[논문]개의 PPG와 DNN를 이용한 혈당 예측 - 선행연구

박철구; 최상기

doi:10.23149/jdp.2023.2.4.025

개의 PPG와 DNN를 이용한 혈당 예측 - 선행연구
Blood glucose prediction using PPG and DNN in dogs - a pilot study 원문보기

디지털정책학회지 = Journal of Digital Policy, v.2 no.4, 2023년, pp.25 - 32

박철구 ((주)소프트웨어융합연구소) , 최상기 ((주)소프트웨어융합연구소)

초록
AI-Helper

논문은 PPG 기반 센서에서 측정한 심박수(HR), 심박변이도(HRV) 데이터를 기반으로 DNN(Deep Neural Network) 혈당예측 모델을 개발하는 연구이다. 혈당 예측은 다층퍼셉트론(MLP) 신경망을 이용하였다. DNN 심층학습은 11의 독립변수가 있는 입력층, 은닉층, 출력층으로 구성된다. 혈당 예측모델의 학습결과는 MAE=0.3781, MSE=0.8518, 및 RMSE=0.9229이며, 결정계수(R²)는 0.9994이다. PPG기반의 디지털기기를 이용한 비채혈적 생체신호를 이용하여 혈당관리의 가능성을 확인하였다. PPG기반의 표준화된 활력신호 획득 및 해석법, 다량의 데이터기반 심층학습(Deep Learning)의 데이터셋, 정확성를 실증하는 연구가 이어진다면 개의 혈당관리에 편이성과 대안적인 방법을 제공할 수 있을 것이다.

Abstract ▼ AI-Helper

This paper is a study to develop a deep neural network (DNN) blood glucose prediction model based on heart rate (HR) and heart rate variability (HRV) data measured by PPG-based sensors. MLP deep learning consists of an input layer, a hidden layer, and an output layer with 11 independent variables. The learning results of the blood glucose prediction model are MAE=0.3781, MSE=0.8518, and RMSE=0.9229, and the coefficient of determination (R2) is 0.9994. The study was able to verify the feasibility of glycemic control using non-blood vital signs using PPG-based digital devices. In conclusion, a standardized method of acquiring and interpreting PPG-based vital signs, a large data set for deep learning, and a study to demonstrate the accuracy of the method may provide convenience and an alternative method for blood glucose management in dogs.

주제어

표/그림 (11)

그림 Fig. 1. Frequencies of the categories according to the diagnosed disease
그림 Fig. 2. Light-emitting diode and photodetector placement of photoplethysmography
그림 Fig. 3. PPG segment and feature
표 Table 1. Age statistics of research dogs
표 Table 2. PPG Sensor Specifications.
그림 Fig. 4. Sensor, mobile program and data transmission/reception screen
그림 Fig. 5. PPG-based blood glucose measurement diagram
그림 Fig. 6. Blood glucose prediction model
표 Table 3. Statistical analysis result
표 Table 4. Hyperparameters
그림 Fig. 5. Clarke EGA Result

참고문헌 (23)

David Bruyette. (2022.10). Diabetes Mellitus in Dogs and Cats (Online). https://www.msdvetmanual.com/endocrine-system/the-pancreas/diabetes-mellitus-in-dogs-and-cats？
J. Freitas et al. (2021). Causes of spontaneous death and euthanasia in dogs: A background study in Bahia, Brazil. Veterinarni Medicina, 66. 156-166. DOI : 10.17221/92/2020-VETMED.？

상세보기
ADRIENNE FARRICELL. (2023.1.24). The Most Common Causes of Death in Dogs (By Breed and Size) (Online). https://pethelpful.com/dogs/Study-Reveals-The-Most-Common-Causes-of-Death-in-Dogs？
B. Shi, F. Chen, J. Chen & Y. Tsau. (2015). Zhongguo yi liao qi xie za zhi, Chinese journal of medical instrumentation, 39(2), 95-97.？
J. Ma, C. Wang & Z. Li & H. Zhao (2011). Study of measuring heart rate and respiration rate based on PPG. Guangxue Jishu/Optical Technique, 37, 309-312.？
A. B. Liu, P. C. Hsu, Z. L. , Chen & H. T. Wu, (2011). Measuring pulse wave velocity using ECG and photoplethysmography. Journal of medical systems, 35(5), 771-777. DOI : 10.1007/s10916-010-9469-0？

