Implementation of PTT Change Monitoring System According to Exercise Intensity

PTT기반 운동 강도 모니터링 시스템 구현

이지수

, 김동찬

, 이경택

, 김경섭

, 노윤홍

, 정도운

1

동서대학교 컴퓨터공학부,

부산디지털대학교 컴퓨터공학과

Implementation of PTT Change Monitoring System According to Exercise Intensity

Ji-Su Lee

, Dong-Chan Kim

, Gyeong-Tack Lee

, Gyeong-Seop Kim

, Yun-Hong Noh

, Do-Un Jeong

1

Division of Computer Engineering, Dongseo University

2

Department of Computer Engineering, Busan Digital University

요 약 심혈관질환은 전 세계 주요 사망 원인으로 다양한 원인에 의해 발생한다. 심혈관질환의 가장 높은 위험인자는 고혈압 으로 뚜렷한 증상이 없지만 방치할 경우 여러 합병증을 유발한다. 고혈압을 치료하기 위하여 약물치료와 규칙적 운동을 진행해 야한다. 고혈압 환자의 경우 과도한 신체 활동 시 심장에 큰 무리가 발생해 심혈관질환으로 이어질 수 있다. 따라서 적정 강도 로 운동을 진행할 수 있는 PTT 계측을 통한 운동 강도 모니터링 시스템이 요구된다. 본 연구에서는 심전도와 맥파 계측을 통해 PTT를 산출하여 운동 강도에 따른 PTT 변화 모니터링 시스템을 구현하였다. 구현된 시스템은 심전도의 R-peak와 맥파의 P-peak를 미분하여 peak간의 시간차를 이용하여 PTT를 산출한다. 운동 강도에 따른 PTT 변화 모니터링을 위하여 달리기 실험 을 진행하였다. 실험결과 저강도는 0.313s, 중강도는 0.220s, 고강도는 0.188s의 PTT가 측정되었으며, 운동 강도가 증가함에 따라 PTT는 감소하는 것을 확인하였다.

• 주제어 : 고혈압, 심전도, 맥파, 맥파전달시간, 운동 강도

Abstract Cardiovascular disease is the leading cause of death worldwide and is caused by a variety of causes. The

In people with high blood pressure, excessive physical activity can put a great strain on the heart and lead to cardiovascular disease. Therefore, there is a need for an exercise intensity monitoring system through PTT measurement that can perform exercise at an appropriate intensity. In this study, we implemented a PTT change monitoring system according to exercise intensity by calculating PTT through ECG and PPG measurement. The implemented system differentiates the R-peak of the ECG and P-peak of the PPG, and calculates the PTT using the time difference between R-peak and P-peak. A running experiment was conducted to monitoring PTT change according to exercise intensity. As a result of the experiment, low intensity PTT is 0.313s, moderate is 0.220s, high is 0.188s, it was confirmed that the PTT decreased as the exercise increase increased.

• Key Words : Hypertension, Electrocardiogram, Photoplethysmography, Pulse transit time, Exercise intensity

Received 10 February 2020, Revised 22 February 2020, Accepted 20 March 2020

* Corresponding Author Do-Un Jeong, Department of Computer Engineering, Dongseo University, 47, Jurye-ro, Sasang-gu, Busan, Korea.

