[논문]손목 착용형 활동 측정기에서 활동 강도와 지속 시간을 고려한 수면 상태 검출 방법

최선탁; 조위덕

손목 착용형 활동 측정기에서 활동 강도와 지속 시간을 고려한 수면 상태 검출 방법
Detection Method of Sleep State with Intensity and Duration using Wrist-Worn Activity Tracker 원문보기

최선탁 (아주대학교 전자공학과) , 조위덕 (아주대학교 전자공학과)

본 연구는 손목 착용형 활동 측정기로부터 수집된 활동 강도 값을 기반으로 사용자의 수면 상태를 파악하는 방법을 제시한다. 수집된 활동 강도 값은 하루 전체에서 1분 단위로 손목의 움직임의 크기에 따라 측정되는 값으로 수면과 활동 시 그 값의 차이를 나타낸다. 본 연구는 활동 강도에 따라 수면 상태를 검출하고 검출된 수면 상태의 지속시간에 기반을 두어 수면 상태를 보정한다. 3명의 사용자로부터 하루씩 수집된 활동 강도 값에서 검출된 수면 시간은 실제 수면 시간에 대비하여 약 99.35%의 정확도를 갖는다.

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

문제 정의

본 연구는 손목 착용형 활동 측정기에서 수면 검출을 절대적인 시각을 기준으로 검출하여 생기는 문제를 해결하고자 본 연구에서는 절대적인 시각에 의존하지 않으며 종래의 활동 강도 값을 기준으로 수면 상태를 검출하는 방법에 수면의 지속 시간을 고려하여 이를 보정할 수 있는 방법을 제안한다.

가설 설정

하나의 장치는 XiaoMi社에서 제공하는 서비스에서 산출되는 수면 시간을 실험 대조군으로 수집하기 위함이며 다른 하나의 장치는 공개프로젝트로 개발된 서비스를 이용하여 활동 강도 값을 추출하고 본 연구에서 제안한 알고리즘을 적용한 실험 비교군을 위해 사용된다. 이 과정에서 두 장치 모두에서 활동 강도 값을 산출 할 수 없으므로 두 장치에서 측정되는 활동 강도 값은 서로 같다는 가정 하에 알고리즘을 설계하였다.

제안 방법

따라서 본 연구에서는 수면 중 일시적으로 활동 강도 값이 증가되어 수면 상태를 불연속하게 만드는 요소들을 지속 시간의 기준으로 보정하는 방법을 사용하였다. 이 보정 과정도 크게 두 단계로 구성된다.
본 연구에서 제안하는 상용 손목 착용형 활동 측정기를 이용한 수면 상태 검출 알고리즘을 검증하기 위해 3명의 실험대상으로부터 각 2개의 활동 측정기를 장착하고 0시부터 24시간까지 연속적인 활동 강도 값을 수집하게 하였다. 대조군으로 활용된 데이터는 제조사에서 제공하는 공식 응용프로그램의 수면 데이터 조회 기능을 통해 수집하였다.
두 번째는 활동 상태 중에 영화나 텔레비전 시청이나 기타 다양한 이유로 인해 활동 강도의 값이 수면과 비슷한 수준으로 측정될 경우 이를 수면이 아닌 활동으로 분류하는 방법이다. 본 연구에서는 30분을 기준으로 활동 상태 사이에 30분 이하의 수면 상태가 검출 될 경우 이는 수면이 아니라 낮은 강도의 활동으로 간주하여 이를 활동 상태로 보정한다. 실제로 책상 업무나 회의, 강의 수강 등 정적인 활동도 신체에는 부하가 적은 낮은 강도의 활동이지만 손목의 움직임을 기준으로 활동 강도가 측정 되었을 때는 아예 움직임이 없는 시간은 매우 짧으며 그림3에서 보이는 바와 같이 거의 1분을 넘지 않는다.
이에 본 연구에서는 두 단계로 활동 강도에 따라 수면 상태를 분류하였다. 먼저 움직임이 없이 활동 강도가 0이며 2분 이상인 시간을 먼저 수면 시간으로 분류하고, 수면으로 분류된 시간들 사이의 활동 강도를 기준으로 수면으로 2차 분류한다.
첫 번째는 수면 상태와 그 다음 수면 상태 사이의 간격이 15분 이하일 경우 이는 완전한 각성이나 사용자가 크게 불편을 느끼지 않는 각성 또는 각성에 준하는 뒤척임으로 간주하고 이를 수면으로 분류하였다. 보정 과정의 전 단계인 분류 과정에서 수면 사이의 활동 강도가 모두 50이하일 경우 수면으로 간주한 다음 이므로 이 보정단계에서 수면 사이의 활동 상태는 50을 초과하는 활동 강도의 값을 갖고 있다.
본 연구에서 제안하는 알고리즘을 비교평가하기 위해 3명의 사용자에게 2개의 장치를 착용하게 하였다. 하나의 장치는 XiaoMi社에서 제공하는 서비스에서 산출되는 수면 시간을 실험 대조군으로 수집하기 위함이며 다른 하나의 장치는 공개프로젝트로 개발된 서비스를 이용하여 활동 강도 값을 추출하고 본 연구에서 제안한 알고리즘을 적용한 실험 비교군을 위해 사용된다. 이 과정에서 두 장치 모두에서 활동 강도 값을 산출 할 수 없으므로 두 장치에서 측정되는 활동 강도 값은 서로 같다는 가정 하에 알고리즘을 설계하였다.
활동 강도와 대조군으로 수집된 수면 시간 데이터를 이용하여 그림2와 같이 수면과 활동 상태에서 활동 강도 값의 분포를 확인하였다. 수면 상태에서는 움직임이 없는 시간의 빈도가 77.

