• Journal of information and communication convergence engineering
• /
• 제8권2호
• /
• pp.201-204
• /
• 2010

In the mobile healthcare system, a very important vital sign in analyzing the status of user health is the HRV (heart rate variability). The used signals for measuring the HRV are electrocardiograph and PPG (photoplethysmograph). In extracting the HRV from the PPG signal, an important issue is that extract the exactly HRV from PPG signal distorted from the user's movements. This study suggested a design method of the Kalman filter to solve the problem, and evaluated the performances of a proposed method by PPG signals containing motion artifacts. In the results of experiments that compared with a variable step size adaptive filter proposed in recently, the proposed method showed better performance than an adaptive filter.

• Journal of information and communication convergence engineering
• /
• 제11권3호
• /
• pp.216-222
• /
• 2013

It is known that blood circulation in human body causes the skin tone to change concurrently with heartbeats. A number of apps have been developed to measure the heartbeat using smartphone camera; however, no any further analysis is performed. In this paper we propose an algorithm that detects heartbeats from the phone's camera and further extracts the heart rate variability (HRV). We compare the HRV extracted from the camera with the HRV extracted from the electrocardiogram. We estimated a number of commonly used HRV characteristics and compared them. Our results show that smartphone camera leads to slightly overestimated characteristics although the difference in extracted HRV signals is negligible. As a consequence we suggest that a smartphone camera can be employed in a quick heart diagnosis and diagnosis of autonomic nervous system.

• 한국멀티미디어학회논문지
• /
• 제20권8호
• /
• pp.1395-1405
• /
• 2017

In this paper, we analyses heart beat data to identify subjects stress state (binary) using heart rate variability (HRV) features extracted from heart beat data of the subjects and implement supervised machine learning techniques to create the mental stress classifier. There are four steps need to be done: data acquisition, data processing (HRV analysis), features selection, and machine learning, before doing performance measurement. There are 56 features generated from the HRV Analysis module with several of them are selected (using own algorithm) after computing the Pearson Correlation Matrix (p-values). The results of the list of selected features compared with all features data are compared by its model error after training using several machine learning techniques: support vector machine, decision tree, and discriminant analysis. SVM model and decision tree model with using selected features shows close results compared to using all recording by only 1% difference. Meanwhile, the discriminant analysis differs about 5%. All the machine learning method used in this works have 90% maximum average accuracy.

• 한국융합학회논문지
• /
• 제9권5호
• /
• pp.33-41
• /
• 2018

본 연구는 심박변이도(HRV)와 인공신경망을 이용하여 강건하고 정확한 융복합 감정예측 모형인 EPNN (Emotion Prediction Neural Network)을 개발하는 것을 주요 연구목적으로 한다. 본 연구에서 제안하는 EPNN은 기존 유사연구와는 달리 은닉노드의 활성함수로서 하이퍼볼릭 탄젠트, 선형, 가우시안 함수를 융복합적으로 이용하여 모형의 정확도를 향상시킨다. 본 연구에서는 EPNN의 타당성을 검증하기 위하여 20명의 실험자를 대상으로 머니게임으로 감정을 유도한 후에 해당 실험자의 심박변이도 측정값을 입력자료로 사용하였다. 아울러 그들의 Valence와 Arousal을 EPNN의 출력값으로 사용하였다. 실험결과 Valence에 대한 F-Measure는 80%이고, Arousal의 경우 95%로 나타났다. 한편 EPNN의 타당성을 측정하기 위하여 기존 감정예측 연구에 사용된 경쟁모형인 인공신경망, 로지스틱 회귀분석, 서포트 벡터 머신, 랜덤 포레스트 모형과 성과를 비교하였다. 그 결과 본 연구에서 제안하는 EPNN이 더 우수한 감정예측 결과를 보였다. 본 연구의 결과는 향후 유비쿼터스 디지털 헬스 환경에서 사용되는 다양한 웨어러블 기기에 적용되어 사용자들의 일상생활 속에서 시시각각 변하는 감정을 정확히 예측하고 적절하게 관리하는데 적용될 수 있을 것이다.