E-mail: [email protected],kr

Ⅰ. 서론

전 세계 주요 사망원인으로 고 순위에 위치한 심혈 관질환은 고령화, 운동부족, 잘못된 생활습관, 그리고 유전적 원인 등 다양한 원인에 의해 발생한다[1]. 특히, 심혈관질환의 발병 원인 중 하나인 고혈압은 뚜렷한 증상이 없기 때문에 환자 스스로 인지하기 어려우며, 장기간 방치할 경우 여러 합병증을 유발한다. 고혈압 을 치료하기 위해 약물치료와 규칙적 운동을 함께 진 행하면서 지속적인 혈압측정을 통해 조절해야한다. 하 지만 심장의 수축 및 이완 시 혈관의 압력 차이가 급 격히 변화되는 고혈압 환자는 높은 강도의 운동을 진 행할 경우 심장에 무리가 발생해 더 심각한 심혈관질 환으로 이어질 수 있기 때문에 적절한 강도로 운동을 진행해야 한다[2]. 일반적으로 혈압을 측정하기 위해 커프형 상완식 혈압계를 많이 사용한다. 하지만 상완 에 감는 혈압계는 부피가 크고 연속적인 측정이 불가 능하며, 사용자의 팔 둘레나 기기의 압력이 혈압 측정 에 영향을 주기 때문에 정확성이 떨어지는 문제점이 있다[3]. 이러한 커프식 혈압 측정 방식의 문제를 해결 하기 위해 심전도 및 맥파의 동시측정을 통한 맥파전 달시간(PTT, purse transit time)을 분석한다. PTT는 두 동맥 부위 사이에서 혈액이 이동하는 시간을 분석한 것으로 혈압과 선형적 반비례 관계에 있어 혈압이 증 가할 때 PTT가 감소하고, 혈압이 감소할 때 PTT는 증 가하는 특성이 있다[4]. 또한, PTT는 소형화 센서를 통 해 연속적으로 측정 가능하며, 흉부나 팔에 부착하여 측정하기 때문에 혈압 측정에 영향을 주는 요소가 적 어 커프식 혈압계보다 정확성이 높다. 따라서 기존 커 프식 혈압계의 문제점을 해결하고 연속적인 측정을 하 기 위하여 본 논문에서는 사용자의 다중 생체신호를 계측하여 운동 강도에 따른 PTT 변화 모니터링이 가 능한 시스템을 구현하였다. 구현된 시스템은 ECG 및 PPG 센서로 측정된 사용자의 생체 데이터를 활용하여 PTT와 운동 강도를 검출한다. 운동 강도가 증가하면 혈압과 심박이 상승하기 때문에 일시적으로 PTT는 감 소하고 운동 후 휴식을 취할 때 PTT가 상승한다. 이에 따라 안정 상태의 PTT와 운동 직후 PTT의 변화량 모 니터링을 통해 혈압 강하 효과를 추정할 수 있다. 또 한, 애플리케이션을 통해 ECG 및 PPG 그래프와 검출 된 PTT, 그리고 운동 강도를 모니터링 가능하다.

Ⅱ. 관련 연구

PTT를 이용한 커프리스 방식의 혈압 변화를 모니터 링하기 위하여 ECG 및 PPG 신호 기반의 연속 커프리 스 혈압 추정의 새로운 동적 접근 방식, 심장-기계적 및 광적용적 방식 기반의 모니터링 기법에 관한 연구 들이 수행되었다[5, 6]. Sharifi 등 [5]의 연구는 ECG 및 PPG를 이용하여 PTT를 추출하고 VMD와 MARS 방법 을 통해 혈압을 추정한다. Yang 등 [6]의 연구는 스마 트폰에 내장된 관성 측정 장치와 오디오 잭으로 연결 된 하드웨어에서 ECG, PPG 신호를 계측한 후 애플리 케이션에 데이터를 전송하여 PTT를 검출한다. 기존에 수행된 연구들은 ECG신호에서 QRS Complex의 정점인 R-peak와 맥파의 1차 도함수의 정점인 P-peak를 이용 하여 PTT를 검출하였으며, 소형화된 센서를 통해 연속 적이고 정확도 높은 혈압 변화 모니터링 시스템을 구 현하였다. 본 논문에서는 고혈압 치료를 위하여 PTT기 반의 운동 강도 모니터링 시스템을 구현하였다. 구현 된 시스템은 PTT 모니터링뿐만 아니라 더 확장되어 운동 후 즉시 측정을 통해 운동 강도 모니터링이 가능 하다.

Ⅲ. 본론

3.1 시스템 구성

본 논문에서는 ECG 및 PPG 센서를 이용하여 운동 강도에 따른 PTT 변화 모니터링 시스템을 구현하였다.

