허리와 손목의 가속도 센서를 이용한 신체활동 에너지 소비량 예측 알고리즘 구현 Implementation of Physical Activity Energy Expenditure Prediction Algorithm using Accelerometer at Waist and Wrist원문보기
본 논문에서는 3축 가속도 동작 감지기를 이용하여 신체활동 에너지 소비량 예측 알고리즘을 구현 하였다. 피험자 33명(남성: 15, 여성: 18명)을 대상으로 트레드밀에서 호흡가스분석기, 3축 가속도 동작 감지기(피트미터)를 허리와 손목에 착용 후 2 km/h ~ 11 km/h 까지 각 단계별 2분 수행 후, 1 km/h 씩 증가 시키면 실험을 진행하였다. 3축 가속도 동작 감지기의 x, y, z축 출력 값을 하나의 대표 값으로 처리하는 신호벡터크기(Signal Vector Magnitude: SVM)와 산소소비량과의 회귀분석을 통하여 신체활동 에너지 소비량 예측 알고리즘을 구현 하였다. 허리, 손목, 허리와 손목의 3축 가속도 동작 감지기 착용 위치에 따라 알고리즘을 구현하고 각각의 알고리즘 별로 비교하여 신체활동의 특성에 따라 선택적으로 이용할 수 있도록 구현 하였다.
본 논문에서는 3축 가속도 동작 감지기를 이용하여 신체활동 에너지 소비량 예측 알고리즘을 구현 하였다. 피험자 33명(남성: 15, 여성: 18명)을 대상으로 트레드밀에서 호흡가스분석기, 3축 가속도 동작 감지기(피트미터)를 허리와 손목에 착용 후 2 km/h ~ 11 km/h 까지 각 단계별 2분 수행 후, 1 km/h 씩 증가 시키면 실험을 진행하였다. 3축 가속도 동작 감지기의 x, y, z축 출력 값을 하나의 대표 값으로 처리하는 신호벡터크기(Signal Vector Magnitude: SVM)와 산소소비량과의 회귀분석을 통하여 신체활동 에너지 소비량 예측 알고리즘을 구현 하였다. 허리, 손목, 허리와 손목의 3축 가속도 동작 감지기 착용 위치에 따라 알고리즘을 구현하고 각각의 알고리즘 별로 비교하여 신체활동의 특성에 따라 선택적으로 이용할 수 있도록 구현 하였다.
Estimating algorithm of physical activity energy expenditure was implemented by using a tri-axial accelerometer motion detector of the SVM(Signal Vector Magnitude) of 3-axis(x, y, z). A total of 33 participants(15 males and 18 females) that performed walking and running on treadmill at 2 ~ 11 km/h s...
Estimating algorithm of physical activity energy expenditure was implemented by using a tri-axial accelerometer motion detector of the SVM(Signal Vector Magnitude) of 3-axis(x, y, z). A total of 33 participants(15 males and 18 females) that performed walking and running on treadmill at 2 ~ 11 km/h speeds(each stage increase 1km/h). Algorithm for energy expenditure of physical activities were implemented with $VO_2$ consumption and SVM correlation between the data. Algorithm consists of three kinds and hip, wrist, waist and hip can be used to apply.
Estimating algorithm of physical activity energy expenditure was implemented by using a tri-axial accelerometer motion detector of the SVM(Signal Vector Magnitude) of 3-axis(x, y, z). A total of 33 participants(15 males and 18 females) that performed walking and running on treadmill at 2 ~ 11 km/h speeds(each stage increase 1km/h). Algorithm for energy expenditure of physical activities were implemented with $VO_2$ consumption and SVM correlation between the data. Algorithm consists of three kinds and hip, wrist, waist and hip can be used to apply.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 가속도 동작 감지기를 이용하여 신체활동 에너지 소비량에 대한 알고리즘을 구현하였다. 알고리즘 구현을 위해 남성과 여성 피험자 33명을 대상으로 트레드밀에서 가속도 동작 감지기를 손목과 허리에 착용하고 동시에 호흡가스분석기에서 산소 소비량을 측정 하였다.
