선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구의 목적은 기존에 타당성이 입증된 COUNT 방식의 알고리즘 중 운동과 일상 활동에서의 신체활동 에너지 소비량 측정 알고리즘에 SVM 방식을 적용하여 신체활동 에너지 소비량 측정 알고리즘을 실용적으로 사용하고 한다. COUNT 방식과 SVM 방식의 상관관계를 구하기 위해 피험자에게 두 가지 방식의 장치를 착용하여 실험을 진행하였다.
제안 방법
- 각 신체활동 단계별로 7분간의 신체활동을 수행하고 5분간의 휴식을 통하여 신체활동 단계별로 안정 시기를 갖도록 하였다. 3단계 신체활동과 중간의 휴식 시간을 포함하여 총 실험 시간은 31분간 진행되었다. 이와 같은 실험을 1주 간격으로 4주간 반복 실험하였다.
- 따라서 본 연구의 목적은 기존에 타당성이 입증된 COUNT 방식의 알고리즘 중 운동과 일상 활동에서의 신체활동 에너지 소비량 측정 알고리즘에 SVM 방식을 적용하여 신체활동 에너지 소비량 측정 알고리즘을 실용적으로 사용하고 한다. COUNT 방식과 SVM 방식의 상관관계를 구하기 위해 피험자에게 두 가지 방식의 장치를 착용하여 실험을 진행하였다. 본 논문의 실험을 통하여 COUNT 방식과 SVM 방식 간의 상관관계 수식을 구하고, COUNT 방식의 알고리즘에 SVM 방식을 적용하여 여러 분야에서 실용적으로 사용 가능하도록 알고리즘 구현에 있다.
- COUNT 방식과 SVM 상관관계를 분석하기 위하여 가속도 동작 감지기를 선정하여 실험에 적용하였다. COUNT 방식으로는 여러 연구에서 신체활동량 측정에서 타당도가 검증되어 임상연구와 역학연구에 널리 사용되고 있으며, 미국 국립건강영양조사에 사용되고 있는 엑티그라프(Model GT3X, LLC, USA)을 사용하였다.
- 하지만본 연구에서는 기존에 COUNT 방식으로 구현된 알고리즘에 x, y, z 각 축의 값을 대표하는 SVM 값을 적용하여 신체활동 에너지 소비량 측정 알고리즘을 실용적으로 적용하고자 하였다. SVM 방식을 COUNT 방식에 적용하기 위하여 COUNT 값으로 표현되는 대표적인 가속도 동작 감지기인 엑티그라프와 SVM 값으로 표현되는 피트미터를 이용하여 실험하였다.
- 각 수행 단계별 신체활동 시 가속도 동작 감지기와 가스호흡분석기를 이용하여 신체활동을 측정하였다. 가속도 동작 감지기와 가스호흡분석기에서 측정된 데이터를 선형회귀 분석을 통하여 Kcal과 MET 알고리즘을 구현하고 신체활동에 다른 에너지 강도(저 강도, 중강도, 고강도)를 구분하였다. Freedson의 알고리즘은 가속도 동작 감지기를 이용한 최초로 구현된 알고리즘이며 현재까지 가장 많이 사용되고 있다[4].
- 가속도 동작감지기를 이용하여 신체활동에 에너지 소비량 예측 알고리즘 구현은 가스호흡분석기와 가속도 동작감지기를 동시에 착용하고 정해진 실험 프로토 콜에 따라 실험을 진행한다. 가스호흡분석기와 가속도 동작감지기의 결과 값 간의 상관관계를 분석하여 에너지 소모량을 예측 알고리즘을 구현한다.
- 가속도 동작감지기를 이용하여 신체활동에 에너지 소비량 예측 알고리즘 구현은 가스호흡분석기와 가속도 동작감지기를 동시에 착용하고 정해진 실험 프로토 콜에 따라 실험을 진행한다. 가스호흡분석기와 가속도 동작감지기의 결과 값 간의 상관관계를 분석하여 에너지 소모량을 예측 알고리즘을 구현한다. 이러한 연구는 많은 시간과 비용이 소모되는 연구 분야이다.
