bpm 3 cm
Average of 3 cm
80bpm 5 cm
100bpm 5 cm
120bpm 5 cm
Averageof 5 cm 1 samples 3.16± 1.73 3.50 ± 1.59 1.54 ± 1.78 2.73 ± 2.38 3.77 ± 2.37 3.82 ± 1.37 3.55 ± 1.73 3.71 ± 1.88
Error rate 54.80% 45.32% 114.93% 87.16% 62.75% 35.91% 48.86% 50.76%
10 samples 3.16± 0.55 3.50 ± 0.50 1.54 ± 0.56 2.73 ± 0.75 3.77 ± 0.75 3.82 ± 0.43 3.55 ± 0.55 3.71 ± 0.60
Error rate 17.33% 14.33% 36.34% 27.56% 19.84% 11.36% 15.45% 16.05%
표 3. 단일 주파수 분석법 결과.
Table 3. Result of Single frequency analysis.
Single frequency analysis Number of
samples
80bpm 3 cm
100bpm 3 cm
120bpm 3 cm
Average of 3 cm
80bpm 5 cm
100bpm 5 cm
120bpm 5 cm
Averageof 5 cm 1 samples 2.92± 1.40 3.19 ± 1.06 3.24 ± 0.86 3.12 ± 1.16 4.47 ± 1.55 4.36 ± 0.75 5.12 ± 1.02 4.65 ± 1.33
Error rate 47.90% 33.30% 26.42% 37.26% 34.79% 17.20% 19.91% 28.67%
10 samples 2.92± 0.44 3.19 ± 0.34 3.24 ± 0.27 3.12 ± 0.36 4.47 ± 0.49 4.36 ± 0.24 5.12 ± 0.32 4.65 ± 0.42
Error rate 15.15% 10.53% 8.35% 11.78% 11.00% 5.44% 6.30% 9.07%
216
적분을 이용한 거리환산 방법으로 압박깊이를 추정했을 때 (80bpm, 3 cm), (100bpm, 3 cm) 조건의 경우, 3.16 ± 0.55 cm, 3.50± 0.50 cm으로 대략적인 압박깊이 추정이 가 능한 것으로 보였으나, 압박깊이 추정값의 오차율이 각각 17.33%, 14.33%으로 분포되었고, 같은 방법으로 측정된 (120bpm, 3 cm) 조건의 압박깊이 추정값이 1.54 ± 0.56 cm으로 3 cm에 다른 조건에 비해 압박깊이 추정값의 평균 이 너무 낮았으며, 압박깊이 추정값의 오차율이 36.34%로 너무 넓게 분포되어 유의한 결과라고 보기는 어렵다. (80 bpm, 5 cm), (100bpm, 5 cm), (120bpm, 5 cm) 조건의 경 우에도 압박깊이 추정 결과 각각 3.77 ± 0.75 cm, 3.82 ± 0.43 cm, 3.55± 0.55 cm으로 (100bpm, 3 cm) 조건의 3.50 cm에 비해 유의한 차이를 나타내지는 못하였다. 압박 빈도의 구분 없이 같은 깊이조건의 모든 데이터를 이용하여 압박깊이를 추정한 결과 3 cm 조건 2.73 ± 0.75 cm, 5 cm 조건 3.71 ± 0.60 cm의 결과로 압박깊이에 따른 추정값의 변화는 보이나 추정된 압박깊이의 오차율이 각각 27.56%, 16.05%로 넓게 분포되어있어 일정 시간 단위로 평균을 내 기 전에는 압박깊이를 빠르게 확인하기는 힘들며, (120bpm, 3 cm)의 조건과 같이 추정값이 제대로 나오지 않는 오류가 나타나므로 이를 보정하고 개선해야할 필요성이 있다.
가속도 센서를 이용하여 측정된 데이터를 이중 적분하여 심폐소생술 압박 깊이를 추정한 다른 연구에서는 오차가 약 0.2 cm으로 오차가 본 연구에서 진행한 것보다 많이 작았 다. 위의 논문과 본 논문의 결과가 다르게 나온 이유는 가 속도 센서의 샘플링 주파수가 굉장히 높고, 노이즈가 적은 환경에서 실험이 진행되었기 때문으로 보인다[10].
