기술 요약: 멀티 사이트 PPG: 신흥 멀티 사이트 웨어러블에서 수집된 자연 환경 생리 데이터셋

문제 제기

광용적맥파 (PPG) 는 웨어러블 기기에서 심박수 및 생리 모니터링을 위한 지배적인 감지 방식입니다. 그러나 공개된 '자연 환경 (in-the-wild)' PPG 데이터셋은 주로 손목 중심의 스마트워치나 짧고 통제된 실험실 세션에 국한되어 있습니다. 손목 기반 감지는 더 깊은 혈관으로 인한 광학 신호 품질 저하와 운동 아티팩트 등 본질적인 어려움에 직면해 있습니다. 스마트 링, 귀걸이, 목걸이와 같은 신흥 폼 팩터는 손가락/귀lobe 의 높은 관류나 상대적 안정성 같은 잠재적 이점을 제공하지만, 자연스러운 일상 활동 중에 수집된 대규모 멀티 사이트 데이터셋은 부족합니다. 기존 데이터셋은 단일 기기에 초점을 맞추거나, 실제 일상 폼 팩터가 부족하다 (예: 흉골이나 발목과 같은 비표준 부위 사용) 고, 통제된 환경으로 제한되어 다양한 웨어러블 유형 전반에 걸친 견고하고 일반화된 생리 감지 연구에 걸림돌이 되고 있습니다.

방법론

데이터셋 수집 및 하드웨어

저자들은 도시 환경에서 낮 시간대 활동을 여러 날에 걸쳐 20 명의 참가자 (여성 19 명, 남성 1 명; 연령 20~51 세) 로부터 수집한 멀티 사이트 PPG 데이터셋을 제시합니다. 연구에는 네 가지 맞춤형으로 개발된 비침습적 웨어러블 기기가 사용되었습니다:

1. 스마트 귀걸이: 관통된 귀lobe 에 착용.
2. 스마트 링: 손가락에 착용.
3. 스마트워치: 손목에 착용.
4. 스마트 목걸이: 펜던트 형태로 착용.

모든 기기는 nRF52832 마이크로컨트롤러를 기반으로 한 통합 하드웨어 설계를 공유하며, MAX30101 PPG 센서 (녹색 및 적외선 채널), LIS2DW12 가속도계, HDC2010 온도 센서를 통합합니다. 데이터는 무선으로 스마트폰 앱으로 스트리밍됩니다. 기준치 (ground truth) 를 위해 참가자들은 130Hz 로 ECG 를 기록하는 상용 Polar H10 가슴 스트랩을 착용했습니다.

데이터 처리

데이터셋은 두 가지 형식으로 제공됩니다:

• 원시 데이터셋: 기기당 350 시간 이상의 타임스탬프가 찍힌 연속 (블루투스 끊김으로 인해 잠재적으로 불연속일 수 있음) 데이터로, PPG(녹색/적외선), 3 축 가속도, 온도가 포함됩니다.
• 윈도우화 데이터셋: 전처리되어 모델링 준비가 된 데이터로, 8 초 슬라이딩 윈도우 (1 초 스트라이드) 로 구성됩니다. 이 데이터셋은 ECG 품질이 낮은 구간 (예: 느슨한 스트랩 접촉, 심박수가 40180 bpm 범위 외) 을 제외하고 웨어러블 데이터를 Polar ECG 기준치와 정렬합니다. 기기당 229.66290.23 시간의 데이터를 포함하며, 네 대의 기기가 동시에 활성화된 구간은 190.95 시간입니다.

벤치마킹 프로토콜

저자들은 ECG 기반 기준치에 대해 세 가지 범주의 방법을 사용하여 심박수 추정 성능을 평가했습니다:

1. 휴리스틱 알고리즘: 여섯 가지 전통적인 신호 처리 방법 (예: NeuroKit, HeartPy, FFT).
2. 지도 학습 모델: 다섯 가지 신경망 아키텍처 (1D ResNet, DCL, FCN, CNN-LSTM, Transformer).
3. 자기지도 학습 모델: 두 가지 대비 학습 접근법 (SimCLR, BYOL).

