• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2006년도 춘계종합학술대회
• /
• pp.426-429
• /
• 2006

노약자나 만성질환자를 위하여 가정에서 분산된 무선센서네트워크 노드를 사용하는 헬스케어 모니터링 시스템을 설계 및 제작하였다. 본 시스템은 가장 중요한 건강 파라메터인 ECG와 체온을 측정하도록 설계되었으며, 무선센서 노드를 사용하여 원격지의 병원서버 또는 의사의 PC, PDA에 연결된 베이스스테이션으로 Ad-hoc 네트워크를 통해 환자 또는 노인의 건강정보를 전송하는 시스템 구현에 목적을 두고 있다. 본 시스템을 통해 환자의 의료장비 비용을 절약 할 수 있을 뿐만 아니라 센서 노드는 무선센서네트워크의 강점인 Ad-hoc 통신이 가능하면서 저전력으로 동작하여 배터리의 수명을 연장할 수 있는 특징을 가진다. 또한, 병원의 한층 전체의 환자나 여러 환자가 거주하는 가정 또는 시설에서 하나의 PC(또는 서버컴퓨터)로 시스템 구성이 가능하도록 시스템을 구현함으로서 베이스스테이션에서 멀리 떨어져 있는 환자의 생체 신호도 Ad-hoc 네트워크를 통해 베이스스테이션까지 전송이 가능하였으며, 이동성 제공 및 홈 환경에서 사용자에게 편리함을 가져올 수 있으리라 예상된다.

• Journal of information and communication convergence engineering
• /
• 제8권2호
• /
• pp.219-222
• /
• 2010

An ubiquitous sensor network (USN) system to monitor the bio information and the emergency of the elderly in the silver town is presented. The USN system consists of the sensor node platforms based on MCU of Atmage128L and RF Chip of CC2420 satisfying IEEE 802.15.4, which includes the bios sensor module such as the electrocardiogram (ECG) sensor and the temperature sensor. Additionally, when an emergency of the elderly is occurred in the silver town, the routing algorithm suitable to find and inform the location of the elderly is proposed, and the proposed routing algorithm is applied to the USN. To collect and manage the ECG data at the PC connected to the sink node, LabView software is used. The bio information and the emergency of the elderly can also be monitored at the client PC by TCP/IP networks in the USN system.

• 센서학회지
• /
• 제29권1호
• /
• pp.19-26
• /
• 2020

Electrocardiogram (ECG) classification has become an essential task of modern day wearable devices, and can be used to detect cardiovascular diseases. State-of-the-art Artificial Intelligence (AI)-based ECG classifiers have been designed using various artificial neural networks (ANNs). Despite their high accuracy, ANNs require significant computational resources and power. Herein, three different ANNs have been compared: multilayer perceptron (MLP), convolutional neural network (CNN), and spiking neural network (SNN) only for the ECG classification. The ANN model has been developed in Python and Theano, trained on a central processing unit (CPU) platform, and deployed on a PYNQ-Z2 FPGA board to validate the model using a Jupyter notebook. Meanwhile, the hardware accelerator is designed with Overlay, which is a hardware library on PYNQ. For classification, the MIT-BIH dataset obtained from the Physionet library is used. The resulting ANN system can accurately classify four ECG types: normal, atrial premature contraction, left bundle branch block, and premature ventricular contraction. The performance of the ECG classifier models is evaluated based on accuracy and power. Among the three AI algorithms, the SNN requires the lowest power consumption of 0.226 W on-chip, followed by MLP (1.677 W), and CNN (2.266 W). However, the highest accuracy is achieved by the CNN (95%), followed by MLP (76%) and SNN (90%).

• Transactions on Electrical and Electronic Materials
• /
• 제16권1호
• /
• pp.16-19
• /
• 2015

A wearable sensing ECG T-shirt for ubiquitous vital signs sensing is proposed. The sensor system consists of a signal processing board and capacitive sensing electrodes which together enable measurement of an electrocardiogram (ECG) on the human chest with minimal discomfort. The capacitive sensing method was employed to prevent direct ECG measurement on the skin and also to provide maximum convenience to the user. Also, low power integrated circuits (ICs) and passive electrodes were employed in this research to reduce the power consumption of the entire system. Small flexible electrodes were placed into cotton pockets and affixed to the interior of a worn tight NIKE Pro combat T-shirt. Appropriate signal conditioning and processing were implemented to remove motion artifacts. The entire system was portable and consumed low power compared to conventional ECG devices. The ECG signal obtained from a 24 yr. old male was comparable to that of an ECG simulator.

