[논문]격자형 압력 센서 배치 구조를 이용한 다층 기반 누운 자세 판별 알고리즘

조민재; 홍윤식

doi:10.5762/kais.2019.20.6.402

격자형 압력 센서 배치 구조를 이용한 다층 기반 누운 자세 판별 알고리즘
A Multi-tier Based Lying Posture Discrimination Algorithm Using Lattice Type Pressure Sensors Allocation 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.20 no.6, 2019년, pp.402 - 409

조민재 (인천대학교 정보기술대학 컴퓨터공학부) , 홍윤식 (인천대학교 정보기술대학 컴퓨터공학부)

초록
AI-Helper

치매 환자나 혼자 힘으로 전혀 움직이지 못하는 노인 환자는 간병 인력 부족으로 낙상 사고 및 욕창 발생 가능성이 매우 크다. 본 논문에서는 이러한 문제를 해결하기 위해 일정 주기마다 감지한 압력 세기를 기준으로 머리, 어깨, 엉덩이 등 주요 신체 부위를 판별하여 환자의 누운 자세를 판별할 수 있는 알고리즘을 제안한다. 신체적 특성에 무관하게 신체 부위 판별이 가능하도록 격자 구조로 압력 센서를 배치한 스마트 매트를 제작하였다. 스마트 매트는 $7{\times}7$ 배열 크기의 2개 모듈을 조합하여 구성하였다. 각 모듈은 모두 49개의 FSR-406 센서로 구성되며 독립적으로 압력을 감지한다. 각 모듈에 대해 필터를 사용한 누적 압력 합 등 압력 분포를 이용해 상체 또는 하체에 해당하는 신체 부위를 순차적으로 판별한다. 제안한 알고리즘은 머리, 어깨, 엉덩이 부위 등 계층-1에 속한 신체 부위간 포함 관계를 조사해 5가지 누운 자세를 판별할 수 있다.

Abstract ▼ AI-Helper

Patients with dementia or elderly patients who can not move at all by themselves are at a high risk of falls and bedsore due to lack of caregivers. In this paper, to solve this problem, we propose an algorithm to determine the patient's lying postures by discriminating the main body parts such as head, shoulders, and hips based on the pressure intensity sensed at regular intervals. A smart mat with a lattice structure in which a pressure sensor is arranged so that the body part can be discriminated irrespective of the physical characteristics has been implemented. It consists of two modules of $7{\times}7$ array size. Each module consists of 49 FSR-406 sensors and independently senses pressure. For each module, the body part corresponding to the upper body or the lower body is sequentially discriminated by using a pressure distribution such as a cumulative pressure sum using a filter. The proposed algorithm can identify five lying positions by examining the inclusion relationship between body parts belonging to layer-1 such as head, shoulder, and hip area.

주제어

표/그림 (15)

그림 Fig. 1. Basic lying posture
그림 Fig. 2. The configuration of a smart mat
그림 Fig. 3. FSR-406 sensor(left) and the single module
표 Table 1. the threshold and the duration for each tier
그림 Fig. 4. lying posture discrimination algorithm
그림 Fig. 5. Extension of search space for finding head
그림 Fig. 6. Experiment with pillow
그림 Fig. 7. The pressures distribution with pillow(left) and without pillow(right)
표 Table 2. the physical characteristics of volunteers
그림 Fig. 8. various lying postures to be discriminated
그림 Fig. 9. Experiment Result of 3-axis acceleration sensor (right posture)[6]
표 Table 3. The results of body part discrimination with respect to lying postures
표 Table 4. The results of lying posture determination with respect to lying postures
표 Table 5. Experiment Result of 3-axis acceleration sensor[6]
표 Table 6. the estimation of weight using the average of the cumulative sum of pressures

