다중 호흡 패턴 구간검출 및 범위 분류 알고리즘 연구

Algorithms for Multi-Respiration Pattern Range Detection and Classification

연구 내용

연속 호흡 신호에서 중첩된 다중 호흡 패턴의 구간을 검출하고 패턴별 범위를 분류하는 연구

연속 호흡 데이터에서 특정 시간 구간 내에 여러 호흡 패턴이 동시에 존재할 때, 기존 윈도우 기반 분류가 어려워지는 문제를 다룹니다. 1D Siamese neural network 기반의 호흡 패턴 검출 모델을 적용하고, 전체 구간을 패턴별 영역으로 재구성하는 merge-and-split 알고리즘을 사용합니다. 패턴별 구간 결과는 intersection over union 기준으로 평가하여 범위 분류 성능을 검증합니다. 이를 통해 간단한 패턴 표현부터 복합 패턴의 구간 추정까지 일관된 검출 로직을 제공하는 데 연구 초점을 둡니다.

관련 프로젝트

1건

연구 흐름

2013~2020년대의 단일 윈도우 분류 관점에서 발생하는 인식 저하 문제를 전제로, 2022~2023년 과제에서 연속 호흡 신호의 패턴별 구간 검출을 핵심 목표로 설정했습니다. 이후 2023년 성과로, 중첩된 다중 호흡 패턴을 분리하기 위해 1D SNN 검출 구조와 merge-and-split 분류 절차를 결합했습니다. 마지막 단계에서는 구간 결과의 정확도를 범위 기반 지표로 평가하며, 단일 패턴과 다중 패턴 상황에서 모두 안정적인 범위 추정을 수행하도록 연구를 확장했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

중첩 패턴 분해 분석
호흡 구간 자동 추정
패턴별 영역 기반 의료 분석
IoU 기반 범위 평가 모듈
실시간 호흡 이벤트 분류
임상 데이터 후처리 자동화
호흡 패턴 시계열 라벨링
생체신호 구간화 엔진
호흡 질환 모니터링 시스템
연속 신호 인식 알고리즘 고도화