구현된 시스템은 신호 계측 및 처리부, 소프트웨어부 로 구성된다. 신호 계측 및 처리부는 피지오랩의 ECG 센서(PSL-iECG2)와 PPG 센서(PSL-iPPG2)를 사용하여 사용자의 생체 신호를 측정한다. PSL-iECG2 및 PSL-iPPG2는 신호 증폭, 저 잡음 필터 설계, 그리고 분리 신호 및 전원 회로를 통해 전기적 안정성이 높으 며, 고품질의 생체 신호를 계측 가능하다[7]. 측정된 데 이터는 ADC 및 Filter를 이용하여 전처리 과정을 수행 후 블루투스 통신으로 소프트웨어부에 전송된다. 소프 트웨어부에서 전송 받은 데이터는 내장된 알고리즘들 통해 PTT 및 운동 강도를 산출하고 ECG 및 PPG 그래 프와 검출된 PTT, 운동 강도 모니터링이 가능하다. 그 림 1에 구현된 시스템의 전체 구성도를 나타내었다.

Fig. 1. System configure

3.2 생체신호 계측 및 PTT 검출 과정

본 논문에서는 PTT를 검출하기 위해 명확한 특징점 이 있는 ECG의 R-peak와 PPG의 P-peak 정점을 이용 하여 PTT를 산출하였다. R-peak와 P-peak 추출을 위 하여 먼저, ECG 및 PPG 원 신호를 측정한다. 측정된 원 신호는 ADC 및 Filter를 통해 전처리 과정을 수행 한다. 이 후 전처리가 수행된 신호를 1차 미분하고 특 정 임계값을 설정해 R-peak와 P-peak의 정점을 검출 한다. 마지막으로, 검출된 peak 정점 간의 시간차를 이 용하여 PTT를 산출하였다. 그림 2에 생체신호 계측 및 PTT 검출 과정을 나타내었다.

(a) The original ECG and PPG measurement signal

(b) The ECG and PPG signal performed preprocessing

(c) R and P peak detect after differentiation

(d) PTT detection using time difference of R and P peak Fig. 2. Bio-signal measurement and processing

3.3 심박 수를 이용한 운동 강도 검출

사용자의 운동 강도 추정을 위하여 카르보넨 공식 을 사용하였다[8]. 카르보넨 공식은 최대 심박 수 (















































×  (3)

운동 강도 검출 일례로 휴식 심박이 70인 25세 성 인이 운동 후 145의 운동 심박이 측정되었다면 식 (1) 에 의해 195의 최대 심박이 산출된다. 이후 식 (3)을

이용하여 운동 심박 145 - 휴식 심박 70, 최대 심박 195 - 휴식 심박 70을 수행한다. 이후 100을 곱하면 60%의 운동 강도가 산출된다. 이처럼 나이와 휴식, 운 동 심박 수를 이용하여 카르보넨 공식으로 운동 강도 를 판단할 수 있다.

Ⅳ. 실험 및 결과

4.1 구현된 시스템

구현된 시스템은 ECG, PPG 센서로 계측된 생체 신 호 데이터를 활용하여 애플리케이션을 통해 ECG 및 PPG 그래프와 PTT, 운동 강도를 모니터링 가능하다.

그림 3에 구현된 PTT 변화 모니터링 시스템 측정 일 례를 나타내었다.

(a) Implemented hardware system

(b) Implemented software system Fig. 3. Example of implemented system

PTT 변화 모니터링은 그림 3의 (b)와 같이 나타난 다. 운동 강도를 검출하기 위해 운동 전 휴식 심박을 측정하고 애플리케이션에 저장한다. 휴식 심박이 저장 되면 운동을 진행한 후 시스템을 부착하여 애플리케이 션에서 블루투스를 연결한다. 이후 나이를 입력하고 버튼을 누르면 ECG 및 PPG 그래프가 출력되며, Peak 를 검출이 완료되면 PTT와 운동 강도를 출력한다.

