딥러닝 PPG 분류와 피크 검출을 결합한 하이브리드 심박수 측정
Hybrid Heart Rate Measurement Combining Deep Learning PPG Classification and Peak Detection
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
현재 최근 스마트워치 등 웨어러블 기기의 대중화로 사용자는 심박수, 산소포화도 등 다양한생체 정보를 실시간으로 확인할 수 있게 되었다. 그러나 기존 상용 기기는 측정 정확도가 낮고특정 조건에서 오류가 발생하며, 오류 구간을 명확히 식별하지 못하는 한계가 있다. 따라서 본 연구에서는 이러한 문제를 개선하기 위해 PPG 센서를 기반으로 한 정확도가 높은 생체 신호 측정장치를 개발하였다. PPG 신호의 구분에는 딥러닝을 활용하고, 심박수 측정에는 알고리즘 기반 방식을 적용하였다. 실험 결과, 딥러닝 예측 정확도는 97.46%에 달했으며, 심박수 측정치는 상용 웨어러블 기기와 유사한 경향을 보여 높은 신뢰성을 확인할 수 있었다.
Abstract
The recent popularization of wearable devices such as smartwatches has enabled users to monitor various biometric data, such as heart rate and oxygen saturation, in real time. However, existing commercial devices have limitations such as low measurement accuracy, errors occurring under certain conditions, and difficulty in clearly identifying error areas. Therefore, in this study, we developed a highly accurate biometric signal measurement device based on a PPG sensor to improve these issues. Deep learning was used to classify PPG signals, and a signal processing algorithm was applied to calculate heart rate. Experimental results showed that the deep learning prediction accuracy was 97.46%, and the heart rate measurements showed similar trends to those of commercial wearable devices, confirming high reliability.