• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.

• 감성과학
• /
• 제18권4호
• /
• pp.25-34
• /
• 2015

본 연구에서는 전도성 직물을 기반으로 동작 센서로 구현하여 팔의 굽힘, 폄 동작에 따른 센서의 전기저항의 변화를 측정, 분석함으로써 관절 동작을 효과적으로 측정 할 수 있는 직물 센서의 요건을 탐색하였다. 이를 위해 두 가지 편직물인 'L'직물과 'W'직물 양면에 Single Wall Carbon Nano-Tube(SWCNT) 코팅을 한 후 이를 다양한 형태로 후가공하여 직물 센서를 개발하고 암 밴드에 부착하였다. 직물 센서는 코팅용 바탕 직물의 종류(2가지), 센서의 부착 방법(2가지), 센서의 layer 수(2가지), 센서의 길이(3가지), 센서의 너비(2가지)의 총 48개로 구성되었다. Con-Trex MJ에 48개의 암 밴드를 입힌 인체 모형 팔을 대상으로 직물 동작 센서의 성능을 평가하였다. 인체 모형 팔에 입혀진 총 48개의 암 밴드 각각에 대해서 frequency: 0.5Hz, ROM: $20^{\circ}{\sim}120^{\circ}$ 에서 굽힘과 폄 동작을 반복하도록 조정하였고, 48개 각 사례 당 세 세트(set)씩 반복 측정한 전압값을 기록하였다. 전압값을 peak-to-peak voltage(Vp-p)의 base line의 균일성, 동일 세트 내 Vp-p의 균일성, 세 세트 간의 Vp-p의 균일성을 기준으로 평가하고 분석한 결과, SWCNT 코팅된 'L' 직물을 두 겹으로 구성하여 열고정 방식으로 부착한 $50{\times}5mm$, $50{\times}10mm$, $100{\times}10mm$ 크기의 직물 센서와, SWCNT 코팅된 'W' 직물을 두 겹으로 구성하고 열고정 방식으로 부착한 $50{\times}10mm$ 크기의 직물 센서가 전체 변화율 5%이내의 가장 균일하고 안정적인 신호값을 나타내었다. 이상의 연구 결과를 통해 SWCNT 코팅 소재를 다양한 형태로 가공해 직물 센서로 구현했을 때 인체의 사지 동작을 측정할 수 있는 센서로서 적합함을 확인하였고, 최적의 센서 형태를 규명하였다.

• 대한원격탐사학회지
• /
• 제25권1호
• /
• pp.31-44
• /
• 2009

본 연구에서는 다편파 산란계 시스템을 이용하여 얻어진 후방산란계수의 연중 변화를 편파와 입사각에 따라 알아보고 벼 생육인자와의 관계를 통하여 생육인자를 추정하고자 하였다. 2007년도 국립농업과학원 시험포장에 다편파산란계 시스템(L, C, X-band 안테나, 네트워크분석기, RF cable, 입사각 $20^{\circ}{\sim}60^{\circ}$)을 제작 구축하고 벼 이앙기에서 수확기까지 산란특성을 주기적으로 관측하였으며 레이더 방정식을 이용하여 후방산란계수를 계산하여 자료 분석에 사용하였다. 모든 안테나 밴드에서 벼 생육초기(5월말$\sim$6월초)에는 VV-편파가 HH-, HV-편파보다 후방산란계수가 높게 나타났다. C-band의 경우 모든 입사각에서 벼가 자라면서 HH-편파 후방산란계수가 증가하다가 출수기(8월중순경)에 가장 높았고 그 이후 감소하는 경향이었다. X-band는 모든 편파의 후방산란계수가 벼 유수형성기(7월말경)까지 증가하다가 그 후 감소하였으며 등숙기인 9월 중순 이후 다시 증가하는 dual-peak 현상을 보였는데, 특히 VV-편파의 경우 9월 초순부터 후방산란계수 종가가 다른 편파에 비해 크게 나타났다. 파장별 밴드, 편파, 입사각도별 후방산란계수와 작물 생육과의 관계를 분석한 결과 L-band는 바이오매스와의 상관이 높게 나타났고 C-band에서는 엽면적지수와 초장과의 상관이 높게 나타났으며 X-band는 이삭 건물중과 상관이 높게 나타났다 후방산란계수를 이용하여 생육을 추정할 수 있는 회귀식을 작성하고 실측값과의 비교를 통하여 작물 생육 추정을 위한 최적 조건을 구명하였다.