- 각 단계의 7분간 신체활동 수행으로 측정된 데이터는 안정화된 데이터만을 수집하기 위해서 단계별 데이터 전후 1분간의 데이터는 제외하고 5분간 데이터를 1분 단위 추출하여 정리하였다. 신체활동에 따른 에너지 소비량과 신체활동 강도의 분류는 1분 단위로 계산한다.
- 7km/hr 속도로 3단계 신체활동을 수행하였다. 각 수행 단계별 신체활동 시 가속도 동작 감지기와 가스호흡분석기를 이용하여 신체활동을 측정하였다. 가속도 동작 감지기와 가스호흡분석기에서 측정된 데이터를 선형회귀 분석을 통하여 Kcal과 MET 알고리즘을 구현하고 신체활동에 다른 에너지 강도(저 강도, 중강도, 고강도)를 구분하였다.
- 기준에 따르면 걷기 50 ～ 100m/min(3 ～ 6km/hr), 달리기 134m/min(8 km/hr) 이상으로 정의하고 있다[12]. 각 신체활동 단계별로 7분간의 신체활동을 수행하고 5분간의 휴식을 통하여 신체활동 단계별로 안정 시기를 갖도록 하였다. 3단계 신체활동과 중간의 휴식 시간을 포함하여 총 실험 시간은 31분간 진행되었다.
- 객관적인 방법은 정확도가 높지만, 비용과 시간이 많이 필요하여 대규모로 진행하는 연구에서는 부적합 하다. 따라서 이러한 문제점을 보완하고 신체활동을 편리하게 측정할 수 있도록 가속도 동작 감지를 이용하여 신체활동을 측정하고 평가한다. 신체활동 측정에 대한 관심이 증가함에 따라 국내외에서는 가속도 센서를 이용한 신체활동과 관련된 연구가 활발히 진행되고 있다 [3][4].
- COUNT 방식과 SVM 방식의 상관관계를 구하기 위해 피험자에게 두 가지 방식의 장치를 착용하여 실험을 진행하였다. 본 논문의 실험을 통하여 COUNT 방식과 SVM 방식 간의 상관관계 수식을 구하고, COUNT 방식의 알고리즘에 SVM 방식을 적용하여 여러 분야에서 실용적으로 사용 가능하도록 알고리즘 구현에 있다.
- 본 실험에서 피트미터는 x, y, z 축에 대해 초당 32 Hz로 데이터를 획득하고, 각 축의 가속도 합을 구하기 위해 3축 벡터합의 크기(SVM, Signal Vector Magnitude)를 이용하여 모든 데이터를 더하였다. 즉, 초당 32개씩 1분간 1920개의 SVM 값을 더하여 1분 단위로 정리 하였다.
- 본 연구에서 구현된 SVM 방식의 식 8 ∼ 12의 타당 도를 검증하기 위하여 신체활동 수행 후 Count와 SVM 방식의 알고리즘을 적용하여 신체활동 에너지 소비량 예측 값을 비교하여 [표 6]과 같은 결과를 얻을 수 있었 다.
- 성인 남녀 50명(남자 25명, 여자 25)을 대상으로 트레드밀에서 4.8, 6.4, 9.7km/hr 속도로 3단계 신체활동을 수행하였다. 각 수행 단계별 신체활동 시 가속도 동작 감지기와 가스호흡분석기를 이용하여 신체활동을 측정하였다.
- 실험결과 3.2 ∼ 4.7km/hr 일상적인 걸음(casual), 4.8 ∼ 6.4km/hr 빠른 걸음(brisk), 6.4km/hr 이상의 걸음은 매우 빠른(very brisk) 걸음으로 분류하였다[14].
- 3단계 신체활동과 중간의 휴식 시간을 포함하여 총 실험 시간은 31분간 진행되었다. 이와 같은 실험을 1주 간격으로 4주간 반복 실험하였다.
- 신체활동을 측정하려는 방법으로 주관적인 방법과 객관적인 방법이 있다. 주관적인 방법은 개인이 신체활동 일지를 하루 또는 일주일 동안 일상 활동 상태를 일지에 쓰듯이 기록하고 규칙적인 운동 여부 및 운동량, 직업 활동 강도 등을 작성하여 신체활동량을 측정하고 평가한다. 이러한 평가 방법은 개인별로 인지의 차이가 있어 부정확하다고 알려져다.
