HYUNMYUNG CHO Heesu Park Inchan Youn 2024-01-12T05:39:09Z 2024-01-12T05:39:09Z 2021-09-29 2019-05 - https://pubs.kist.re.kr/handle/201004/78883 최근 헬스케어에 대한 관심이 높아지면서 스트레스 관리에 대한 중요성이 같이 높아지고 있다. 스트레스 측정 방법 중 하나는 교감 및 부교감신경의 균형을 나타내는 지표 중 하나인 심박변이도를 분석하는 것이다. 기존의 많은 연구들이 사람의 심전도로부터 심박변이도를 추출하여 이를 기반으로 스트레스를 측정하고 분석하였다. 일반적으로, 스트레스를 분석하기 위해서 기계학습 방법이 사용되고 있고, 심박변이도 특징들을 알고리즘에 입력하여 스트레스를 측정한다. 실험에 사용된 데이터는 PhysioNet에 올라와 있는 오픈데이터셋으로 운전자로부터 심전도를 측정한 데이터이다. 운전자는 운전 전후 총 약 30분동안 휴식을 하고, 시내와 고속도로를 운전하였다. 시내 및 고속도로를 운전할 때의 심전도 신호를 스트레스 상황에서의 심전도 신호라고 표시하여 데이터를 사용하였다. 심전도 신호는 256Hz로 샘플링되어 측정되었다. 총 14명의 데이터를 실험에 사용하였다. 본 연구는 심박변이도가 아닌 원 심전도 신호만을 이용하여 스트레스를 측정하고자 한다. 스트레스 감지에 사용되는 알고리즘은 심층신경망을 기반으로 하는 알고리즘이다. 심층신경망은 여러 개의 합성곱 층 및 풀링 층으로 이루어져 있으며, 깊어질수록 차원감소를 하면서 원 신호로부터 특징들을 추출한다. 이후 추출된 특징들은 Softmax 구별자에 입력되고, 구별자는 이를 통해 스트레스와 휴식사이에서 이진분류를 수행한다. 기존의 심박변이도 및 기계학습 알고리즘을 이용한 모델보다 제안된 심층신경망 모델이 사용자응답특성 곡선에서 더 좋은 결과를 보이는 것을 확인할 수 있었다. 이를 통해 이미지 및 텍스트 분야에서 우수한 성능을 보이는 심층신경망이 생체신호에도 적용이 가능하다는 것을 확인할 수 있었다. 제안하는 모델이 일상생활에서의 스트레스 관리에 적용이 될 것이라고 기대된다. Korean 한국정밀공학회 Detection of Driver's Stress Based on Deep Neural Network Conference 2 한국정밀공학회 2019년도 춘계학술대회논문집 한국정밀공학회 2019년도 춘계학술대회논문집 KO 제주 2019-05-15