Detection of Tracheal Sounds using PVDF Film and Algorithm Establishment for Sleep Apnea Determination

PVDF 필름을 이용한 기관음 검출 및 수면무호흡 판정 알고리즘 수립

Abstract

Sleep apnea causes various secondary disease such as hypertension, stroke, myocardial infarction, depression and cognitive impairment. Early detection and continuous management of sleep apnea are urgently needed since it causes cardio-cerebrovascular diseases. In this study, wearable device for monitoring respiration during sleep using PVDF film was developed to detect vibration through trachea caused by breathing, which determines normal breathing and sleep apnea. Variables such as respiration rate and apnea were extracted based on the detected breathing sound data, and a noise reduction algorithm was established to minimize the effect even when there is a noise signal. In addition, it was confirmed that irregular breathing patterns can be analyzed by establishing a moving threshold algorithm. The results show that the accuracy of the respiratory rate from the developed device was 98.7% comparing with the polysomnogrphy result. Accuracy of detection for sleep apnea event was 92.6% and that of the sleep apnea duration was 94.0%. The results of this study will be of great help to the management of sleep disorders and confirmation of treatment by commercialization of wearable devices that can monitor sleep information easily and accurately at home during daily life and confirm the progress of treatment.

수면 무호흡증은 고혈압, 뇌졸중, 심근경색, 우울증 및 인지기능 장애 등 다양한 2차 질환을 일으키며 심혈관 및 뇌혈관 질환의 발생 원인이 되기에 수면 무호흡의 조기 발견 및 지속적인 관리가 절실히 필요하다. 본 연구에서는 수면 중 호흡을 모니터링하기 위해 목의 기관 부위에서 호흡에 의한 미세한 진동을 검출할 수 있는 PVDF 필름 진동 센서를 이용하여 정상호흡과 수면 무호흡을 판단하는 웨어러블 디바이스를 개발하였다. 검출된 호흡음 데이터를 기반으로 호흡수, 무호흡 등의 변수들을 추출하였고 잡음 제거 알고리즘을 수립하여 잡음 신호가 있을 시에도 영향을 최소화하는 방법을 적용하였다. 또한 변동 문턱치 알고리즘을 수립하여 불규칙적인 호흡 패턴에서도 분석이 가능함을 확인하였다. 그 결과 분당 호흡수의 정확도는 98.7%이고 무호흡 횟수와 무호흡 지속 시간에 대한 개발기기와 수면다원검사의 결과를 비교한 결과 무호흡 횟수 측정 정확도는 92.6%, 무호흡 지속 시간의 정확도는 94.0%임을 확인하였다. 본 연구의 결과는 일상생활 중 가정에서 간편하고 정확하게 수면 정보를 모니터링하고 치료 경과를 확인할 수 있는 웨어러블 디바이스의 제품화로 이어져 수면장애의 관리에 큰 도움이 될 것이다.

Ⅰ. 서론

수면은 주변 환경으로부터 지각적으로 분리되어 환경에 반응하지 않고 감각이나 반사 기능이 저하된 가역적 상태로서 인체의 신경계, 근골격계의 회복에 도움이 되며 기억, 인지기능을 유지하고 내분비계 및 면역체계의 정상적인 활동에 큰 역할을 하는 중요한 과정이다.^[1][2] 성인의 경우 적절한 인지 및 행동 기능을 위해서는 적어도 7시간의 수면이 필요하며 불충분한 수면은 주의력 상실, 인지 능력 저하, 반응 지연 및 정서불안 등의 결과를 가져올 수 있다. 특히 수면 중 호흡은 매우 중요하여 뇌간에서부터 시작되는 뉴런 네트워크로 상호 연결된 호흡 근육의 자극에 따라 호흡 리듬에 영향을 주며 무호흡, 저호흡, 코골이, 과호흡 등으로 나타나기도 한다.^[3][4]

전 세계 폐쇄성 수면 무호흡 환자 수는 약 10억 명으로 추정되며, 30대 남성 10%, 여성 3%에서 나타나고 50대에서는 남성 17%, 여성 9%에서 나타날 정도로 높은 유병률을 보이고 있으며 세계적으로 비만 인구가 증가하는 추세에 따라 수면무호흡 환자들의 수는 더 많아지고 그에 따른 의료 비용도 더 증가될 것으로 예측된다.^[5][6][7][8] 특히 수면 무호흡증은 낮 시간 동안의 피곤함을 유발하며 업무효율의 감소와 작업장에서의 사고 위험성을 증가시키고, 교통사고율은 3-7 배까지 증가하는 주원인으로 발표되고 있다.^[9] 이러한 수면무호흡 측정은 현재 병원에서의 수면다원검사로 이루어지고 있는데 일상 생활 중 편안한 환경에서 측정하는 것이 가장 바람직하며, 특히 진단 및 치료가 진행되는 동안 지속적인 자가측정이 가능하여야 하므로 병원에서의 검사에는 한계가 있다.