상세보기
B. C. Wilson & S. L. Jacques, (1990). Optical reflectance and transmittance of tissues: principles and applications. IEEE Journal of Quantum Electronics, 26, 2186-2199.？

상세보기
F. A. Duck, (2013) Physical properties of tissues: a comprehensive reference book. Academic press.？
J. P. Varshney. (2020). Electrocardiography in Veterinary Medicine. Springer Nature Singapore Pte Ltd. 22(8), 4215. DOI : 10.3390/ijms22084215？

상세보기
J. Haggstrom, R, L. Hamlin, K. Hansson & C. Kvart (1996). Heart rate variability in relation to severity of mitral regurgitation in Cavalier King Charles spaniels. The Journal of small animal practice, 37(2), 69-75. DOI : 10.1111/j.1748-5827.1996.tb01941.x？

상세보기
S. Doxey & A. Boswood. (2004). Differences between breeds of dog in a measure of heart rate variability. The Veterinary record, 154(23), 713-717. DOI : 10.1136/vr.154.23.713？

상세보기
A. Struven, C. Holzapfel, C. Stremmel & S. Brunner. (2021). Obesity, Nutrition and Heart Rate Variability. International journal of molecular sciences, 22(8), 4215. DOI : 10.3390/ijms22084215？

상세보기
N. Azulay et al. (2022). Reduced heart rate variability is related to the number of metabolic syndrome components and manifest diabetes in the sixth Tromso study 2007-2008. Scientific reports, 12(1), 11998. DOI : 10.1038/s41598-022-15824-0？

상세보기
S. L. Jacques. (2013). Optical properties of biological tissues: a review. Physics in medicine and biology, 58(11), R37-R61. DOI : 10.1088/0031-9155/58/11/R37？

상세보기
N. Sieber-Ruckstuhl, M. Casella & C. E. Reusch. (2003). Home monitoring of blood glucose concentrations by owners of diabetic dogs and cats. 145. 537-543.？
S. Corradini et al. (2016). Accuracy of a Flash Glucose Monitoring System in Diabetic Dogs. Journal of Veterinary Internal Medicine. 30. DOI : 10.1111/jvim.14355.？

상세보기
P. Rossetti, J. Bondia, J. Vehi & C. G. Fanelli. (2010). Estimating plasma glucose from interstitial glucose: the issue of calibration algorithms in commercial continuous glucose monitoring devices. Sensors (Basel, Switzerland), 10(12), 10936-10952. DOI : 10.3390/s101210936？

상세보기
C. Cobelli, M. Schiavon, C. Dalla Man, A. Basu & R. Basu. (2016). Interstitial Fluid Glucose Is Not Just a Shifted-in-Time but a Distorted Mirror of Blood Glucose: Insight from an In Silico Study. Diabetes technology & therapeutics, 18(8), 505-511. DOI : 10.1089/dia.2016.0112？

상세보기
A. Basu et al (2015). Time lag of glucose from intravascular to interstitial compartment in type 1 diabetes. Journal of diabetes science and technology, 9(1), 63-68. DOI : 10.1177/1932296814554797？

상세보기
K. Rebrin & G. M. Steil. (2000). Can interstitial glucose assessment replace blood glucose measurements?, Diabetes technology & therapeutics, 2(3), 461-472. DOI : 10.1089/15209150050194332？

상세보기
S. N. Thennadil, ,J. L. Rennert, B. J. Wenzel, K. H. Hazen, T. L. Ruchti, & M. B. Block. (2001). Comparison of glucose concentration in interstitial fluid, and capillary and venous blood during rapid changes in blood glucose levels. Diabetes technology & therapeutics, 3(3), 357-365. DOI : 10.1089/15209150152607132？

상세보기
T. P. Monsod et al, (2002). Do sensor glucose levels accurately predict plasma glucose concentrations during hypoglycemia and hyperinsulinemia?. Diabetes care, 25(5), 889-893. DOI : 10.2337/diacare.25.5.889？

상세보기
C.-G. Park & S.-K. Choi. (2022). The study of blood glucose level prediction using photoplethysmography and machine learning . Journal of Digital Policy, 1(2), 61-69.

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