본 연구의 목적은 스마트워치에서 측정된 심박수의 정확도 확인을 위해, 폴라 심박수와 스마트워치 심박수 간 상관과 일치도를 조사하는 것이다. 대학생 남자 27명(22.41±4.29세), 여자 23명(22.48±6.33세)을 대상으로 스마트워치와 폴라를 착용시킨 뒤, 휴식, 걷기, 줌바, 사이클 네 가지 조건에서 각 조건별 3분씩 총 12분간 심박수가 측정되었고, 두 기기 간 상관과 일치도를 분석하였다. 분석결과, 상관계수(r)가 휴식 0.995, 걷기 0.961, 줌바 0.923, 사이클 0.932로 모든 운동 조건에서 폴라와 스마트워치 간 유의하고 높은 상관관계가 나타났다. BA ratio 값은 휴식 0.02, 걷기 0.03, 줌바 0.06, 사이클 0.04로 폴라와 스마트워치 간 심박수의 일치도가 높은 것으로 나타났다. 종합적으로 스마트워치의 심박수는 모든 조건에서 폴라와 높은 상관과 일치도를 보였다. 따라서 본 연구에서 사용된 스마트워치는 스포츠 현장에서 폴라를 대체할 수 있는 심박수 측정도구로 사용가능 할 것으로 보인다.
이 논문에서는 AWGN환경에서 발생하는 가우시안 잡음과 발진기에서 생기는 시스템 잡음을 제거할 수 있는 ALE(Adaptive Line Enhancer) 기반의 새로운 적응형 잡음 제거기를 이용한 CW(Continuous-Wave) 바이오 레이더를 제안한다. 최근에 CW 바이오 레이더를 이용해서 심장박동과 호흡을 검출하는 연구가 여러 연구기관에서 진행 되고 있다. 그러나 이 연구들은 기존 CW 바이오 레이더가 가우시안 잡음에 취약하고 그로 인해 심장박동 검출정확도도 떨어진다는 점을 설명을 하고 있긴 하지만, 그 잡음을 효과적으로 없앨 수 있는 방안은 계속 연구 중에 있다. 본 논문에서는 기저대역 신호에 포함된 잡음을 효과적으로 제거할 수 있는 ALE기반의 적응형 잡음 제거기를 적용한 것을 제안한다. 또한 타겟의 위치에 따른 복조의 민감함에 강점을 가진 quadrature 수신기를 통과한 잡음이 포함된 기저대역 신호에서 잡음만을 효과적으로 제거함으로 인해 심장박동 검출 정확도를 향상시키는 것을 모의실험을 통해 비교 분석해 본다.
The analysis of electrocardiogram (ECG) signals facilitates the detection of various abnormal conditions of the human heart. The QRS complex is the most critical part of the ECG waveform. Further, different diseases can be identified based on the QRS complex. In this paper, a new algorithm based on the well-known Pan-Tompkins algorithm has been proposed. In the proposed scheme, the QRS complex is initially extracted by removing the background noise. Subsequently, the R-R interval and heart rate are calculated to detect whether the ECG is normal or has some abnormalities such as tachycardia and bradycardia. The accuracy of the proposed algorithm is found to be almost the same as the Pan-Tompkins algorithm and increases the R peak detection processing speed. For this work, samples are used from the MIT-BIH Arrhythmia Database, and the simulation is carried out using MATLAB 2016a.
웰니스에 대한 관심이 증대됨에 따라 개인의 건강상태를 웨어러블 디바이스로 모니터링하는 연구들이 늘어나고 있다. 이에 따라 웨어러블 디바이스에서 운동과 일상 활동을 구분하는 다양한 방법들이 연구되어 왔다. 이러한 기존 연구는 대부분 기계학습을 활용한 방식이다. 하지만 개인별 학습 데이터에 의존적인 과적합 문제와 연속적인 사건으로 구성되는 사람의 행동을 독립적으로 취급하여 인식 결과가 중간에 끊기고 오인행동이 생기는 문제가 있다. 이에 본 연구는 운동 시 심박이 오르내리는 생체반응 원리를 기반으로 한 운동 상태 검출 방법을 제안한다. 제안하는 방법은 3축 가속도 센서와 PPG 센서를 통해 활동강도 및 심박 수를 산출하여 심박 회복기를 판단한 후, 활동강도 검사 또는 심박 상승기 검사를 통해 운동 상태를 검출한다. 실험 결과에서 제안하는 알고리즘은 평균 정확도 98.64%, 정밀도 98.05%, 재현율 98.62%로 기존 알고리즘보다 개선된 모습을 보였다.
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.