• 감성과학
• /
• 제26권3호
• /
• pp.149-160
• /
• 2023

본 연구에서는 뇌혈류 신호를 측정할 수 있는 시변자계 기반의 비접촉식 직물센서를 설계하여 뇌혈류 신호 검출 및 감성평가의 가능성을 탐색하고자 하였다. 직물센서는 40 denier의 은사를 30합사 한 후 컴퓨터 기계 자수하여 코일형 센서로 구현하였다. 뇌혈류 측정 실험을 위해 코일형 센서를 경동맥 부위에 부착하고, ECG (Electrocardiogram) 전극과 RSP (Respiration) 측정 벨트를 부착 및 착용하도록 하였으며, 동시에 초음파 진단기기를 사용해 도플러 초음파 검사(Doppler Ultrasonography)를 수행하여 혈류 속도를 측정하였다. 피험자에게 Meta Quest 2를 착용시키고, 실험을 위해 조작된 영상 시각 자극을 보여주면서 혈류 신호를 측정한 후 시각 자극에 대한 감성평가 설문지를 작성하도록 하였다. 측정 결과, 도플러 초음파 검사를 통해 측정된 혈류 속도 신호에 변화가 생길 때 직물센서로 측정한 신호도 함께 변화하는 것으로 나타났다. 이를 통해 코일형 직물센서를 이용하여 뇌혈류활동 신호를 측정할 수 있다는 것을 검증하였다. 또한, 감성평가를 위하여 ECG 신호와 PLL 신호(직물센서 신호)에서 추출한 HRV를 계산해서 비교한 결과, 시각 자극으로 인한 교감신경계와 부교감신경계의 활성화에 따른 비율의 변화에 대해서는 직물센서로 측정한 신호와 ECG 신호를 이용해 계산한 값이 비슷한 경향을 보이는 것으로 나타났다. 결론적으로, 본 연구에서 개발된 시변자계 기반의 코일형 직물 센서를 통해 뇌혈류 변화 측정 및 감성 모니터링이 가능할 것으로 사료된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 춘계종합학술대회 A
• /
• pp.249-252
• /
• 2008

유비쿼터스 헬스케어에서의 착용형(Wearable) 생체신호 모니터링 시스템은 가슴 부착형, 손목시계형, 신발, 의복형 등과 같은 형태로 많은 연구들이 진행 중에 있으며, 본 논문에서는 가슴 부착형태의 인체 착용형 다중 생체신호 시스템을 설계하고, 다중 생체신호 모니터링 시스템을 위해 심전도와 3축 가속도 센서를 사용하여 심전도 신호 측정 및 신체 움직임에 따라 변화하는 값을 측정할 수 있도록 구현하였다. 구현한 시스템은 생체센서노드, 센서보드, 생체신호 수집을 위한 베이스스테이션 노드로 구성된다. 생체센서노드는 가슴 부착형으로 신체에 착용하여 사용자의 심전도와 가속도 신호를 계측하도록 설계하였으며, 서버 PC에 연결된 베이스스테이션 노드로 계측된 생체신호를 전송한다. 센서보드는 심전도와 가속도 신호를 측정하기 위한 센서로 구성되며, 생체센서노드와 일체형으로 장착이 가능하도록 설계하였다. 또한, 생체신호 수집을 위한 베이스스테이션 노드는 IEEE 802.15.4 무선통신을 통해 생체센서노드로부터 전송된 생체신호를 수집하여 그 수집된 생체신호를 실시간으로 서버 PC에 디스플레이가 가능하다. 본 논문에서 구현한 시스템을 통해 P, QRS, T파로 구성된 심전도 신호를 계측할 수 있었으며, 계측된 신호에서 심전도 신호의 파형 성분들이 나타남을 확인 할 수 있었다. 또한, 3축 가속도 센서에 의해 신체의 움직임에 따라 변화하는 x, y, z의 3축 가속도 출력 값을 얻을 수 있다.