• 융합신호처리학회논문지
• /
• 제16권2호
• /
• pp.50-55
• /
• 2015

자기공명영상 촬영시 발생되는 소음은 100 dB정도의 큰 소리로 인체에 심리적 생리적으로 많은 영향을 미친다. 따라서 본 연구는 자기공명영상 소음에 따른 성인 남녀의 심박동변이률 신호의 주파수 분석을 통해 스트레스 정도를 분석하였다. 실험 방법은 귀마개를 착용하여 안정상태에서 15분간 심전도 신호를 측정하였다. 그 후 자기공명영상 장비에서 측정한 약 100dB의 음원을 30분동안 들으면서 동시에 심전도 신호를 측정하였다. 약 100 dB정도에서의 자기공명영상 소음은 HRV 분석 결과 교감신경과 부교감신경간의 불균형을 초래하여 스트레스 상태를 유발하였다. 안정 상태에서 10분까지 최대의 스트레스 상태를 나타내고, 15분부터는 스트레스 정도가 줄어들어 30분에는 안정 상태 보다 높은 스트레스 상태를 나타내었다. 본 연구를 기초 자료로 하여 자기공명영상 촬영 종사자들은 환자의 청각보호에 관심을 가지고, 자기공명영상 소음에 관한 객관적인 지표연구가 필요할 것으로 사료된다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 하계종합학술대회논문집
• /
• pp.289-292
• /
• 2000

선형 자귀회귀(AR) 모델을 근거로한 HRV 파워 스펙트럼해석은 비침습적으로 자율신경의 반응을 정량화하는데 폭넓게 사용된다. 본 연구는 단구간(2분 미만)의 심전도와 맥파 신호로부터 시계열 HRV의 파워스펙트럼을 추정한다. 시계열은 정상인을 대상으로 검출한 심전도와 맥파신호의 특징점 시간간격(RRI, PPI)으로부터 구하였다. 발생된 시계열은 다항식 보간법에 의해 AR모델에 적합하게 재구성하였으며, AR모델 계수는 Burg법에 의해 계산하였다. AR모델을 적용한 단구간의 심전도와 맥파의 심박변동에 대한 파워스펙트럼밀도는 저주파수(LF)와 고주파수(HF)에서 매끄러운 스펙트럼 파워를 나타내고 있다. 또한 동일한 피험자의 심전도와 맥파의 파워스펙트럼밀도를 비교한 결과 동일한 모양을 나타내었다.

• 감성과학
• /
• 제21권1호
• /
• pp.71-82
• /
• 2018

본 연구에서는 스트레스에 대한 심리 반응 요인과 인지 스트레스원에 의해 유발된 심박변이도의 변화와의 관계를 확인하고자 하였다. 33명의 실험참여자는 지난 2주 동안 경험한 스트레스에 대하여 정신적 신체적 증상들을 스트레스 반응 척도 상에 평가하였다. 또한 실험참여자가 인지 스트레스 과제를 수행하는 동안 심전도 신호가 기록되었다. 심박변이도 지표로서, R-R간격의 표준편차(SDNN), 연속한 R-R 간격 차이 값의 평균제곱근(RMSSD)과 심박변이도의 저주파 성분(LF)과 고주파 성분(HF)의 비율이 추출되었다. 스트레스 반응은 회복기 동안의 평균에서 기저선의 평균을 뺀 차이값으로 분석에 사용되었다. 분석 결과, 스트레스 요인과 심박변이도 지표들과의 유의한 정적 상관을 보였다. 특히 스트레스에 대한 공격 반응의 증가는 모든 심박변이도 지표의 증가와 연관이 있었다. 모든 심박변이도 지표의 증가는 자율신경계가 동시에 활성화됨을 의미한다. 즉, 공격 반응의 증가는 교감 및 부교감신경계의 활성도의 증가와 관련이 있다. 또한 긴장, 우울, 피로와 좌절은 RMSSD와의 정적 상관이 있었다. RMSSD의 증가는 부교감신경계 활성의 증가를 의미하는 것으로, 긴장, 우울, 피로, 좌절의 증가와 부교감 신경의 활성도의 증가가 연관이 있었다. 이러한 자율신경의 공동 활성화는 주의 집중을 요하는 인지 스트레스원에 대한 통합된 반응으로 여겨진다.

