기술 요약: 심음도 기반 심박수 및 혈압 추정을 위한 포괄적인 데이터셋 및 신호 처리 프레임워크

문제 제기

심혈관 질환 (CVD) 은 조기 발견의 어려움으로 인해 종종 '침묵의 살인자'로 불리며 전 세계 사망률의 주요 원인이 됩니다. 고급 영상 기술 (CT, CMRI) 과 다중 모달 모니터링 (ECG 와 PPG 결합) 이 존재하지만, 비용, 운영 복잡성, 휴대성 측면에서 한계가 있습니다. 특히, 펄스 도달 시간 (PAT) 을 통해 심박수 (HR) 와 혈압 (BP) 을 추정하는 ECG-PPG 시스템은 리드 정렬 오류에 취약하며, 잡음과 같은 특정 심장 이상을 감지하기에는 부족합니다. furthermore, 기존 심음도 (PCG) 연구들은 종종 휴대용 장치에 적합하지 않은 복잡한 머신러닝 모델에 의존하거나, PCG 신호만으로 HR 과 BP 를 동시에 추정하는 데 실패합니다. 오직 심음 (acoustic heart sounds) 만을 사용하여 지속적인 심혈관 모니터링이 가능한 저비용, 비침습적, 휴대용 시스템에 대한 시급한 필요성이 있습니다.

방법론

1. 데이터 획득 및 데이터셋 구축

저자들은 동기화된 PCG 와 심전도 (ECG) 신호와 함께 수동 혈압 측정을 포착하기 위해 맞춤형 저비용 'PhonoTrack'시스템을 개발했습니다.

• 하드웨어: PCG 신호는 표준 청진기 다이어프램에 내장된 마이크를 사용하여 캡처되었으며, iPad 에 연결되어 녹음되었습니다 (44.1 kHz). ECG 는 Arduino 에 연결된 3 리드 AD8232 센서 모듈을 통해 캡처되었습니다.
• 프로토콜: 데이터는 통제된 실내 환경에서 15 명의 건강한 남성 자원자 (연령 18~50 세) 로부터 수집되었습니다. 각 세션은 60 초간 지속되었습니다.
• Ground Truth: HR 은 ECG 신호 (R-피크) 에 대해 검증되었으며, BP 는 녹음 세션 직전과 직후에 취해진 수동 혈압계 측정치에 대해 검증되었습니다.
• 데이터셋: 결과 데이터셋에는 짝을 이룬 커프 BP 값을 가진 15 개의 동기화된 PCG-ECG 녹음이 포함되어 있어 벤치마킹을 위한 시간 정렬 데이터를 제공합니다.

2. 신호 처리 프레임워크

본 연구는 복잡한 딥러닝 모델 대신 표준 디지털 신호 처리 (DSP) 기법의 통합 프레임워크를 사용합니다.

심박수 (HR) 추정:

• 전처리: PCG 신호는 웨이블릿 기반 잡음 제거 (Daubechies db4, 8 레벨) 및 정규화를 거쳤습니다.
• 엔벨로프 추출: S1 과 S2 심음을 식별하기 위해 신호 엔벨로프를 추출하는 세 가지 다른 방법이 사용되었습니다:
  1. 힐베르트 변환 (HT): 순간 진폭을 추출합니다.
  2. 섀넌 엔트로피 (SE): 과도 성분을 선명하게 하기 위해 고에너지 영역을 강조합니다.
  3. 웨이블릿 에너지 스펙트럼 (WES): 주파수 대역에 따른 에너지 분포를 분석합니다.
• 피크 감지: 20 Hz 저역 통과 버터워스 필터로 필터링된 평활화된 엔벨로프의 국소 최대값이 S1 및 S2 피크로 식별되었습니다. 오검출을 방지하기 위해 제약 조건 (최소 피크 간격 0.125 초, 최소 높이 15%) 이 적용되었습니다.
• 계산: HR 은 평균 S1–S1 (또는 S2–S2) 간격에서 유도되었습니다.

혈압 (BP) 추정:

• 특징 추출: PCG 엔벨로프에서 생리학적 해석이 가능한 타이밍 특징 집합이 추출되었으며, 여기에는 다음이 포함됩니다:
  • 수축기 ($t_{sys}$) 및 이완기 ($t_{dias}$) 지속 시간.
  • S1 및 S2 의 상승 및 감쇠 시간.
  • S1 및 S2 의 피크 지속 시간.
  • 추정 심박수 ($HR_{pcg}$).
• 모델링: 이러한 특징들을 수축기 혈압 (SBP) 및 이완기 혈압 (DBP) 에 매핑하기 위해 반경험적 다중 회귀 모델이 개발되었습니다. 이 모델에는 선형, 이차 및 상호작용 항이 포함됩니다.
• 검증: 작은 표본 크기로 인한 과적합을 방지하고 일반화 능력을 평가하기 위해 피험자 단위 Leave-One-Subject-Out 교차 검증 (LOOCV) 을 사용하여 모델을 평가했습니다.

