다중 작업 시계열 이동 주의력 네트워크를 이용한 단말기 기반 비접촉식 생체신호 측정

코로나19(SARS-CoV-2) 팬데믹 동안 원격 의료(Telehealth)와 원격 건강 모니터링이 점점 더 중요해졌으며, 이는 향후 의료 서비스 방식에 지속적인 영향을 미칠 것으로 널리 예상되고 있습니다. 이러한 도구들은 환자와 의료진의 감염 위험을 줄이고, 의료 서비스 접근성을 높이며, 제공자가 더 많은 환자를 진료할 수 있도록 돕습니다. 그러나 환자와 직접 접촉하지 않는 상태에서 생명체징을 객관적으로 측정하는 것은 어려운 문제입니다. 본 연구에서는 비디오 기반 및 단말기 내 광학적 심폐 생명체징 측정 방법을 제시합니다. 이 방법은 새로운 다중 작업 시계열 변환 합성곱 주의망(Multi-Task Temporal Shift Convolutional Attention Network, MTTS-CAN)을 활용하여 모바일 플랫폼에서 실시간으로 심혈관 및 호흡기 측정을 가능하게 합니다. 우리는 고급 RISC 머신(Advanced RISC Machine, ARM) CPU에서 시스템을 평가하였으며, 150프레임 이상의 속도로 실행하면서 최고 수준의 정확도를 달성하였습니다. 이는 실시간 응용 프로그램을 가능하게 합니다. 대규모 벤치마크 데이터셋에 대한 체계적인 실험 결과, 우리의 접근법이 오류를大幅减少 (20%-50%)하고 다양한 데이터셋에서도 잘 일반화됨을 확인하였습니다.注：在最后一句中，“大幅减少” 应该翻译为 “대폭 감소” 以保持句子的流畅性和准确性。修正后的翻译：코로나19(SARS-CoV-2) 팬데믹 동안 원격 의료(Telehealth)와 원격 건강 모니터링이 점점 더 중요해졌으며, 이는 향후 의료 서비스 방식에 지속적인 영향을 미칠 것으로 널리 예상되고 있습니다. 이러한 도구들은 환자와 의료진의 감염 위험을 줄이고, 의료 서비스 접근성을 높이며, 제공자가 더 많은 환자를 진료할 수 있도록 돕습니다. 그러나 환자와 직접 접촉하지 않는 상태에서 생명체징을 객관적으로 측정하는 것은 어려운 문제입니다. 본 연구에서는 비디오 기반 및 단말기 내 광학적 심폐 생명체징 측정 방법을 제시합니다. 이 방법은 새로운 다중 작업 시계열 변환 합성곱 주의망(Multi-Task Temporal Shift Convolutional Attention Network, MTTS-CAN)을 활용하여 모바일 플랫폼에서 실시간으로 심혈관 및 호흡기 측정을 가능하게 합니다. 우리는 고급 RISC 머신(Advanced RISC Machine, ARM) CPU에서 시스템을 평가하였으며, 150프레임 이상의 속도로 실행하면서 최고 수준의 정확도를 달성하였습니다. 이는 실시간 응용 프로그램을 가능하게 합니다. 대규모 벤치마크 데이터셋에 대한 체계적인 실험 결과, 우리의 접근법이 오류를 대폭 감소(20%-50%)시키고 다양한 데이터셋에서도 잘 일반화됨을 확인하였습니다.