인체 통신망 환경에서 지지 벡터 기계를 적용한 시계열 혈압 패턴 분류 기법 (Time series Blood Pressure Pattern Classification using Support Vector Machine in Wireless Body Area Network Environment)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 데이타베이스연구 / 26권 / 2호 / 3 ~ 15페이지
· 저자명 : 이민수, 맹보연

초록

인체 통신망과 의료 센서의 발전으로 인해 언제 어디서든 사용자의 생체 신호를 무선으로 전송 받아 데이터베이스에 누적할 수 있게 되었으나, 이를 모니터링 하거나 분석할 수 있는 기술들의 적용이 아직 부족한 상태이다. 다양한 생체 신호들 중 혈압 신호는 우리나라 3대 사망률에 큰 영향을 미칠 정도로 중요한 신호이다.
현재 다양한 질병과 혈압과의 상관관계에 대한 연구가 진행되고 있으나, 시계열 혈압의 패턴에 관한 연구는미흡한 상황이다. 따라서 생체신호로부터 얻은 시간에 따른 혈압의 변화 유형들을 패턴으로 정의하고 이들을분류하는 기법이 필요하다. 본 논문에서는 인체 통신망 환경에서 데이터베이스로 누적되는 혈압 패턴을 효율적으로 분류하는 방법으로 지지 벡터 기계의 적용 방안을 제안한다. 지지 벡터 기계의 매개변수와 커널을 다양하게 설정하여 혈압 패턴 분류에 적용하고, 실험을 통해 가장 적합한 매개변수와 커널의 종류를 찾는다.
최적 구성의 지지 벡터 기계를 패턴 분류에 대표적인 방법인 인공신경망과 실험을 통해 비교하여 우수한 성능을 가짐을 보인다.

영어초록

Due to the development of wireless body area networks and medical sensors it has become possible to send/receive bio-signals and store them into databases. However, the technology to monitor and analyze this kind of data is still not well applied. Among the various kinds of biosignals,the blood pressure is one of the top three most important ones that affect the Korean death rate. Although recent research focuses on the correlation between blood pressure and various diseases, research on time‐series blood pressure patterns is still lacking. In this paper, support vector machine is applied to time series blood pressure pattern classification. The optimal parameters and kernel for the support vector machine are decided and experiments show that the support vector machine can efficiently classify blood pressure patterns compared with the neural network algorithm.

참고자료

· 없음