광플레시스모그램을 이용한 스펙트로-시공간 딥 뉴럴 네트워크를 통한 혈압 추정

혈압(BP)은 고혈압이라는 위험하고 치명적인 질환을 직접적으로 나타내는 지표이다. 따라서 혈압의 정기적 모니터링은 매우 중요하지만, 많은 사람들은 씰소(기압측정기) 기반 장치를 꺼리며, 이러한 장치의 한계는 휴식 시에만 사용 가능하다는 점이다. 본 연구에서는 단순히 광혈량측정법(PPG)을 이용해 혈압을 추정하는 방안을 탐구하였다. 우리는 고품질의 PPG 및 동맥혈압 파형 데이터를 포함한 MIMIC-III 데이터베이스를 분석하여 전처리 후 총 700시간 이상의 신호를 확보하였으며, 이는 510명의 참가자에게서 얻어진 데이터였다. 이후 우리는 PPG와 그 일차 및 이차 미분 값을 입력으로 하여 잔차 연결을 갖춘 새로운 스펙트로-시계열 딥 뉴럴 네트워크를 구축하였다. 한 사람을 제외한 나머지 참가자 데이터로 구성된 교차검증 실험에서, 네트워크가 PPG와 혈압 간의 종속 관계를 효과적으로 모델링할 수 있음을 입증하였으며, 수축기 혈압의 경우 평균 절대오차(MAE)는 9.43, 이완기 혈압은 6.88을 기록하였다. 또한 모델의 개인화(Personalization)가 매우 중요하며, 성능을 상당히 향상시킨다는 점을 확인하였고, 일반화된 예측 모델을 개발하는 것은 어렵다는 점도 밝혀냈다. 본 연구의 핵심 부분, 특히 사용된 참가자 목록과 신경망 코드를 공개함으로써, 향후 MIMIC-III 하위 집합을 대상으로 한 연구들 간의 비교를 용이하게 하고, 견고한 기준선을 제공하고자 했다.