지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이경중
- 발행연도
- 2018
- 저작권
- 연세대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 연구는 도플러레이더를 이용하여 비접촉방법으로 호흡 신호를 획득하여 수면 무호흡(Sleep Apnea)이벤트를 자동으로 분류하는 알고리즘을 제안하였다. 수면호흡장애는 수면 중 상기도의 폐쇄로 인해 반복적인 혈액 산소 불포화나 수면 중 각성이 발생하며 이로 인해 주간 졸림증, 심뇌혈관질환을 일으킬 수 있다. 수면호흡장애를 진단하는 표준화된 방법은 수면다원검사로서, 병원의 수면 센터에서 진행함으로 인한 공간적 제약, 많은 센서 부착으로 인한 환자의 불편감, 높은 검사비용, 긴 대기시간 등의 단점을 가진다. 이런 한계점을 극복하기 위해 보다 적은 센서를 이용하여 수면호흡장애를 검출하는 연구가 진행되었지만 이 또한 환자에게 불편함을 준다.
본 연구에서는 도플러레이더를 이용하여 비접촉 방식으로 환자의 수면에 전혀 영향을 주지 않는 수면호흡장애 검출 시스템을 제안하였다. 제안된 시스템은 공간에 제약 없이 환자의 침대 밑 부분에 도플러레이더 센서를 설치하여 호흡신호를 획득하는 시스템을 제작하였다. 호흡신호는 서울삼성병원에 내원하여 수면다원검사를 진행하는 28명의 환자분들의 동의를 받고 신호를 획득하였다. 획득한 호흡 신호의 호흡 진폭을 계산하여 특징들을 추출한 후 Support vector machine-recursive feature elimination(SVM-rfe)을 이용하여 특징의 순위를 정하고 최소의 특징수로 결과 값을 얻을 수 있는 특징들을 선택하였다.
선택된 특징들을 SVM 분류기를 이용하여 수면 무호흡과 정상호흡 이벤트를 분류하여 성능을 평가하였다. 분류 결과 민감도 77.7% 특이도 86.2%, 양성예측도 84.9% 정확도 82.0% 값을 보였으며, 이를 통해 비접촉 방법으로 편리하게 수면호흡장애를 검출 할 수 있는 가능성을 제시하였다.
본 연구에서는 도플러레이더를 이용하여 비접촉 방식으로 환자의 수면에 전혀 영향을 주지 않는 수면호흡장애 검출 시스템을 제안하였다. 제안된 시스템은 공간에 제약 없이 환자의 침대 밑 부분에 도플러레이더 센서를 설치하여 호흡신호를 획득하는 시스템을 제작하였다. 호흡신호는 서울삼성병원에 내원하여 수면다원검사를 진행하는 28명의 환자분들의 동의를 받고 신호를 획득하였다. 획득한 호흡 신호의 호흡 진폭을 계산하여 특징들을 추출한 후 Support vector machine-recursive feature elimination(SVM-rfe)을 이용하여 특징의 순위를 정하고 최소의 특징수로 결과 값을 얻을 수 있는 특징들을 선택하였다.
선택된 특징들을 SVM 분류기를 이용하여 수면 무호흡과 정상호흡 이벤트를 분류하여 성능을 평가하였다. 분류 결과 민감도 77.7% 특이도 86.2%, 양성예측도 84.9% 정확도 82.0% 값을 보였으며, 이를 통해 비접촉 방법으로 편리하게 수면호흡장애를 검출 할 수 있는 가능성을 제시하였다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0