• 한국음향학회지
• /
• 제26권4호
• /
• pp.144-152
• /
• 2007

기존의 심음분류를 위한 연구들은 인공신경망을 이용하여 주로 이루어졌다. 그러나 심음신호의 통계적 특성을 분석 한 결과 HMM의 의한 신호모델링이 적합한 것으로 나타났다. 본 연구에서는 다양한 질병을 나타내는 심음신호를 HMM을 이용하여 모델링 하고 인식성능이 심음신호의 클러스터링에 따라서 많이 좌우되는 것을 알 수 있었다. 또한 실제 환경에서의 심음신호는 그 시작과 끝나는 시점이 정해지지 않은 연속신호이다. 따라서 HMM을 이용한 심음분류를 위해서는 연속적인 심음신호로부터 한 사이클의 분할된 심음을 추출할 필요성이 있다. 일반적으로 수동분할은 분할오류를 발생시키며 실시간 심음인식에 적합하지 않으므로 분할과정이 필요치 않는 ergodic형 HMM을 변형하여 사용할 것을 제안하였다. 그리고 제안된 HMM은 연속심음을 이용한 분류실험에서 매우 높은 성능을 보임을 알 수 있었다.

• 대한임베디드공학회논문지
• /
• 제18권6호
• /
• pp.277-283
• /
• 2023

Vital signals provide essential information regarding the health status of individuals, thereby contributing to health management and medical research. Present monitoring methods, such as ECGs (Electrocardiograms) and smartwatches, demand proximity and fixed postures, which limit their applicability. To address this, Non-contact vital signal measurement methods, such as CW (Continuous-Wave) radar, have emerged as a solution. However, unwanted signal components and a stepwise processing approach lead to errors and limitations in heart rate detection. To overcome these issues, this study introduces an integrated neural network approach that combines noise removal, demodulation, and dominant-frequency detection into a unified process. The neural network employed for signal processing in this research adopts a MLP (Multi-Layer Perceptron) architecture, which analyzes the in-phase and quadrature signals collected within a specified time window, using two distinct input layers. The training of the neural network utilizes CW radar signals and reference heart rates obtained from the ECG. In the experimental evaluation, networks trained on different datasets were compared, and their performance was assessed based on loss and frequency accuracy. The proposed methodology exhibits substantial potential for achieving precise vital signals through non-contact measurements, effectively mitigating the limitations of existing methodologies.

• 한국재난정보학회 논문집
• /
• 제16권1호
• /
• pp.87-95
• /
• 2020

연구목적: 본 논문에서는 도플러 레이더를 활용하여 차량 운전자의 호흡과 심박을 추정하는 알고리즘을 제안하고 실험을 통해 연구의 가능성을 확인한다. 연구방법: 본 논문에서는 검출 신호의 peak 주파수 값과 가중치를 활용하는 weighted peak detection 기법을 제안한다. 정지 상태와 주행 상태에서의 실험을 통해 제안하는 두 알고리즘의 정확도를 분석한다. 연구결과: 제안하는 알고리즘을 통해 정지 상태에서 측정된 호흡과 심박 검출 정확도는 각각 95%, 96% 이상의 결과를 보였다. 또한 실제 주행 실험에서도 각 72%, 84% 이상의 정확도를 보여 주행 시의 활용 가능성을 확인하였다. 결론: 본 논문에서 제안하는 생세 신호 검출 기법은 차량 운전자의 호흡이나 심장 이상을 자동으로 검출함으로 운전자 본인 및 대형 교통사고를 예방하는 기술로 활용이 가능하다.

• 대한의용생체공학회:의공학회지
• /
• 제31권4호
• /
• pp.316-320
• /
• 2010

HRV(Heart rate variability) analysis parameter is widely used as an index to evaluate the autonomic nervous system and cardiac function. For reliable HRV analysis, we need to acquire the accurate ECG signals. Most of commercially available portable ECG devices have low sampling rate because of low power consumption and small size issues, which make it difficult to measure RR-interval accurately. This study is to improve the accuracy of RR-interval by developing R-wave interpolation technique, based on the morphological characteristics of the QRS complex. When the developed method was applied to ECG obtained at 200 Hz and the results were compared with 1000 Hz reference device, the error range decreased by 1.33 times in sitting and by 2.38 times in cycling exercise. Therefore, the proposed interpolation technique is thought to be useful to improve the accuracy of R-R interval in the portable ECG device with low sampling rate.

• 한국게임학회 논문지
• /
• 제17권2호
• /
• pp.17-26
• /
• 2017

최근 청소년들의 인터넷 및 스마트폰 과도한 사용이 사회적 이슈가 되어왔다. 작업에 대한 몰입 수준은 좋은 결과물을 만들 수 있는 긍정적 효과와 과 몰입 같은 부정적 효과를 모두 가지고 있다. 본 연구는 심혈관 반응 기반의 몰입 상태를 판단하는 알고리즘을 개발하고자 하였다. 피험자들은 무 자극 상태, 그리고 몰입을 유발하기 위한 패턴 맞추기 게임을 수행하였고, 몰입 수준을 제공하기 위해 협력과 경쟁 태스크로 나누어 실험 디자인 하였다. 각 태스크에 따라 심박과 진폭의 상관성을 분석하고 다항식 회귀 분석을 통해 회귀식 및 정확도를 확인하였다. 결과는 게임 태스크일 때, 심박과 진폭은 양의 상관성을 보였으며 무자극일 때 음의 상관성을 보였다. 개발된 다차항 회귀식으로 게임 태스크와 무 자극을 구분하는 정확도는 평균 89%의 정확도를 보였다. 태스크간의 차이는 76.5% 정확도를 확인하였다. 본 연구는 실시간으로 몰입 수준을 정량적으로 평가하는데 사용될 수 있을 것으로 기대된다.

