고령화 인구는 전 세계적인 추세이며, 이는 의료비 증가와 간병인력 감소로 인해 많은 국가들이 고령 인구를 부양하는 데 직면한 과제에 직면하면서 사회적 위기를 초래하였다. 수면 관련 장애는 특히 노년층에서 흔한 질환이다. 본 논문에서는 노인의 수면-각성 상태를 모니터링하고 수면의 질을 평가하기 위해, 침대에 고감도 가속도계를 설치하고 각 방에는 수동 적외선(PIR, passive infrared) 모션 센서를 배치한, 단순하면서도 저렴한 비침습적 센싱 환경을 Internet of Health Things(IoHT)의 일반적 프레임워크에 따라 제안한다. 이 환경은 비침습적이며 편안하고 장기간 수면 모니터링에 사용할 수 있으며, 수면 관련 장애의 초기 증상을 감지하고 간병인에게 대응할 수 있다. 우리는 수면의 질과 관련된 서로 다른 일상 생활 상황 하에서 이 환경을 구현하고 파일럿 테스트를 수행하였다. 또한 특징 추출 알고리즘을 개발하고, 수요가 높은 데이터 분석 모델 5가지를 적용하여 상대적 성능을 평가하였다. 본 연구는 Naïve Bayes를 제외한 모든 분류기가 ROC 곡선 아래 면적(Area under ROC curve, AUC) 성능이 90%를 초과하는 수준에서 수면의 질을 효과적으로 탐지할 수 있음을 보여준다. 그중 다층 피드포워드 신경망(multilayer feed-forward neural network)이 가장 우수한 결과를 달성하였으며, 탐지 민감도는 최대 96.61%, 특이도는 91.81%이고 AUC 성능은 94.21%였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.