하지만 본 연구에서 사용된 가속도 센서는 샘플링 주파수 가 50으로 낮은 편이며, 가속도 센서에 전원만 켰을 때의 기본 노이즈가 굉장히 크기 때문에, 적분을 통한 거리환산 방법을 이용하여 압박깊이를 추정하였을 때 추정값의 오차 율이 크고 분포가 넓게 나타나는 이유는 원본 데이터에 섞 여있는 노이즈 성분까지도 함께 적분이 되어 압박깊이 추정 값에 포함되기 때문으로 보인다.
단일 주파수 분석법으로 압박깊이를 추정했을 때 표 3과 같이 (80bpm, 3 cm), (100bpm, 3 cm), (120bpm, 3 cm)
다른 노이즈는 제거되기 때문으로 생각된다.
(80bpm, 5 cm), (100bpm, 5 cm), (120bpm, 5 cm) 조건 의 경우 4.47 ± 0.49 cm, 4.36 ± 0.24 cm, 5.12 ± 0.32 cm 으로 압박깊이 추정이 가능했으며, 5 cm 깊이 조건의 모든 압박깊이 추정값을 평균낸 결과 4.65 ± 0.42 cm의 결과가 나타났다. 동일한 5 cm 조건에서 적분을 통한 거리환산 방 법보다 단일 주파수 분석법을 이용한 압박깊이 추정값의 오 차율이 평균적으로 약 7% 줄었다.
표준편차는 시행된 CPR의 압박 표본 1개의 측정 데이터 를 이용하여 계산할 경우 그림 6a와 같이 분포되며, 특정한 조건(80bpm, 3 cm)에서 제시한 방법은 측정 오차의 범위 가 신호의 약 48% (p-value = 0.05) 까지 분포할 수 있음 을 확인하였다. 오차의 원인은 센서의 정밀도가 낮기 때문 이며, 오차에 편향성이 없음을 확인하였다. 센서의 정밀도 문제로 인해 발생하는 오차는 여러 개의 데이터를 수집하여 평균을 구하는 방식으로 줄일 수 있는데, 시행된 CPR의 압 박 표본 10개의 데이터를 수집할 경우 그림 6b와 같이 오 차 범위는 신호의 15% 이내로 줄일 수 있다. 이 경우 10 개의 데이터를 수집하기 위한 시간이 bpm에 따라 5~7.5초 발생하게 되는데 이 정도의 시간 지연은 CPR의 품질을 확 인하는데 영향을 주지 않을 것으로 보인다.
무엇보다도 CPR 모니터는 CPR 조건을 5 cm의 압박깊 이에서 100bpm의 압박빈도를 유지하도록 하는 것이며 (100bpm, 5 cm) 조건에서 2회의 측정만으로 오차 범위를 15% 이내로 줄일 수 있고, 10회 측정 시 오차 범위를 6%
이내로 줄일 수 있기 때문에 센서 정밀도로 인한 오차를 크 게 줄일 수 있을 것이다.
위와 같은 결과를 볼 때, 단일 주파수 분석법을 이용한 압 박깊이 추정 방법은 기존의 적분을 통한 거리 환산보다 더 정확하며, 고속퓨리에변환(Fast Fourier Transform, FFT) 에 비해 매우 간단하기 때문에 CPR의 압박깊이를 평가하 고 신속하게 피드백 할 수 있을 것으로 기대된다.
V. 결 론
본 연구는 가속도센서를 이용하여 CPR의 압박깊이를 추
217 정하기 위한 신호처리 방법에 대한 연구이며, 적분을 통한
거리환산 방법과 단일 주파수 분석법을 비교하였다. 비교한 결과 적분을 통한 거리 환산 방법은 노이즈로 인해 압박깊 이가 제대로 계산되지 않거나, 압박깊이가 다른 조건에서 추 정된 압박깊이는 차이가 별로 없는 등의 문제가 있었다. 반 면, 단일 주파수 분석법을 적용하여 외부 요인으로 인한 노 이즈를 제거하고 원하는 주파수 성분의 압박 깊이를 파악할 수 있었으며, 기존 방법인 적분을 통한 거리환산 방법에 비 해 압박깊이 추정값의 오차율이 평균적으로 약 11% 더 작 았으며, 특히, 적분을 통한 거리환산으로는 제대로 구할 수 없었던 (120bpm, 3 cm) 조건의 압박 깊이 추정값의 오차 율은 단일 주파수의 분석법으로 구한 압박 깊이 추정값의 오차율이 약 28% 더 작았다.
