강한 신체 활동 중에 웨어러블 광학 혈관량측정 센서를 사용하여 운동 아티팩트로 인해 손상된 심박수 신호의 재구성에 위한 새로운 시변 스펙트럼 필터링 알고리즘

강한 신체 활동 중에 광체적혈량도(Photoplethysmogram, PPG) 신호로부터 심박수를 정확하게 추정하는 것은 매우 도전적인 문제이다. 이는 격렬하고 고강도의 운동이 PPG 신호에 심각한 운동 아티팩트(motion artifacts)를 유발하기 때문이며, 이로 인해 정확한 심박수(HR) 추정이 어려워진다. 본 연구에서는 시간에 따라 변화하는 스펙트럼 분석 기반으로 운동에 의한 손상된 PPG 신호와 심박수를 정확히 재구성하는 새로운 기술을 탐구하였다. 이 알고리즘은 '운동 아티팩트 및 심박수 재구성을 위한 스펙트럼 필터 알고리즘(Spectral filter algorithm for Motion Artifacts and heart rate reconstruction, SpaMA)'으로 명명되었다. 이 방법의 핵심 아이디어는 창을 적용한 데이터 세그먼트의 각 시간 이동에 대해 PPG 신호와 가속도계 신호의 전력 스펙트럼 밀도를 계산하는 것이다. PPG 신호와 가속도계 데이터의 시간에 따라 변화하는 스펙트럼을 비교함으로써, 운동 아티팩트에 기인한 주파수 피크를 PPG 스펙트럼에서 구분할 수 있다. SpaMA 방법은 세 가지 다른 데이터셋과 네 가지 유형의 활동에 적용되었다: (1) 2015년 IEEE 신호 처리 컵 데이터베이스에서 수집된 훈련 데이터셋으로, 12명의 피험자가 1km/h에서 15km/h까지의 터널에서 걷기 운동을 수행할 때 기록한 데이터; (2) 동일한 데이터베이스에서 수집된 테스트 데이터셋으로, 11명의 피험자가 팔꿈치와 상완부 운동을 수행할 때 기록한 데이터; (3) Chon Lab 데이터셋으로, 터널에서 10분 동안 10명의 피험자에게서 기록한 데이터. 세 데이터셋의 전기심장도(ECG) 신호는 각각의 참조 심박수(reference HR)로 사용되었으며, 이는 SpaMA 알고리즘의 정확도 평가에 활용되었다. SpaMA의 성능은 PPG로부터 추정된 심박수와 ECG로부터 얻은 참조 심박수 사이의 평균 절대 오차(mean absolute error)를 계산하여 평가하였다. 본 연구 방법을 첫 번째, 두 번째, 세 번째 데이터셋에 적용한 평균 추정 오차는 각각 0.89, 1.93, 1.38 회/분이었으며, 총 33명의 피험자에 대한 전체 오차는 1.86 회/분, 터널 운동 데이터셋(22명)에 대한 성능은 1.11 회/분으로 나타났다. 또한, 알고리즘을 통해 심박수 변동성의 동역학을 정확히 포착할 수 있음을 확인하였으며, 참조 심박수 시계열과 재구성된 심박수 시계열의 전력 스펙트럼 밀도 간 평균 피어슨 상관 계수(Pearson’s correlation coefficient)는 0.98로 매우 높은 일치도를 보였다. 이러한 결과들은 SpaMA 방법이 강한 신체 활동 중에 웨어러블 기기에서 PPG 기반 심박수 모니터링을 위한 가능성을 지닌다는 것을 시사하며, 운동 추적 및 건강 모니터링 분야에서의 응용 가능성을 시사한다.