본 연구의 목적은 3축 가속도 동작 감지기를 이용하여 x, y, z의 가속도 값을 이용하여 제품에 구분 없이 일상생활에서 실용적으로 사용가능한 신체활동 에너지 소비량 예측 알고리즘을 구현 하였다. x, y, z 축의 하나의 대표 값인 SVM 표현 방식을 이용하고, 가스호흡분석기로부터 측정된 산소소모량과 회귀분석을 통하여 순수한 신체활동에 대한 알고리즘을 구현하였다.
제안 방법
본 연구의 목적은 3축 가속도 동작 감지기를 이용하여 x, y, z의 가속도 값을 이용하여 제품에 구분 없이 일상생활에서 실용적으로 사용가능한 신체활동 에너지 소비량 예측 알고리즘을 구현 하였다. x, y, z 축의 하나의 대표 값인 SVM 표현 방식을 이용하고, 가스호흡분석기로부터 측정된 산소소모량과 회귀분석을 통하여 순수한 신체활동에 대한 알고리즘을 구현하였다. 신체활동 에너지 소비량 예측 알고리즘은 타 가속도 동작 감지기에서도 이용 가능하도록 실용적으로 적용 가능한 알고리즘을 구현하였다.
각 수행 단계별로 측정된 데이터는 안정화된 데이터를 추출하기 위해 각 단계별 신체활동 수행 시간(2분) 전후로 30초간의 데이터는 버리고 1분간의 데이터만 추출 하였다. 그리고 신체활동에 따른 에너지 소비량과 신체활동 강도의 분류는 1분 단위로 계산하기 때문에 데이터를 1분 단위로 정리 하였다.
각 수행 단계별로 측정된 데이터는 안정화된 데이터를 추출하기 위해 각 단계별 신체활동 수행 시간(2분) 전후로 30초간의 데이터는 버리고 1분간의 데이터만 추출 하였다. 그리고 신체활동에 따른 에너지 소비량과 신체활동 강도의 분류는 1분 단위로 계산하기 때문에 데이터를 1분 단위로 정리 하였다. 신체활동에 따른 순수 신체활동 에너지 소모량만을 구하기 위해, 안정된 상태에서 측정된 기초대사 에너지를 신체활동 수행 시 측정된 에너지 소비량 값에서 차이를 계산하여 순수 신체활동에서의 데이터만 추출 하였다.
본 연구에서 x, y, z 축의 가속도 값을 이용하여 신체활동 에너지 소비량 계산 알고리즘을 구현함으로써 신체활동에 따른 에너지 소비량을 정량화 할 수 있도록 하였다. 본 연구 결과가 건강관리와 관련된 다양한 분야에서 실용적으로 응용되어 사용되어질 것으로 기대된다.
알고리즘 구현을 위해 남성과 여성 피험자 33명을 대상으로 트레드밀에서 가속도 동작 감지기를 손목과 허리에 착용하고 동시에 호흡가스분석기에서 산소 소비량을 측정 하였다. 산소소비량과 SVM 값 간의 회귀분석을 통하여 가속도 동작 감지기만을 이용해서 신체활동 에너지 소비량을 구할 수 있도록 알고리즘을 구현 하였다.
신체활동 수행 전에 5 분간의 안정된 상태에서 기초대사 에너지를 측정하고, 2 ∼ 11 km/h에서 신체활동을 수행 하였다.
x, y, z 축의 하나의 대표 값인 SVM 표현 방식을 이용하고, 가스호흡분석기로부터 측정된 산소소모량과 회귀분석을 통하여 순수한 신체활동에 대한 알고리즘을 구현하였다. 신체활동 에너지 소비량 예측 알고리즘은 타 가속도 동작 감지기에서도 이용 가능하도록 실용적으로 적용 가능한 알고리즘을 구현하였다.
그리고 신체활동에 따른 에너지 소비량과 신체활동 강도의 분류는 1분 단위로 계산하기 때문에 데이터를 1분 단위로 정리 하였다. 신체활동에 따른 순수 신체활동 에너지 소모량만을 구하기 위해, 안정된 상태에서 측정된 기초대사 에너지를 신체활동 수행 시 측정된 에너지 소비량 값에서 차이를 계산하여 순수 신체활동에서의 데이터만 추출 하였다.
신체활동은 2 km/h ∼ 11 km/h 까지 1 km/h 단위로 단계적으로 속도를 상승하면서 실험을 진행하였다.