• 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.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 학술대회 논문집 정보 및 제어부문
• /
• pp.328-330
• /
• 2004

In this paper, ECG based cardiac disease diagnosis models are developed. Conventionally, ECG monitoring equipments can only measure and store ECG signals and they always require medical doctor's diagnosis actions which are not desirable for continuous ambulatory monitoring and diagnosis healthcare systems. In this paper, two kinds of neural based self cardiac disease diagnosis engines are developed and tested for four kinds of diseases, sinus bradycardia, sinus tachycardia, left bundle branch block and right bundle branch block. For diagnosis engines, error backpropagation neural network (BP) and probabilistic neural network (PNN) were applied. Five signal features including heart rate, QRS interval, PR interval, QT interval, and T wave types were selected for diagnosis characteristics. To show the validity of proposed diagnosis engine, MIT-BIH database were used to test. Test results showed that BP based diagnosis engine has 71% of diagnosis accuracy which is superior to accuracy of PNN based diagnosis engine. However, PNN based diagnosis engine showed superior diagnosis accuracy for complex-disease diagnoses than BP based diagnosis engine.

• 디지털융복합연구
• /
• 제19권9호
• /
• pp.257-269
• /
• 2021

논문은 심탄도(BCG, Ballistocardiogram) 센서를 이용하여 생체신호 데이터를 비침습, 무구속적인 방식으로 수집하고, ICT 기술과 고성능 컴퓨팅 환경에서 인공지능 기계학습 알고리즘을 활용하여 데이터 기반 혈당 예측 알고리즘 모델 개발 및 검증하는 방법을 제시하고 연구하는 것이다. 혈당수치 예측모델은 MLP 아키텍처에 입력노드는 심박수, 호흡수, 심박출량, 심박변이도, SDNN, RMSSD, PNN50, 나이, 성별이며, 은닉층 7개를 사용하였다. 실험 결과는 5회 실험한 학습데이터의 평균 MSE, MAE 및 RMSE 값은 각각 0.5226, 0.6328 및 0.7692이며 검증데이터 평균 값은 각각 0.5408, 0.6776, 0.7968이었으며, 결정계수(R2) 수치는 0.9997의 결과를 보였다. 데이터를 기반으로 한 혈당수치를 예측하는 모델을 표준화하고 데이터셋 수집과 예측 정확성을 검증하는 연구가 계속적으로 진행된다면 비침습 방식의 혈당 수준 관리에 활용될 수 있을 것으로 사료된다.

• 한국정보통신학회논문지
• /
• 제12권12호
• /
• pp.2159-2164
• /
• 2008

유비쿼터스 헬스케어 시스템은 사용자의 건강 정보를 감독하고 관리하는 시스템이며, 이 헬스케어 시스템에서 가장 중요한 점은 측정된 건강 데이터의 정확성이다. 그러나 실생활에서는 사용자의 움직임 에 따라 그 정확성이 현저하게 달라진다. 따라서 건강 정보 정확성을 향상시키기 위해 본 연구에서는 심박수 추출에 있어 새로운 맥파 최대점 검출 알고리즘을 제안하였고, 제안된 알고리즘은 다중 하위 대역 필터와 퍼지 추론기를 이용하여 동잡음이 포함된 PPG 신호에서 맥파의 최대점을 검출하기 위한 것이다. 제안된 알고리즘에 대한 성능평가 실험에서 복잡한 동잡음에서도 맥파 최대점 추출이 가능함을 보였다.

• Journal of Preventive Medicine and Public Health
• /
• 제17권1호
• /
• pp.289-294
• /
• 1984

The energy expended while playing tennis was determined from the players heart rate and from the amount of oxygen they consumed. This study was made using eight healthy but unathletic male college students. Expired air was collected for 2 minute periods during each game by the Douglas bag method. Samples were collected when serving and receiving. The air collected was measured using a wet test gas meter. The amount of air collected was expressed in STPD. Oxygen consumption was determined by measuring the oxygen content of the expired air with a Orzat gas analyzer. The energy expended during the tennis games was calculated indirectly. The caloric coefficient of oxygen was multiplied by the volume of oxygen consumed. The caloric coefficient of oxygen varied from 4.6 to 5.1 kcal/liter of oxygen. In this study the value of 5 kcal/liter of oxygen was used in the calculations. The accuracy of the measurements of energy expended was tested using regression analysis of the measured volume of oxygen. The mean values of heart rate, oxygen consumed and energy expended did not vary when the activity of serving and receiving was compared. The mean value of oxygen consumed during play was $1.4329{\pm}282ml/min$ or $21.6{\pm}4.0ml/kg/min$. The energy expended was $7.15{\pm}1.46kcal/min$ or $6.45{\pm}1.23kcal/kg/min$. The values were equivalent to 5.5 mets. When the levels of oxygen consumed were estimated using the formulas, they were found to be higher than the measured levels. The estimated amounts, however, were within 25% of the measured amounts.