레이다를 사용한 입원 환자 데이터 기반 낙상 감지 시스템 개발
Development of a Fall Detection System Based on Hospital Inpatients Data Using Radar
1
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
낙상 사고는 환자의 정신적 및 신체적 상실을 초래하여 사망에까지 이를 수 있고 비낙상환자에 비해 더 높은 의료 부담이 발생한다. 또한 법적 의료 분쟁이 발생할 경우에는 병원 뿐만아니라 환자 및 보호자의 부담을 더욱 가중시킨다. 그러므로 낙상 사고의 감지 및 빠른 사후 처리는 매우 중요하다. 지금까지 연구된 3축 가속도 센서, 자이로스코프 센서, 영상 센서, 오디오 센서 진동 센서, 음향 감지 센서 등 다양한 센서를 이용하여 낙상 감지 시스템 개발을 해왔다. 하지만 여전히 낙상이 발생하였음에도 낙상을 감지하지 못하거나 일상생활의 행동을 낙상으로 오인하는 등 정확도가 낮다는 점, 별도의 센서를 대상자의 몸에 추가적으로 부착해야하는 점 그리고 낙상 사고 후 빠른 사후 처리가 이루어지기 어렵다는 점 등 3가지 문제점을 지니고 있다. 본 논문에서는 이러한 문제점을 개선하기 위해서 레이더 센서와 환자의 개별 데이터를 이용하여 낙상 감지 시스템을 제안한다. 레이더를 사용하면 무엇보다 자연환경 및 비가시적인 상황에서도 약 95.0% 이상 낙상을 인식할 수 있고 낙상이 발생했을 때, 입원환자의 데이터를 활용하면 위험 수준에 따른 신호를 의료진 및 보호자에게 전송할 수 있다.
Abstract
A fall accidents can cause mental and physical loss of the patient, leading to death and such accidents cause a higher medical burden than non-fall patients. In addition, when a legal medical dispute occurs, it increases even further the patients and caregiver burden as well as hospitals. Therefore, it is very important to detection fall accidents and to deal with it quickly after it occurs. A fall detection system has been developed using various sensors, such as a three-axis accelerometer, a gyro sensor, an image sensor, an audio sensor, a vibration sensor, and an acoustic sensor, which have been studied so far. However, it still has the following three problems: low accuracy, such as not detecting a fall or recognizing an action occurring in daily life as a fall, inconvenient to always attach an additional sensor to the body, and difficulty treating patients quickly after a fall has occurred. In this paper, to improve this problem, we propose a fall detection system using a radar sensor and individual patient data. The developed system can recognize more than 95.0% of falls even in natural environments and invisible situations by using radar and when a fall occurs, the system can use hospital inpatients data to send a signal according to the level of risk to medical team and caregivers.
참고문헌 (20)
- "Slips, trips and falls in hospital"[URL]
- 김윤숙, "종합병원 입원 환자의 낙상 위험 요인 및 낙상 위험도 평가", 성인간호학회지, 25(1), pp.74~82 (2013), 한국성인간호학회
- I.J. Smith, "The Joint Commission, Defining the problem of falls", The Joint Com mission on Accreditation of Health care Organizations
- C. W. Lin, "Compressed-domain fall incident detection for intelligent homecare", The Journal of VLSI Signal Processing, 49(3), pp.393~408 (2007)
- U. Lindermann, "Evaluation of a fall detector based on accelerometers: A pilot study", Medical Biological Engineering and Computing, 43(5), pp.548~551 (2005)
- 류정탁, "3축 가속도센서와 기울기 센서를 이용한 낙상감지시스템 개발", 한국산업정보학회논문지, 18(4), pp.19~24 (2013), 한국산업정보학회[DOI]
- T. Zhang, "Fall detection by wearable sensor and one-class SVM algorithm", Lecture Notes in Control and Information Sciences, 345, pp.858~863 (2006)
- A. K. Bourke, "Evaluation of a threshold-based tri-axial accelerometer fall detection algorithm", Gait&Posture, 26(2), pp.194~199 (2007)
- 정필성, "사물인터넷 기반의 낙상 감지 시스템", 한국정보통신학회논문지, 19(11), pp.2546~2553 (2015), 한국정보통신학회[DOI]
- 조정길, "스마트폰의 모션 센서를 사용한 낙상 감지 접근방법", 한국정보기술학회논문지, 17(7), pp.47~54 (2019), 한국정보기술학회[DOI]
- C. L. Liu, "A fall detection system using k-nearest neighbor classifier", Expert Systems with Applications, 37(10), pp.7174~7181 (2010)
- 김상수, "움직임 벡터를 이용한 낙상 감지 시스템", 한국정보전자통신기술학회 논문지, 9(1), pp.38~44 (2016), 한국정보전자통신기술학회
- D. Litvak, "Fall detection of elderly through floor vibrations and sound", 2008 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp.4632~4635 (2008)
- Y. R. Kim, "Design of emergency system based on fall detection", Korean Information Processing Society, 24(2), pp.2546~2553 (2017)
- M. Skubic, "Testing non-wearable fall detection methods in the homes of older adults", 2016 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society(EMBC), pp.557~560 (2016)
- C. M. Han, "Wifall:Device-free fall detection by wireless networks", IEEE INFOCOM 2014 - IEEE Conference on Computer Communications, pp.581~594 (2014)
- Y. Li, "Iterative robust capon beamforming", Signal Processing, 118, pp.211~220 (2016)
- A. Abu, "CFAR detection algorithm for objects in sonar images", IET Radar, Sonar & Navigation, 14(11), pp.1757~1766 (2020)
- S. Aminikhanghahi, "Real-time change point detection with application to smart home time series data", IEEE Transactions on Knowledge and Data Engineering, 31(5), pp.1010~1023 (2019)
- 최은주, "일개 종합병원 입원환자의 낙상관련 특성 및 낙상발생 예측요인", Journal of Korean Academy of Nursing, 47(3), pp.420~430 (2017), 한국간호과학회