Life, korea) 가속도 동작 감지기는 오른쪽 허리와 왼쪽 손목에 착용 후 트레드밀에서 신체활동을 수행 하였다. 신체활동을 수행 전 피험자들은 5 분간의 안정된 상태에서 가스호흡분석기를 이용해서 운동 전 기초대사 에너지를 측정하였다. 신체활동은 2 km/h ∼ 11 km/h 까지 1 km/h 단위로 단계적으로 속도를 상승하면서 실험을 진행하였다.
실험 참가자들은 가스호흡분석기(Model UltmaPF, MediGraphics, USA)를 착용하고 피트미터(Model Fitmeter, Fit.Life, korea) 가속도 동작 감지기는 오른쪽 허리와 왼쪽 손목에 착용 후 트레드밀에서 신체활동을 수행 하였다. 신체활동을 수행 전 피험자들은 5 분간의 안정된 상태에서 가스호흡분석기를 이용해서 운동 전 기초대사 에너지를 측정하였다.
본 연구는 가속도 동작 감지기를 이용하여 신체활동 에너지 소비량에 대한 알고리즘을 구현하였다. 알고리즘 구현을 위해 남성과 여성 피험자 33명을 대상으로 트레드밀에서 가속도 동작 감지기를 손목과 허리에 착용하고 동시에 호흡가스분석기에서 산소 소비량을 측정 하였다. 산소소비량과 SVM 값 간의 회귀분석을 통하여 가속도 동작 감지기만을 이용해서 신체활동 에너지 소비량을 구할 수 있도록 알고리즘을 구현 하였다.
따라서 남성과 여성의 신체활동에 따른 산소소모량, 허리, 손목 부위에서의 SVM 평균차를 비교한 결과 산소소모량 5 km/h 구간과 허리 10 km/h 구간에서 남성과 여성의 차이가 있지만, 전체 실험 구간에 비교하여 남성과 여성의 신체활동에 따른 차이가 거의 없다는 결론을 얻을 수 있었다. 이러한 결과를 토대로 선행 연구와 일치하는 결과를 얻었으며 선행 분석 방법을 참고하여 남성과 여성을 구분하지 않고 통합하여 에너지 소모량을 구현 하였다 [9-13].
개인마다 신체활동 패턴 성향에 따라 하부운동 혹은 상부운동을 많이 한다. 즉 신체활동 상황에 따라 적합한 알고리즘 선택적으로 사용 할 수 있도록 허리, 손목 그리고 허리와 손목 둘 다를 이용하여 적용 할 수 있도록 알고리즘을 세분화 하였다.
대상 데이터
피험자는 고혈압, 당뇨병, 심장 질환, 폐 질환의 현재와 과거 병력이 없는 신체 건장한 20대, 40대 성인 남성 15명과 여성 18명을 대상으로 실험을 실행하였다. 20대의 신체 특성은 평균 연령 24.
데이터처리
남성과 여성의 각 신체활동에 따른 산소 소모량과 속도에 따른 SVM 차이를 알아보기 위해 독립표본 T 검정(Independent-Sample T test)을 수행하였다.
손목 부위에 착용하고 신체활동 수행 후 SVM과 호흡가스분석기의 VO2 소모량과의 상관관계를 분석하기 위해 각 속도별 회귀분석을 하였다.
피험자들의 신체활동에 대한 평균값, 표준편차를 산출하였고, 가속도 동작 감지기와 가스호흡분석기에서 측정된 데이터의 회귀분석을 위해 피트미터에서 나온 x, y, z의 3축 벡터 합의 크기(SVM, Signal Vector Magnitude)를 이용하였고, 가스호흡분석기에서는 1 MET = 3.5 ml·kg-1·min-1 과 O2 1 L = 5 Kcal 계산식을 이용하여 분석하였다[12-13].
허리 부위에 착용하고 신체활동 수행 후 SVM과 호흡가스분석기의 VO2 소모량과의 상관관계를 분석하기 위해 각 속도별 회귀분석을 하였다.
허리와 손목 부위에서 동시에 측정된 결과의 SVM과 호흡가스분석기의 VO2 소모량과 상관관계를 분석하기 위해 각 속도별 다중회귀분석을 하였다. 분석 결과는 다음과 같다.
성능/효과
p-value가 <0.05에서 남성과 여성의 차이가 유의하다는 의미이며, 두 평균치 비교 결과 5km/h 구간에서만 남성과 여성 간 유의한 차이를 보이고, 다른 구간은 평균치의 차이가 보이지 않았다.
