가속도 및 심전도의 모니터링을 통한 신체 활동 분류 및 에너지 소모량 추정

Abstract

세계적으로 인간의 평균 수명이 증가하고 인구 고령화 사회가 현실화 되면서 개개인의 육체적, 정신적 건강 상태에 대한 관심들이 증가하게 되었다. 따라서 일상생활 속에서 혈압, 심전도 등을 비롯한 다양한 종류의 생체 신호들을 모니터링하고 분석 및 진단하는 연구들이 활발히 진행되어 왔다. 그리고 일상생활 속 모니터링을 통하여 획득 된 생체 신호들을 분석하는데 있어 보다 정확한 분석 결과를 얻기 위해 신체 활동 정보 활용의 중요성이 강조되고 있다. 신체 활동 정보를 획득하는 방법에는 여러 가지가 존재하는데 각각의 방법에는 장단점들이 있지만 최근에는 가속도계를 사용하여 신체 활동을 분류하고 에너지 소모량을 추정하는 간접적 신체 활동 측정 방법이 많이 사용되고 있다. 가속도계는 작고 가벼우며 장비의 신뢰도가 높고 일상생활 중 피험자의 신체 활동을 특별한 제약 없이 장시간동안 측정 할 수 있는 실용적인 장비로 손꼽히고 있다. 또한 가속도계로 측정된 인체 가속도 신호는 신체 활동 정보 중 가장 중요하게 다뤄지는 신진대사량과도 상관관계가 높다는 연구결과들도 나오고 있어 그 활용도가 점점 높아지고 있다. 본 연구는 신체 활동에 따른 심전도의 변화 분석을 위한 기초 연구로서 본 연구실에서 개발한 Holter와 가스 분석기를 사용하여 피험자로부터 심전도와 가속도 신호를 획득하고 획득된 신호들로부터 유효 파라미터들을 추출하여 신체 활동 중 정적인 자세들과 동적인 활동들을 분류하고 보다 정확한 에너지 소모량 추정 공식을 유도하는 것을 그 목표로 한다. 모든 연구는 실험실 내에서 대표적인 자세와 활동만을 기반으로 한 프로토콜을 이용하여 진행되었으며 총 15명의 건강한 20-30대의 남성들이 실험에 참여하였다. 그 중 5명의 피험자 데이터를 사용하여 알고리즘을 개발하였고 10명의 피험자 데이터를 이용하여 알고리즘을 검증하였다. 가속도와 심전도 신호에서는 각각 8개(3축의 중력 가속도 성분, 3축의 움직임 성분, 2개의 합성값), 13개(P, Q, R, S, T peak, ST level, PR, QT, RR interval, 4개의 심박 주파수 정보) 씩의 파라미터가 추출되었고 추출 된 파라미터들의 상관도 분석 및 유효성 판단을 거쳐 활동 분류를 위한 파라미터들과 에너지 소모량 추정을 위한 파라미터들을 결정하였다. 알고리즘 내에서 모든 활동들은 Decision Tree 방식을 통해서 분류되었고 에너지 소모량 추정식은 선형 회기 분석을 통하여 유도되었다. 눕기, 앉기, 서기의 정적인 자세와 각 이행구간들 그리고 걷기, 달리기 등 동적 활동들의 분류 알고리즘 검증 결과는 98.3%라는 높은 정확도를 보였고 에너지 소모량 추정 공식도 단순 가속도 정보만을 사용했을 때보다 심전도에서 추출된 유효 파라미터들의 적용 후 그 정확도가 높아지는 것을 확인 할 수 있었다. 그리고 운동 강도가 증가하는 구간과 체력이 회복되는 구간을 분리하여 에너지 소모량과 각 파라미터들간의 상관관계를 분석하고 회기식을 유도한 결과 구간별 유효 파라미터의 차이가 생김을 확인하였고 구간별로 추정식을 유도했을 때 그 정확도 역시 증가함을 확인하였다. 결론적으로 본 연구의 결과를 통하여 신체 활동과 가속도 그리고 심전도 사이의 상관관계가 존재함을 확인하였고 운동 강도에 따른 심전도의 파라미터들이 신체 상태에 따라 유의미한 차이가 발생하는 것을 확인할 수 있었다.; Since the interesting is increased about individual's health status, many studies have processed actively for ambulatory health monitoring in free life. Even though there are various meaningful vital signs for health monitoring, the physical activity information is one of the major information for assessment both physical and mental health. Therefore, the importance of physical activity has been emphasized, and many studies have been verified on the relationship among physical activity, energy expenditure, and cardiovascular disease in these days. The measurement of physical activity energy expenditure has been performed through several different methods such as direct observation, subjective report, metabolic measurement, and indirect measurement. Each method has certain strengths and weaknesses, but the indirect measurement that uses accelerometer is proven as a suitable method for non-intrusive long term physical activity monitoring in free life. Accelerometer is small and light, and has high reliability. Hence, the accelerometer currently has come into a spotlight as objective and reliable tool for the estimation of physical activity and energy expenditure in ambulatory health monitoring field. As this study is the pre-research of changing analysis of ECG according to physical activity changing, the purpose is to effectively classify the each physical activity and to find meaningful ECG parameters for better estimation of physical activity energy expenditure with acceleration. Fifteen healthy males of twenties or thirties were participated in this experiment, and all of measurement had been processed by designed protocol including typical postures and activities in laboratory environment. Five subjects' data were used for development of algorithm, and all other data were used for validation of the algorithm. Eight and thirteen parameters were extracted from acceleration and ECG respectively. After these parameters were passed verifying step of effectiveness, meaningful parameters were decided for physical activity classification and energy expenditure estimation. All of physical activity were classified by decision tree method algorithm, and energy expenditure equation was derived by linear regression. The validating result of physical activity classification algorithm showed high performance as 98.3%, and the equation of energy expenditure that was derived using acceleration with ECG parameters had higher accuracy than the one that was derived using only acceleration. Through these result, the correlation of ECG and physical activity could be confirmed, and the difference of ECG change was also confirmed between exercise and recovery period.