In this dissertation, a cardiovascular simulator that mimics the human cardiovascular system was developed for reproducing human blood pressure waves, and a method for inverse estimation of cardiovascular parameters is suggested, including vascular age, which is proportional to stiffness, stroke volume, and peripheral resistance, through artificial intelligence algorithms from reproduced blood pressure waves. The simulator includes artificial aorta, brachial, and radial arteries that imitate the structure and properties of the human cardiovascular system, and 6 types of artificial aorta were implemented to reproduce blood pressure waves according to age. The artificial vessels suppress expansion with a compliance chamber to prevent changes in stiffness and distortion of the blood pressure wave. Through this, the systolic and diastolic blood pressure, and the waveform of the blood pressure wave are reproduced identically to those of humans. The simulator reproduced the central aortic blood pressure wave measured at the aortic arch and the changing trend for each location in the aortic longitudinal direction. Additionally, reproduced central-brachial-radial arterial blood pressure waves show a trend of PP increases and waveform changes similar to humans. The reproduced blood pressure wave shows the same trend as in humans according to the change in cardiovascular parameters, including vascular age, heart rate, stroke volume, and peripheral resistance. Through this, a database of uniformly distributed 4,284 blood pressure waves was constructed by combining cardiovascular parameters for 6 steps of vascular age, 17 steps of heart rate, 7 steps of stroke volume, and 6 steps of peripheral resistance. Meanwhile, in this dissertation, a blood pressure wave data-based cardiovascular parameter inverse estimation method using a CNN model is suggested. Cardiovascular parameters, including vascular age, stroke volume, and peripheral resistance, were estimated from the central, and radial blood pressure wave. The classification accuracy of vascular age is 98.32%, and the RMS error is 1.22 years, and the 95% confidence interval error is 2.39 years. For RMS error, stroke volume is 5.00 ml, and peripheral resistance is 8.32 degrees in valve opening angle. In addition, with transfer learning using the database constructed by the presented simulator and clinical data applied simultaneously when estimating vascular age from the non-invasively measured wrist blood pressure waveform, the classification accuracy was 90.57%, RMS error was 3.68 years, and 95% confidence interval error was 6.99 years. Through this, the reproduction of blood pressure waves according to the cardiovascular parameters of the simulator and the inverse estimation of cardiovascular parameters based on blood pressure waves were cross-validated, and the possibility of inverse estimation of cardiovascular parameters from non-invasive bio-signals was presented. The results of this study will be used as a basis for future research, including the reproduction of bio-signals and diseases of each part through expansion of the upper arm, wrist, and finger phantoms, training of medical personnel, evaluation of medical instruments, and development of health sensors.
본 논문에서는 인체의 혈압파를 재현하기 위하여 인간의 심혈관계를 모사한 심혈관계 시뮬레이터를 개발하였으며, 재현된 혈압파로부터 인공지능 알고리듬을 통하여 강성과 비례하는 혈관 나이, 박출량, 말초저항 등 심혈관계 파라미터를 역으로 추정하기 위한 방법을 제시한다. 시뮬레이터는 인체의 심혈관계의 구조와 물성을 모방한 인공 대동맥 및 상완, 요골 동맥을 포함하며, 연령에 따른 혈압파 재현을 위하여 6종의 강성을 생체 모사 실리콘의 혼합을 통해 구현하였다. 인공 대동맥은 물성의 변화와 혈압파의 왜곡을 예방하기 위하여 가압챔버로 팽창을 억제하며, 이를 통해 혈압파의 최고, 최저 혈압과 파형을 인체와 동일하게 재현한다. 또한 시뮬레이터는 대동맥궁에서 측정되는 중심대동맥 혈압파와 대동맥 길이 방향의 전파과정에 따라 변화하는 경향을 재현하였다. 또한 상완동맥 및 요골동맥으로부터 중심-상완-요골 동맥 혈압파의 맥압 증가 및 파형 변화 경향이 구현되었다. 재현된 혈압파는 혈관 나이, 심박수, 박출량, 말초 저항을 포함하는 심혈관 파라미터의 변화에 대해 인간과 동일한 혈압 파형 변화가 관찰된다. 이를 통해 심혈관계 파라미터를 인체 범위 내에서 6단계의 혈관 나이, 17단계의 심박수, 7단계의 박출량, 6단계의 말초저항에 대하여 조합하여 총 4,284개의 균일한 분포의 혈압 파형 데이터베이스를 구축하였다. 한편 본 논문에서는 데이터 기반 심혈관 파라미터 역추정 방법을 제안한다. CNN 모델을 이용하여 중심 및 요골 동맥 혈압 파형으로부터 혈관 나이 및 박출량, 말초저항을 비롯한 심혈관 파라미터를 추정하였다. 혈관 나이 추정 정확도는 98.32%이며, RMS 오차는 1.22년, 95% 신뢰구간 오차는 2.39년 이다. RMS 오차에 대하여 박출량은 5.00 ml, 말초저항은 밸브 개방 각도로 8.32도이다. 또한 시뮬레이터 데이터베이스와 임상데이터를 동시에 이용한 전이학습을 적용시, 비침습적으로 측정된 손목 혈압 파형으로부터 혈관 나이 추정시 분류 정확도는 90.57%, RMS오차는 3.68년, 95% 신뢰구간 오차는 6.99년이다. 이를 통해 시뮬레이터의 심혈관계 파라미터에 따른 혈압 파형 재현과 혈압 파형 기반 심혈관계 파라미터 역추정 기법을 교차 검증하였고, 비침습 생체 신호로부터 심혈관 파라미터 역추정의 가능성을 제시하였다. 본 연구의 성과는 상완, 손목, 손가락 팬텀의 확장을 통한 각부 생체신호 및 질환의 재현, 의료인 훈련, 의료기기 평가, 헬스 센서 개발 등 향후 연구의 기반으로 활용될 것이다.
