일상 생활 중 건강 모니터링을 위한 생체 신호 딥러닝 분석 연구
의자의 2채널 BCG를 CNN, BiGRU, 어텐션으로 분석해 혈압을 추정했다.
01 / RESEARCH DETAIL2채널 BCG 혈압 추정 / 최종 모델과 실시간 서비스 구성
- 난제
- 등과 좌석의 BCG에서 시간에 따른 변화를 추출하고 실시간 혈압 표시까지 연결해야 한다.
- 해결
- 10초 구간의 국소 특징을 CNN으로 추출하고 BiGRU와 시간 어텐션으로 혈압을 회귀했다.
- 기여
- 동기화 신호 수집, 혈압 추정 모델과 실시간 분석 서비스를 공동 개발했다.
| 최종 코드 명세 | 구현 |
|---|---|
| 입력 | 250 Hz, 2채널, 10초 |
| CNN | 10층, 64 / 128 / 256 / 512채널 |
| 회귀 | BiGRU 64 + 시간 어텐션 |
평가 조건 및 연구 범위최종 코드: CNN 10층, 64/128/256/512채널, BiGRU 64. 발표 그림은 이전 모델 구성.
02 / RESEARCH DETAIL6명 개인 내 혈압 추정 평가
- 실험
- 1인당 약 3시간 동안 안정 상태와 운동 후 상태를 측정하고 커프 혈압을 2분 간격으로 확보했다.
- 평가
- 개인 내 데이터를 시간순으로 29 / 14 / 57% 분할해 6명의 SBP 및 DBP 추적 오차를 평가했다.
| 6명 평균 (mmHg) | SBP | DBP |
|---|---|---|
| MAE | 4.70 | 3.83 |
| RMSE | 6.02 | 4.90 |
평가 조건 및 연구 범위2021년 논문의 평가 결과. 중첩 구간과 분할 전 정규화를 사용한 개인 내 실험.