메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정승민 (Soonchunhyang University) 김영 (Soonchunhyang University) 조은혜 (Soonchunhyang University) 민세동 (Soonchunhyang University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제70권 제8호
발행연도
2021.8
수록면
1,208 - 1,214 (7page)
DOI
10.5370/KIEE.2021.70.8.1208

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2021

웨어러블 기기를 위한 광혈류 데이터 기반 혈압 측정 하이브리드 딥러닝 시스템의 구축
정승민 ,  김영 ,  조은혜 외 1명 전기학회논문지 2021.08 학술저널
광혈류 데이터 기반 혈압 예측을 위한 하이브리드 딥러닝 시스템의 구축
정승민 ,  김영 ,  조은혜 외 1명 대한전기학회 학술대회 논문집 2021.07 학술대회자료

초록· 키워드

오류제보하기
In this work, we developed a PPG-based blood pressure estimation hybrid deep learning model built into wearable devices and used by hypertension patients to monitor blood pressure in real-time in their daily lives. The model is a deep-learning model that combines data preprocessing, Autoencoder deep learning model for feature extraction, and RAN regression model developed by this research team. We conducted experiments to compare the blood pressure prediction performance of the proposed model with other deep learning models and find out how the objective blood pressure prediction performance is. We conducted experiments on an open dataset with the vital signs of 32 subjects. After models trained on 24 subjects’ data and are tested on eight other people’s data, we could see that using deep-learning regression models combined with an Autoencoder (hybrid deep-learning) performs better than using a deep learning model alone, and RAN accurately predicts blood pressure than the comparable deep-learning models. The study found that the average error for actual and predicted blood pressure in the proposed hybrid deep-learning models was 4.67 mmHg, and the standard deviation of error was 6.37 mmHg. It satisfies the accuracy criteria presented by the Korean National Institute of Food and Drug Safety Evaluation.
#Blood Pressure Estimation #Hybrid Deep Learning #Photoplethysmography #Wearable

목차

Abstract
1. 서론
2. 하이브리드 딥러닝 모델
3. 실험 및 결과
4. 고찰
5. 결론
References

참고문헌 (5)

참고문헌 신청
김진학 / 2017 / 비노인군과 노인군 고혈압 환자의 고혈압 관리 / 한국보건간호학회지 31(2):284~295 dbpia Jae-Geol, Jo / 2016 / Status and Prospect of Healthcare Sensing Technology for Wearable Devices / The Korean Institute of Electrical Engineers 65(11):23~27 google schola Miao, Fen / 2017 / A novel continuous blood pressure estimation approach based on data mining techniques / IEEE journal of biomedical and health informatics 21(6):1730~1740 google schola 정승민 / 2021 / Development of a Hybrid Deep-Learning Model for the Human Activity Recognition based on the Wristband Accelerometer Signals / 인터넷정보학회논문지 22(3):9~16 google schola Liu, David / 2012 / University of Queensland vital signs dataset: development of an accessible repository of anesthesia patient monitoring data for research / Anesthesia & Analgesia 114(3):584~589 google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

외골격 재활 로봇 제어를 위한 족저압 및 슬관절 각도 동시 측정 시스템 개발
김윤성 ,  김영 ,  호종갑 외 2명 대한전기학회 학술대회 논문집 2021 .10
피드백 알고리즘에 의한 광전용적맥파 측정
박찬오 ,  신우식 ,  지용환 외 2명 대한전자공학회 학술대회 2007 .07
인간-열 상호작용과 열적 웨어러블 디바이스
이진우 한국생산제조학회 학술발표대회 논문집 2023 .12
안정적 광혈류 측정 신호를 이용한 딥러닝 기반 혈압 예측 방법론
박준원 ,  김동일 한국정보과학회 학술발표논문집 2022 .06
고혈압의 예방 및 치료를 위한 과학적 코칭
박인성 코칭능력개발지 2022 .03

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-560-001935307