AI 본문요약
AI-Helper

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

문제 정의

fmax에 해당하는 2x2 필터 영역이 rmax 또는 cmax에 해당하는 행 또는 열과 중복되는지 조사하는 것이다.
본 논문에서는 누운 자세 판별을 위해 다층 알고리즘을 제안한다. 신체 부위 중 압력은 높고, 움직이는 빈도가 낮아 압력이 일정하게 유지되는 부위를 계층-1로 구분한다.
본 논문의 연구 목적은 침대에 누워있는 노인 환자의 자세를 실시간 모니터링 하는 것이다. 환자가 침대에서 어떤 자세로 누워있는지 판별하고 낙상 위험 및 욕창 발생 가능성을 사전에 감지하여 이를 간호 인력에게 알려 줌으로써 간호 효율을 높이고자 하는 것이다.
본 논문의 연구 목적은 침대에 누워있는 노인 환자의 자세를 실시간 모니터링 하는 것이다. 환자가 침대에서 어떤 자세로 누워있는지 판별하고 낙상 위험 및 욕창 발생 가능성을 사전에 감지하여 이를 간호 인력에게 알려 줌으로써 간호 효율을 높이고자 하는 것이다.

제안 방법

2개 모듈에 감지한 누적 압력 합의 평균값을 사용해 누워있는 환자의 몸무게를 예측해 보았다. 혼자 힘으로는 움직이기조차 힘든 노인 환자의 경우 건강 상태 확인을 위해 몸무게 측정이 필요하기 때문이다.
3축 가속도 센서를 이용하여 간단한 수면 자세를 판단할 수 있으며, 분당 호흡수도 파악할 수 있다[6]. 가속도 센서를 이용하여 측정된 X, Y, Z축의 출력 전압 값을 분석하여 수면자의 자세를 판정한다.
각 모듈당 2개씩, 총 4개의 아두이노 메가 보드를 설치하여 감지한 압력을 수집하도록 하였다. 측정 결과는 중계기 역할을 담당하는 라즈베리 파이 보드로 보내지며, 정해진 전송주기에 따라 무선 전송 모듈(WiFi 방식)을 거쳐 서버로 전송된다.
단일 변수 회귀(regression) 기법을 사용하여 몸무게를 추정해 보았다. 비만인 실험자의 경우 추정 오차가 가장 적었지만, 정상 체형 실험자가 마른 체형 실험자에 비해 오히려 몸무게 추정 오차가 컸다.
본 논문에서는 7x7 격자 구조에 FSR-406 센서를 배치한 2개의 모듈을 조합하여 스마트 매트를 제작하였다. 또한, 이 스마트 매트에 누운 환자의 자세를 판별하기 위해 계층-1에 해당하는 머리, 어깨 및 엉덩이 부위를 인식 하는 알고리즘을 개발하였다. 이를 토대로 스마트 매트에 누운 5가지 자세를 판정하는 실험을 진행하였다.
먼저 본 논문에서 제안한 자세 판별 알고리즘이 계층 -1에 해당하는 신체 부위, 즉 머리, 어깨, 엉덩이부위 판별 정확도를 측정하였으며, Table 3에 결과를 요약하였 다. Table 3에서 X로 표시한 것은 해당 신체 부위의 위치를 정확하게 찾지 못했음을 나타낸다.
본 논문에서는 7x7 격자 구조에 FSR-406 센서를 배치한 2개의 모듈을 조합하여 스마트 매트를 제작하였다. 또한, 이 스마트 매트에 누운 환자의 자세를 판별하기 위해 계층-1에 해당하는 머리, 어깨 및 엉덩이 부위를 인식 하는 알고리즘을 개발하였다.
센서의 내구성을 높이기 위해 센서 아래에 45mm×45mm×10mm 크기의 EVA 재질 받침을 별도 제작해 설치하였다.
On/Off 센서를 이용하여 머리, 팔, 다리 등을 측정하는 연구이다. 수면 매트부, 수면 상태 감지정보 수신부, 수면 상태 감지 및 제어 시스템부로 구성되어 있으며, 미리 정해진 수면 자세와 비교한 후 입력 데이터와 비교하여 결과를 출력한다.
실험에서는 1분당 1회 감지한 압력을 수집해 자세 판별을 하였다. 마른 체형의 실험자의 경우 3~5회 이상 감지한 압력 평균을 활용할 경우 자세 판정 오류를 개선할 수 있었다.
이를 위해 침대 시트와 매트리스 사이에 압력 센서가 부착된 스마트 매트를 설치하고, 감지된 압력을 기준으로 환자의 누운 자세를 판별하는 알고리즘을 제안한다. 신체 조건에 상관없이 환자의 누운 자세를 판별할 수 있도록 스마트 매트의 압력 센서를 격자 구조로 배치한다.
또한, 이 스마트 매트에 누운 환자의 자세를 판별하기 위해 계층-1에 해당하는 머리, 어깨 및 엉덩이 부위를 인식 하는 알고리즘을 개발하였다. 이를 토대로 스마트 매트에 누운 5가지 자세를 판정하는 실험을 진행하였다.

