• 사물인터넷융복합논문지
• /
• 제7권3호
• /
• pp.69-74
• /
• 2021

최근 생체 인증 기술이 발전함에 따라 생체 인증을 이용한 사용자 인증 기법들이 많아지고 있다. 기존에 존재하는 ID/PW 등 다양한 인증 기법에는 다양한 문제점이 제시되고 있다. 따라서 최근에는 2차 인증을 도입하여 보안성을 높이는 방식을 채택하여 사용하고 있다. 본 논문에서는 근거리 무선 장치(Beacon)와 다양한 생체 인증방식 중 심장의 전기적 생체신호를 이용하여 위·변조가 매우 어려운 특징을 가진 ECG를 이용하여 사용자의 신원 인증과 이상징후를 탐지할 수 있는 사용자 인증 시스템을 제안하고자 한다. 이 시스템은 손목에 장착 가능한 웨어러블 디바이스 형태의 ECG 측정 도구를 통해 기록한 ECG 데이터와 데이터베이스에 블록체인 형태로 저장된 신원 정보 및 생체데이터를 비교하여 일차적으로 신원을 확인하고 비콘(Beacon)을 활용하여 사용자의 위치를 파악함으로써 사용자의 이상징후를 탐지하고자 한다.

• 전기학회논문지
• /
• 제58권6호
• /
• pp.1186-1193
• /
• 2009

Wearable ECG monitoring is regarded as one of the most essential part in the ubiquitous healthcare environment and subsequently day-life monitoring of a heart condition has been pursued especially for the elder people. However, there are many problems to accomplish this task such as; i) implementation of long-term monitoring device, ii) development of non-irritating electrode on skin and iii) stable signal acquisition. With these aims, we have focused on implementing a non-irritating electrode with an endurable monitoring device for day-life. To accomplish our tasks, we basically developed four different types of textile electrodes that are adapted by both shape and the composed material; flat or convex shape and Ag-conductive paste material or not. It turns out to be that a convex shape and Ag-paste textile electrode has the best performance in terms of both signal-to-noise ratio (SNR) and Impedance/Phase characteristics. Furthermore, ECG amplifier (35 ${\times}$ 35 mm) has developed to resolve the ECG signal and transfer the signal to desktop computing device or portable one by RF serial communication.

• 센서학회지
• /
• 제24권1호
• /
• pp.69-77
• /
• 2015

The Microsoft Kinect is a motion sensing input device which is widely used for many motion recognition applications such as fitness, sports, and rehabilitation. Until now, most of remote rehabilitation systems with the Microsoft Kinect have allowed the user or patient to do rehabilitation or fitness by following the motion of a video screen. However in this paper we propose a smart remote rehabilitation system with the Microsoft Kinect motion sensor and a wearable ECG sensor which can allow patients to offer monitoring of the individual's performance and personalized feedback on rehabilitation exercises. The proposed noble smart remote rehabilitation is able to monitor and measure the state of the patient's condition during rehabilitation exercise, and transmits it to the prescriber. This system can give feedback to a prescriber, a doctor and a patient for improving and recovering motor performance. Thus, the efficient rehabilitation training service can be provided to patient in response to changes of patient's condition during exercise.

• 센서학회지
• /
• 제30권1호
• /
• pp.20-24
• /
• 2021

The electrocardiogram (ECG) is one of the most extensively employed signals used to diagnose and predict cardiovascular diseases (CVDs). In recent years, several deep learning (DL) models have been proposed to improve detection accuracy. Among these, deep neural networks (DNNs) are the most popular, wherein the features are extracted automatically. Despite the increment in classification accuracy, DL models require exorbitant computational resources and power. This causes the mapping of DNNs to be slow; in addition, the mapping is challenging for a wearable device. Embedded systems have constrained power and memory resources. Therefore full-precision DNNs are not easily deployable on devices. To make the neural network faster and more power-efficient, spiking neural networks (SNNs) have been introduced for fewer operations and less complex hardware resources. However, the conventional SNN has low accuracy and high computational cost. Therefore, this paper proposes a new binarized SNN which modifies the synaptic weights of SNN constraining it to be binary (+1 and -1). In the simulation results, this paper compares the DL models and SNNs and evaluates which model is optimal for ECG classification. Although there is a slight compromise in accuracy, the latter proves to be energy-efficient.

• 전자공학회논문지
• /
• 제54권7호
• /
• pp.103-109
• /
• 2017

병원 현장에서 환자 모니터링 시스템을 적용하기 위해서는 환자감시장치에서 기본적으로 다루고 있는 주요 생체신호의 측정과 데이터의 분석이 가능해야 한다. 본 논문에서는 이러한 요구사항을 수용하고자 심전도와 산소포화도 측정이 가능한 웨어러블 디바이스와 환자 모니터링 시스템을 구현하였다. 구현된 시스템은 측정된 생체신호를 블루투스를 통해 간호스테이션 상의 서버로 전송되고 환자 모니터링 시스템에서 의료진이 확인할 수 있는 그래프 파형과 수치로 표현된다. 설계한 시스템을 통해 수집된 데이터와 기존 장비에서 얻어진 데이터를 비교하여 본 시스템의 유효성을 검증하였다.