호흡측정을 위한 여러 가지 다양한 방법들로는 스트레인게이지를 이용하여 복부나 흉부의 체적 변화를 검출하거나, PVDF 센서를 이용하여 콧등에서 호흡에 대한 진동을 검출하고, 또는 레이더를 이용하여 몸의 움직임에 의한 호흡을 검출하는 방법 등이 적용되고 있다. 또한 스마트폰의 마이크를 이용하여 코골이에 의한 소리를 녹음하여 수면 호흡을 모니터링하는 방법도 활용되고 있다. 가속도센서를 흉부에 부착하여 호흡에 따른 흉곽의 움직임을 이용하여 호흡 정보를 검출할 수도 있으며, PVDF 필름 센서를 매트리스와 베개에 삽입하여 베개로 전달되는 호흡의 진동을 측정함으로써 호흡 신호를 검출하고 분석하는 연구도 발표되었다.^{[10][11][12][13]} 또한 호흡에 따른 흉곽의 변화를 측정함으로서 무호흡, 저호흡 등의 수면 정보를 검출하고 있다.^[14] 그러나 이러한 방법들은 비접촉식 방법으로서 간편하긴 하지만 정확도에 아직 부족함이 많이 있다. 따라서 현재 진행되고 있는 방법들의 장단점을 보완하여 실생활에서도 간편하게 사용할 수 있는 사용자 친화적이며 정확한 결과를 제공하는 수면 무호흡 측정 웨어러블 디바이스의 개발에 대한 연구가 필요할 것이다.

본 연구는 수면 중 기도를 통하여 호흡 공기가 흐를 때의 진동으로 인한 호흡음을 검출하고 분석하는 수면 호흡 모니터링 디바이스 개발을 목적으로 수행하였다. 호흡음을 측정하기 위해 PVDF 필름을 이용하여 목의 기도(trachea) 표면에서 호흡으로 인한 미세한 진동을 검출할 수 있는 진동 센서를 개발하였다. PVDF 필름은 많은 분야에서 연구되어왔으며 어쿠스틱 임피던스가 인체 조직과 비슷하기 때문에 맥박 또는 그 이외의 생체 신호를 감지하는 등 다양한 분야에서 사용되어 왔다.^{[15, 16]} PVDF 폴리머는 기계적으로 변형되는 동안 전기 신호를 생성하며 인가된 전기장의 축 또는 기계적 응력의 축에 따라 전기적 및 기계적 응답이 다르게 나타난다. 이를 이용하여 공기가 기도를 출입할 때 나타나는 진동을 검출하게 된다. 수면다원검사를 받는 환자를 대상으로 검출한 수면다원검사 데이터와 개발기기의 호흡 데이터를 기반으로 호흡수와 무호흡 이벤트에 대한 변수들을 추출하고, 흡기와 호기 신호를 정확하게 분리할 수 있는 변동 문턱치를 사용하여 호흡수를 계산하는 수면 무호흡 판정 알고리즘을 수립하였다. 그리고 수면다원검사의 결과와 비교하여 수립한 알고리즘의 무호흡 검출 정확도를 검증하였다.

본 연구를 통해 현재 병원에서 진행하던 수면다원검사를 가정에서 간편하고 정확하게 측정할 수 있는 웨어러블 수면호흡 감시기기의 개발에 적용할 수 있는 알고리즘의 수립에 활용될 수 있을 것이다.

Ⅱ. 방법

본 연구는 목의 기관(trachea)을 통과하는 공기의 흐름에 의한 진동 검출을 바탕으로 호흡음을 모니터링하여 사용자가 가정에서 수면무호흡을 간편하게 측정하기 위한 웨어러블 기기를 개발하고 호흡상태를 판단하는 알고리즘을 수립하고자 수행하였다.