- 본 실험에서 피트미터는 x, y, z 축에 대해 초당 32 Hz로 데이터를 획득하고, 각 축의 가속도 합을 구하기 위해 3축 벡터합의 크기(SVM, Signal Vector Magnitude)를 이용하여 모든 데이터를 더하였다. 즉, 초당 32개씩 1분간 1920개의 SVM 값을 더하여 1분 단위로 정리 하였다.
- 가속도 동작감지를 이용한 신체활동 에너지 예측 알고리즘 연구는 COUNT 방식을 중심으로 연구가 진행됐다. 최초로 가속도 동작 감지기 CSA(Computer Science and Applications, Model 5032)를 이용하여 신체활동 에너지측정 모델 연구를 시작하였다. CSA는 엑티그라프의 초기 모델로 현재까지 신체활동과 관련된 연구를 통하여 다양한 알고리즘이 검증되고 사용되고 있다.
- 저장된 데이터는 여러 가지 데이터 포맷을 제공하여 적용 분야에 따라 데이터 포맷을 사용자는 결정할 수 있다. 측정 데이터는 COUNT 값으로 표현되며, COUNT 값을 이용하여 신체활동 에너지 소비량, 신체활동 강도, 걸음 수를 계산한다[10].
- 피험자는 트레드밀에서 엑티그라프와 피트미터를 골반 장골 능(anterior superior iliac spine)에 착용하고, 총 3단계의 걷기, 빨리 걷기, 러닝의 신체활동을 수행하였다. 신체활동 수행 단계는 미국 스포츠의학회에서 정의한 기준으로 결정하였다.
- 이러한 연구는 많은 시간과 비용이 소모되는 연구 분야이다. 하지만본 연구에서는 기존에 COUNT 방식으로 구현된 알고리즘에 x, y, z 각 축의 값을 대표하는 SVM 값을 적용하여 신체활동 에너지 소비량 측정 알고리즘을 실용적으로 적용하고자 하였다. SVM 방식을 COUNT 방식에 적용하기 위하여 COUNT 값으로 표현되는 대표적인 가속도 동작 감지기인 엑티그라프와 SVM 값으로 표현되는 피트미터를 이용하여 실험하였다.
대상 데이터
- 30 ～ 50대 성인을 대상으로 남녀 구분 없이 25명을 대상으로 트레드밀이 아닌 지상에서 걷기의 신체활동을 구분하여 실험하였다. 걷기는 3.
- 걷기와 러닝의 일상적인 활동에서의 에너지 소모를 측정하기 위해 속도를 구분하지 않고 트레드밀에서 일상적인 걸음(normal pace), 빠른 걸음(fast pace), 러닝 단계로 구분하여 피험자 20대 28명(남성 14명, 여성 14 명)에게 실험을 하였다[15]. Yngve의 METs 알고리즘은 식 (6)과 같다.
- 걷기의 종류에 따른 에너지 소모 알고리즘을 계산하기 위해 20대 피험자 28명(남성 11명, 여성 18명)을 대상으로 트레드밀에서 3.2, 4.0, 4.8, 5.6, 6.4km/hr의 속도로 실험하였다. 실험결과 3.
- 1 회 실험으로 1명당 15개의 적용 가능한 데이터를 수집 할 수 있다. 실험에 참여한 10명의 참가자의 4 주간 데이터는 총 600 개 데이터를 얻을 수 있었다.
- 피험자는 고혈압, 당뇨병, 심장 질환, 폐 질환의 과거 병력이 없는 신체 건장한 20～30대 성인 남성 5명과 여성 5명을 대상으로 실험을 시행하였다. 평균 연령은 28.
데이터처리
- 10명의 실험자의 데이터를 1분 단위로 나누어 SVM 과 COUNT 간 600개 데이터 상관관계를 구하기 위하여 선형회귀분석을 하였다.
- 0 for windows를 사용하였다. 연구 대상자의 기본적인 신체활동에 대한 비율, 평균값, 표준편차를 산출하였고, 엑티그라프와 피트미터 간 측정 데이터의 상관관계를 분석하기 위하여 엑티그라프에서 나온 COUNT 값과 피트미터에서 나온 x, y, z의 3축 벡터 합의 크기 SVM를 이용하여 상관관계와 회귀 분석을 하였다.
