With an increasing demand for wearable healthcare system, more complex analysis with physiological signals is required for many applications. The bulky instruments are developed in a small size of portable devices and recently some of them are also implemented as small as it is attached on the body or clothes. The semiconductor system shrinks all the functions on a small chip. In addition, the wearable systems require more and more complex operations for diverse applications such as sleep monitoring, emotion detection and mental health monitoring. Three kinds of integrated circuit (IC) solutions for wearable monitoring system for mental health are dealt with.
The first solution is the monitoring system using both brain and cardiac signals. The chaos-processor treats both electroencephalogram (EEG) and heart rate variability (HRV). An independent component analysis (ICA) accelerator decreases the error of HRV extraction from 5.94% to 1.84% in the preprocessing step. Largest Lyapunov exponent (LLE), as well as conventional features such as mean and standard variation, is calculated with NCA acceleration. The chaos-processor fabricated in $0.13 \mu m$ CMOS technology consumes only $259.6 \mu W$.
The second solution is the cardiac monitoring system which is made in the shape of chest patch. The cardiac monitoring SoC extracts several features from HRV. There are, for example, nonlinear features such as LLE, SampEn and ApEn, frequency-domain features such as LFHF, peakLF and peakHF, and time-domain features such as mean HR, SDNN and pNN50. With those features, the mental stress is estimated using support vector machine (SVM). The chip is fabricated in $0.13 \mu m$ CMOS process with $4 \times 2mm^2$ of dimension. It operates in 1.2V of supply voltage and 1MHz of operating frequency.
The third solution deals with more complex analysis of EEG and add the feedback path. A neuro-feedback stimulation (NFS) chip is proposed and integrated into the mental health management system. The chip is composed of ICA, fast Fourier transform (FFT), SVM and stimulator. It is fabricated in $0.13 \mu m$ CMOS process with $5 \times 2.35mm^2$ chip size. It dissipates 4.45mW peak power and 2.14mW average power for diagnosis and maximum 2mA can be stimulated with DC, AC and random pattern.
With those ICs, three different form of systems are developed : Headband with the chaos-processor, chest band with the cardiac monitoring SoC and headgear with neuro-feedback SoC. For user friendly interface, those systems are controlled wireless by specific application on PC and smart devices.
최근 다양한 응용에서 생체신호를 활용한 착용형 헬스케어 시스템이 요구된다. 이러한 추세로 부터 부피가 큰 의료 기구들이 점차 소형화 되고 최근에는 몸에 착용할 수 있는 형태의 크기로 개발이 되고 있다. 반도체 시스템은 의료기기의 소형화에 있어서 좋은 대안이며 이를 활용하여 수면검사, 감성 인식 그리고 정신 건강을 위한 기능을 작은 반도체 안에 집적 시킬 수 있다. 본 논문은 착용형 모니터링 시스템을 위한 3 가지의 반도체 시스템을 설계 및 구현하였으며 이를 이용하여 정신건강 관리용 웨어러블 시스템을 선보였다.
첫번째로 심박변이 Heart Rate Variability (HRV) 및 뇌전도 Electroencephalogram (EEG)를 이용한 SoC를 개발하였다. 이는 사람이 정신적 스트레스를 받게 되면 뇌에 활동 변이를 EEG를 통해서 감지하고 이로 동반되는 신체의 변화를 HRV를 통해서 모니터링 하는 SoC를 설계하였다. 시스템의 소형화를 위해서 머리 부위의 4개의 전극으로부터 받아 들여진 생체신호로 부터 EEG 신호와 HRV 신호를 분류하는 4채널 Independent Component Analysis (ICA) 전용 가속기가 있으며 Largest Lyapunov Exponent (LLE) 추출을 위한 비선형 분석 가속기를 가지고 있다. 이러한 전용 하드웨어는 $5 \times 2.35mm^2$의 크기로 제작 되었으며 $259.6 \mu W$의 전력 소모로 동작한다.
두번째 SoC는 가슴 패치에서 검출한 심전도 Electrocardiography (ECG) 에서 HRV를 추출하여 정신적 스트레스 mental stress를 검출할 수 있도록 설계되었다. HRV로 부터 추출된 비선형 특징점, 주파수영역 특징점 그리고 시간영역 특징점을 이용하여 정신적 스트레스를 검출한다. 비선형 특징점으로는 LLE, SampEn 그리고 ApEn 등이 있고 주파수영역 특징점으로는 LFHF, peakLF와 peakHF 등을 사용하며 시간영역 특징점으로는 평균 심박 HR, SDNN 그리고 pNN50 등을 사용한다. 이러한 특징점들을 support vector machine (SVM)을 이용하여 정신적 스트레스를 계산한다. $0.13 \mu m$ CMOS 공정으로 제작되었으며 크기는 $4 \times 2mm^2$ 이다. 1MHz의 동작 주파수와 1.2V의 공급 전압으로 동작한다.
세번째로 EEG의 좀더 복잡한 분석을 위하여 EEG 전용 정보처리기를 제작하였으며 이를 구성하기 위해 다양한 알고리즘 및 회로적인 기법이 적용되었다. Brain-Computer Interface (BCI) 및 정신건강 분석을 위한 뇌파 분석 기법에서 많이 사용되는 ICA를 가속화 하는 방법이 중점적으로 이루어졌으며 Self-configured ICA라는 변형된 방법을 제안함으로써 16개 채널의 250 S/s의 신호를 실시간으로 분석할 수 있게 하였다. 특히 ICA 알고리즘 중 일부 process인 Eigen Value Decomposition (EVD)를 하드웨어로 전용으로 구성함으로써 이를 위한 memory 요구량을 23% 줄일 수 있었으면 Look-up Table (LUT)를 통한 삼각함수로 4cycle 만에 한 번의 연산을 할 수 있도록 가속하였다. 또한 여러 가지 모드에 따른 supply voltage 및 frequency를 가변함으로써 신호 처리를 위한 전력 효율을 높일 수 있었다. 특히, 사람의 뇌파를 이용하여 정신 상태를 감정을 하였으며 이러한 상태에 따라 뇌에 작은 전류자극을 주입함으로써 사람의 뇌 활동을 제어할 수 있는 시스템을 구성하였다. 또한 사용자의 요구에 따라 두뇌에 전기전류를 주입함으로써 정신 건강의 모니터링 뿐만 아니라 치료의 효과도 가질 수 있었다.
최종적으로 이러한 시스템을 무선으로 제어할 수 있게 함으로써 사용자의 사용성을 높였다. 구현된 정신 건강 관리 시스템은 Bluetooth 연결을 지원하여 외부 PC 및 Smart Device와 연동이 되며 이를 시각적인 방법을 통해 사용자에게 정보를 전달할 수 있다. 이를 위해 Android와 Windows 환경에서 동작하는 소프트웨어를 구현하였다.
