Human Respiration Pattern Recognition from 1D Time-Series
연구 내용
연속 호흡 신호로부터 1차원 딥러닝 모델을 이용해 호흡 패턴을 자동 인식하고 성능을 개선하는 연구
호흡 신호와 같은 1차원 시계열 데이터를 입력으로 하여 호흡 패턴을 분류하는 기술을 연구합니다. 신경망 기반 패턴 인식에서 네트워크 구조 및 하이퍼파라미터가 성능에 미치는 영향을 고려해 모델 설계와 최적화를 함께 수행합니다. 또한 윈도우 단위 분석에서 여러 호흡 패턴이 동시에 존재할 때 인식 성능이 저하되는 문제를 다루기 위해 1D Siamese neural network와 merge-and-split 기반 구간 분류 로직을 적용합니다. 이를 통해 연속 신호에서 패턴별 구간을 함께 추정하는 인식 시스템을 구현합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
1건
연구 흐름
초기에는 1D CNN 기반 호흡 패턴 인식에서 정확도를 좌우하는 하이퍼파라미터 조합을 탐색하는 방향으로 연구가 진행되었습니다. 이후 2022~2023년 수행 과제를 중심으로 연속 호흡 신호에서 패턴 구간을 검출하고, 패턴별 범위를 분류하는 구조로 확장되었습니다. 최근에는 여러 호흡 패턴이 한 구간에 중첩될 때의 인식 저하 문제를 해결하기 위해 1D SNN 기반 검출과 merge-and-split 분류 알고리즘을 결합하여 성능을 안정화하는 연구를 수행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Hyperparameter Optimization Method Based on Harmony Search Algorithm to Improve Performance of 1D CNN Human Respiration Pattern Recognition System
Detection of Multiple Respiration Patterns Based on 1D SNN from Continuous Human Breathing Signals and the Range Classification Method for Each Respiration Pattern
관련 프로젝트
구분
제목
딥러링 기반 인간 호흡 패턴 분류와 패턴별 구간검출 방법 연구