[논문 리뷰] MyWear: A Smart Wear for Continuous Body Vital Monitoring and Emergency Alert

Sibi Chakkaravarthy Sethuraman, Pranav Kompally외 2명|arXiv (Cornell University)|2020. 10. 17.

Context-Aware Activity Recognition Systems인용 수 5

한 줄 요약

MyWear는 심박수, 스트레스, 근육 활동 및 추락 사고와 같은 생체 신호를 지속적으로 모니터링하는 스마트 웨어러블 의류를 제안한다. 내장된 센서와 심층 신경망(DNN)을 활용해 실시간 이상 징후 탐지 기능을 제공하며, 비정상 심박수 분류에 평균 정확도 96.9%와 정밀도 97.3%를 달성하고, 심근경색 검출에 대해 98.2%의 정확도를 보이며 심각한 상황에서는 의료진에게 비상 경고를 전송한다.

ABSTRACT

Smart healthcare which is built as healthcare Cyber-Physical System (H-CPS) from Internet-of-Medical-Things (IoMT) is becoming more important than before. Medical devices and their connectivity through Internet with alongwith the electronics health record (EHR) and AI analytics making H-CPS possible. IoMT-end devices like wearables and implantables are key for H-CPS based smart healthcare. Smart garment is a specific wearable which can be used for smart healthcare. There are various smart garments that help users to monitor their body vitals in real-time. Many commercially available garments collect the vital data and transmit it to the mobile application for visualization. However, these don't perform real-time analysis for the user to comprehend their health conditions. Also, such garments are not included with an alert system to alert users and contacts in case of emergency. In MyWear, we propose a wearable body vital monitoring garment that captures physiological data and automatically analyses such heart rate, stress level, muscle activity to detect abnormalities. A copy of the physiological data is transmitted to the cloud for detecting any abnormalities in heart beats and predict any potential heart failure in future. We also propose a deep neural network (DNN) model that automatically classifies abnormal heart beat and potential heart failure. For immediate assistance in such a situation, we propose an alert system that sends an alert message to nearby medical officials. The proposed MyWear has an average accuracy of 96.9% and precision of 97.3% for detection of the abnormalities.

연구 동기 및 목표

• 개인 건강 관리를 향상시키기 위해 스마트 웨어러블 의류를 활용한 연속적이고 실시간적인 신체 생체 신호 모니터링 시스템을 개발하기 위해.
• 기존 상용 웨어러블 기기에서 실시간 건강 분석 및 비상 경고 기능의 부재 문제를 해결하기 위해.
• 심장 이상 및 추락 사고를 자동으로 탐지하기 위해 딥 러닝 기술을 통합하여 환자의 안전을 향상시키기 위해.
• 클라우드 기반 EHR 통합 및 인공지능 분석을 통해 심부전의 원격 모니터링 및 조기 예측을 가능하게 하기 위해.
• 실시간 근육 활동 및 운동 추적을 통해 운동선수 및 환자의 재활 결과를 향상시키기 위해.

제안 방법

• ECG, EMG, 가속도계 등 다중 센서 어레이를 섬유 기반 의류에 통합하여 연속적인 생리적 데이터 수집을 수행한다.
• ECG 및 EMG 데이터를 기반으로 훈련된 심층 신경망(DNN) 모델을 활용해 비정상 심박수를 분류하고 심부전의 잠재적 위험을 예측한다.
• 시간 도메인 및 Poincaré 플롯 기반의 HRV 지표(예: RMSSD, SDNN, pNNxx)를 활용해 스트레스 및 심장 건강 상태를 평가한다.
• 결과 가속도가 1g 이하로 떨어지고 급격히 +1g 이상으로 증가할 경우 경고를 트리거하는 추락 탐지 알고리즘을 적용한다.
• 원시 및 처리된 생리적 데이터를 클라우드로 전송하여 장기적인 EHR 저장 및 후속 분석을 위해 활용한다.
• 실시간 ECG, 심박수, 체온, HRV 점수 및 근육 활동 지ap핑을 시각화할 수 있는 모바일 애플리케이션을 통합한다.

실험 결과

연구 질문

• RQ1 스마트 웨어러블 의류는 심박수, 스트레스, 근육 활동 및 추락 사고와 같은 다수의 생리적 파라미터를 어떻게 연속적이고 실시간으로 모니터링할 수 있는가?
• RQ2 웨어러블 환경에서 ECG 및 EMG 신호를 바탕으로 비정상 심박수를 정확하게 분류하고 심근경색을 예측할 수 있는 딥 러닝 아키텍처는 무엇인가?
• RQ3 기존 방법과 비교해 본다면, 제안된 시스템의 추락 탐지 성능은 감도 및 특이도 측면에서 얼마나 뛰어나며 효과적인가?
• RQ4 생리적 데이터에서의 실시간 이상 징후 탐지는 의료 분야에서 조기 간병 및 비상 대응을 향상시키는 데 기여하는가?
• RQ5 상위 수준의 기존 접근 방식과 비교했을 때 DNN 모델의 심장 이상 분류 성능은 어떠한가?

주요 결과

• DNN 모델은 비정상 심박수 분류에 평균 정확도 96.9%와 정밀도 97.3%를 달성했으며, 기존 모델인 DCST+ABC-SVM(96.1%) 및 H-Box(95%)를 능가했다.
• 심근경색 검출에 대해 시스템은 98.2%의 정확도를 보였으며, 이는 이전의 방법들인 Acharya 등(93.5%) 및 Kojuri 등(95.6%)을 뛰어넘었다.
• 추락 탐지 성능은 정확도 98.5%, 감도 98%, 특이도 99.5%를 기록했으며, Mezghani 등(98% 정확도) 및 Hemalatha 등(92% 정확도)를 초월했다.
• 혼동 행렬을 통해 비정상 심박수 분류에서 낮은 오소거와 오진률을 보이며 모델의 높은 신뢰성을 확인했다.
• Poincaré 플롯 분석을 통해 심박수 변동성(HRV)의 유의미한 변동성을 확인했으며, 예를 들어 RMSSD = 71.87 ms, SDNN = 66.51 ms로 스트레스 및 심장 기능 모니터링의 효과성을 입증했다.
• 모바일 애플리케이션은 인간의 신체도에 실시간 ECG, 심박수, 체온 및 근육 활동 지도를 성공적으로 시각화하여 사용자 및 의료진의 인지도 향상시켰다.