따라서 남성과 여성의 신체활동에 따른 산소소모량, 허리, 손목 부위에서의 SVM 평균차를 비교한 결과 산소소모량 5 km/h 구간과 허리 10 km/h 구간에서 남성과 여성의 차이가 있지만, 전체 실험 구간에 비교하여 남성과 여성의 신체활동에 따른 차이가 거의 없다는 결론을 얻을 수 있었다. 이러한 결과를 토대로 선행 연구와 일치하는 결과를 얻었으며 선행 분석 방법을 참고하여 남성과 여성을 구분하지 않고 통합하여 에너지 소모량을 구현 하였다 [9-13].
또한 허리와 손목 부위의 SVM과 Kcal 간 t=9.640, 유의수준(P) 0.000으로 허리 부위 회귀계수(허리,β) 3.627✕10-5, 손목 부위 회귀계수(손목,β) 1.155✕10-5 값은 통계적으로 유의성을 확인 할 수 있었다.
알고리즘 비교 결과 허리, 손목, 허리와 손목을 이용하여 계산 알고리즘 비교 결과 허리와 손목의 두 부분을 이용하여 계산한 알고리즘이 결정계수와 표준오차의 결과 정확도가 다른 알고리즘에 비해서 높다는 것을 알 수 있다.
통계 결과 상관계수 (R) 0.890, 결정계수(R²) 0.791, 회귀모형 유의성 값은 0.000으로 유의하다는 결과를 얻었다.
통계 결과 상관계수(R) 0.896, 결정계수(R²) 0.803, 회귀모형 유의성 값은 0.000으로 유의하다는 결과를 얻었다.
통계 결과 상관계수(R) 0.956, 결정계수(R²) 0.914, 회귀모형 유의성 값은 0.000으로 유의하다는 결과를 얻었다.
표 5의 결과에 따르면 허리 부위에서 남성과 여성의 두 평균치 비교 결과 10 km/h 구간에서만 남성과 여성의 SVM의 활동량 차이가 있고 다른 구간에서는 차이가 없다는 결과를 얻을 수 있었다.
표 6의 결과에 따르면 손목 부위에서 남성과 여성의 두 평균치 비교 결과 남성과 여성의 SVM의 활동량 차이가 없다는 결과를 얻을 수 있었다.
후속연구
본 연구에서 x, y, z 축의 가속도 값을 이용하여 신체활동 에너지 소비량 계산 알고리즘을 구현함으로써 신체활동에 따른 에너지 소비량을 정량화 할 수 있도록 하였다. 본 연구 결과가 건강관리와 관련된 다양한 분야에서 실용적으로 응용되어 사용되어질 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
가속도 센서를 이용한 신체활동 측정 장치의 장점은 무엇인가?
일상생활에서 신체활동을 측정 가능하도록 제안된 것이 가속도 센서를 이용한 신체활동 측정 장치이다. 가속도 센서를 이용한 신체활동 측정 장치는 사용자가 편리하게 착용하여 사용할 수 있으며 휴대하기 쉽고 비용이 저렴하다. 가속도 동작 감지기는 신체활동에 따른 가속도 결과 값의 표현 방식에 따라서 Count 방식과 x, y, z 축의 cm/s² 방식으로 구분된다.
Count 방식의 가속도 동작 감지기는 어떤것들이 있는가?
대표적인 Count 방식의 가속도 동작 감지기는 엑티그라프, 엑티칼 등이 있다. 이와 같은 장비들은 트레드밀과 일상생활 신체활동에서 에너지 소모량 예측과 신체활동 강도에 대한 임상 실험과 보정 연구를 통하여 신뢰성을 인정받고 있다[9-13].
Count 방식의 가속도 동작 감지기는 어떻게 신뢰성을 인정받고 있는가?
대표적인 Count 방식의 가속도 동작 감지기는 엑티그라프, 엑티칼 등이 있다. 이와 같은 장비들은 트레드밀과 일상생활 신체활동에서 에너지 소모량 예측과 신체활동 강도에 대한 임상 실험과 보정 연구를 통하여 신뢰성을 인정받고 있다[9-13]. 하지만 Count 방식의 가속도 동작 감지기 결과 값은 제품별 필터 설계, A/D 변환, 각 축의 측정 민감도에 따라 Count 값이 다르게 표현된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.