논문 제목
손목 밴드를 이용한 통증 행동 모니터링 시스템의 설계 및 구현
요약
최근 의료 및 헬스케어 분야에서는 IT기술의 융합이 활발하게 이루어지고 있다. 통증은 다양한 질병에 의한 증상으로서 환자를 진단하기 위해 통증 평가가 필수적이다. 통증 평가를 위해서는 통증으로 인한 행동을 지속적으로 관찰해야한다. 이를 이용하여 사용자의 통증의 정도를 평가하기 위한 통증 행동 모니터링 시스템이 필요하다. 카메라를 이용하여 표정, 음성을 인식하는 통증 행동 모니터링 연구가 있다. 또한, 슈트 형태의 센서를 이용하는 연구가 많이 진행되었다. 하지만 실제 사용 환경을 고려하였을 때 통증 행동을 인식하는 것은 어렵다. 실제 환경은 환경적 제약에 의해 카메라를 사용하기 어려우며, 사용할 수 있는 센서의 개수도 제약적이다. 또한, 실제 사용 환경에서는 일상 행동 중에 발생하는 통증 행동을 인식해야 한다.
본 논문에서는 실제 사용 환경을 고려한 통증 행동 모니터링 시스템을 구현하기 위해서 세 가지 방안을 제안하였다. 첫 번째로, 통증 행동을 손동작과 손 위치로 세분하였다. 손동작을 통해 통증의 종류, 손 위치를 통해 통증의 부위를 알 수 있다. 두 번째로 착용성이 좋은 손목 밴드 디바이스를 설계하였다. 손목 밴드 디바이스에 모션 센서를 탑재하고 가속도계, 자이로스코프를 이용하여 움직임을 추적하였다. 사람의 행동이 대칭인 점을 고려하여 양팔에 손목 밴드 디바이스를 착용하여 통증 행동을 인식하는 연구를 진행하였다. 마지막으로, 2단계 통증 행동 인식 기법을 제안하였다. 1단계에서 손 위치와 손동작을 CNN으로 인식하고 2단계에서는 인식된 손 위치와 손동작을 HMM을 이용하여 시계열 분석 하는 기법을 제안하였다. 시계열 분석에서는 통증 행동과 일상 행동을 인식하여 손 위치와 손동작을 28가지의 통증 행동으로 보정한다. 제안하는 기법의 CNN 모델은 다양한 구조의 모델을 비교 평가하여 선정하였다. 제안하는 기법의 학습을 위해 손목 밴드 디바이스를 구현하였다. 그리고 실제 환경을 고려하여 통증 행동과 일상 행동을 반복 수집하였다. 교차 검증을 통해 제안하는 시스템의 성능을 평가하였으며, 정확도가 87.06%로 단순한 CNN 구조와 비교하여 4.4% 향상되었다. 또한, F1-score는 0.82에서 0.87로 0.05만큼 향상되었다.