그림 1은 본 연구에 대한 전체적인 블록 다이어그램을 나타내고 있다. 호흡음을 검출하기 위한 센서의 개발 과정에서는 PVDF 필름과 전극 패턴을 디자인하였고 목에 적용하기 위해 PVDF 필름, 절연 테이프, 실리콘 러버와 하이드로겔로 이루어져 있는 패치형 센서 구조물을 제작하였다. PVDF 필름으로부터 출력된 신호는 임피던스 매칭 회로, 필터 및 증폭기 등을 포함한 아날로그 회로를 거친 후 디지털로 변환되어 블루투스 통신을 통하여 스마트폰 어플리케이션과 서버에 전송하여 분석을 수행하게 된다. 데이터는 전북대학교 병원에서 수면다원검사를 받는 환자 10명을 대상으로 수면다원검사 시 개발 기기로부터의 호흡 신호를 동시에 수집하였으며, 데이터 분석은 노이즈 제거와 변동 문턱치 기법을 적용하여 호흡수 계산 알고리즘과 수면무호흡 판단 알고리즘을 수립하고 실제 관측된 결과와 알고리즘의 결과를 검증하였다.

그림 1. 연구 과정의 전체적인 블록 다이어그램.

Fig. 1. Overall block diagram of development process.

1. PVDF 필름을 이용한 패치형 센서 제작

호흡 신호를 측정하기 위한 센서의 각 부분은 PVDF 필름, 실리콘 러버, 절연 필름, 그리고 목에 부착을 위한 하이드로겔로 구성되었다. 그림 2(a)는 제작한 패치형 센서의 모식도이며, 그림 2(b)는 PVDF 필름과 전극의 실제 크기를 나타내고 있고, 그림 2(c)는 조립 완성된 패치형 센서의 사진을 나타내고 있다.

그림 2. 패치형 센서 모식도와 PVDF 필름 및 실제 완성된 패치형 센서.

Fig. 2. Diagram of sensor assembly, drawing and dimension of PVDF film, and assembled patched-type sensor.

해부학적 연구에 따르면 성인의 기관 연골 상부의 평균 단면 지름은 남성 20.84±0.51mm, 여성 16.77± 0.58mm이다. 이에 근거하여 기관을 충분히 덮을 수 있고 기관으로 출입하는 공기의 진동을 확실히 감지하기 위하여 PVDF 필름의 전체 크기는 36 × 13mm, 전극이 도포되는 활성 면적은 길이 25 × 9mm로 디자인하였다.

2. 하드웨어 설계

PVDF 필름 센서로부터 호흡음을 검출하고 블루투스 통신을 통해 서버에 데이터를 저장하고 분석하기 위한 아날로그 및 디지털 하드웨어를 설계하였다. 본 연구에서는 호흡 파형의 형태를 분석하는 것으로 호흡음의 주파수 분석이 목적이 아니며 목에 착용함으로 인해 발생할 수 있는 원하지 않는 경동맥으로부터의 맥파 신호를 제거하기 위해 차단주파수 100Hz인 4차 고역통과 필터와 차단주파수 500Hz인 4차 저역통과필터를 설계하였다. 노이즈를 제거하기 위한 60Hz 노치필터와 전원 및 증폭부 등의 아날로그 회로를 구성하였다. 그림 3에 저역통과필터와 고역통과필터 회로가 나타나 있다.

그림 3. 센서 출력 처리를 위한 아날로그 필터 회로.

Fig. 3. Analog filter circuit for processing sensor output.

디지털회로는 ARM Cortex STM32F103을 사용하여 아날로그 회로로부터 출력되는 신호를 2KHz의 주파수로 샘플링한 후 스마트폰과의 원활한 통신을 위하여 80Hz로 리샘플링 하여 15초마다 블루투스를 통하여 스마트폰으로 전송하도록 설계하였으며 회로도가 그림 4에 나타나 있다.

그림 4. 디지털 회로도.

Fig. 4. Digital circuit diagram.

3. 데이터 수집

데이터는 다양한 연령대를 포함하는 만 33-70세 사이 10명의 남성 피험자들을 대상으로 수집하였다. 피험자의 평균 신장은 166.6cm, 몸무게는 76.6kg, 체질량지수(BMI)는 27.6 이며 데이터 수집은 임상시험 IRB를 통과한 후 전북대학교 병원 수면다원검사실에서 시험에 임하기 전에 시험 방법 및 주의사항 등의 내용에 대해 충분히 숙지한 후 진행되었다. 데이터 수집을 위해 수면다원검사(Embla n7000 PSG system)를 실시하였으며 뇌파, 근전도, 심전도, 안구전도, 산소포화도, 호흡 측정을 위한 모든 센서를 부착 후 본 연구를 통해 개발된 센서와 모듈을 착용하였으며 그림 5에 모든 센서를 착용한 모습이 나타나 있다.

