가속도계 융합 기반 PPG 동작 인공물 제거 및 심박 추정

PPG Heart Rate Estimation with Accelerometer-Based Motion Artifact Removal

연구 내용

가속도계로 동작 인공물을 보정하고, 전처리 및 학습 파라미터를 조절하여 웨어러블 PPG 기반 심박을 안정적으로 추정하는 연구

웨어러블 기기에서 PPG(Photoplethysmogram)로 심박을 추정할 때 사용자 움직임에 의해 동작 인공물이 발생하는 문제를 다룹니다. 가속도계 데이터를 함께 활용하여 motion artifacts를 저감하는 전처리 전략을 비교하고, 입력 신호의 품질을 높이기 위한 전처리 파라미터를 탐색합니다. 이를 딥러닝 기반 회귀 모델에 적용하여 운동 상황에서도 심박 추정 성능을 확보하는 방향으로 연구합니다.

관련 프로젝트

0건

연구 흐름

초기에는 스마트워치 환경에서 PPG 기반 심박 추정이 motion artifacts에 취약하다는 점을 분석하고, 가속도계 정보를 결합하기 위한 기본 전처리 구성을 설정했습니다. 이후 다양한 전처리 기법과 전처리 파라미터 조합을 비교하여 성능에 미치는 영향을 정리했습니다. 마지막으로 하이퍼파라미터 튜닝과 Neural Architecture Search를 통해 모델 구조와 학습 설정을 최적화하여 임베디드 적용 관점에서 파라미터 규모를 줄이면서 추정 성능을 향상시키는 연구를 수행했습니다.

활용 가능성

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

운동 중 심박 추정
웨어러블 기반 연속 건강 모니터링
모션 인공물 억제 신호복원
가속도계와 PPG 센서 융합
개인 맞춤 전처리 파라미터 도출
저품질 생체신호 품질 진단
스마트워치용 경량 AI 추정
임상 전 단계 웨어러블 스크리닝
연속 추적 기반 운동 강도 지표 산출
임베디드 환경 모델 배포