[논문]무구속 심탄도 모니터링 시스템을 이용한 스트레스 분석 기초연구

노윤홍; 정도운

doi:10.5369/jsst.2011.20.2.118

무구속 심탄도 모니터링 시스템을 이용한 스트레스 분석 기초연구
Basic Study for Stress Analysis Using an Unconstrained BCG Monitoring System 원문보기

Journal of sensor science and technology = 센서학회지, v.20 no.2, 2011년, pp.118 - 123

노윤홍 (동서대학교 대학원 유비쿼터스IT) , 정도운 (동서대학교 컴퓨터정보공학부)

Abstract ▼ AI-Helper

Heart related diseases mainly caused by heavy work load and increasing stress in human daily life. Therefore, researches on mobile healthcare monitoring for daily life has been carried out. Notably, wearable healthcare monitoring system which has least restriction has been tried to provide an emergency alert of abnormal heart rate. In this study, we developed chair type unconstrained BCG measurement system which able to perform continuous heart status monitoring at the office and daily life in the unconstrained way. Furthermore, adaptive threshold is used to detect the heart rate from BCG signals. The HRV(heart rate variability) is calculated from heart rate interval. ECG signal measured using conventional method and BCG signal measured using unconstraint system are carried out simultaneously for the purpose of performance evaluation. From the comparison result, BCG signal shows a similar heart beat characteristic as ECG signal. This proves the possibility of practical implementation of unconstraint healthcare monitoring system. In addition, medical examination like valsalva maneuver is performed to observe the changes in HRV due to stress. By performing valsalva maneuver, heart is said to be placed under an artificial physical stress condition. Under this artificial physical stress condition, the time and frequency domain of HRV parameters are evaluated.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

먼저 웨이브렛을 이용하여 기저선 변화 및 잡음성분을 제거하였으며, 템플릿 매칭을 이용하여 피검자의 무게에 따른 신호의 크기 변화를 정규화 하였다. 또한 적응 문턱치 기법을 적용하여 정확한 피크를 검출하고자 하였다. 본 연구에서 적용한 심탄도 신호처리 과정을 Fig.
본 연구에서 가정이나 사무실에서 피검자가 일상생활을 하는 중 무구속, 무자각 상태에서 신호를 계측하여 건강상태를 모니터링하기 위한 의자형 무선 심탄도 계측시스템을 구현하였다. 심탄도에 포함된 기저선변화 및 잡음성분의 제거, 신호의 크기를 정규화하기 위해 웨이브렛 및 템플릿 매칭 기법을 적용하였고 적응 문턱치기법을 이용하여 피크검출을 수행하였다.
본 연구에서 적용한 웨이브렛 신호처리와 템플릿 매칭 기법을 적용한 심탄도 신호처리기법의 성능평가를 위하여 심전도와 심탄도를 동시에 계측하여 심박동 검출성능을 평가하고자 하였다. 이를 위하여 실험대상은 건강한 대학생 10명을 대상으로 30분간 심전도와 심탄도를 동시에 계측하는 실험을 수행하였으며, 실제 계측된 심탄도와 심전도의 일례를 Fig.
본 연구에서는 HRV의 시간, 주파수 영역 분석을 통해 스트레스에 따른 HRV의 변화를 관찰하고자 하였다. 이를 위하여 피실험자로부터 인위적으로 숨을 참고 강제호기를 통해 흉강내압을 증가시켜 인위적인 육체적 스트레스를 가하는 발살바 조작을 유도하였으며, 안정 상태와 스트레스 상태를 비교하여 심탄도 모니터링을 통해 스트레스 상태의 판별 가능성을 확인하고자 하였다.
본 연구에서는 가정 또는 사무실에서 무구속적인 방법으로 심장의 활동상태를 모니터링 하기 위하여 심탄도(ballistocardiogram, BCG)를 계측하고 이로부터 스트레스 모니터링에 유효한 HRV를 분석하고자 하였다. 심탄도는 심장의 수축과 이완에 따라 심장과 혈관에서의 혈류변화에 따른 탄도를 계측한 신호로서 심전도와 유사하게 심장의 활동 상태를 나타내는 지표이지만 신체에 전극을 부착할 필요가 없다.
본 연구에서는 가정 또는 사무실에서 무구속적인 방법으로 지속적인 심장의 활동상태의 모니터링이 가능한 무구속 의자형 심탄도 계측 시스템을 이용하여 신호를 계측하고 전처리 과정 및 적응 문턱치를 통해 HRV을 검출하고자 하였다. HRV는 임상에서 일반적으로 사용되고 있는 분당 평균 심박동수와 다르게 박동과 박동사이의 변화 추이를 정량화한 것으로써 하나의 심장 주기로부터 다음 심장주기 사이의 변이를 측정하며, 일반적으로 심전도 신호에서 RR간격을 시계열 신호로 변환하여 시간 축에 재배열한 신호이다.
본 연구에서는 스트레스 판별 및 무구속 건강 모니터링의 가능성을 평가하기 위하여 피검자 10명으로부터 총 5회의 발살바 조작을 유도하여 심탄도를 계측하였다. 계측 전 피험자에게 실험에 대한 취지를 충분히 설명하였으며, 피험자로부터 동의를 획득 후 실험을 수행하였다.
본 연구에서는 심탄도로부터 추출한 HRV신호를 이용하여 스트레스의 모니터링 가능성을 평가하고자 하였으며, HRV의 계산 수식은 다음과 같다.