그림 5. 임상시험을 위한 수면다원검사 센서 및 개발기기의 착용.

Fig. 5. PSG examination with all the sensors including developed device attached.

데이터 수집 시간은 피험자에 따라 개인차가 있기 때문에 측정 시간은 각각 달랐지만 평균 7시간 36분이었다. 데이터는 측정 모듈을 이용하여 블루투스로 스마트폰으로 전송되고 스마트폰은 15초마다 80Hz의 데이터를 네이버 엔클라우드 서버(CPU: 8 core, MEM: 16 GB, HDD: 100GB)로 전송하여 분석하고 저장하였다. 서버에 저장된 데이터는 수면다원검사 결과 데이터와 비교분석이 가능하도록 정렬하는 과정을 거치게 된다. 본 연구에서는 그림 6과 같이 수면다원검사 중 호흡과 관련된 신호인 심전도, 비강 호흡 압력, 흉식 및 복식 호흡 곡선, 그리고 손가락 맥파 신호를 비교 신호로 이용하였고 본 개발 기기의 호흡 신호를 함께 분석하였다.

그림 6. 수면다원검사 데이터.

Fig. 6. PSG examination data.

4. 데이터 분석 알고리즘

피험자의 목에 착용하여 검출된 신호는 호흡 신호뿐만 아니라 원하지 않는 노이즈 신호도 포함될 수 있으므로 정확한 데이터 분석을 위해 우선 노이즈를 제거하는 데이터 처리과정을 진행하였다. 그 후 호흡신호로부터 호흡수 및 무호흡 구간을 설정하고 변수를 추출하기 위한 알고리즘을 수립하였다. 본 연구에서는 Matlab 프로그램을 사용하여 데이터 처리 및 분석 알고리즘을 수립하였으며, 호흡수 계산을 위한 알고리즘의 흐름도가 그림 7에 나타나 있다.

그림 7. 수면다원검사 데이터 수집

Fig. 7. PSG examination data

노이즈가 제거된 신호에 절대값 및 포락선 과정을 적용하였고 그 후 호흡신호를 검출하기 위한 변동 문턱치를 설정하여 분석하고자 하는 해당 15초 구간의 호흡수를 계산하게 된다.

그림 8(a)는 노이즈가 제거된 신호(Sraw)이고, 그림 8(b)의 신호(Sabs)는 노이즈가 제거된 신호에 식 (1)과 같이 절대값을 취하여 정류된 신호이다.

그림 8. 호흡음 신호의 전처리 과정.

Fig. 8. Steps for the preprocessing of breathing sound.

S_abs = |S_raw|       (1)

정류된 신호에 식 (2)를 적용하여 10보다 큰 값은 제곱하고 그보다 작은 값은 그대로 두어, 주변 노이즈와 호흡신호의 차이를 크게 하였다.

\(\begin{aligned}S_{s q u a r e d}=\left\{\begin{array}{l}S_{a b s}^{2}, \text { for } S_{a b s} \geq 10 \\ S_{a b s}\end{array}\right.\end{aligned}\)       (2)

그 후 10포인트 입력신호(h10)로 식 (3)과 같이 컨벌루션하여 정류된 신호(Sabs)에 포락선을 적용하였으며 그 결과가 그림 8(c)에 나타나있다.

S_conv = S_squared∗ h₁₀       (3)

이에 따라 호흡 신호의 주성분이 확실히 드러나 있음을 볼 수 있고, 이 후 호흡수의 계산을 위해 문턱치를 설정하는 과정을 거치게 된다.

기저선 노이즈와 들숨 및 날숨을 구분하는 문턱치(threshold)는 전체 신호의 평균값 또는 평균값에 보정 계수(k)를 적용하는 식 (4)의 방식을 대부분 적용하고 있다.

\(\begin{aligned}Threshold=k^{*} \frac{1}{n} \sum_{i=1}^{n} S_{\text {squared }}\end{aligned}\)       (4)

그러나 이 방법은 흡기와 호기의 크기가 비슷할 경우 정확히 호흡을 검출하지만 그림 9에 표시된 ①, ②와 같이 들숨과 날숨 중 하나의 숨이 다른 숨보다 작을 경우에는 검출을 못하는 경우가 있다. 그림의 가로선은 식 (4)에 의하여 정해진 문턱치를 나타내는 것으로 문턱치보다 큰 호흡들은 박스로 표현되어 있다. 그림에서와 같이 뒷 부분의 두 호흡 주기는 정확하게 검출하였지만 첫 두 주기의 호흡 중 호기가 상대적으로 작으므로 검출에서 누락되는 상황이 발생할 수 있다.

