표제지
목차
국문요약 9
1. 서론 11
1.1. 연구배경 및 목적 11
1.2. 산소포화도 측정 원리 14
2. 선행 연구 19
3. 연구 방법 22
3.1. 데이터베이스 구축 22
3.2. 데이터 전처리 23
3.3. 모델 학습 방법 26
4. 실험결과 28
4.1. 피험자별 결과 28
4.2. 특징 분석 41
5. 결론 51
참고문헌 54
부록 60
ABSTRACT 81
〈표 1〉 10초 동안의 신호를 입력 데이터로 훈련한 모델의 통계 결과 (통합 모델) 30
〈표 2〉 20초 동안의 신호를 입력 데이터로 훈련한 모델의 통계 결과 (통합 모델) 32
〈표 3〉 30초 동안의 신호를 입력 데이터로 훈련한 모델의 통계 결과 (통합 모델) 34
〈표 4〉 10초 동안의 신호를 입력 데이터로 훈련한 모델의 통계 결과 (개인 모델) 36
〈표 5〉 20초 동안의 신호를 입력 데이터로 훈련한 모델의 통계 결과 (개인 모델) 38
〈표 6〉 30초 동안의 신호를 입력 데이터로 훈련한 모델의 통계 결과 (개인 모델) 40
〈표 7〉 입력 데이터 길이에 따른 산소포화도 예측 결과 요약 51
〈표 8〉 10초 동안의 신호를 입력 데이터로 훈련한 모델의 훈련과 테스트 데이터에 대한 SHAP value 74
〈표 9〉 20초 동안의 신호를 입력 데이터로 훈련한 모델의 훈련과 테스트 데이터에 대한 SHAP value 77
〈표 10〉 30초 동안의 신호를 입력 데이터로 훈련한 모델의 훈련과 테스트 데이터에 대한 SHAP value 80
[그림 1] 펄스 옥시미터 측정법 14
[그림 2] 산소화 헤모글로빈과 탈산소화 헤모글로빈의 파장별 흡광 계수 (absorption coefficient) 15
[그림 3] 심장박동에 따른 PPG 파형 16
[그림 4] 실험에 사용한 RGB 카메라와 맥박 산소 측정기 22
[그림 5] 맥박 산소 측정기로 측정한 산소포화도 원본 신호와 산소포화도 값을 중간값의 평균으로 계산한 결과 25
[그림 6] ResNet을 기반으로 만든 CNN 모델 구조 26
[그림 7] 10초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (통합 모델) 29
[그림 8] 20초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (통합 모델) 31
[그림 9] 30초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (통합 모델) 33
[그림 10] 10초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (개인 모델) 35
[그림 11] 20초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (개인 모델) 37
[그림 12] 30초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (개인 모델) 39
[그림 13] [그림 10]에서 사용한 개인 모델의 SHAP value 43
[그림 14] [그림 11]에서 사용한 개인 모델의 SHAP value 45
[그림 15] [그림 12]에서 사용한 개인 모델의 SHAP value 47
[그림 16] 10초 동안의 신호를 입력 데이터로 훈련한 모델의 훈련과 테스트 데이터에 대한 SHAP value 48
[그림 17] 20초 동안의 신호를 입력 데이터로 훈련한 모델의 훈련과 테스트 데이터에 대한 SHAP value 49
[그림 18] 30초 동안의 신호를 입력 데이터로 훈련한 모델의 훈련과 테스트 데이터에 대한 SHAP value 50
[그림 19] 10초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (통합 모델, 전체 피험자) 61
[그림 20] 20초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (통합 모델, 전체 피험자) 63
[그림 21] 30초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (통합 모델, 전체 피험자) 65
[그림 22] 10초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (개인 모델, 전체 피험자) 67
[그림 23] 20초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (개인 모델, 전체 피험자) 69
[그림 24] 30초 동안의 신호를 입력 데이터로 훈련한 모델의 예측 산소포화도와 실제 산소포화도 (개인 모델, 전체 피험자) 71