Temel Kavramlar
적외선 광파 감지 기술을 활용하여 정상 및 다양한 유형의 비정상 호흡 패턴을 탐지하고 오류 데이터를 식별할 수 있는 시스템을 개발하였다.
Özet
이 연구는 적외선 광파 감지 기술을 활용하여 호흡 이상을 탐지하는 시스템을 개발하였다. 호흡 패턴은 개인의 신체적, 심리적 상태를 반영하므로 이상 호흡을 탐지하면 추가 진단 및 치료에 활용할 수 있다.
연구에서는 로봇을 이용하여 정상 호흡과 6가지 유형의 비정상 호흡 패턴을 시뮬레이션하고, 적외선 광파 감지 기술로 데이터를 수집하였다. 수집된 데이터에서 특징을 추출하고 의사결정 트리, 랜덤 포레스트, XGBoost 알고리즘을 적용하여 호흡 이상을 탐지하였다.
실험 결과, 랜덤 포레스트 모델이 0.5m 거리에서 96.75%의 가장 높은 분류 정확도를 달성하였다. 앙상블 모델인 랜덤 포레스트와 XGBoost가 단일 모델보다 전반적으로 우수한 성능을 보였다. 특히 다양한 거리에서 수집된 데이터를 혼합하여 사용한 경우에도 높은 정확도를 유지하였다.
이 시스템은 병원에서 환자 모니터링, 가정에서의 건강 관리, 차량 운전자 피로 감지 등 다양한 분야에 활용될 수 있다. 향후 실제 사람을 대상으로 한 임상 실험을 통해 시스템의 강건성과 일반화 능력을 검증할 필요가 있다.
İstatistikler
정상 호흡(Eupnea) 데이터의 호흡률은 12-20회/분, 호흡 깊이는 30-58%였다.
무호흡(Apnea) 데이터의 호흡률은 0회/분, 호흡 깊이는 0%였다.
빈호흡(Tachypnea) 데이터의 호흡률은 21-50회/분, 호흡 깊이는 30-58%였다.
서호흡(Bradypnea) 데이터의 호흡률은 1-11회/분, 호흡 깊이는 30-58%였다.
과호흡(Hyperpnea) 데이터의 호흡률은 12-20회/분, 호흡 깊이는 59-100%였다.
저호흡(Hypopnea) 데이터의 호흡률은 12-20회/분, 호흡 깊이는 1-29%였다.
Kussmaul 호흡 데이터의 호흡률은 21-50회/분, 호흡 깊이는 59-100%였다.