그림 9. 고정 문턱치 설정에 의한 흡기와 호기 신호 검출.

Fig. 9. Detection of inspiration and expiration using fixed threshold.

이러한 문제를 해결하기 위해서 변동 문턱치를 적용하는 알고리즘을 개발하였다. 변동 문턱치는 식 (5)와 같이 제곱한 신호(Ssuared)에 40포인트 입력신호로 컨벌루션한 다음 위상차를 보정하는 과정을 거치게 된다.

Threshold[n - 20] = S_squared∗ h₄₀[n - 20]       (5)

식 (5)의 의미는 각각의 호흡신호에 대한 문턱치값을 식 (4)처럼 전체신호 평균값에 의해 계산되는 상수가 아니라 해당 시점 주변의 40포인트(1초) 값들의 평균에 의해 결정됨을 의미한다. 그 결과로 문턱치는 직선이 아니라 그림 10에 나타난 변동선과 같이 되어 앞선 방법에서는 검출하지 못했던 첫 두 호흡 사이클의 날숨도 검출하고 있으며 그림 10에 그 결과가 나타나 있다.

그림 10. 변동 문턱치를 이용한 흡기와 호기 신호 검출.

Fig. 10. Detection of inspiration and expiration using moving threshold.

이를 토대로 호흡 수는 검출된 호흡 사이클의 시간에 의하여 식 (6)과 같이 계산된다.

\(\begin{aligned}R R=60 / \frac{1}{n} \sum_{i=1}^{n} R_{d}\end{aligned}\)       (6)

식 6의 RR(Respiratory rate)은 호흡수를 의미하고 n은 15초 동안의 호흡 주기 수, Rd(Respiratory duration)는 매 호흡 주기의 시간을 의미하는 것으로 호흡 주기 시간의 평균을 60으로 나눔으로 분당 호흡수를 계산하였다.

수면 무호흡은 수면 중 호흡의 멈춤 상태로서 호흡신호가 없는 구간의 시간을 계산하여 10초 이상의 호흡 신호가 없을 시에 무호흡으로 판단하였다. 그림 11은 14초 동안 호흡이 중단된 무호흡 신호와 알고리즘을 사용하여 무호흡 구간을 추출한 결과 그래프를 보여 주는 것으로 첫 호흡 사이클의 호기 끝 부분과 그다음 호흡 사이클의 흡기 시작 시점의 구간 시간을 계산하여 10초 이상이므로 무호흡으로 판단하게 된다.

그림 11. 수면무호흡 구간의 검출.

Fig. 11. Detection of sleep apnea interval.

그림 12는 30초 동안의 호흡신호를 나타내는 것으로 그림 12(a)에서는 7.4초 이후의 구간에서, 그리고 연속되는 그림 12(b)에서는 시작 시점부터 7.6초까지 수면무호흡이 나타나고 있음을 보여주고 있다. 이 같은 경우의 무호흡을 검출하기 위해서 15초마다 분석 시 마지막 호흡 신호의 끝 시점을 저장해 두고(그림 12(a)의 7.4초) 그다음 15초 분석 때에 첫 흡기의 시간(그림12(b)의 7.6초)을 더하여 10초 이상일 시에 무호흡이 있음을 판단하였다.

그림 12. 15초 구간 내에 있지 않는 무호흡의 판단.

Fig. 12. Sleep apnea detection if not within 15 seconds.

5. 신뢰성 검증을 위한 통계분석

본 연구에서 수립한 알고리즘을 통하여 분당 호흡수, 무호흡 횟수, 그리고 무호흡 지속 시간 등의 변수들을 추출하였다. 분당 호흡수는 총수면 시간 중 분 단위로 수면 다원검사와 개발기기의 분당 호흡수를 비교하여 차이 값을 계산하였다. 무호흡의 시작 시간, 종료 시간, 지속 시간도 수면다원검사 결과와 개발기기로부터 계산된 변수값을 비교하여 무호흡 검출 오류 횟수와 무호흡 이벤트 시간의 시간 차이와 오차율을 분석하였다. 통계분석은 SPSS Statistics 22를 이용하여 프로그램을 통하여 전체 피험자의 수면다원검사와 개발 기기의 호흡수, 무호흡 횟수 및 무호흡 시간에 대한 상관관계를 분석을 수행하였다.