제안 방법

본 연구에서는 기수행연구를 통해 구현된 심탄도 계측시스템을 이용하였으며[10], 이로부터 계측된 심탄도신호의 전처리 및 적응 문턱치기법을 이용하여 심박동을 검출하였다. 그리고 스트레스에 따른 HRV의 변화를 관찰하기 위하여 피실험자 10명을 대상으로 30분간 인위적인 스트레스를 가하는 발살바(valsalva) 조작을 유도하였으며, 이때 계측된 심탄도로부터 HRV를 추출하고, 시간 및 주파수 영역 분석을 통해 스트레스 분석 가능성을 평가하였다.
기존 연구에서는 무구속적으로 심장의 활동상태를 모니터링하기 위하여 EMFi(electro mechanical film)센서, 로드셀, 압력센서 등 다양한 센서들을 이용하여 심탄도를 계측하였으며 심탄도로부터 심박동을 검출하기 위한 신호처리 알고리즘을 제안하였다. 먼저 Akhbardeh[6]는 의자에 EMFi센서를 부착하여 아날로그 전치증폭회로와 마이크로프로세서를 통한 디지털 증폭기를 PC와 유선으로 연결하여 심탄도를 측정하고자 하였으며, biorthogonal 웨이브렛(biorthogonal wavelet)과 MLP(multi layer perceptron) 알고리즘을 이용한 분류기를 통해 건강한 사람과 건강하지 않은 사람을 판단하기 위한 시도가 이루어졌다.
다음은 HRV의 주파수영역 분석을 위하여 FFT를 수행하였으며, 이로부터 추출된 주파수영역 파라미터인 VLF, LF, HF, LF/HF 파라미터를 분석하여 그 결과를 Fig. 8에 나타내었다. 분석 결과를 살펴보면 VLF, LF, HF대역에서 발살바를 유도하였을 때 즉, 스트레스 상태일 때 활성도가 감소한 것으로 나타났으며, LF/HF 에서는 그 비율이 증가하였다.
또한 무구속 의자형 심탄도 계측 시스템을 이용하여 심탄도 신호를 계측하고 신호처리과정을 통해 HRV를 검출하였으며, 인위적인 신체적 스트레스인 발살바 조작을 유도하여 안정 상태와 스트레스 상태를 비교하였다. 실험결과 HRV의 시간영역에서 RMS와 주파수영역에서 HF 또는 LF/HF분석을 통해 스트레스와 안정 상태를 판별할 수 있는 가능성을 확인하였다.
본 연구에서는 심탄도로부터 심박동을 검출하기 위한 전처리 과정으로 웨이브렛 변환 및 템플릿 매칭, 적응 문턱치의 신호처리 기법을 이용하였다. 먼저 웨이브렛을 이용하여 기저선 변화 및 잡음성분을 제거하였으며, 템플릿 매칭을 이용하여 피검자의 무게에 따른 신호의 크기 변화를 정규화 하였다. 또한 적응 문턱치 기법을 적용하여 정확한 피크를 검출하고자 하였다.
본 연구에서는 무구속적으로 심장의 활동 상태를 모니터링 하기 위하여 기수행된 연구를 통해 구현된 의자형 심탄도 측정시스템을 이용하였다[10]. 이 시스템 은심탄도의 측정을 위하여 의자에 싱글 로드셀을 부착하여 앉는 자세나 위치에 상관없이 단일지점에서 피검자의 무게변화를 계측할 수 있도록 구성하였으며, 로드셀에서 출력되는 신호로부터 체중과 심탄도 신호를 추출하기 위하여 필터와 연산증폭기를 이용한 아날로그 신호처리회로를 구현하였다.
본 연구에서는 심탄도로부터 심박동을 검출하기 위한 전처리 과정으로 웨이브렛 변환 및 템플릿 매칭, 적응 문턱치의 신호처리 기법을 이용하였다. 먼저 웨이브렛을 이용하여 기저선 변화 및 잡음성분을 제거하였으며, 템플릿 매칭을 이용하여 피검자의 무게에 따른 신호의 크기 변화를 정규화 하였다.
, Korea)를 이용하였으며, 12-bit 분해능으로 체중신호는 1 sample/sec, 심탄도 신호는 100 sample/sec 속도로 채널 별 가변 샘플링 수행하였다. 샘플링 된 데이터의 효율적 무선전송을 위하여 패킷의 길이를 가변적으로 조정 가능하도록 구성하였으며, 구현된 심탄도 측정시스템의 구성도를 Fig. 1에 나타내었다.
신호처리회로에 의해 검출된 체중 신호 및 심탄도 신호의 디지털 변환 및 무선 전송을 위하여 무선센서노드(TIP710CM, Maxfor Co., Korea)를 이용하였으며, 12-bit 분해능으로 체중신호는 1 sample/sec, 심탄도 신호는 100 sample/sec 속도로 채널 별 가변 샘플링 수행하였다. 샘플링 된 데이터의 효율적 무선전송을 위하여 패킷의 길이를 가변적으로 조정 가능하도록 구성하였으며, 구현된 심탄도 측정시스템의 구성도를 Fig.
피검자는 의자에 편안하게 앉아 독서를 하는 상태에서 신호를 계측하였으며, 심전도는 사지유도법 중 lead Ⅰ법을 사용하여 계측하였다. 심탄도의 피크검출 성능평가를 위하여 피크검출 정확도를 평가하였으며, 이를 계산하기 위한 수식은 다음과 같다.
본 연구에서는 무구속적으로 심장의 활동 상태를 모니터링 하기 위하여 기수행된 연구를 통해 구현된 의자형 심탄도 측정시스템을 이용하였다[10]. 이 시스템 은심탄도의 측정을 위하여 의자에 싱글 로드셀을 부착하여 앉는 자세나 위치에 상관없이 단일지점에서 피검자의 무게변화를 계측할 수 있도록 구성하였으며, 로드셀에서 출력되는 신호로부터 체중과 심탄도 신호를 추출하기 위하여 필터와 연산증폭기를 이용한 아날로그 신호처리회로를 구현하였다.
본 연구에서는 HRV의 시간, 주파수 영역 분석을 통해 스트레스에 따른 HRV의 변화를 관찰하고자 하였다. 이를 위하여 피실험자로부터 인위적으로 숨을 참고 강제호기를 통해 흉강내압을 증가시켜 인위적인 육체적 스트레스를 가하는 발살바 조작을 유도하였으며, 안정 상태와 스트레스 상태를 비교하여 심탄도 모니터링을 통해 스트레스 상태의 판별 가능성을 확인하고자 하였다.

대상 데이터

본 연구에서 적용한 웨이브렛 신호처리와 템플릿 매칭 기법을 적용한 심탄도 신호처리기법의 성능평가를 위하여 심전도와 심탄도를 동시에 계측하여 심박동 검출성능을 평가하고자 하였다. 이를 위하여 실험대상은 건강한 대학생 10명을 대상으로 30분간 심전도와 심탄도를 동시에 계측하는 실험을 수행하였으며, 실제 계측된 심탄도와 심전도의 일례를 Fig. 4에 나타내었다.

이론/모형

두 신호 사이에 일치성을 확인하기 위하여 Bland-Altman[13]분석을 이용하였다. Bland-Altman 분석은 두 가지 측정방법에서 구해진 데이터의 오차를 보다 편리하게 판별하기 위한 그래프로서 가로축은 두 데이터의 평균값을 나타내고 세로축은 두 데이터의 오차를 나타낸 것이다.
본 연구에서는 기수행연구를 통해 구현된 심탄도 계측시스템을 이용하였으며[10], 이로부터 계측된 심탄도신호의 전처리 및 적응 문턱치기법을 이용하여 심박동을 검출하였다. 그리고 스트레스에 따른 HRV의 변화를 관찰하기 위하여 피실험자 10명을 대상으로 30분간 인위적인 스트레스를 가하는 발살바(valsalva) 조작을 유도하였으며, 이때 계측된 심탄도로부터 HRV를 추출하고, 시간 및 주파수 영역 분석을 통해 스트레스 분석 가능성을 평가하였다.
본 연구에서 가정이나 사무실에서 피검자가 일상생활을 하는 중 무구속, 무자각 상태에서 신호를 계측하여 건강상태를 모니터링하기 위한 의자형 무선 심탄도 계측시스템을 구현하였다. 심탄도에 포함된 기저선변화 및 잡음성분의 제거, 신호의 크기를 정규화하기 위해 웨이브렛 및 템플릿 매칭 기법을 적용하였고 적응 문턱치기법을 이용하여 피크검출을 수행하였다.
주파수 영역에서의 HRV 분석 방법은 FFT(fast fourier transform)로 주파수 영역으로 변환하여 주파수의 PSD(power spectrum density)를 분석하여 각 주파수 대역별 자율신경계의 영향을 분석하기 위해 사용된다. 즉 심박변동을 초래하는 자율신경계의 활동이 주기적이라는 점을 토대로 HRV를 특성 주파수와 PSD를 가지는 각 주기성분으로 분해함으로써 자율신경계를 구성하는 교감신경계와 부교감신경계의 활동을 구분할 수 있으며, 자율신경계를 평가하는 비침습적인 방법으로써 가장 널리 사용되고 있다[12].
피검자는 의자에 편안하게 앉아 독서를 하는 상태에서 신호를 계측하였으며, 심전도는 사지유도법 중 lead Ⅰ법을 사용하여 계측하였다. 심탄도의 피크검출 성능평가를 위하여 피크검출 정확도를 평가하였으며, 이를 계산하기 위한 수식은 다음과 같다.