- 사용자는 데이터 포맷을 사용자 목적에 맞게 설정할 수 있다. 측정된 데이터는 활동 상태에 따른 cm/s2 의 가속도 값을 이용하여 활동량, 에너지 소모량 등을 계산한다[11].
이론/모형
- COUNT 방식과 SVM 상관관계를 분석하기 위하여 가속도 동작 감지기를 선정하여 실험에 적용하였다. COUNT 방식으로는 여러 연구에서 신체활동량 측정에서 타당도가 검증되어 임상연구와 역학연구에 널리 사용되고 있으며, 미국 국립건강영양조사에 사용되고 있는 엑티그라프(Model GT3X, LLC, USA)을 사용하였다. SVM 방식으로는 신체활동에 따른 결과 값을 x, y, z 축으로부터 정제된 값을 얻을 수 있도록 고안된 피트 미터(Fit.
- Count와 SVM 간의 상관관계 식 7을 이용하여 Count 방식으로 구현된 알고리즘에 적용하여 식 8 ∼ 12 을 구현 할 수 있었다.
- COUNT 방식으로는 여러 연구에서 신체활동량 측정에서 타당도가 검증되어 임상연구와 역학연구에 널리 사용되고 있으며, 미국 국립건강영양조사에 사용되고 있는 엑티그라프(Model GT3X, LLC, USA)을 사용하였다. SVM 방식으로는 신체활동에 따른 결과 값을 x, y, z 축으로부터 정제된 값을 얻을 수 있도록 고안된 피트 미터(Fit.Life, Korea)를 사용하였다.
성능/효과
- COUNT 방식과 SVM 방식 간 상관관계 식을 구하여 타당성이 입증된 COUNT 방식의 운동과 일상 활동에 서의 신체활동 에너지 소비량 예측 알고리즘에 SVM 방식을 적용하여 알고리즘을 구현할 수 있었다. 또한, 신체활동의 중요한 지표 중 하나인 MET을 계산할 수 있어 신체활동에 따른 저강도(MET<3), 중강도 (3<MET6)에 대한 SVM의 기준값을 제시할 수 있게 되어 차후 신체활동 평가에서 중요하게 사용될 것으로 기대된다.
- 본 연구에서 구현된 SVM 방식의 식 8 ∼ 12의 타당 도를 검증하기 위하여 신체활동 수행 후 Count와 SVM 방식의 알고리즘을 적용하여 신체활동 에너지 소비량 예측 값을 비교하여 [표 6]과 같은 결과를 얻을 수 있었 다. 각각의 구현된 Count 와 SVM 방식의 알고리즘을 이용하여 계산한 결과 값은 거의 같다는 것은 것을 확인할 수 있었다. 따라서 기존의 Count 방식으로 구현된 알고리즘에 SVM 방식을 적용한 알고리즘의 타당도를 검증 할 수 있었다.
- 각각의 구현된 Count 와 SVM 방식의 알고리즘을 이용하여 계산한 결과 값은 거의 같다는 것은 것을 확인할 수 있었다. 따라서 기존의 Count 방식으로 구현된 알고리즘에 SVM 방식을 적용한 알고리즘의 타당도를 검증 할 수 있었다.
후속연구
- 스마트 폰에 내장된 가속도 센서 결과 역시 x, y, z 축에 대한 SVM 방식으로 표현되기 때문에 기존의 공개된 COUNT 방식의 알고리즘을 바로 적용하여 사용할 수 없었다. 그러나 본 연구에서 x, y, z 축의 가속도 값을 이용하여 신체활동 에너지 소모량과 METs 계산 알고리즘을 구현함으로써 건강관리와 관련된 다양한 분야에서 실용적으로 응용되어 사용되어 질 것으로 기대된다.
- 또한, 신체활동의 중요한 지표 중 하나인 MET을 계산할 수 있어 신체활동에 따른 저강도(MET<3), 중강도 (3<MET6)에 대한 SVM의 기준값을 제시할 수 있게 되어 차후 신체활동 평가에서 중요하게 사용될 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.