구급차, 응급실, 군, 병원 등 CPR 교육현장 및 실제 응 급 상황 등에서 사용되는 CPR 보조장치 및 자동심폐소생 술기기(Automatic CPR Machine, ACM) 등에서 얻어지 는 데이터에 단일 주파수 분석법을 적용하여 CPR의 압박 깊 이를 확인하고 피드백 하여 ACM 및 CPR 보조장치를 이용 한 CPR의 정확도 향상에 기여할 수 있을 것으로 기대된다.
Reference
[1] B.S. Abella, J.P. Alvarado, H.M. BEng, D.P. Edelson, A.
Barry, N. O’Hearn, T.L.V. Hoek, L.B. Becker, “Quality of Cardiopulmonary Resuscitation During In-Hospital Cardiac Arrest”, JAMA, vol. 293, no. 3, pp. 305-310, 2005.
[2] S. Biswas, A. Alpert, M. Lyon, C.R. Kaufmann, “Cardiopul- monary Resuscitation Complicated by Traumatic Hepatic Laceration: A Case Report and Review of Literature”, J Med Cases, vol. 8, no. 3, pp. 93-97, 2017.
[3] K.B. Kern, R.W. Hilwig, R.A. Berg, A.B. Sanders, G.A. Ewy,
“Importance of Continuous Chest Compressions During Car- diopulmonary Resuscitation”, Circulation, vol. 105, no. 5, pp.
645-649, 2002.
[4] S. Hoppu, M. Sainio, H. Huhtala, J. EilevstjØnn, J. Tenhunen, K.T. Olkkola, “Blood pressure during resuscitation in man - The effect of pause during rhythm analysis revisited”, Resus- citation, vol. 82, no. 11, pp. 1460-1463, 2011.
[5] J. Gruber, D. Stumpf, B. Zapletal, S. Neuhold, H. Fischer,
“Real-time feedback systems in CPR”, Trends in Anaesthe- sia and Critical Care, vol. 2, Issue 6, pp. 287-294, 2012.
[6] J.M. Ruiz, S.R. de Gauna, D.M. González-Otero, M. Daya, J.K. Russell, J.J. Gutiérrez, M. Leturiondo, “Relationship Between EtCO2 and Quality-Parameters During Cardiopul- monary Resuscitation”, Computing in Cardiology, vol. 43, pp. 957-960, 2016.
[7] K.R. Sheak, D.J. Wiebe, M. Leary, S. Babaeizadeh, T.C.
Yuen, D. Zive, P.C. Owens, D.P. Edelson, M.R. Daya, A.H.
Idris, B.S. Abella, “Quantitative relationship between end- tidal carbon dioxide and CPR quality during both in-hospital and out-of-hospital cardiac arrest”, Resuscitation, vol. 89, pp.
149-154, 2015.
[8] R.A. Murphy, B.J. Bobrow, D.W. Spaite, C. Hu, R. McDan- nold, T.F. Vadeboncoeur, “Association between Prehospital CPR Quality and End-Tidal Carbon Dioxide Levels in Out- of-Hospital Cardiac Arrest”, Prehospital Emergency Care, vol. 20, no. 3, pp. 369-377, 2016.
[9] J. Yeung, R. Meeks, D. Edelson, F. Gao, J. Soar, G.D. Per- kins, “The use of CPR feedback/prompt devices during train- ing and CPR performance: a systematic review”, Resuscitation, vol. 80, no. 7, pp. 743-751, 2009.
[10] Y.C. Nam, S.Y. Shin, H.S. Kim, S.H. Jeon, M. Song, T.M.
Sin, “CPR Compression Depth Estimating Algorithm by Using Accelerometer”, Proceedings of Symposium of the Korean Institute of communications and Information Sci- ences, vol. 60, pp. 729-731, 2016.