성능/효과

Table. 3의 실험결과를 살펴보면 심전도에서 피크 개수를 기준으로 했을 때 심탄도의 피크검출 성공률이 평균 98.1 %를 보인다. 심전도 신호로부터 검출한 심박동수와 웨이브렛 및 템플릿 매칭을 적용한 심박동수의 유의성을 확인하기 위하여 상관관계를 분석한 결과 상관계수는 0.
구현된 시스템의 성능 및 유용성 평가를 위해 건강한 대학생 10명을 대상으로 심전도와 심탄도를 동시에 계측하여 각각의 신호로부터 피크검출을 수행한 결과 심탄도로부터 피크검출 성공률이 평균 98.1 %로 나타났으며, 심탄도를 이용한 무구속, 무자각 건강 모니터링의 가능성 및 구현된 시스템의 유용성을 확인할 수 있다.
특히 HF와 LF/HF에서 그 차가 크게 나타남에 따라 부교감신경계의 영향을 잘 반영하는 것으로 판단된다. 따라서 HRV의 시간영역에서 RMS와 주파수 영역에서 HF 또는 LF/HF분석을 통해 스트레스와 안정상태를 판별할 수 있음을 확인하였다.
0001로 유의성이 높은 것으로 나타났다. 따라서 본 연구에 의해 구현한 심탄도 계측시스템을 이용하여 무구속 심박동 모니터링이 가능하다.
8에 나타내었다. 분석 결과를 살펴보면 VLF, LF, HF대역에서 발살바를 유도하였을 때 즉, 스트레스 상태일 때 활성도가 감소한 것으로 나타났으며, LF/HF 에서는 그 비율이 증가하였다. 특히 HF와 LF/HF에서 그 차가 크게 나타남에 따라 부교감신경계의 영향을 잘 반영하는 것으로 판단된다.
또한 무구속 의자형 심탄도 계측 시스템을 이용하여 심탄도 신호를 계측하고 신호처리과정을 통해 HRV를 검출하였으며, 인위적인 신체적 스트레스인 발살바 조작을 유도하여 안정 상태와 스트레스 상태를 비교하였다. 실험결과 HRV의 시간영역에서 RMS와 주파수영역에서 HF 또는 LF/HF분석을 통해 스트레스와 안정 상태를 판별할 수 있는 가능성을 확인하였다.
7에 나타내었다. 실험결과를 살펴보면 SDNN과 pNN50에서는 스트레스 상태와 안정 상태에 따른 규칙성이 미미하여 스트레스의 판별에 어려움이 있었다. 하지만 RMS 파라미터의 경우는 스트레스 상태일 때 부교감신경계의 활성도가 감소하는 것으로 알려진 것처럼 발살바를 유도하였을 때 크기가 감소하는 특징을 보였으며, 스트레스 모니터링 지표로서의 활용 가능성을 확인하였다.
심전도 신호로부터 검출한 심박동수와 웨이브렛 및 템플릿 매칭을 적용한 심박동수의 유의성을 확인하기 위하여 상관관계를 분석한 결과 상관계수는 0.97, P 값은 < 0.0001로 유의성이 높은 것으로 나타났다.
이를 통해 심탄도로부터 심박동추출이 심전도로부터의 추출과 유사함을 확인 할 수 있으며, 심전도를 대체하여 심탄도로부터 심박동수 모니터링뿐만 아니라 HRV의 시간 및 주파수 분석을 통해 다양한 건강 정보의 모니터링이 가능함을 보여준다.
실험결과를 살펴보면 SDNN과 pNN50에서는 스트레스 상태와 안정 상태에 따른 규칙성이 미미하여 스트레스의 판별에 어려움이 있었다. 하지만 RMS 파라미터의 경우는 스트레스 상태일 때 부교감신경계의 활성도가 감소하는 것으로 알려진 것처럼 발살바를 유도하였을 때 크기가 감소하는 특징을 보였으며, 스트레스 모니터링 지표로서의 활용 가능성을 확인하였다.

후속연구

향후 연구에서는 다양한 신체적 스트레스 뿐만 아니라 피로도와 스트레스 분석을 위한 다양한 방법과의 비교평가를 수행하고자 하며, 심탄도 신호로부터 건강 모니터링에 유용한 정보를 추출하기 위한 지속적인 연구를 수행하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	스트레스가 오래 지속될 경우 어떠한 문제가 발생하는가?	일상생활에서 현대인들의 정신적, 신체적 건강을 해치는 요인으로 잘 알려진 스트레스는 오랜 기간에 걸쳐 지속될 경우 산소요구량이 많아지고, 관상동맥경련, 심장 전도 시스템의 전기적인 불안정을 유발한다. 또한 이러한 증상들에 따른 불규칙한 혈액의 흐름을 정상적으로 유지하기 위하여 심장의 과부하를 유발하고 심혈관계에 부정적인 영향을 준다. 따라서 과도한 만성적 스트레스는 신체의 모든 기관에 부정적 영향을 미쳐 관련된 모든 질병을 야기할 수 있기 때문에 건강유지 차원에서의 스트레스 관리가 매우 중요하다[1].
	HRV의 주파수 영역분석에서 HF 파라미터의 특징은 어떠한가?	특히 HF는 호흡주기와 관계가 있으며, 인체의 반사 시스템과 밀접한 관계를 가지고 있어 호흡 영역이라고도 한다. 특히 부교감신경계의 활성도가 감소하면 심질환이 발생할 수 있으며, 스트레스 또는 통증이 나타나고, 매우 긴장된 상태를 유지하게 된다.
	심탄도란 무엇인가?	본 연구에서는 가정 또는 사무실에서 무구속적인 방법으로 심장의 활동상태를 모니터링 하기 위하여 심탄도(ballistocardiogram, BCG)를 계측하고 이로부터 스트레스 모니터링에 유효한 HRV를 분석하고자 하였다. 심탄도는 심장의 수축과 이완에 따라 심장과 혈관에서의 혈류변화에 따른 탄도를 계측한 신호로서 심전도와 유사하게 심장의 활동 상태를 나타내는 지표이지만 신체에 전극을 부착할 필요가 없다. 따라서 무구속, 무자각 상태에서 신호계측이 가능하며, 장시간 동안 심장상태의 모니터링에 유용하게 활용할 수 있다[4].