대상 데이터

본 연구에서 제안하는 상용 손목 착용형 활동 측정기를 이용한 수면 상태 검출 알고리즘을 검증하기 위해 3명의 실험대상으로부터 각 2개의 활동 측정기를 장착하고 0시부터 24시간까지 연속적인 활동 강도 값을 수집하게 하였다. 대조군으로 활용된 데이터는 제조사에서 제공하는 공식 응용프로그램의 수면 데이터 조회 기능을 통해 수집하였다.
본 연구에서 제안하는 알고리즘을 비교평가하기 위해 3명의 사용자에게 2개의 장치를 착용하게 하였다. 하나의 장치는 XiaoMi社에서 제공하는 서비스에서 산출되는 수면 시간을 실험 대조군으로 수집하기 위함이며 다른 하나의 장치는 공개프로젝트로 개발된 서비스를 이용하여 활동 강도 값을 추출하고 본 연구에서 제안한 알고리즘을 적용한 실험 비교군을 위해 사용된다.

데이터처리

실험 대상 3명으로부터 수집된 활동 강도 값을 이용하여 본 연구에서 제안한 수면 검출 알고리즘을 적용한 결과와 대조군 수면 시각 결과를 비교한 결과는 표1과 같다. 전체 수면 시간과 활동 시간에 대한 정확도 비교는 분 단위로 산출하였으며 그 결과는 표2에 이원분할표(Confusion Matrix)로 나타내었다.

이론/모형

이는 가공된 형태이며 분 단위의 걸음 수와 활동 강도 값을 전송한다. 본 연구에서는 이 개방된 프로토콜을 이용한 공개 프로젝트 중 하나인 GadgetBridge[8]를 사용하였다.

성능/효과

35%의 검출 성능을 확인할 수 있었다. TPR 은 98.03%, TNR은 99.93%, PPV는 99.85%, NPV는 99.14%로 산출되었다. 전체 활동 강도 값의 개수는 4320개(분) 이며 이중 28개(분)의 오차가 발생하였다.
활동 강도와 대조군으로 수집된 수면 시간 데이터를 이용하여 그림2와 같이 수면과 활동 상태에서 활동 강도 값의 분포를 확인하였다. 수면 상태에서는 움직임이 없는 시간의 빈도가 77.42%이며 활동 상태에서는 6.17%로 차이가 큰 것을 알 소 있었다. 즉, 일상생활 중 1분 동안 움직임이 아예 없이 활동 강도가 0으로 측정되는 경우는 매우 적다.
표1에서 실험군은 본 연구에서 제안한 알고리즘의 수면 검출 결과 값을 의미한다. 실험 결과 입면 시각은 대조군에 비하여 세 실험대상이 각각 2분, 0분, 2분 앞당겨져 검출되었으며 각성 시각은 각각 12분, 7분, 5분 앞당겨져 검출되었다. 입면 시각은 평균 1분 20초, 각성 시각은 평균 8분의 오차 시간 간격이 나타나는 것을 확인하였다.
실험 결과 입면 시각은 대조군에 비하여 세 실험대상이 각각 2분, 0분, 2분 앞당겨져 검출되었으며 각성 시각은 각각 12분, 7분, 5분 앞당겨져 검출되었다. 입면 시각은 평균 1분 20초, 각성 시각은 평균 8분의 오차 시간 간격이 나타나는 것을 확인하였다.
표2에서 분 단위로 제안한 알고리즘을 평가한 결과 평균 정확도 99.35%의 검출 성능을 확인할 수 있었다. TPR 은 98.

