이어폰 안으로 들어간 광학 심박 센서

아나로그디바이스(Analog Devices, Inc.)는 일반적인 인이어 헤드폰에 생체 신호를 측정하는 기능적인 디바이스를
통합하였다. 이 디바이스의 향상된 응답성은 완전히 새로운 영역의 애플리케이션과 가능성을
활짝 열어준다. 이 글에서는 이 시스템을 설명하고 살펴보기로 한다

센서 기술의 발전 덕분에, 사람들이 생체 신호와 건강을 진단하는 방법과 장소에도 많은 변화가 생겼다. 휴대용 비침습적 측정 기법은 측정이 빠르고 간단해 일상 생활 중에 측정이 가능하다. 이러한 진단 기술은 피트니스 산업에서 많은 인기를 모았지만 정확도에 제약이 있었고, 이 문제는 최근에서야 극복되었다.

피트니스 트래커는 심박수와 다른 생체 신호를 측정할 수 있어 사용자가 일상적 운동을 설정할 수 있게 도와준다. 피트니스 트래커는 종종 걷기, 달리기, 수영을 구분할 수 있도록 운동 패턴을 감지할 수 있는 모션 센서를 내장하고 있어 만보계로 사용할 수도 있다. 일상생활의 편의성과 편안함을 위해 센서는 시계나 보석류, 손목 스트랩 같은 액세서리에 장착되기 때문에 주로 손목에서 측정된다. 그러나 측정 품질을 고려하면 손목은 최적의 위치는 아니다. 심박수 검출은 동작 잡음으로 제한되고, 상대적으로 높은 근육량이 동맥에 대한 접근을 제한해 검출이 어렵기 때문이다.

이에 반해 귀는 광학 심박수 측정에 훨씬 더 적합하다. 귓볼은 이미 의료 전문가들이 혈중 산소 농도를 측정하는 데 사용하고 있는 인체 부위이다. 하지만 최근까지 귀에 착용하는 측정 장치는 공간이 제한되고 전력 소모가 매우 높아 큰 배터리를 필요로 하기 때문에 소비자 수준에서 완벽하게 활용되지는 못했다. 그러나 아나로그디바이스(Analog Devices, Inc.)가 고도로 통합되고 전력 소모가 낮은 칩을 선보이면서 이러한 문제를 극복하는 솔루션을 공개했다.

이로써 일반적인 인이어 헤드폰에 생체 신호를 측정하는 기능적인 디바이스를 통합할 수 있게 됐다. 이 디바이스의 향상된 응답성은 완전히 새로운 영역의 애플리케이션과 가능성을 활짝 열어준다. 이 글에서는 이 시스템을 설명하고 살펴보기로 한다.

펄스 신호 측정하는 광 특성

기초가 되는 측정 방법은 광 특성이다. 최대 3개의 LED에서 나오는 짧은 펄스 신호를 측정에 사용한다. LED 전류는 최소 1μs 펄스 폭에서 최대 370mA까지 될 수 있다. 최적의 LED 파장은 측정 위치와 측정 방법에 따라 선택된다. 손목에서는 피상 동맥만 측정할 수 있으므로 녹색광이 선택되는 반면, 귀에서는 적외선과 더 깊은 침투 깊이뿐 아니라 더 높은 신호대잡음비(SNR)을 사용할 수 있다.

포토다이오드의 검출기 영역은 응답성과 직접 관련되는데, 이 소자는 반사되는 빛을 측정하므로 신호와 배경 잡음을 모두 측정할 수 있다. 다운스트림 아날로그 프런트엔드는 더 높은 SNR을 제공한다. 이는 또 신호 필터 기능도 하며, 검출된 전류를 전압과 디지털 형식으로 변환한다. 알고리즘은 반사 측정 외에도 가속도계를 이용해 동작 잡음을 제거하는 보정을 포함한다.