참고문헌 (13)

S. J. Chang, S. B. Koh, H. R. Choi, J. M. Woo, B. S. Cha,J. K. Park, Y. H. Chen, H. K. Chung,“ Job stress, heartrate variability and metabolic syndrome”, Korean JOccup Environ Med, vol. 16, no. 1, pp.70-81, 2003.
J. Muhlsteff, O. Such, R. Schmidt, M. Perkuhn, H. Reiter,J. Lauter, J. Thijs, G. Musch, and M. Harris “Wearableapproach for continuous ECG and activity patientmonitoring”Engineering in Medicine and Biology Society,San Francisco, CA, USA, pp. 2184-2187, 2004.
J. Ottenbacher, S. Romer, C. Kunze, U. Großmann, and W. Stork “Integration of a bluetooth based ECG system into clothing”Eighth IEEE International Symposium on Wearable Computers, Arlington, VA, USA, pp. 186-187, 2004.
J. Alihanka, K. Vaahtoranta, and I. Saarikivi, “A newmethod for long-term monitoring of theballistocardiogram, heart rate, and respiration”Am JPhysiol, vol. 240, no. 9, pp. 289-297, 1993.
X. Yu, D. J. Gong, C. Osborn, and D. Dent,“ A wavelet multireolution and neural network system for BCG signal analysis”, IEEE TECON-Digital signal processing Applications, Perth, WA, Australia, pp. 491-495, 1996.
A. Akhbardeh, S. Junnila, M. Koivuluoma, T.Koivistoinen, V. Turjanmaa, T. Koobi, and A. Varri,“Towards a disease diagnosing system based on forcesensitive chair's measurement, biorthogonal waveletsand neural networks”, Engineering Applications ofArtificial Intelligence, vol. 20, no. 4, pp. 493-502, 2007.

상세보기
O. Postolache, P. S. Girao, and G. Postolache, “New approach on cardiac autonomic control estimation based on BCG processing”, Electrical and Computer Engineering, Vancouver, BC Canada, pp. 876-879, 2007.
K. Yamakoshi, M. Kuroda, S. Tanaka, I. Yamaguchi, andA. Kawarada,“ Non-conscious and automatic acquisitionof body and excreta weighttogether with ballistocardiogramin a lavatory”, Engineering in Medicine and BiologySociety, Amsterdam, Netherlands, pp. 67-68, 1996.
M. Brink, C. H. Muller, and C. Schierz, “Contact-freemeasurement of heart rate, respiration rate, and bodymovements during sleep”, Behavior Research Methods,vol. 38, pp. 511-521, 2006.

상세보기
Y. H. Noh and D. U. Jeong, “Development of thewearable ECG measurement system for healthmonitoring during daily life”, J. Kor. Sensors Soc., vol.19, no. 1, pp. 8-16, 2010..

원문보기 상세보기
S. H. Kim, H. J. Hwang, J, W, Kim, J. Y. Shim and H.R. Lee,“ The relationship between heart rate variabilityand illness severity”, Korean J. Fam. Med., vol. 26, no.3, pp. 152-157, 2005.
S. Cerutti, A. M. Bianchi, and L. Mainardi, “Spectralanalysis of the heart rate variability signal. In : MalikM, Camm AJ, eds. Heart rate variability”. Armonk, NY :Futura Publishing Company, Inc, pp. 63-74, 1995.
M. Bland and D. G. Altman,“ Staticstical methods forassessing agreement between two methods of clinicalmeasurement”, Lancet, vol. 327, pp. 307-310, 1986.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증