• 한국융합학회논문지
• /
• 제9권1호
• /
• pp.387-392
• /
• 2018

이 연구의 목적은 폐쇄성수면무호흡환자들의 수면단계, AHI, 연령대 간 심박변이도의 통계적 유의성을 결정하는 것이다. 이 연구는 수면무호흡 성인 환자 40명을 대상으로 시간영역 및 주파수 영역에서 심박변이도의 주요 파라메타를 평가하였다. 비 램수면 단계는 3개 그룹 수면무호흡증 환자의 AHI 등급을 비교하여 통계적으로 검증되었다. NN50(p=0.043), pNN50(p=0.044), VLF peak(p=0.022) 및 LF/HF(p=0.028) 매개변수들은 대조군에서 수면무호흡증환자의 R-R 간격에서 통계적으로 유의하였다. 수면무호흡 환자들의 비 램수면(수면2단계)과 램수면 사이의 LF/HF(p=0.045)과 HF power(p=0.0395)파라메타들은 대조군 그룹에서 통계적 유의하였다. 우리는 이 연구에서 폐쇄성 수면무홉증환자들의 AHI, 수면단계 및 연령이 심박변이도 상관관계를 이해하는데 근거를 제시 할 수 있을 것이다.

• ETRI Journal
• /
• 제37권2호
• /
• pp.222-232
• /
• 2015

In this paper, we propose a dual-phase approach to improve the process of heart disease prediction in a mobile environment. Firstly, only the confident frequent rules are extracted from a patient's clinical information. These are then used to foretell the possibility of the presence of heart disease. However, in some cases, subjects cannot describe exactly what has happened to them or they may have a silent disease - in which case it won't be possible to detect any symptoms at this stage. To address these problems, data records collected over a long period of time of a patient's heart rate variability (HRV) are used to predict whether the patient is suffering from heart disease. By analyzing HRV patterns, doctors can determine whether a patient is suffering from heart disease. The task of collecting HRV patterns is done by an online artificial neural network, which as well as learning knew knowledge, is able to store and preserve all previously learned knowledge. An experiment is conducted to evaluate the performance of the proposed heart disease prediction process under different settings. The results show that the process's performance outperforms existing techniques such as that of the self-organizing map and gas neural growing in terms of classification and diagnostic accuracy, and network structure.

• 한국융합학회논문지
• /
• 제10권12호
• /
• pp.517-523
• /
• 2019

본 연구는 지역사회 정신건강복지센터에 등록된 우울증환자를 대상으로 오감자극 원예요법을 제공하고 스트레스와 심박동변이에 미치는 효과를 파악하였다. 본 연구의 대상자는 C 지역 소재 1개 정신건강복지센터에 등록된 성인 우울증환자 26명(실험군=13명, 대조군=13명)이다. 실험군은 8주 1회 총 8회기의 오감자극 원예요법에 참여하였고 대조군은 프로그램 종료 후 원하는 대상자에게 원예요법을 1회 제공하였다. 수집된 자료는 서술통계, t-test, Mann-Whitney U test를 이용하여 분석하였다. 프로그램 참여 후 실험군은 대조군에 비해 지각된 스트레스(t = 3.11, p = .005)가 통계적으로 유의하게 감소하였고, 심박동변이 중 Low Frequency(t = -3.39, p = .002), Standard Deviation Normal to Normal(t = -2.48, p = .025)이 유의하게 증가하였다. 따라서 본 연구의 오감자극 원예요법이 우울증환자의 스트레스 감소에 효과가 있음이 확인되었다.