측정 시스템의 구성요소는 다음과 같다. 아나로그디바이스의 ADPD144RI 칩은 아날로그 프런트엔드로 사용되며, 추가적으로 포토다이오드와 LED를 포함한다. 측정은 3축 가속도계를 통해 이루어진다. 가속도계는 걸음 패턴과 동작의 인식뿐 아니라 잡음 제거를 위해서도 사용된다. 이 글의 예제에서는 ADXL362 모델이 사용되었다. 전체 프로세스는 다양한 센서의 인터페이스 역할을 하고 알고리즘을 포함하는 ADuCM3029 마이크로컨트롤러에 의해 제어된다.



그림 1은 일반적인 이어버드 이어폰에 광 센서와 가속도계를 모두 포함한 테스트 시스템을 보여준다. ADC 샘플링 속도를 100Hz로 제한하고 LED 강도를 최소화하여 전력 소모를 가능한 낮게 유지하였다.

시스템 특성화를 위해 다양한 동작 패턴에 대한 5가지 시나리오를 고려했다. 평가에는 광학 신호만 사용되었다. 이를 통해 펄스 측정의 부정확성이 어떤 시나리오에서 나타나는지, 그리고 펄스 측정의 정확도를 높이기 위해 언제 가속도계 데이터가 필요한지를 평가할 수 있다. 시나리오는 다음과 같은 동작 시퀀스를 다룬다.

•가만히 서 있을 때
•껌을 씹으면서 가만히 서 있을 때
•책상에 앉아 일할 때
•걸을 때
•달리기 및 점프할 때

# 테스트 시나리오 1
가만히 서 있을 때

그림 2는 샘플링 레이트에 대한 진폭으로 표시한 원시 데이터의 스펙트럼을 보여준다. 맥동은 시간의 경과에 따른 피크 값으로 식별할 수 있다. 동작이 없으므로 신호가 매우 깨끗하며, 피크 위치와 알려진 샘플링 레이트를 통해 심박수를 확인할 수 있다.



광 센서는 각각 4개의 채널을 갖는 2개의 LED 컬러(적외선과 적색광)로 심박수를 기록한다. 이러한 방식에서는 2개의 다른 컬러 채널로 수행한 측정 간에 미분을 수행하여 더 명확한 값을 선택할 수 있다. 그림 3A에서는 다양한 채널의 신호들을 볼 수 있다. 6개 채널의 경우 명확하게 정의된 신호를 식별할 수 있으며, 2개의 채널은 포화된다.



더 강하고 명확한 신호를 보여주기 위해 알고리즘은 각각 포화되지 않은 채널을 추가하고 심박수를 계산한다. 그림 3B는 적색 채널(상단)과 적외선 채널(하단)의 심박수를 보여주며, 이와 동시에 컬러 스케일을 통해 측정에 대한 신뢰 수준을 보여준다. 또한 다중 심박수가 제공되는데, 원래의 신호(점선)는 샘플링 레이트와 신뢰도 표시에 의해 구별할 수 있다.

요약하면, 동작이 없으므로 신호가 강하고 방해하는 잡음이 없다. 따라서 알고리즘은 높은 신뢰도로 심박수를 결정할 수 있다. 적외선 채널에서 나오는 신호는 적색 채널에서 나오는 신호보다 강하다.

# 테스트 시나리오 2
껌을 씹으면서 가만히 서 있을 때

시나리오 2에서는 껌을 씹는 동작이 추가된다. 기록된 스펙트럼은 그림 4에 나와 있다. 테스트 시나리오 1과 달리, 신호가 마치 점프하는 것 같은 동작 잡음을 선명하게 볼 수 있다. 동작 잡음은 앞에서와 같이 미분을 거친 명확한 심박수를 더 이상 보여주지 않는 채널의 합에서도 명확해진다. 그럼에도 알고리즘은 동작 센서의 추가적인 도움 없이 심박수를 높은 신뢰도로 정확하게 결정할 수 있다. 흥미로운 것은, 여기서는 적외선 신호 강도가 적색 채널보다 더 강하게 나타난다.



# 테스트 시나리오 3
책상에 앉아 일할 때

시나리오 3에서는 또 다른 일상적인 상황을 테스트한다. 피시험자는 책상에 앉아 일반적인 업무를 수행하면서 그와 관련된 동작을 수반한다. 시나리오 2와 유사하게 동작 잡음이 검출될 수 있지만, 알고리즘이 두 채널에서 모두 심박수를 식별할 수 있다. 그림 5에서 보듯이 적외선 신호는 여기에서도 우세하다.



# 테스트 시나리오 4
걸을 때

앞의 시나리오들이 정지 상태의 측정 조건을 다루었다면, 이 테스트에서는 피시험자가 한 방향으로 느린 속도(분당 약 50걸음)로 일정하게 움직인다. 그림 6에서 보듯이 심박수는 PPG 신호의 보행 속도와 섞여 다양한 채널의 합은 매우 흐릿한 신호로 나타난다. 적색 신호 영역에서는 정의된 심박수를 계산할 수 없지만, 알고리즘은 적외선 영역에서 적합한 심박수를 찾아낸다. 그러나 행렬의 변동치가 크고 신뢰도가 낮을 뿐 아니라, 특히 지금까지 느린 보행 속도에서만 측정이 수행되었기 때문에 가속도계에서 나오는 추가적인 운동 데이터가 크게 도움이 된다.



# 테스트 시나리오 5
달리기 및 점프할 때

시나리오 5는 일정한 운동을 측정하는 대신 단거리 달리기와 점프 구간을 교대로 수행한다. 이제 동작 잡음은 매우 선명하게 식별할 수 있다. 여기서 알고리즘은 그림 7에서 보듯이 정확한 심박수를 분리하기가 매우 어렵다. 모션 센서 지원이 불가피해 보인다.

모션 센서의 필요성을 보다 정확히 평가하기 위해 시나리오 5에서는 가속도계를 사용했을 때와 그렇지 않았을 때의 측정 기술을 테스트했다. 그림 8은 보정된 가속도계 데이터가 없을 때(왼쪽)와 보정된 가속도계 데이터를 사용할 때(오른쪽)의 부가 스펙트럼을 비교한 것이다. 가속도계의 지원 없이는 가능하지 않았던 심박수가 식별되면서 신호의 향상이 눈에 띄게 나타난다.



테스트 사례를 통해, 대부분의 경우 이어버드에 통합된 센서를 사용하여 심박수를 매우 정확하게 결정할 수 있다고 결론 내릴 수 있다. 국소적이거나 느린 병진 운동의 경우에는 가속도계를 사용하지 않고도 심박수를 결정할 수 있다. 그러나 갑작스럽고 빠른 운동의 제한적인 사례에서는 운동 보정 데이터와 비교함으로써 데이터를 해석할 수 있다. 모든 경우에서 적외선 신호는 적색광 신호보다 더 강했다.

손목 측정과 비교할 때 귀의 신호는 더 강하므로 보다 정확한 측정이 가능하다. 또한 적색광이나 적외선을 사용하여 혈중 산소 농도도 측정할 수 있다.



결론

결론적으로, 귀를 통한 측정은 기능 테스트 시스템에서 보듯이 전망이 매우 밝다. 측정 디바이스 또한 보다 우수한 기계적 통합을 통해 향상시킬 수 있으며, 추가적인 측정을 포함하도록 확장할 수 있다. 따라서 가속도계를 낙상 감지 및 걸음 인식에도 사용하여 부가가치를 높일 수 있다.

저자 소개

크리스토프 캐머러(Christoph Kammerer)는 2015년 2월부터 독일 소재 아나로그디바이스에서 근무했다. 2014년에 에를랑겐에 위치한 프리드리히 알렉산더 대학에서 물리학 석사학위를 받았다. 다음 해부터 리머릭 소재 아나로그디바이스에서 프로세스 개발 인턴 사원으로 근무했으며, 2016년 12월 필드 애플리케이션 엔지니어(FAE) 연수 프로그램을 마친 후 아나로그디바이스에서 이머징 애플리케이션을 맡고 있다. 문의: christoph.kaemmerer@analog.com