사람의 호흡 상태는 신체 건강 상태를 확인하는 데 사용할 수 있는 활력징후 중 하나이다. 호흡 상태는 의료 및 보건 분야에서 다양한 방식으로 측정되어 왔다. 전통적으로 접촉형 센서가 호흡 측정에 사용되었다. 접촉형 센서는 한정된 환경에서만 사용할 수 있기 때문에 주로 의료 분야에서 활용되어 왔다. 최근 연구에서는 비접촉형 센서에 의존하는 초광대역(Ultra-Wideband, UWB) 레이더를 이용하여 사람의 호흡 패턴을 감지하는 방법들을 평가하였다. 선행 연구에서는 UWB 레이더로 획득한 호흡 신호를 주성분 분석(Principal Component Analysis, PCA)로 분석하여 수면 중 무호흡(apnea) 패턴을 평가하였다. 그러나 보건의료 분야에서 개인의 건강 상태를 보다 정확하게 분석하기 위해서는 무호흡 이외에도 다양한 호흡 패턴을 측정할 필요가 있다. 따라서 본 연구에서는 UWB 레이더로 획득한 호흡 신호로부터 1D 합성곱 신경망(1D convolutional neural network)을 이용하여 네 가지 호흡 패턴을 인식하는 방법을 제안하였다. 제안된 방법은 UWB 레이더에서 유두호흡(eupnea), 서호흡(bradypnea), 과호흡(tachypnea), 그리고 무호흡(apnea) 호흡 패턴을 추출하고, 학습 데이터셋을 구성한다. 제안된 방법은 1D CNN을 통해 데이터를 학습하였으며, 인식 정확도를 측정하였다. 본 연구의 결과는 제안된 방법의 정확도가 기존 분류 알고리즘들(즉, PCA 및 서포트 벡터 머신(Support Vector Machine, SVM))에 비해 최대 15% 높음을 보여주었다.

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