멀티모달 신경망을 활용한 비접촉식 생체신호 모니터링 성능향상 기법 = A Multimodal Neural Network Approach for Robust Contactless Vital-Sign Monitoring|RISS 상세보기

국문 초록 (Abstract)

인간의 생체활동 신호를 효율적으로 측정하기 위하여 각종 센싱 기술을 접목한 비접촉식 생체신호 모니터링 기법이 활용되고 있다. 호흡과 심장박동을 측정하기 위한 대표적인 기법으로 광대역 무선통신 기반의 UWB(Ultra-Wideband) 센서와 영상 신호처리 기반의 rPPG(remote Photoplethysmography)가 존재한다. 이러한 센싱 기법들은 의료 및 헬스케어, 스포츠, 자동차 분야 차량안전, 산업현장 안전관리 등의 다양한 분야에 적용되고 있다. 그러나 UWB의 무선신호, rPPG의 영상신호와 같이 단일한 원천신호 데이터를 기반으로 하는 생체신호 측정기술은 단일기법에 의존적인 특성으로 인해 그 성능에 한계점을 지니고 있다. 측정거리 증가에 따른 센싱 정확도 저하, 영상수집 도구의 성능 또는 수집된 영상의 품질에 의존적인 측정결과 등이 대표적인 한계점이다. 이 논문에서는 UWB 방식과 rPPG 방식의 센싱기법을 크로스 어텐션 기반의 멀티모달 신경망으로 통합함으로써 각 방식의 한계점을 상호보완하는 기법을 제안하며, 이 기법이 기존 센싱방식에 비해 우수한 성능으로 생체신호 모니터링을 수행함을 입증한다.

번역하기

인간의 생체활동 신호를 효율적으로 측정하기 위하여 각종 센싱 기술을 접목한 비접촉식 생체신호 모니터링 기법이 활용되고 있다. 호흡과 심장박동을 측정하기 위한 대표적인 기법으로 광...

다국어 초록 (Multilingual Abstract)

Contactless vital-sign monitoring methods integrating multiple sensing technologies have been employed to measure human physiological activities. Representative approaches for respiration and heartbeat measurement include Ultra-Wideband (UWB) sensing based on wireless communication and remote Photoplethysmography (rPPG) based on video analysis, which are widely applied in healthcare, sports, and safety management. However, single-source methods such as UWB or rPPG suffer from degraded accuracy with distance and dependence on imaging quality. This paper proposes a cross-attention-based multimodal neural network that integrates UWB and rPPG sensing to mutually compensate for each modality’s weaknesses. Experimental results demonstrate that the proposed model enables more robust and accurate vital-sign monitoring than single-modality methods.

번역하기

목차 (Table of Contents)

초록 ⅰ
Abstract ⅱ
목차 ⅲ
표 목차 ⅴ
그림 목차 ⅶ

초록 ⅰ
Abstract ⅱ
목차 ⅲ
표 목차 ⅴ
그림 목차 ⅶ
1. 서론 1
2. 관련 연구 4
3. 멀티모달 신경망 기반 센싱 기법 6
3.1 사전실험 6
3.2 신경망 구조 설계 11
3.3 데이터 수집 및 전처리 14
3.4 신경망의 학습 메커니즘 17
3.5 신경망의 검증 25
4. 평가 29
4.1 데이터 수집 및 준비 29
4.2 신경망 예측 성능평가 30
4.3 오차분포 및 신뢰도 분석 34
4.4 신경망 구성요소 검증(Ablation Study) 37
4.5 모델 추론 과정 분석(Reasoning Analysis) 39
5. 한계점 43
6. 결론 44
참고문헌 45
부록 47
A. 학습 데이터셋 47
B. 모델 검증 세부결과 54
C. 모델 평가 세부결과 76

상세검색

RISS 보유자료

상세검색

해외전자자료

멀티모달 신경망을 활용한 비접촉식 생체신호 모니터링 성능향상 기법 = A Multimodal Neural Network Approach for Robust Contactless Vital-Sign Monitoring

부가정보

분석정보

연관 공개강의(KOCW)

이 자료와 함께 이용한 RISS 자료

나만을 위한 추천자료