사람들이 일상적인 건강관리 서비스에 손목밴드 형태의 전자 기기, 예컨대 스마트워치를 사용하는 것은 흔한 일이다. 스마트워치가 제공하는 건강관리 서비스 중 운동 중 심박수(HR)를 측정하는 방법은 비침습적이며 광용적맥파(photoplethysmogram, PPG)를 사용한다. 그러나 이 방법은 사용자의 움직임에 의한 인공신호(motion artifacts, MAs)에 취약하다는 단점이 있다. 가속도계를 이용해 PPG로부터 MA를 제거하는 기법이 연구되었으며, 최근에는 딥러닝 기반 알고리즘에 기초한 많은 연구가 수행되었다. 본 연구에서는 다양한 전처리 기법을 비교하고 최적의 전처리 매개변수를 도출하였으며, 모델 튜닝 기법을 사용함으로써 성능 향상을 달성하였다. 또한, Microsoft가 개발한 Neural Network Intelligence를 이용하여 하이퍼파라미터 탐색 및 신경망 아키텍처 탐색을 수행함으로써 모델을 최적화하였다. 그 결과, 이전 연구에 비해 매개변수가 75배 감소하였고, 평균절대오차(mean absolute error, MAE)는 7.65 BPM에서 6.02 BPM으로 26% 향상되었다.

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