For Reviewers

유아 및 아동에게 치과 진료를 할 때 환자의 행동 조절이 어려운 경우가 많다. 이 때 소아 환자들이 공포심을 갖지 않도록 하고 환자들에게 심리적인 불안감을 유발하는 요소를 제거하기 위해 다양한 방법을 사용한다.

치과 치료 시 사용하는 행동 조절 방법은 심리적 방법, 신체적 억제법, 약물을 이용한 의식하 진정 요법, 전신마취 등으로 분류된다. 대부분의 환자는 통상적인 행동 조절 방법만으로 치료가 가능하지만 이러한 방법만으로 불충분한 경우에는 특별한 행동조절법이 요구된다. 이러한 경우 정상적인 치료를 받지 못하고 임시적인 응급치료를 받거나 신체 속박 등의 수단을 사용한다. 그러나 이러한 통상적인 행동 조절 기법으로 부정적인 행동 조절이 어려운 소아 환자들에게 양질의 치료를 제공하기 위해 부득이한 경우에 진정 요법을 사용하기도 한다. 현재 전신마취 하 치과치료를 받을 수 있는 시설을 갖춘 치과 병원이 증가하고 있으며 약제의 개발, 마취 기술의 향상으로 인해 치과 치료 시 전신 마취가 많이 시행되고 있다. 수면 마취는 환자의 움직임이 없는 상태에서 치과 치료를 진행하기 때문에 환자의 협조도와 상관없이 양질의 치과치료가 가능하다. 또한 환자에게 필요한 모든 치료를 한번에 시행할 수 있을 뿐만 아니라 의식이 없는 상태에서 치료가 진행되기 때문에 치과적 공포를 유발하지 않게 되어 향후 치과 치료에서 긍정적 태도를 유도할 수 있다[1,2].

치과에서 수면 마취 치료를 진행하면 무의식 상태인 환자는 기도가 막히더라도 즉각적으로 반응할 수 없어 호흡이 불안정 해지고 심한 경우 사망에 이르기도 한다. 이러한 사고를 미연에 방지하기 위해 수면 마취 치료 시 여러가지 방식을 통해 환자의 호흡 상태를 파악한다. 일반적으로 청진기를 이용하여 직접 청진을 하거나 환자의 산소포화도를 측정하는 방법을 사용한다. 그러나 불안정한 호흡을 감지하는 이러한 방법들은 시간 지연이 발생하거나 진료 장비의 소음으로 인해 긴급 상황 발생 시신속한 대응이 불가능하고 응급처치에 어려움이 있다. 따라서 기존의 방식보다 직관적인 방식을 통해 비정상적인 호흡을 실시간으로 판별할 필요가 있다.

청진을 통해 비정상적인 호흡을 발견할 수 있는 것은 정상적인 호흡과 구별할 수 있는 특성이 존재하기 때문이다. 정상 호흡과 비정상 호흡의 각 특성을 파악하고 구분이 가능하다면 치과 진료 시 발생할 수 있는 비정상 호흡을 실시간으로 판별해 낼 수 있으며 즉각적인 대응이 가능할 것이다.

본 논문에서는 호흡 신호를 분석하여 정상 호흡과 비정상 호흡의 특성을 파악하고 이를 구분할 수 있는 분류 기준을 마련하고자 한다. 비정상 호흡이 나타나는 환자들의 호흡을 녹음한 후 신호 처리를 통해 비정상 호흡과 정상 호흡을 구분하였다. 다양한 신호처리 이론을 바탕으로 MATLAB, Python 등의 프로그램을 사용하여 호흡 데이터 분석을 수행하였다. 각 환자의 호흡 특성을 파악하고 정상 호흡과 비정상 호흡의 차이를 비교하였다. 이를 바탕으로 정상 호흡과 비정상 호흡을 비교하고 특성을 분류함으로써 치과 마취 치료 시 발생하는 비정상 호흡을 실시간으로 판별할 수 있을 것이다.

본 논문에서는 Table 2에서 측정한 환자 10명의 데이터 중 환자 1과 환자 3, 환자 7의 데이터를 중심으로 분석 결과를 비교하였다.

3.1.1 시간영역에서의 호흡 신호

치과 진료 시 의료진들은 청진음이 갑자기 변화하면 비정상 호흡으로 인지한다. 시간에 따른 호흡 신호의 진폭 변화를 청진음과 비교하여 정상 호흡과 비정상 호흡을 시각적으로 구분하였다. 일정한 주기로 호흡이 반복되었으며 비정상 호흡이 발생 했을 때 진폭이 크게 변화하는 것을 알 수 있다.

Fig. 4. 
Respiratory signal of time-domain ; (a) Sample 1, (b) Sample 3, (c) Sample 7

3.1.2 FFT를 적용한 호흡음 분석

환자 10명의 호흡 데이터를 수집하여 호흡 신호의 파형, 세기, 주기성을 파악하고 시간 영역의 신호에FFT를 적용하여 신호의 주파수 성분과 각 주파수 별로 신호가 포함된 정도를 확인하였다. 일반적으로 정상 호흡은 200 Hz 이하에 존재하며 400~800 Hz에서 비정상 호흡이 발생한다[10]. 하지만 Fig. 5에서 확인할 수 있듯이 FFT를 통해 호흡 신호를 주파수 영역에서 관찰한 결과만으로 정상 호흡과 비정상 호흡의 주파수 영역을 구분하기 어렵다.