4.2 구현된 시스템 PTT 검출 성능 평가

구현된 시스템의 정확성을 판단하기 위하여 상용시 스템인 피지오랩의 P400과 PTT 검출 비교 실험을 진 행하였다. P400은 ECG 및 PPG, 그리고 PTT를 계측 가능한 시스템으로 높은 샘플링율과 분해능을 통해 신 뢰도 높은 데이터를 계측 가능하다. 실험은 피실험자 5명을 대상으로 구현된 시스템과 P400의 안정 상태 및 중강도 운동의 PTT를 계측하여 비교하였다. 실험 결과 구현된 시스템의 안정 상태 PTT는 0.482s, 중강도 운 동 PTT는 0.224s, 상용 시스템의 안정 상태 PTT는 0.485s, 중강도 운동 PTT는 0.227s로 매우 유사한 수치 가 확인하였으며, 일부 오차는 하드웨어 스펙 차이로 인해 발생한 것으로 사료된다. 표 1에 구현된 시스템 과 P400의 PTT 검출 비교 실험 결과를 나타내었다.

Table 1. Result of PTT detection comparison between implemented system and P400

subject

PTT [s]

Implemented

system P400

Rest Middle Rest Middle

1 0.466 0.206 0.470 0.215

2 0.478 0.222 0.480 0.224

3 0.492 0.232 0.496 0.236

4 0.486 0.228 0.489 0.228

5 0.488 0.230 0.491 0.232

Avg.[s] 0.482 0.224 0.485 0.227

4.3 운동 강도에 따른 PTT 검출 실험

구현된 시스템의 운동 강도에 따른 PTT 계측을 위 하여 달리기 실험을 진행하였다. 실험은 피실험자 5명

을 대상으로 휴식을 충분히 취한 안정 상태와 운동 강 도에 따른 500M 달리기 후 측정된 PTT를 비교 분석하 였다. 실험 결과 안정 상태의 PTT는 0.484s, 저강도의 PTT는 0.313s, 중강도의 PTT는 0.220s, 고강도의 PTT 는 0.188s로 나타났다. 운동 강도가 증가함에 따라 PTT는 감소하는 것을 확인하였다. 표 2에 안정 상태 및 운동 강도별 PTT 실험 결과를 나타내었다.

Table 2. Result of PTT detection according to rest state and exercise intensity

subject

PTT [s]

Rest Low

(50이하) Middle

(50-65) High (65-85)

1 0.476 0.308 0.218 0.182

2 0.482 0.314 0.222 0.188

3 0.489 0.316 0.216 0.186

4 0.479 0.310 0.220 0.194

5 0.492 0.316 0.224 0.190

Avg.

[s] 0.484 0.313 0.220 0.188

V. 결론

본 논문에서는 다중 생체신호 계측을 통해 운동 강 도에 따른 PTT 변화 모니터링 시스템을 구현하였다.

구현된 시스템은 ECG 및 PPG 센서를 통해 계측된 생 체 신호를 이용하여 특징이 뚜렷한 ECG의 R-peak와 PPG의 P-peak의 정점을 추출해 시간차를 계산하여 PTT를 산출하였으며, 카르보넨 공식을 이용해 운동 강 도를 추정하였다. 또한 애플리케이션을 통해 그래프와 운동 강도, PTT 변화를 모니터링 가능하다. 구현된 시 스템의 PTT 검출 성능평가를 위해 상용시스템인 P400 과 PTT 검출 비교 실험을 진행하였으며, 실험 결과 동 일한 운동 강도에서 미세한 차이는 있으나 매우 유사 한 결과를 나타내었다. 이후 운동 강도에 따른 PTT 검 출 실험을 통해 PTT 변화를 분석하였다. 실험 결과 안 정 상태의 PTT는 0.484s, 저강도의 PTT는 0.313s, 중강 도의 PTT는 0.220s, 고강도의 PTT는 0.188s로 운동 강 도가 증가함에 따라 PTT는 감소하는 것을 확인하였다.

