광용적맥파(PPG)의 심층신경망(DNN) 분석을 통한 원격의료 데이터의 신뢰성 평가 (Reliability Assessment of Telemedicine Data by Analyzing Photoplethysmography with Deep Neural Network Technology)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 B / 45권 / 5호 / 261 ~ 269페이지
· 저자명 : 김지운, 박성민, 최성욱

초록

광용적맥파(PPG: photoplethysmography)는 측정이 용이하고 심폐기능과 관련된 정보를 제공하므로 원격의료에 자주 사용되지만, 동잡음에 취약하고 질환과 환자의 특징에 따라 다양한 파형이 나타나기 때문에 자동화된 알고리즘을 만들기 어려웠다. 최근, COVID19의 확산으로 원격진료가 활성화됨에 따라 PPG 신호를 자동분석하고 신뢰성이 높은 데이터를 선별하기 위한 심층신경망(DNN) 기술의 적용이 늘어나고 있다. 본 연구에서는 뇌의 LTP(long term potential) 현상을 재현한 DNN을 이용하여 PPG를 분석하고 이를 바탕으로 함께 측정한 SPO2(saturation pulse oxymetry)의 신뢰성을 평가하였다. LTP-DNN은 동잡음이 포함된 58개의 PPG 데이터를 분석하여 정상적으로 측정한 데이터를 선별할 수 있었으며, SPO2의 오류 또한 예측할 수 있었다. 움직이는 상황에서도 기존에 상용화된 SPO2 기기보다 정확한 HR을 제공하였으며 PPG 파형을 표준화함으로써 개인 간의 파형 차이를 비교할 수 있게 하였다.

영어초록

Photoplethysmography (PPG) is often used in telemedicine because it enables convenient measurement and provides data related to cardiopulmonary function. However PPG is difficult analyze using an automated algorithm because of its vulnerability to motion artefacts and the diversity of the waveforms according to the characteristics of individuals and diseases. Recently, as the use of telemedicine has become more frequent due to the outbreak of COVID19, the application of deep neural network (DNN) technology in the analysis of PPG and selection of reliable data has increased. In this study, PPG was analyzed using DNN techniques to reproduce the long-term potential (LTP) phenomenon in the brain. Moreover, the reliability of measuring saturation pulse oxymetry (SPO2) simultaneously was evaluated using the LTP-DNN. The LTP-DNN was able to evaluate faultless data by inspecting 58 PPG datasets, including 29 fault data, and could determine the possibility of failure in SPO2 measurement as well. Even in a moving situation, the LTP-DNN provides more accurate heartrate (HR) measurements than commercial SPO2 devices do. It can also be used to normalize the PPG waveform to identify waveform differences between individuals.

참고자료

· 없음