• 지구물리와물리탐사
• /
• 제8권2호
• /
• pp.145-155
• /
• 2005

경상북도 포항시 흥해읍 일대에서 지열자원 개발을 위한 심부 파쇄대 탐지를 목적으로 수행된 자기지전류 (MT) 탐사에서 경북 안동과 충북 청원시의 대청호 및 일본의 Kyushu에 원거리 기준점을 설치하고 이를 이용한 자료처리 결과의 상호 비교를 통하여 원거리 기준점에 따른 겉보기 비저항과 위상 자료의 질을 검토하였다. 대상지역에서 약 165 km떨어진 대청호 자료를 이용한 경우는 전력주파수인 60 Hz대역과 자연 전자기장 신호가 미약한 $10^{-1}Hz\~1\;Hz$ 대역을 제외한 주파수 대역에서 매우 좋은 자료를 얻을 수 있었으며, 약 480 km 떨어진 Kyushu 원거리 기준점 자료를 이용해서 거의 모든 주파수 대역에서 연속성이 매우 좋은 전기비저항과 위상 곡선을 얻을 수 있었다. 이를 이용하여 2차원 역산을 수행한 결과, 지표의 10ohm-m 이내의 전기비저항을 보이는 반고결 이암층은 대상지역의 남쪽에서는 약 500 m 이상, 북쪽에서는 200 m 이내의 두께로 분포하며 북에서 남으로 경사진 형태로 나타났다. 심도 $500\~1,500m$에서 저비저항(L-2)과 고비저항(H-2)의 경계면은 단층면으로 해석되며 측점 206, 112와 414를 지나는 대략 $N15^{\circ}E$의 주향을 보인다. 1 km 이내의 천부의 저비저항 이상(L-4)은 파쇄대로 해석되며 측점 105를 지나면서 데략 $N60^{\circ}W$의 주향을 보인다. 또한, 북쪽의 큰 하천을 따라 저비저항 이상대가 공통적으로 나타나 구조선일 가능성을 시사한다. 그리고, 대상지역의 서쪽과 서남쪽의 $2\~3km$ 하부에서 10 ohm-m이내의 저비저항 이상대(L-3)가 나타나는데 이 층에 대해서는 향후 추가적인 연구가 요구된다.

• 생물정신의학
• /
• 제5권1호
• /
• pp.95-101
• /
• 1998

치매에서의 뇌파 연구는 주로 주파수 분석과 지형화 분석을 이용하여 정량화하는 것을 위주로 진행되어 왔으나, 이러한 선형적 분석은 뇌파와 같이 복잡한 신호를 분석하는 것에는 한계가 있었다. 최근 새로운 패러다임인 카오스 이론에 근거를 두고 뇌파를 비선형적으로 측정하는 방법이 소개되고 있다. 본 연구는 알쯔하이머형 치매 환자의 뇌파 신호를 최대 양수 리아프노프 지수를 이용하여 비선형적으로 분석하는 것이 가능한 가를 알아보고 그 결과를 대조군과 비교해보기 위하여 시도되었다. 3명의 알쯔하이머형 치매 환자와 3명의 대조군에서 뇌파 신호를 받아 디지털화한 후에 비선형 분석법 중 하나인 최대 양수 리아프노프 지수를 산출하였다. 알쯔하이머형 치매군은 전체 15개의 전극 부위 중 8곳의 전극 부위에서 대조군에 비하여 유의하게 낮은 최대 양수 리아프노프 지수를 나타내었다. 각 두뇌 영역별 및 반구별 분석에서도 알쯔하이머형 치매군이 대조군에 비하여 전 두뇌 영역에서 최대 양수 리아프노프 지수가 유의하게 낮았다. 이에 따라 알쯔하이머형 치매 환자의 뇌파를 비선형적 분석하여 조사한 이들 두뇌의 카오스적 성상이 감소되어 있다는 것을 확인할 수 있었다. 이 결과는 향후 뇌파의 비선형적 분석인 리아프노프 지수 산출이 두뇌 기능을 조사하는 데에 유용한 새로운 방법이 될 가능성이 있다는 것을 시사한다.