Ⅲ. 결과 및 토의

사용자의 목의 기관 부위에 간편하게 착용할 수 있는 PVDF 필름을 이용한 진동 센서를 제작하고 아날로그 회로를 설계하여 호흡 신호를 검출하였다. 검출된 호흡 신호는 블루투스 통신을 통해 스마트폰으로 전송되고 그 후 15초마다 클라우드 서버로 전송되어 수면 무호흡의 유무를 판단하게 된다. 임상 테이터는 전북대학교병원 수면다원검사실에서 검사를 받는 10명의 환자로부터 수집하였고, 저장된 데이터를 바탕으로 수면 무호흡 검출 알고리즘을 수립하여 수면다원검사 결과와의 비교를 위해 SPSS Statistics 22 통계프로그램을 사용하여 분석하였다.

표 1은 수면다원검사 결과 중 각 피험자별 총 수면시간, 평균 분당 호흡수, 무호흡 횟수, 그리고 총 무호흡 시간을 요약한 것이다. 총수면 시간은 7시간 내외로 모든 피험자로부터 충분한 시간 동안 측정하였으며 각 피험자의 분당 평균 호흡수는 최소 12회부터 최대 18회로 다양한 범위의 호흡수를 나타내는 피험자로 이루어져 있음을 알 수 있다. 그리고 무호흡 횟수는 11회부터 78회까지, 무호흡 시간은 최소 136초부터 최대 1,750초까지 다양한 무호흡 시간을 나타내는 피험자로 구성되었다.

표 1. 수면다원검사 장비로부터의 각 피험자별 수면 호흡 및 무호흡 정보.

Table 1. Sleep information including respiration and apnea obtained from PSG device for each subject.

표 2는 수면다원검사 결과와의 비교를 위해 개발기기를 이용하여 검출된 신호로부터 도출된 각 피험자당 평균 분당 호흡수, 무호흡 횟수, 그리고 총 무호흡 시간을 요약한 것이다. 수면다원검사 결과와의 비교를 위해 수면다원검사 결과와 동일한 변수에 대한 결과 값들을 도출하였다. 각 피험자의 분당 평균 호흡수는 11.8회부터 17.8회로 나타났으며 무호흡 횟수는 최소 11회부터 최대 75회, 총 무호흡 시간은 136초부터 1,807초까지로 나타났다.

표 2. 개발 기기로부터의 각 피험자별 호흡 및 무호흡 정보.

Table 2. Sleep information including respiration and apnea obtained from developed device for each subject.

본 연구를 통해 개발된 웨어러블 기기로부터의 호흡수 분석결과 검증을 위해 수면다원검사의 분당 호흡수와 비교하였으며 그림 13에 1번 피험자의 데이터에 대한 분석 결과가 나타나 있다. 가로축은 피험자의 총 수면시간이며 세로축은 수면다원검사로부터의 호흡수와 개발 기기로부터 계산된 호흡수의 차이 값으로 수면 진행 시간에 따라 표시한 것이다. 그림에서 볼 수 있듯이 수면다원검사와 개발 기기의 호흡수 차이 값이 ±3회 이내로 나타난 이벤트는 총 수면시간 중 97.9%를 차지하고 있다. 일반적으로 건강한 성인의 분당 호흡수는 분당 약 14회 내외에 있음을 감안하고, 수면 중 호흡수는 수면 단계 및 렘수면으로 인해 항상 일정하게 유지되지 않을 수 있으므로 분당 호흡수 ±3회 이내의 차이값은 충분히 발생될 수 있는 상황임을 고려하면 높은 신뢰도를 보임을 알 수 있다. 또한 수면다원검사와 개발 기기의 호흡수에 대한 피어슨 상관 계수 R 값은 0.919로 높은 상관관계를 보이고 유의확률은 0.05보다 낮으므로 개발한 기기의 측정 결과가 통계적으로 높은 신뢰도를 갖는다는 것을 알 수 있다.

그림 13. 수면다원검사 결과와 개발 기기의 호흡 수 측정 결과 차이값.

Fig. 13. Comparison of respiratory rate difference between PSG and developed device from subject 1.

수면 중 호흡수 검출에 대한 검증을 완료한 후 수면 무호흡 횟수와 지속시간의 계산 결과에 대한 비교 분석을 수행하였다. 그림 14는 무호흡 구간이 포함된 수면다원검사의 비강 호흡 압력 파형, 산소포화도, 그리고 개발기기의 호흡검출 파형을 나타낸 것이다. 그림에서 볼 수 있듯이 비강 호흡 압력 신호가 나타나지 않고 산소포화도 값이 정상 시보다 감소하는 부분이 무호흡 구간이며 개발기기의 호흡 파형의 크기가 감소하는 것을 볼 수 있다. 이러한 파형을 분석하여 수면 중 무호흡 이벤트 및 무호흡 지속시간을 판단하였다.

