인체 통신망 환경에서 지지 벡터 기계를 적용한 시계열 혈압 패턴 분류 기법

Abstract

인체 통신망과 의료 센서의 발전으로 인해 언제 어디서든 사용자의 생체 신호를 무선으로 전송 받아 데이터베이스에 누적할 수 있게 되었으나, 이를 모니터링 하거나 진단할 수 있는 인력이 부족한 상태이다. 다양한 생체 신호들 중 혈압 신호는 우리나라 3대 사망률에 큰 영향을 미칠 정도로 중요한 신호이다. 현재 까지 다양한 질병과 혈압과의 상관관계에 대한 연구가 진행되고 있으나, 혈압의 패턴에 관한 연구는 미흡한 상황이다. 따라서 시간에 따른 혈압의 변화 유형들을 패턴으로 정의하고 이들을 분류하는 기법이 필요하다. 본 논문에서는 인체 통신망 환경에서 데이터베이스로 누적되는 혈압 패턴을 효율적으로 분류하는 방법으로 지지 벡터 기계의 적용 방안을 제안한다. 지지 벡터 기계의 매개변수와 커널을 다양하게 설정하여 혈압 패턴 분류에 적용하고, 실험을 통해 가장 적합한 매개변수와 커널의 종류를 찾는다. 가장 적합한 매개변수와 커널의 종류로 구성된 최적지지 벡터 기계가 수용할 수 있는 혈압 패턴의 잡음의 크기를 실험을 통해 확인하고, 패턴 분류에 대표적인 방법인 인공신경망과 비교한다. 비교 실험을 통해 앞으로의 혈압 패턴 분류의 가이드라인을 제시한다.;Saving bio-signal to remote medical database is possible since developing wireless body area network and medical sensors. But it is impossible to monitor and diagnosis huge amount of bio-signal data in real time. Among the a lot of kind of bio-signal, abnormal blood pressure effects to Korean death rate in three years. Recently research of blood pressure analysis correlate with various disease, but research for time-series blood pressure pattern classification is needed. In this paper, support vector machine is applied to time series blood pressure pattern classification. Considering blood pressure data is extremely noisy characteristic, support vector machine is suitable to be used for classify such pattern classification. Experiments show that the support vector machine can efficiently classify blood pressure pattern compare with neural network.