본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지 2

국문요지 5

목차 7

약어 정리 12

제1장 서론 13

제2장 광용적맥파(PPG) 측정 시스템 17

2.1. 광용적맥파 (PPG) 이론적 배경 17

2.2. 광용적맥파 센서 20

2.3. 광용적맥파 측정 회로 설계 22

2.4. 광용적맥파 피크 검출 25

2.5. 인체 채널 통신 (BCC)을 위한 시간 동기화 신호 27

제3장 심전도(ECG) 측정 시스템 30

3.1. 심전도 (ECG) 이론적 배경 30

3.2. 심전도 측정 디바이스 설계 33

3.3. 생체 신호 피크 검출 알고리즘 37

3.3.1. R 피크 검출 37

3.3.2. Onset 검출 37

3.4. 혈압 유추 파라미터 38

제4장 연구 결과 41

4.1. 생체 신호 측정을 위한 센서 부착 41

4.2. 생체 신호 측정 결과 44

4.2.1. 광용적맥파(PPG) 신호 측정 및 Peak 검출 44

4.2.2. 심전도(ECG) 신호 측정 및 Peak 검출 44

4.2.3. 동기화 신호 관찰 45

4.2.4. 모바일 디바이스로부터 신호 관찰 46

4.3. 혈압 유추 파라미터 추출 및 추정식 도출 49

4.4. 혈압 추정 및 재현성 확인 55

제5장 결론 63

참고 문헌 65

ABSTRACT 72

표목차 11

〈표 1〉 피크 검출 알고리즘 26

〈표 2〉 동기화 신호의 onset 피크 검출 알고리즘 40

〈표 3〉 혈압 유추 모델 학습용 휴식 데이터 51

〈표 4〉 혈압 유추 모델 학습용 운동 데이터 52

〈표 5〉 수축기 혈압(SBP) 추정 값에 대한 오차율 60

〈표 6〉 이완기 혈압 추정(DBP) 값에 대한 오차율 61

〈표 7〉 혈압 추정 모델 성능 지표 MAE, SD 비교 62

그림목차 9

〈그림 1〉 제안된 시스템의 전반적인 개요 16

〈그림 2〉 제안된 시스템의 구성에 대한 블록 다이어그램 16

〈그림 3〉 PPG 신호의 구성 요소 19

〈그림 4〉 PPG 센서 측정 방식 (a)투과형, (b) 반사형 19

〈그림 5〉 PPG 측정 센서 SFH7050 21

〈그림 6〉 (a) AFE4403 개발보드, (b) 개발보드용 소프트웨어 21

〈그림 7〉 PPG 측정 디바이스 (a) 제작된 PCB, (b) 회로도 24

〈그림 8〉 On-Off Keying 변조 24

〈그림 9〉 ECG 파형 35

〈그림 10〉 AD8233 필터 디자인 소프트웨어 프로그램 35

〈그림 11〉 ECG 측정 디바이스 (a) 제작된 PCB, (b) 회로도 36

〈그림 12〉 혈압 추정을 위해 필요한 파라미터 42

〈그림 13〉 제작된 PPG 측정 디바이스 착용 모습 42

〈그림 14〉 제작된 ECG 측정 디바이스 착용 모습 43

〈그림 15〉 상용 혈압 계측기 HEM-7156T 43

〈그림 16〉 출력된 동기화 신호로부터 PAT 계산 과정 47

〈그림 17〉 ECG 디바이스로부터 수집된 생체 정보 모니터링 48

〈그림 18〉 (a) 휴식 상태, (b) 운동 상태에서 심박수 검출 결과 비교 53

〈그림 19〉 상용 혈압 측정 결과와 혈압 유추 파라미터 간의 상관관계 54

〈그림 20〉 혈압 추정 모델 학습 및 테스트 플로우 차트 58

〈그림 21〉 혈압 측정 값과 추정 값 비교 59

〈그림 22〉 재현성 검증 데이터에 대한 HR 비교 59

초록보기

 본 논문은 제작된 광용적맥파 (Photo-plethysmography, PPG)와 심전도 (Electrocardiogram, ECG) 디바이스를 통해 두 생체 신호를 측정하고, 이로부터 맥파도달시간 (Pulse Arrival Time, PAT)을 수집하는 기술에 대해 소개한다. 독립된 디바이스로부터 측정된 신호 간의 동기화가 핵심인 인체 채널 통신 (Body Channel Communication, BCC)을 적용하였으며, 수집된 맥파도달시간과 심박수 (Heart Rate, HR)로부터 혈압 (Blood Pressure, BP)을 유추하는데 목적을 두고 있다.

본 연구에서 제작된 광용적맥파 (PPG)와 심전도 (ECG) 시스템을 활용하여 생체 신호를 습득하고, 제안된 알고리즘을 통해 ECG의 R 피크와 PPG의 foot 피크를 검출하였다. 서로 독립된 디바이스로부터 데이터를 동기화 하기 위한 신호를 생성하고, 인체를 매개체로 사용하였으며, 이를 통해 혈압 유추 모델을 학습하는데 필요한 파라미터인 맥파도달시간(PAT)와 심박수(HR)를 구하였다.

계산된 혈압 유추 파라미터를 이용하여 선형회귀모델을 학습 및 구현하였다. 모델 학습을 위해 데이터에 대한 정규성, 연관성 검사를 진행하여, 데이터 간의 상관 관계를 확인하였다. 도출된 수축기와 이완기 혈압에 대한 선형회귀모델에 대한 R-squared 스코어 값을 추출하였으며, 학습 데이터에 대해서는 0.905, 0.774, 테스트 결과에 대해서는 0.891, 0.765를 얻을 수 있었다. 혈압 유추 모델을 기반으로 혈압 추정 값을 수집하였고, 수축기와 이완기 혈압의 평균 절대 오차와 표준 편차의 값 3.19 ± 1.96 mmHg, 3.12 ± 2.48 mmHg을 얻을 수 있었다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기