그림 14. 수면다원검사의 비강호흡, 산소포화도, 개발 기기로부터의 호흡음.,

Fig. 14. Nasal flow and oxygen saturation from PSG and breath sound from developed device

총 무호흡 시간은 10명의 피험자 중 8명에서 무호흡 시간이 개발 기기에서 길게 측정됨을 알 수 있었다. 수면 다원검사에서 호흡 측정을 위해 사용하는 써미스터는 코밑에 위치 하면 날숨 때 써미스터의 온도 출력 값이 높아지게 되므로 그 온도변화 파형으로 호흡을 검출한다. 이 때 써미스터의 출력값이 10% 이하로 감소하는데 걸리는 반응시간이 개발 기기에서의 무호흡 판정 시간보다 늦게 나타나기 때문에 본 연구를 통해 개발된 기기에서 사용한 PVDF 센서는 호흡에 의한 공기의 흐름 파형을 즉각적으로 검출할 수 있으므로 반응시간이 매우 빠르다는 장점을 갖고 있음을 보이는 것이다.

그림 15는 첫 번째 피험자의 전체 무호흡 이벤트 중 수면다원검사와 개발 기기의 각 무호흡 지속시간 차이값을 보여주는 그래프로 값들이 0 값에 가까울수록 정확도가 높음을 나타낸다. 수면다원검사와 개발 기기의 무호흡 시간의 차이 값이 ±3초 범위 안에 있는 이벤트 개수는 26회로서 전체 무호흡 회수의 78.8%를 차지하고 ±4초 범위 밖에 이벤트 수는 5회로서 전체의 12.1%를 나타내고 있다. 그림 16은 전체 피험자의 무호흡 횟수에 대한 수면다원검사와 개발 기기의 상관관계를 보여주는 것으로 가로축은 수면다원검사의 무호흡 횟수, 세로축은 개발기기의 무호흡 횟수를 나타낸다. 개발 기기의 수면 무호흡 횟수를 종속변수로 하고 수면다원검사 무호흡 횟수를 독립변수로 하여 상관관계를 분석하였을 시 피어슨 상관계수 R 값은 0.995로 나타나고 있다. 그림 17은 무호흡 시간에 대한 상관관계를 나타내는 것으로 그림 16과 동일한 방법으로 분석한 결과로 피어슨 상관계수 R값은 0.996으로 나타나고 있다.

그림 15. 첫 번째 피험자에 대한 수면다원검사와 개발 기기 사이의 수면무호흡 지속시간 차이 비교.

Fig. 15. Comparison of sleep apnea duration between PSG and developed device from subject 1.

그림 16. 모든 피험자에 대한 수면다원검사와 개발 기기 사이의 수면무호흡 발생 횟수 비교.

Fig. 16. Comparison of sleep apnea event between PSG and developed device in the entire subjects.

그림 17. 모든 피험자에 대한 수면다원검사와 개발 기기 사이의 수면무호흡 지속시간 차이 비교.

Fig. 17. Comparison of sleep apnea duration between PSG and developed device for all subjects.

본 연구를 통해 개발된 기기는 분당 호흡수, 무호흡 횟수 및 무호흡 지속 시간을 계산함에 있어서 높은 정확도를 보임을 확인하였다. 단, 수면다원검사를 기준으로 비강 호흡 압력(Nasal pressure)이 정상 시보다 30% 이하로 떨어지고 혈중 산소 포화도가 3% 이상 떨어지는 경우인 저호흡의 판단도 가능하도록 지속적인 연구가 필요할 것이다. 그림 18은 본 연구를 통해 수집한 수면다원검사 데이터 중 비강 호흡 압력과 산소포화도 그리고 개발기기의 호흡 신호를 나타낸 것이다. 그림 18의 (a)와 (b) 파형은 비강 호흡 압력과 산소포화도로 두 파형을 종합적으로 판단하여 저호흡 구간을 결정하게 되며 그림 18(a)에 저호흡 구간이 표시되어 있다. 이러한 저호흡 구간에서 개발 기기의 신호 크기도 함께 작아지는 것을 그림 18(c)에서 확인할 수 있다. 그러나 개발기기에서 사용하는 PVDF 필름 센서는 목에 착용할 때 인가되는 압력의 미세한 차이에 따라 출력 파형의 크기가 영향을 받을 수 있으므로 정확한 기준값을 설정하는데 어려움이 있다. 대부분의 경우에는 그림에서와 같이 수면다원검사 결과와 유사한 형태로 감소하지만 더욱 정확한 절대값의 변화 검출을 통한 저호흡의 검출을 위해서는 센서의 적용방법을 개선할 필요가 있는 것으로 판단 된다.