• 한국군사과학기술학회지
• /
• 제22권2호
• /
• pp.287-297
• /
• 2019

Monitoring for the physiological state of a solider is essential to the realization of individual combat system. Despite all efforts over the last decades, there is no report to point out the optimal location of the wearable biosensors considering both monitoring accuracy and operational robustness. In response, we quantitatively measure body temperature and heartrate from 34 body parts using 2 kinds of biosensor arrays, each of which consists of a thermocouple(TC) sensor and either a photoplethysmography(PPG) sensor or an electrocardiography(ECG) sensor. The optimal location is determined by scoring each body part in terms of signal intensity, convenience in use, placement durability, and activity impedance. The measurement leads to finding the optimal location of wearable biosensor arrays. Thumb and chest are identified as best body parts for TC/PPG sensors and TC/ECG sensors, respectively. The findings will contribute to the successful development of individual combat system.

• 정보처리학회논문지A
• /
• 제17A권3호
• /
• pp.145-152
• /
• 2010

대부분의 모바일 웨어러블 헬스케어 모니터링 의류 시스템은 생체신호를 측정할 수 있는 센서와 데이터 취득과 무선 통신 및 제어를 담당하는 회로부, 이들을 내장하는 의복으로 구성된다. 기존의 의복형 헬스케어 시스템은 센서를 의복에 장시간 내장하기가 어렵고, 피부 접촉 시 시간에 따라 저항 값이 변화하기 때문에 장기적인 생체 신호 모니터링이 쉽지 않으며, 센서 전극과 회로 사이에 존재하는 신호선의 물리적 장애 요인도 가지고 있다. 본 연구에서는 이러한 문제점들을 해결하기 위하여, PVDF에 PEDOT 재료를 코팅하여 만든 패브릭 나노웹 ECG 전극과 PVDF 필름을 사용한 호흡 센서를 $10\;{\mu}m$ 두께의 디지털 실을 이용하여 사용자의 의류와 일체화하였다. 탈부착이 가능한 무선 블루투스(Bluetooth) 내장 스테이션과 디지털실로 기존 의류와 일체화한 생체 신호 측정용 의류 제작을 통해, 휴대폰에서 손쉽게 심전도(ECG)와 맥박신호를 표시 할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 춘계학술대회
• /
• pp.631-632
• /
• 2017

본 논문에서는 최근 스마트 헬스케어 기술의 부각에 따른 일상생활 중 건강 모니터링의 수요에 대응하는 사용자 활동정보 기반의 착용형 심전도 모니터링 시스템을 구현하고자 하였다. 이를 위하여 활동정보의 모니터링을 위한 가속도 센서와 신체에 부착이 가능한 착용형의 심전도 계측 시스템을 구현하였다. 구현된 시스템은 가속도 센서와 은-염화은 전극을 사용하는 심전도 계측 모듈을 포함하며, 블루투스 통신을 통해 스마트폰에서 모니터링이 가능한 어플리케이션을 포함한다. 또한 어플리케이션에서는 측정된 가속도와 심전도 신호를 분석하여 모니터링과 부정맥 검출기능을 수행한다. 구현된 시스템의 평가를 위해 피실험자 3명을 대상으로 다양한 활동 상태에 따른 심전도를 측정하였으며, 활동정보 기반의 부정맥 검출 알고리즘 성능평가를 수행하였다.

• 센서학회지
• /
• 제31권1호
• /
• pp.16-23
• /
• 2022

Cardiac disease is the most common cause of death worldwide. Therefore, detection and classification of electrocardiogram (ECG) signals are crucial to extend life expectancy. In this study, we aimed to implement an artificial intelligence signal recognition system in field programmable gate array (FPGA), which can recognize patterns of bio-signals such as ECG in edge devices that require batteries. Despite the increment in classification accuracy, deep learning models require exorbitant computational resources and power, which makes the mapping of deep neural networks slow and implementation on wearable devices challenging. To overcome these limitations, spiking neural networks (SNNs) have been applied. SNNs are biologically inspired, event-driven neural networks that compute and transfer information using discrete spikes, which require fewer operations and less complex hardware resources. Thus, they are more energy-efficient compared to other artificial neural networks algorithms.

• International Journal of Computer Science & Network Security
• /
• 제23권9호
• /
• pp.186-191
• /
• 2023

Neural Networks are widely used for huge variety of tasks solution. Machine Learning methods are used also for signal and time series analysis, including electrocardiograms. Contemporary wearable devices, both medical and non-medical type like smart watch, allow to gather the data in real time uninterruptedly. This allows us to transfer these data for analysis or make an analysis on the device, and thus provide preliminary diagnosis, or at least fix some serious deviations. Different methods are being used for this kind of analysis, ranging from medical-oriented using distinctive features of the signal to machine learning and deep learning approaches. Here we will demonstrate a neural network-based approach to this task by building an ensemble of 1D CNN classifiers and a final classifier of selection using logistic regression, random forest or support vector machine, and make the conclusions of the comparison with other approaches.