• 한국콘텐츠학회논문지
• /
• 제6권12호
• /
• pp.96-104
• /
• 2006

본 연구에서는, 심전도 송수신 장치의 개발을 위한 지그비(Zigbee) 기반 무선 센서 모듈과 PDA(Personal Digital Assistant)의 데이터 전송률과 전력 소비에 대하여 분석 하였다. 데이터 전송률은 패킷(Packet) 구조에 의존적이며, 패킷을 2개의 심전도 데이터와 1개의 3축 가속도 벡터로 구성하였을 때, 초당 300 샘플의 전송률을 나타내었다. 두 개의 AAA 전지를 직렬로 연결하여, 센서 모듈의 동작 시간은 평균적으로 28시간 이었다. PDA의 전력 소비는 화면의 ON/OFF 여부와 시리얼 포트의 사용 여부 및 패턴에 의존적임을 알 수 있었다. 이러한 응용에서, PDA 동작 시간은 평균적으로 5시간 정도임을 확인하였으며, 이때, PDA는 논 블로킹 모드로 시리얼 포트로부터 전송된 데이터를 수신 한다. 결론적으로, 본 연구에서 개발된 장치를 24 시간 홀터(Holter) 심전계로 응용할 경우, 센서 모듈의 전력 소비와 전송 속도에는 문제가 없었으나, PDA는 전력 소모율에 문제가 있으며 이는 해결되어야할 과제이다.

• 한국전자통신학회논문지
• /
• 제14권6호
• /
• pp.1257-1264
• /
• 2019

기존의 Cuff 기반의 혈압(Blood Pressure)측정 방법은 연속적인 실시간 혈압측정에는 한계를 갖는다. 이러한 이유로 ECG와 PPG 센서 신호를 상호융합한 다양한 혈압추정이 이루어졌다. 그러나 PPG 중심에 측정기법은 AC 노이즈, 작은 맥동, 비박동 등의 많은 문제를 지니고 있다. 본 논문은 ECG와 PPG 관계에 발생하는 맥파전달시간(PTT)과 맥파속도(PWV)를 이용하여 혈압을 추론기법이다. 신호 피크를 이용하는 HRF(Height Ratio Features)에 비해, 본 제안방식은 ECG, PPG의 최고점 혹은 최저점을 사용한 시차를 이용해 추정하기 때문에 PPG 센싱 시그널의 오류에도 안정적인 추출이 가능한 장점이 있다. 본 논문에서 제안 방법을 이용하여 25만 회의 혈압측정의 결과 ±28.5%의 정확도를 갖는 혈압 추정기법을 제시할 수 있었다.

• 한국정보통신학회논문지
• /
• 제26권10호
• /
• pp.1469-1476
• /
• 2022

최근 심전도 (ECG) 및 광전용맥파 (PPG) 신호를 사용하여 혈압을 추정하는 많은 연구가 이루어지고 있다. 본 논문에서는 1차원 합성곱 신경망을 사용하여 실시간으로 혈압을 추정하고 모니터링 할 수 있는 모바일 시스템을 설계하고 구현하였다. 제안하는 신경망 알고리즘은 ECG 및 PPG 신호의 다양한 특징을 세밀하게 추출하도록 11개의 계층으로 구성하고 매개변수를 최적화하도록 설계되었다. 모의실험 결과는 학습한 신경망의 합성곱 커널의 개수가 많을수록 ECG 및 PPG 신호의 특성을 더 잘 나타내기 때문에 선형 회귀 모델보다 평균 제곱 오차가 적어져 더 좋은 성능을 나타내는 것으로 분석되었다. 본 연구에서 개발된 모바일 시스템은 몸에 부착된 ECG 및 PPG 센서 장치로부터 블루투스 통신으로 전송된 측정 신호를 입력받고 실시간으로 학습된 모델로 수축기 및 이완기 혈압 수치를 추정하고 그래프로 표시하게 된다.

• 센서학회지
• /
• 제15권5호
• /
• pp.334-340
• /
• 2006

A compact biosignal monitoring device was developed. Electrodes for electrocardiogram (ECG) and a LED and silicon detector for photoplethysmogram (PPG) were used. A lead II type was arranged for ECG measurement and reflected light was measured at the finger tip for PPG. A single chip microprocessor (model ADuC812, Analog Device) controlled a measurement protocol and processed measured signals. PPG and ECG had a sampling rate of 300 Hz with 8-bit resolution. The maximum power consumption was 100 mW. The microprocessor computed pulse transit time (PTT) between the R-wave of ECG and the peak of PPG. To increase the resolution of PTT, analog peak detectors obtained the peaks of ECG and PPG whose interval was calculated using an internal clock cycle of 921.6 kHz. The device was designed to be operated by 3-volt battery. Biosignals can be measured for $2{\sim}3$ days continuously without the external interruptions and data is stored to an on-board memory. Our system was successfully tested with human subjects.