• 전기전자학회논문지
• /
• 제21권4호
• /
• pp.397-403
• /
• 2017

현대사회에서 스트레스로 인한 심리적 질병과 충동적 범죄들이 발생하고 있다. 스트레스를 줄이기 위한 기존 치료방법은 지속적인 방문 상담을 통해 심리상태를 파악하고, 약물치료나 심리치료로 처방하였다. 이러한 대면 상담 치료 방법은 효과적지만, 환자의 상태 판단에 많은 시간이 소요되며, 개인의 상황에 따라서 지속적인 관리가 어려운 치료 효율성의 문제가 있다. 본 논문에서 시청각적 스트레스에 의해 유발된 감정 상태를 실시간으로 분류하고, 사용자의 감정을 안정적인 상태로 유도하는 인공지능 감정 관리 시스템을 제안한다. 본 시스템은 PPG와 GSR를 이용하여 다중 생체신호를 측정하고, 적합한 데이터 형태로 변환하는 전처리 과정을 거쳐 SVM 알고리즘을 통해 기쁨, 진정, 슬픔, 두려움 등 대표적인 4가지의 감정 상태를 분류한다. 분류결과가 슬픔이나 두려움과 같은 부정적 상태로 판단되면, 실시간 감정관리 서비스를 제공하여 사용자의 감정이 안정적인 상태로 유도됨을 실험을 통해 검증한다.

• 융합신호처리학회논문지
• /
• 제24권3호
• /
• pp.134-139
• /
• 2023

재활환자는 수술 치료 후 신속한 사회복귀를 목적으로 신체적 기능 회복을 위하여 통원치료 및 일상에서 재활운동을 수행한다. 병원에서 전문 치료사의 도움으로 운동을 수행하는 것과 달리 일상에서 환자 스스로 재활운동을 수행하는 것은 많은 어려움이 있다. 본 논문에서는 일상에서 환자 스스로 효율적이고 올바른 자세로 재활운동을 수행할 수 있도록 CNN-LSTM 기반의 상지 재활운동 실시간 모니터링 시스템을 제안한다. 제안한 시스템은 EMG, IMU가 탑재된 어깨 착용형 하드웨어를 통해 생체신호를 계측하고 학습을 위한 전처리 과정과 정규화를 진행하여 학습 데이터세트로 사용하였다. 구현된 모델은 특징 검출을 위한 3개 합성곱 레이어 3개의 폴링 레이어, 분류를 위한 2개의 LSTM 레이어로 구성되어 있으며 검증 데이터에 대한 학습 결과 97.44%를 확인할 수 있었다. 이후 Teachable machine과의 비교평가를 진행하였으며 비교평가 결과 구현된 모델은 93.6%, Teachable machine은 94.4%로 두 모델이 유사한 분류 성능을 나타내는 것을 확인하였다.