대상 데이터

실험을 위해 Table 2와 같이 BMI 수치 기준으로 실험자를 선정하였다. 정상 체형(25~30), 마른 체형(<25), 및 살찐 체형(>30) 등 세 그룹의 실험자를 포함하였다.
한 개의 모듈은 Fig. 3에 보인 것처럼 7x7 배열의 격자 구조에 배치된 총 49개의 FSR-406 센서로 구성된다. FSR-406 센서 크기는 45mmx45mm이며, 이웃한 상후 좌우 센서와의 간격은 모두 60mm로 균일하다.
에 해당하는 행 또는 열과 중복되는지 조사하는 것이다. 한국인의 머리-어깨간 길이는 남자 334mm, 여자 314mm이다. 따라서, 환자가 정자세로 누웠을 때 어깨 부위는 2∼4행에 있을 가능성이 크다.

이론/모형

압력센서 중 하나인 FSR (Force Sensing Resistor) 센서[8]는 압력이 가해지면, 압력에 반비례하는 저항값을 반환한다. 본 논문에서는 압력 측정을 위해 FSR-406 센서를 사용하였다. FSR 406 센서는 정사각형 모양이며, 크기는 45mmx45mm이다.

성능/효과

BMI를 기준으로 정상 체형, 살찐 체형 및 마른 체형의 실험자를 대상으로 자세 판정 알고리즘의 정확도를 평가해 본 결과 머리 부위를 제외한 나머지 신체 부위는 자세에 상관없이 정확히 판별해 냄을 확인하였다. 머리 부위 인식률을 높이기 위해서는 베개를 이용하여 머리 부위의 이동을 제한하면 된다.
단일 변수 회귀(regression) 기법을 사용하여 몸무게를 추정해 보았다. 비만인 실험자의 경우 추정 오차가 가장 적었지만, 정상 체형 실험자가 마른 체형 실험자에 비해 오히려 몸무게 추정 오차가 컸다. 향후 환자의 키 등일부 정보를 추가해 다중 변수 회귀 기법을 적용할 경우 오차를 줄일 수 있을 것으로 예측된다.

후속연구

비만인 실험자의 경우 추정 오차가 가장 적었지만, 정상 체형 실험자가 마른 체형 실험자에 비해 오히려 몸무게 추정 오차가 컸다. 향후 환자의 키 등일부 정보를 추가해 다중 변수 회귀 기법을 적용할 경우 오차를 줄일 수 있을 것으로 예측된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	FSR의 기능은?	압력센서 중 하나인 FSR (Force Sensing Resistor) 센서[8]는 압력이 가해지면, 압력에 반비례하는 저항값을 반환한다. 본 논문에서는 압력 측정을 위해 FSR-406 센서를 사용하였다.
	요양(병)원에서 매년 낙상 사고를 당하는 노인환자의 비율은?	고령 사회에 진입한 우리나라는 노인 간호를 위한 요양(병)원이 급격히 증가하고 있다[1]. 요양(병)원에서는 매년 노인 환자의 18.2%가 낙상 사고를 당하는 것으로 보고되고 있다[2]. 또한, 혼자서는 움직이지 못하는 노인 환자의 경우 욕창[3] 발생 가능성이 크며, 욕창 방지를 위해 간호 인력이 일정 주기마다 환자의 자세를 바꿔 주어야만 한다[4].
	마른 체형의 실험자에 대한 자세 판별 알고리즘의 단점은?	마른 체형의 실험자의 경우 3~5회 이상 감지한 압력 평균을 활용할 경우 자세 판정 오류를 개선할수 있었다. 다만 판정에 걸리는 시간이 지연되는 단점이 발생했다.

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