심혈관질환은 심장질환과 혈관질환 등 순환기계통에 생기는 모든 질병을 통칭한다. 심혈관질환은 2019년 사망의 1/3을 차지하는 전 세계 사망의 주요 원인이며, 사망자는 계속 증가하고 있다. 이와 같은 질병을 인공지능을 활용해 환자의 데이터로 미리 예측이 가능하다면 질병을 조기에 발견해 치료할 수 있을 것이다. 본 연구에서는 심혈관질환 중 하나인 심장질환을 예측하는 모델들을 생성하였으며 Accuracy, Precision, Recall의 측정값을 지표로 하여 모델들의 성능을 비교한다. 또한 Decision Tree의 성능을 향상시키는 방법에 대해 기술한다. 본 연구에서는 macOS Big Sur환경에서 Jupyter Notebook으로 Python을 사용해 scikit-learn, Keras, TensorFlow 라이브러리를 이용하여 실험을 진행하였다. 연구에 사용된 모델은 Decision Tree, KNN(K-Nearest Neighbor), SVM(Support Vector Machine), DNN(Deep Neural Network)으로 총 4가지 모델을 생성하였다. 모델들의 성능 비교 결과 Decision Tree 성능이 가장 높은 것으로 나타났다. 본 연구에서는 노드의 특성배치를 변경하고 트리의 최대 깊이를 3으로 지정한 Decision Tree를 사용하였을 때 가장 성능이 높은 것으로 나타났으므로 노드의 특성 배치 변경과 트리의 최대 깊이를 설정한 Decision Tree를 사용하는 것을 권장한다.
본 연구는 실생활에서 가장 많이 접할 수 있는 모바일 전면 카메라를 이용하여 심장박동, 심장박동 변이율, 산소포화도, 호흡도, 스트레스수치, 혈압을 측정할 수 있는 효과적인 방법론을 제시하는 것이 목적이다. Blaze Face를 이용하여 실시간으로 얼굴인식을 진행하여 안면 이미지 데이터를 취득하고 눈, 코 입, 귀의 특징 점을 이용하여 이마를 관심영역으로 지정하며 평균값을 시간 축으로 정렬한 후 생체징후 측정에 이용하였다. 생체징후 측정 기법은 fourier transform을 기본으로 이용하였으며, 측정하고자 하는 생체징후에 맞게 노이즈 제거 및 필터 처리함으로써 측정값의 정확도를 향상 시켰다. 결과를 검증하기 위해 접촉식 센서와 비접촉식 센서 비교를 진행하였다. 분석 결과 안면 이미지를 이용하여 심장박동, 심장 박동 변이율, 산소포화도, 호흡도, 스트레스, 혈압 총 여섯 가지 생체 징후를 추출 할 수 있는 가능성을 확인하였다.
In order to evaluate the accuracy of the measurement of maximal oxygen intake (MOI), the MOI in seven subjects was determined 3 to 4 times in each individual. Following a 10 minute warm-up on treadmill (4.3 km/hr with 9 degree grade), the subject was asked to run at a speed of 8.73 km/hr on treadmill for a period of 3 minutes at a given grade which was elevated in a step-wise manner from zero to the level of exhaustion. Following a 3 minute run, the subject was allowed to rest for a period of 3 to 5 minutes. During each period of running, several cardio-pulmonary functions were determined and the range of variability for each measurement was computed. The oxygen consumption during the maximal work load was taken as the MOI. The results may be summarized as follows: (1) The minute volume, the oxygen consumption and the heart rate increased linearly until the grade was elevated to 9 degree above which these values were leveled off. (2) The minute volume and the heart rate during maximal exorcise were $87.4{\pm}8.10\;1/min\;and\;187{\pm}3.7$ per minute, respectively. (3) The maximal oxygen intake which corresponds to the oxygen consumption during maximal exercise was averaged to 3.04 1/min. (4) The coefficient of variance for the maximal oxygen intake was 6.32% while the corresponding values for the minute volume and the heart rate during maximal exercise were 5.22 and 2. 14%, respectively.
PAPS(학생건강체력평가시스템, Physical Activity Promotion System)를 위한 반사형 맥박수 측정 장치를 개발 하고 성능평가를 수행하였다. 본 연구를 위해 제작된 센서 모듈은 저전력 구동을 위해 chip LED 및 photo TR.를 이용하여 맥파를 측정하였다. 측정된 맥파신호는 HPF, LPF와 OP Amp.를 이용하여 신호를 전처리하였으며, 전처리한 맥파신호는 LabVIEW로 디스플레이하였다. 또 LabVIEW는 원신호를 받아들여 유효신호를 추출하고, 맥박을 계산하기 위한 알고리즘을 포함한다. 이러한 시스템과 알고리즘을 이용하여 운동상태의 피실험자를 대상으로 높은 정확도와 반복성을 갖는 측정 기구로의 적용이 가능함을 확인하였다.
본 논문에서는 심전도 신호로부터 부정맥을 진단하는 방법으로 심박수 변이도와 퍼지 신경망을 이용하는 방안을 제시하고 있다. 제안한 부정맥 진단 알고리즘은 32개 RR 간격의 심박수 변이도, 즉 평균 25초 내외의 심박수 변화를 이용하여 부정맥을 진단하는 알고리즘이다. 부정맥 진단 알고리즘은 32개 RR 간격을 이용하여, 통계적 특징 6개를 추출한 후, 가중 퍼지소속함수 기반 신경망으로 학습하여 정상 구간과 부정맥 구간을 분류한다. 부정맥 진단 알고리즘은 Tsipouras 논문군(48개 레코드)에서 SE와 SP 각각 80% 이하의 성능을 보이는 기존연구와는 달리, SE는 88.75%, SP는 82.28%, 전체 분류율은 86.31%의 신뢰성 있는 결과를 나타낸다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.