최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기방송과 미디어 = Broadcasting and media magazine, v.25 no.1, 2020년, pp.67 - 74
박철수 (광운대학교) , 조태흠 (광운대학교) , 석우준 (광운대학교) , 황보선 (삼성전자)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
액티그래피는 어떠한 형태를 지니고 있는가? | 사용자의 행동 상태 정보를 모니터링하기 위해서는 액티그래피라는 손목 시계 형태의 가속도 센서데이터를 활용하는데, 이는 웨어러블 손목 밴드 형태로 이미 많은 상용 제품들이 나와있어 손쉽게 일상생활 중의 움직임 정보를 얻어낼 수 있다. 특히 이러한 액티그래피 정보를 사용자의 수면 중 얻어내고 이를 모니터링하여 수면의 질을 평가하는데 많이 사용되어지고 있다[3]. | |
심전도와 관련된 사용자의 행동 상태 정보를 모니터링 하기 위해서 어떠한 데이터를 활용하는가? | 사용자의 행동 상태 정보를 모니터링하기 위해서는 액티그래피라는 손목 시계 형태의 가속도 센서데이터를 활용하는데, 이는 웨어러블 손목 밴드 형태로 이미 많은 상용 제품들이 나와있어 손쉽게 일상생활 중의 움직임 정보를 얻어낼 수 있다. 특히 이러한 액티그래피 정보를 사용자의 수면 중 얻어내고 이를 모니터링하여 수면의 질을 평가하는데 많이 사용되어지고 있다[3]. | |
사용자의 상태를 측정할 수 있는 신호 중, 전기적으로 측정할 수 있는 가장 정확한 신호는 무엇인가? | 사용자의 상태를 측정할 수 있는 신호는 전기적으로 측정할 수 있는 뇌파 및 심전도, 근전도, 안전도등과, 사용자의 움직임 및 행동을 모니터링하는 가속도 및 자이로 센서 신호 등을 예로 들 수 있다. 전기적으로 측정할 수 있는 신호 중 심전도가 다른 신호 대비 손쉽게 측정이 가능하며, 심박 정보를 가장정확하게 얻어낼 수 있다. 사용자의 움직임 정보는손목 시계 형태의 가속도 센서를 활용하여 일상생활중의 걸음 수 및 움직임의 양 등을 예측할 수 있다. |
이원규, 하용남, 윤희남, 김기언, 박광석, T-REX: 일상생활 중 심전도 모니터링을 위한 패치형 시스템. 대한의용생체공학회 춘계 학술대회 2014. 05
B. Hwang, J. You, T. Vaessen, I.M. Germeys, C. Park, and B.T. Zhang, Deep ECGNet: An Optimal Deep Learning Framework for Monitoring Mental Stress Using Ultra Short-Term ECG Signals. TELEMEDICINE and e-HEALTH 24 (2018), pp. 1-20
T. Cho, U. Sunarya, M. Yeo, B. Hwan,, Y.S. Koo, and C. Park, Deep-ACTINet: End-to-End Deep Learning Architecture for Automatic Sleep-Wake Detection Using Wrist Actigraphy. Electronics 9 (2019), pp. 1-21
김종원, 수면연구를 위한 액티그라피 정량분석 방법론. 수면정신생리 2016
※ AI-Helper는 부적절한 답변을 할 수 있습니다.