Fig. 5. 
Respiratory signal analysis with FFT ; (a) Sample 1, (b) Sample 3, (c) Sample 7

3.1.3 STFT를 적용한 호흡음 분석

비정상성을 가진 신호인 호흡음은 시간에 따라 신호의 특성이 계속해서 변화하기 때문에 전체 신호를 대상으로 분석하는 FFT만으로는 각 주파수 성분이 어느 시점에 존재하는지 파악할 수 없다. 이러한 특성 때문에 FFT만으로 비정상 호흡이 존재하는 시점과 정상 호흡과 비정상 호흡의 주파수 범위를 확인하기 어려우므로 STFT를 적용하여 호흡을 분석해보았다. Fig. 6은 수집한 각 환자의 호흡 데이터에 카이저 윈도우 (Kaiser Window)를 사용하여 일정한 시간 간격으로 윈도우를 이동시키며 호흡을 분석한 결과이다. STFT를 적용하고 주파수 범위를 ±2 kHz로 정규화 하였다. 각 환자의 호흡 주기 별로 주파수 분포가 비교적 일정하다가 비정상 호흡 시 변화가 나타나는 것을 확인할 수 있다.

Fig. 6. 
Respiratory signal analysis with STFT ; (a) Sample 1, (b) Sample 3, (c) Sample 7

환자1의 호흡 측정 시 15초, 36초 부근에서 비정상 호흡이 발생하였으며 Fig. 6-(a)에서 이를 확인할 수 있다. Fig. 6-(b)는 환자 3의 호흡에 대한 STFT 결과이며 16초, 37초 부근에서 비정상 호흡이 발생하였다. Fig. 6-(c)는 환자 7의 호흡에 대한 STFT 결과이며 16초 부근에서 비정상 호흡이 발생하였다. 세 경우 모두에서 비정상 호흡은 정상 호흡에 비해 높은 주파수 범위에 분포함을 알 수 있다.

3.1.4 WT를 적용한 호흡음 분석

정상 호흡과 비정상 호흡의 특성을 다양한 방식으로 파악하기 위해 WT를 적용하여 호흡음을 분석하였다. WT를 이용하면 호흡 신호에 윈도우 크기를 다양하게 적용할 수 있어 다중 해상도로 관찰이 가능하다. Fig. 7은 MATLAB에서 환자 1, 환자 3, 환자 7의 호흡 신호에 WT를 수행한 결과이다. WT를 사용하여 시간-주파수 정보를 동시에 파악할 수 있으며 시간에 따른 진폭 변화도 확인할 수 있다. Fig. 7에서 비정상 호흡이 나타나는 시간 구간과 해당 주파수를 확인할 수 있다. Fig. 7-(c)와 같이 시간 영역에서의 정상 호흡과 비정상 호흡의 진폭 차이가 매우 클 때에는 비정상 호흡을 더욱 명확하게 확인할 수 있다.

Fig. 7. 
Respiratory signal analysis with WT ; (a) Sample 1, (b) Sample 3, (c) Sample 7

본 논문에서는 호흡 시 비정상적인 호흡음이 나타나는 환자 10명의 실제 호흡을 녹음 후 분석하여 정상 호흡과 비정상 호흡의 특성을 파악하고 그 차이를 비교하고자 하였다. 신호처리 이론을 바탕으로 MATLAB, Python과 같은 프로그램을 통해 비정상 호흡음이 발생하는 환자의 호흡을 분석하고 각 환자 별로 호흡 특성을 비교하였다. 시간 영역에서는 시간에 따른 신호의 파형 변화를 관찰할 수 있었으며 호흡의 대략적인 주기를 알 수 있었다. FFT를 적용하여 신호를 주파수 영역에서 관찰한 결과 전체 호흡 신호의 주파수 성분과 그 성분이 포함된 정도를 파악할 수 있었다. 그러나 정상 호흡과 비정상 호흡이 어떤 주파수 범위에 존재하는지 파악하기 어려웠으며 비정상 호흡이 발생하는 시간 정보가 드러나지 않는 문제가 발생하였다. 이를 보완하기 위해 신호의 시간-주파수 정보를 동시에 파악할 수 있는 STFT를 신호에 적용하여 분석하였다. 그 결과 비정상 호흡이 발생하는 주파수 범위와 시간을 색상 차이를 통해 시각적으로 파악할 수 있었으며 각 환자 별로 주파수 범위에 차이가 있으나 대체적으로 비정상 호흡의 주파수가 정상 호흡의 주파수보다 고주파 범위에 분포하는 것을 확인할 수 있다. WT를 적용했을 때 시간 영역에서의 정상 호흡과 비정상 호흡의 진폭 차이가 매우 큰 경우에는 비정상 호흡이 발생하는 시간이 가장 명확하게 나타났으나 정상 호흡과 비정상 호흡의 진폭 차이가 적은 경우에는 판별하기가 어려웠다. 이와 같은 결과를 통해 알수 있듯이 환자에 따라 호흡 특성이 다르기 때문에 정상 호흡과 비정상 호흡의 특성을 통계적으로 비교할 필요가 있다. 그러나 환자 10명의 호흡 데이터만으로는 통계적 분석을 하기에 한계가 있다. 또한 환자 4와 환자 9는 구호흡, 환자 7은 코골이가 있는 환자이므로 구호흡 유무와 코골이 유무에 따른 호흡을 비교할 수 있을 것이라고 판단하였으나 호흡 데이터가 적어 비교가 불가능하였다. 따라서 충분한 양의 데이터 세트를 확보한 후 정상 호흡과 비정상 호흡의 차이를 뚜렷하게 구분할 수 있다면 실시간으로 비정상 호흡을 검출할 수 있을 것이라고 판단한다.