2달 전
KID-PPG: 지식 기반 딥 러닝을 이용한 스마트워치에서 심박수 추출
Christodoulos Kechris; Jonathan Dan; Jose Miranda; David Atienza

초록
광플레티스모그래피(PPG) 신호에서 심박수를 정확히 추출하는 것은 움직임 아티팩트와 신호 저하로 인해 여전히 어려움을 겪고 있습니다. 데이터 주도의 추론 문제로 훈련된 딥러닝 방법이 유망한 해결책을 제공하지만, 종종 의학 및 신호 처리 분야의 기존 지식을 충분히 활용하지 못하고 있습니다. 본 논문에서는 딥러닝 모델의 세 가지 단점을 다룹니다: 움직임 아티팩트 제거, 신호 저하 평가, 그리고 생리적으로 타당한 PPG 신호 분석입니다. 우리는 적응형 선형 필터링, 딥 확률적 추론, 그리고 데이터 증강을 통해 전문가 지식을 통합하는 KID-PPG(Knowledge-Informed Deep Learning for Photoplethysmography) 모델을 제안합니다. PPGDalia 데이터셋에서 KID-PPG를 평가한 결과, 평균 절대 오차는 분당 2.85회로 기존 재현 가능한 방법들을 능가했습니다. 우리의 결과는 딥러닝 모델에 사전 지식을 통합함으로써 심박수 추적 성능이 크게 향상됨을 입증합니다. 이 접근 방식은 딥러닝 모델에 기존 전문가 지식을 통합하여 다양한 생체의학 응용 분야를 개선할 수 있는 가능성을 보여줍니다.