주요 기여

1. PhonoTrack 시스템: 동시 PCG 및 ECG 획득이 가능한 비용 효율적이고 휴대 가능한 하드웨어 프로토타입 개발.
2. 새로운 데이터셋: 기존 문헌에서 시간 정렬된 PCG-BP ground truth 의 부재를 해결하는 15 명의 피험자로부터의 짝을 이룬 수동 BP 측정이 포함된 동기화된 PCG-ECG 데이터셋 도입.
3. 알고리즘 프레임워크: 표준 DSP 기법 (HT, SE, WES) 과 반경험적 회귀의 결합이 복잡한 다중 모달 센서나 무거운 머신러닝 모델 없이 PCG 신호만으로 HR 과 BP 를 효과적으로 추정할 수 있음을 입증.
4. 포괄적인 검증: 피어슨 상관관계, 제곱근 평균 오차 (RMSE), 블랜트 - 알트만 분석 및 신호 대 잡음비 (SNR) 평가를 포함한 엄격한 평가.

결과

심박수 추정:

• 세 가지 엔벨로프 감지 방법 모두 ECG 에서 유도된 HR 과 강한 합의를 보였습니다.
• **섀넌 엔트로피 (SE)**가 가장 좋은 성능을 보였으며, 피어슨 상관 계수 ($R$) 가 0.973이고 평균 절대 오차 (MAE) 는 1.330 bpm, RMSE 는 1.688 bpm 이었습니다.
• 힐베르트 변환 (HT) 과 웨이블릿 에너지 스펙트럼 (WES) 은 각각 $R$값 0.965 와 0.955 를 달성했습니다.
• 블랜트 - 알트만 분석은 낮은 체계적 편향과 95% 일치 한계 내의 긴밀한 합의를 확인했습니다.

혈압 추정:

• 반경험적 회귀 모델은 ground truth BP 와 중간에서 강한 상관관계를 보였습니다.
• 수축기 혈압 (SBP): $R = 0.891$, 오차의 표준 편차는 2.10 mmHg였습니다.
• 이완기 혈압 (DBP): $R = 0.700$, 오차의 표준 편차는 3.20 mmHg였습니다.
• 피험자 단위 LOOCV 하에서 모델은 SBP RMSE 9.89 mmHg 와 DBP RMSE 11.05 mmHg 를 산출하여, 현재 작은 코호트를 기반으로 미지의 피험자에게 일반화하는 데 있어 모델의 현재 한계를 나타냈습니다.

중요성 및 주장

이 논문은 PhonoTrack 시스템을 비침습적이고 지속적인 심혈관 모니터링에 대한 유망한 **개념 증명 (proof-of-concept)**으로 위치시킵니다. 저자들은 그들의 접근 방식이 복잡한 다중 모달 시스템 (ECG+PPG) 이나 고가의 영상 기술에 대한 저비용, 휴대 가능, 단일 센서 대안을 제공한다고 주장합니다.

그러나 저자들은 임상적 준비도에 대해 겸손하고 신중한 입장을 유지합니다:

• 그들은 발견 사항이 예비적이며 작고 동질적인 코호트 (15 명의 건강한 남성) 에 기반한다고 명시적으로 밝힙니다.
• 그들은 현재 결과가 임상 배포, 일상적인 선별 검사, 또는 심혈관 질환 평가와 관련된 주장을 뒷받침하기에 충분하지 않음을 인정합니다.
• 본 연구는 반경험적 모델이 기준선으로 작용하며, 향후 작업은 더 크고 다양한 인구 (여성과 다양한 연령/BMI 그룹 포함) 와 실제 조건 (운동, 잡음) 을 포함하여 광범위한 일반화를 확립해야 함을 강조합니다.

요약하자면, 이 논문은 표준 신호 처리를 사용하여 PCG 전용 신호로 HR 과 BP 를 추정하는 가능성은 검증하여 저렴한 착용형 심장 모니터의 미래 개발을 위한 기초를 마련하는 동시에, 현재 실험 결과와 임상 적용 사이의 격차를 명확히 구분 짓습니다.