그림 18. 수면다원검사와 개발 기기의 저호흡 구간 비교.

Fig. 18. Hypopnea duration for PSG and developed device.

Ⅳ. 결론

전 세계 인구 중 약 10억 명이 폐쇄성 수면무호흡증을 지니고 있고 환자 수는 지속적으로 증가하고 있지만 그 중 85% 이상이 본인이 수면 무호흡증이라는 사실을 모르고 있으며 진단을 받지 않고 있음이 발표되었다. 수면 무호흡증은 고혈압, 뇌졸중, 심근경색, 우울증 및 인지기능 장애 등 다양한 질환을 일으키며 심혈관 및 뇌혈관 질환의 발생 원인이 되기에 조기에 수면 무호흡의 발견 및 지속적인 관리가 절실히 필요하다. 따라서 수면 중 무호흡의 관리는 매우 중요하지만 현재 이러한 수면무호흡 측정은 수면다원검사로만 가능하므로 가정에서 일상적으로 자가측정이 가능한 웨어러블 기기의 개발이 필요하다.

본 연구는 간편하고 정확하게 수면 중 호흡을 모니터링하여 정상 호흡과 수면 무호흡을 판단하는 웨어러블 디바이스를 개발하고 그 결과의 신뢰성을 검증하기 위한 목적으로 수행하였다. 공기의 흐름을 목의 기관 부위에서 측정하기 위해 PVDF 필름을 이용하여 목 앞쪽에서 호흡에 의한 미세한 진동을 검출할 수 있는 진동 센서를 개발하였다. 그리고 검출된 호흡 신호를 스마트폰으로 전송할 수 있는 하드웨어와 어플리케이션을 개발하였고 스마트폰에서 클라우드 서버로 전송, 저장 후 분석하여 주요 변수들을 도출하였으며, 그 결과를 수면다원검사의 결과와 비교 검증하였다.

목의 기관 부위에서 호흡에 의해 발생되는 미세 진동을 검출하기 위한 PVDF 필름을 내장하는 센서와 측정 모듈을 개발하여 호흡에 의한 들숨과 날숨을 정확하게 검출함을 확인하였으며, 향후 다양한 사용자로부터의 센서 착용감에 대한 의견 수렴을 통하여 더욱 정확한 결과의 제공과 사용자 친화적인 제품 디자인에 대한 개발이 이루어질 수 있을 것이다.

호흡수 판단을 위한 알고리즘을 수립하는 과정에서 기존 방법들에서의 오류를 획기적으로 보완할 수 있는 변동 문턱치를 적용하여 호흡 신호를 추출하는 개발 기기의 분당 호흡수의 정확도는 98.7%임을 확인하였다. 또한, 무호흡 판단을 위해 무호흡 횟수와 무호흡 지속 시간에 대한 결과를 도출하여 비교하였으며 개발 기기의 무호흡 횟수 측정 정확도는 92.6%이고 무호흡 지속 시간의 정확도는 94.0%임을 확인하였다. 단, 저호홉에 대한 판단은 현재의 PVDF 필름 센서만으로는 한계가 있으며 향후 센서의 적용방법을 개선할 필요가 있는 것으로 판단 되고 마이크와 산소포화도 측정을 활용하면 저호흡 판단을 정확히 할 수 있는 것으로 판단된다.

향후 피험자 수를 증가하고 다양한 환자군에 대한 임상데이터 수집할 뿐만 아니라 건강한 피험자들에 대한 데이터도 수집, 분석하여 잡음에 강하고 무호흡을 더욱 정확히 판단하는 알고리즘이 적용된 제품화에 활용될 수 있을 것이며, 수면 단계 및 렘수면과 비렘수면의 분류를 위한 기초데이터로 활용될 수 있을 것이다. 본 연구의 결과는 병원에서만 확인 가능했던 수면 무호흡 검사를 일상생활 중 가정에서 간편하고 정확하게 측정함으로써 매번 병원을 방문하여 수면 무호흡 검사를 받지 않고 가정에서 치료 경과를 확인할 수 있어 환자의 수면장애 관리에 큰 도움이 될 것이다.