향후 연구에는 더욱 효과적인 고혈압 치료를 위하여 계측 시 발생하는 동잡음 제거 알고리즘을 구현하고 연령별 ECG 및 PPG 데이터를 계측하여 수축기와 이

완기 혈압을 함께 추정하고 운동 강도 및 심리적 상태 에 따른 수축기 및 이완기 혈압 변화를 분석하여 효과 적인 고혈압 치료 솔루션에 대한 지속적인 연구를 수 행하고자 한다.

ACKNOWLEDGMENTS

본 연구는 교육부의 재원으로 한국연구재단의

지원을 받아 수행된 기초연구사업

(No.2018R1D1A1B07045337)의 결과물임을 밝힙니 다.

REFERENCES

[1] WHO(World Health Organization), "The top 10 causes of death", 2018.

[2] M. G. Schultz, A. La Gerche, J. E. Sharman, "Blood pressure response to exercise and cardiovascular disease", Current Hypertension Reports, vol. 19, no. 11, 89, 2017.

[3] F. Miao, Z. D. Liu, J. K. Liu, B. Wen, Q. Y. He, Y.

Li, "Multi-sensor fusion approach for cuff-less blood pressure measurement", IEEE Journal of Biomedical and Health Informatics, vol. 24, no. 1, 79-91, 2019.

[4] F. C. Bennis, C. van Pul, J. J. van den Bogaart, P.

Andriessen, B. W. Kramer, T. Delhaas, "Artifacts in pulse transit time measurement using standard patient monitoring equipment", PloS one, vol. 14, no. 6, e0218784, 2019.

[5] I. Sharifi, S. Goudarzi, M. B. Khodabakhshi, "A novel dynamical approach in continuous cuffless blood pressure estimation based on ECG and PPG signals", Artificial Intelligence in Medicine, vol. 97, 143-151, 2019.

[6] C. Yang, Y. Dong, Y. Chen, N. Tavassolian, "A smartphone-only pulse transit time monitor based on cardio-mechanical and photoplethysmography modalities", IEEE Transactions on Biomedical Circuits and Systems, vol. 13, no. 6, 1462-1470, 2019.

[7] E. A. Massawe, K. Michael, S. Kaijage, P. Seshaiyer,

"Design and Analysis of Smart Sensing System for Animal Emotions Recognition", International Journal of

Computer Applications, 169(11), 46-50, 2017.

[8] M. Ignaszewski, B. Lau, S. Wong, S. Isserow, "The science of exercise prescription: Martti Karvonen and his contributions", British Columbia Medical Journal, 59(1), 38-41, 2017.

저자 소개

이 지 수 (Ji-Su Lee)

2020년 8월 : 동서대학교 컴퓨터공학부(공학사) 2020년 8월~현재 : 동서대학교

컴퓨터공학과 석사과정

김 동 찬 (Dong-Chan Kim)

2015년 3월~현재 : 동서대학교 컴퓨터공학부(공학사)

이 경 택 (Gyeong-Tack Lee)

2015년 3월~현재 : 동서대학교 컴퓨터공학부(공학사)

김 경 섭 (Gyeong-Seop Kim)

2015년 3월~현재 : 동서대학교 컴퓨터공학부(공학사)

노 윤 홍 (Yun-Hong Noh)

2008년 2월 : 동서대학교 정보네트워크공학과(공학사) 2010년 2월 : 동서대학교

유비쿼터스 IT(공학석사) 2013년 2월 : 동서대학교 유비쿼터스 IT(공학박사) 2017년 12월~현재 : 부산디지털대학교 조교수

정 도 운 (Do-Un Jeong)

2000년 2월 : 동서대학교 전자공학(공학사) 2002년 2월 : 부산대학교

의공학(공학석사) 2005년 8월 : 부산대학교

의공학(공학박사)

2005년 3월~현재 : 동서대학교 컴퓨터공학부 교수