후속연구

따라서, 추후 본 연구에서 제안한 알고리즘이 검출한 수면 상태를 기반으로 수면 장애를 자동으로 진단하고, 활동 상태 분석 결과를 토대로 개인화된 수면과 활동의 관계 분석에 대한 연구를 진행할 계획이다.
본 연구와 같이 상용화된 웨어러블 디바이스를 기반으로 사용자의 행동을 인지하고 이를 정량적으로 분석하고자하는 연구는 이미 구축되어 있는 하드웨어를 재활용하여 웰니스(Wellness) 서비스 구축에 대한 비용을 절약할 수 있으며, 서비스 사용자에 따라 개인화된 서비스 모델의 발굴도 가능할 것으로 전망된다. 또한, 같은 웨어러블 디바이스를 이용하여 노인 생활, 어린이 발육, 대사성 질환자, 전문 운동선수, 수면 장애 환자 등 특수 계층을 위한 기술개발의 수요도 증대될 것으로 예상한다.
본 연구와 같이 상용화된 웨어러블 디바이스를 기반으로 사용자의 행동을 인지하고 이를 정량적으로 분석하고자하는 연구는 이미 구축되어 있는 하드웨어를 재활용하여 웰니스(Wellness) 서비스 구축에 대한 비용을 절약할 수 있으며, 서비스 사용자에 따라 개인화된 서비스 모델의 발굴도 가능할 것으로 전망된다. 또한, 같은 웨어러블 디바이스를 이용하여 노인 생활, 어린이 발육, 대사성 질환자, 전문 운동선수, 수면 장애 환자 등 특수 계층을 위한 기술개발의 수요도 증대될 것으로 예상한다.

핵심어

질문

논문에서 추출한 답변

웨어러블 디바이스는 어떠한 용도로 사용되고 있는가?

이러한 웨어러블 디바이스는 이메일, 문자, 메신저 기능 등 스마트폰의 일부 기능을 확장하기 위한 용도로도 사용되지만 일반적으로는 사용자의 운동이나 수면 등의 활동 상태들을 추적하고 이를 관리하기 위한 웰니스(Wellness)관점에서의 건강관리 목적으로 사용된다. 걷기 운동, 조깅, 자전거, 등산 등 비교적 시간을 들여야 하는 유산소 운동 추적 기능들이 포함되어 있으며 무의식중에 이뤄지는 수면의 상태를 검출하고 분석하는 기능도 존재한다.

웨어러블 장비에 장착된 수면 추적 기술은 어떤 문제점이 있는가?

이유는 현재 상용화된 활동 측정기에 탑재되어 있는 수면 추적 기술들은 일반적인 수면 패턴을 가진 사용자에게 맞춰져 있기 때문이다. 이러한 수면 추적 기술은 보통 저녁 9시에서 다음날 아침 7시 사이에 반드시 수면이 시작한다고 가정하여 수면 상태를 검출하기 때문에 교대근무자가 오전 7시 이후에 잠자리에 드는 경우나 낮잠 등 일반적이지 않은 양상을 가진 수면 상태를 검출할 수 없다는 문제가 발생한다. 게다가 밤 시간에 활동 중 잠시 동안 낮은 강도의 활동 상태가 검출되면 수면의 시작 시각을 낮은 강도의 활동 상태의 시작 시각으로 검출하여 수면 시간을 과다하게 측정할 수도 있다.

수면 추적 기능은 왜 사용자들이 신뢰하지 못하고 있는가?

이유는 현재 상용화된 활동 측정기에 탑재되어 있는 수면 추적 기술들은 일반적인 수면 패턴을 가진 사용자에게 맞춰져 있기 때문이다. 이러한 수면 추적 기술은 보통 저녁 9시에서 다음날 아침 7시 사이에 반드시 수면이 시작한다고 가정하여 수면 상태를 검출하기 때문에 교대근무자가 오전 7시 이후에 잠자리에 드는 경우나 낮잠 등 일반적이지 않은 양상을 가진 수면 상태를 검출할 수 없다는 문제가 발생한다.

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

손목 착용형 활동 측정기에서 활동 강도와 지속 시간을 고려한 수면 상태 검출 방법
Detection Method of Sleep State with Intensity and Duration using Wrist-Worn Activity Tracker 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

손목 착용형 활동 측정기에서 활동 강도와 지속 시간을 고려한 수면 상태 검출 방법 Detection Method of Sleep State with Intensity and Duration using Wrist-Worn Activity Tracker 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

손목 착용형 활동 측정기에서 활동 강도와 지속 시간을 고려한 수면 상태 검출 방법
Detection Method of Sleep State with Intensity and Duration using Wrist-Worn Activity Tracker 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper