Automatic Sleep Monitoring and Activity Recognition of In-Ear EEG and Ear ECG through Hearables and Data Analysis
데이터 분석을 통한 귀 뇌전도와 귀 심전도를 이용한 자동 수면 모니터링과 활동 인식 연구: 귀 뇌전도와 귀 심전도: 사람의 실제 삶 모니터링을 위한 수단
- 주제어 (키워드) EEG , ECG , Ear EEG , Sleep Monitoring , Activity Recognition
- 발행기관 서강대학교 일반대학원
- 지도교수 윤광석
- 발행년도 2023
- 학위수여년월 2023. 8
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000076379
- UCI I804:11029-000000076379
- 본문언어 영어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
미래의 의료 시스템은 인간의 생리학적, 신경학적 정보를 항상 모니터링할 수 있을 것을 요구한다. 뇌파(EEG)와 심전도(ECG)에 대한 연구와 의학적 진단은 지난 수십 년 동안 큰 진전을 이루었지만 두피 뇌파와 흉부 심전도는 신체적 불편함과 전문가의 필요를 야기합니다. 본 연구에서는 두피 EEG와 흉부 ECG의 물리적 제약을 극복하기 위해 In-Ear EEG와 Ear ECG로 구성된 이어폰형 센서를 제안합니다. 또한 해석 문제를 해결하기 위해 In-Ear EEG의 수면 모니터링 및 Ear ECG의 활동 인식 기능을 갖춘 의료 시스템을 제안한다. 우리는 Hearables라고 부르는 제안한 In-Ear EEG와 Ear ECG로 구성된 센서를 사용하여 밤낮으로 신호를 측정하였다. In-Ear EEG를 사용하여 수면 단계를 예측하고 Ear ECG를 사용하여 활동을 인식하기 위해 각 데이터를 분석하여, In-Ear EEG에서 33개의 특징과 Ear ECG에서 28개의 특징을 추출하였다. 두 개의 랜덤 포레스트 모델은 사전 측정된 데이터를 사용하여 미리 학습되었고, 새롭게 측정된 신호는 모델의 예측 결과로 사용하여 수면 모니터링과 활동 인식을 수행하도록 하였다. 수면 단계는 약 80%의 정확도, 활동 인식은 약 84.8%의 정확도로 분류할 수 있음으로써 이러한 결과는 Hearables가 뇌파와 심전도를 측정하는 데 적합하다는 것을 보였다. 또한 본 연구에서 제안한 방법과 시스템을 사용할 때 수면, 활동 등 인간의 신경학적, 생리학적, 활동적 정보를 모니터링할 수 있어 장기간에 걸쳐 사용할 수 있는 활용도가 높다는 것을 보였다.
more초록 (요약문)
Future healthcare systems require that human physiological and neurological information be always monitored. Research and medical diagnosis of electroencephalogram (EEG) and electrocardiogram (ECG) have made great progress over the past few decades, but scalp EEG and chest ECG cause physical discomfort and professional needs. In this work, we propose an earphone-type sensor consisting of In-Ear EEG and Ear ECG to overcome the physical constraints of scalp EEG and chest ECG. We also propose a healthcare system with sleep monitoring of In-Ear EEG and activity recognition of Ear ECG to solve interpretation problems. We measured the signal day and night using a sensor consisting of the proposed In-Ear EEG and Ear ECG called Hearables. Each data was analyzed to predict sleep stages using In-Ear EEG and to recognize activity using Ear ECG, 33 features from In-Ear EEG and 28 features from Ear ECG were extracted. Two random forest models were pre-trained using pre-measured data, and the newly measured signals were used as predictive results of the model to perform sleep monitoring and activity recognition. These results showed that Hearables is suitable for measuring brain waves and electrocardiogram, as sleep stages can be classified with an accuracy of about 80% and activity recognition with an accuracy of about 84.8%. In addition, human neurological, physiological, and active information such as sleep and activity can be monitored, showing high utilization for long-term use.
more