20 개 폴드에 걸친 Leave-One-Subject-Out (LOSO) 교차 검증 프로토콜을 사용하여 평균 절대 오차 (MAE), 제곱 평균 제곱근 오차 (RMSE), 피어슨 상관 계수 ($\rho$) 를 측정했습니다.

주요 기여

1. 최초 대규모 자연 환경 멀티 사이트 PPG 데이터셋: 이 논문은 자연스러운 일상 활동 중에 네 가지 서로 다른 실용적 웨어러블 폼 팩터 (귀걸이, 링, 시계, 목걸이) 로부터 동시에 수집된 최초의 공개 대규모 PPG 데이터셋을 공개합니다. 이는 스마트 링, 귀걸이, 목걸이를 위한 최초의 데이터셋입니다.
2. 신체 부위별 벤치마킹: 이 연구는 서로 다른 신체 부위 간 심박수 추정의 기준 성능을 확립하여 상당한 성능 차이를 드러냈습니다.
3. 멀티 사이트 및 멀티모달 분석: 저자들은 멀티 사이트 센서 퓨전 및 PPG-가속도계 퓨전에 대한 초기 평가를 제공하여 보완적 감지 전략 연구에 대한 데이터셋의 유용성을 입증했습니다.

결과

신체 부위별 성능

네 가지 위치 간 심박수 추정 정확도에 상당한 차이가 관찰되었으며, DCL 지도 학습 모델을 사용한 최상의 MAE 결과는 다음과 같습니다:

• 귀걸이: 2.30 bpm (최고 성능, 고품질 실험실 환경과 비교 가능).
• 링: 5.13 bpm (28 시간 $\tau$-Ring 데이터셋과 비교 가능).
• 시계: 8.37 bpm (WildPPG 결과와 일치).
• 목걸이: 8.68 bpm.

귀걸이와 링은 손목과 목걸이보다 일관되게 우수한 성능을 보였으며, 이는 해당 부위의 더 강한 관류, 더 나은 광학 커플링, 그리고 더 낮은 운동 아티팩트 때문입니다.

운동 영향

분석 결과, 모든 기기에서 운동 파워가 증가함에 따라 심박수 추정 오차 (MAE) 가 일반적으로 증가하는 것으로 나타났습니다. 그러나 귀걸이와 목걸이는 링과 시계에 비해 낮은 운동 노출 (윈도우의 91% 가 저운동 구간) 을 경험했습니다. 링은 손가락의 우수한 신호 품질로 인해 더 높은 운동 수준에서도 시계보다 더 나은 정확도를 유지했습니다.

퓨전 전략

• 멀티 사이트 퓨전: 두 대의 기기를 결합 (예: 귀걸이 + 링) 하는 것은 단일 기기 기준치보다 MAE 를 일관되게 개선했습니다 (예: 귀걸이 MAE 를 1.84 에서 1.82 bpm 으로 감소). 그러나 네 대의 기기를 모두 퓨전하는 것은 최상의 두 기기 조합보다 추가적인 이득을 주지 않았으며, 이는 노이즈가 많은 사이트 (시계, 목걸이) 가 고품질 신호와 결합될 때 변이성을 유발할 수 있음을 시사합니다.
• PPG-가속도계 퓨전: 가속도계 데이터 (z 축) 를 추가하는 것은 링과 시계에 대해 일관되지만 modest 한 개선을 제공했습니다 (예: 시계 MAE 약 0.3 bpm 감소). 귀걸이와 목걸이의 경우 혜택이 제한적이거나 혼재되어 있어, 운동 아티팩트에 취약한 사이트에서 운동 컨텍스트가 가장 유용함을 나타냈습니다.

중요성 및 주장

이 논문은 멀티 사이트 PPG가 신흥 웨어러블 폼 팩터에 대한 생리 데이터 가용성에서 중요한 공백을 메운다고 주장합니다. 서로 다른 신체 부위에서의 일상 생활 변이성을 포착하는 데이터셋을 제공함으로써 다음과 같은 가능성을 열어줍니다:

• 견고한 감지 연구: 손목 중심 패러다임을 넘어 폼 팩터와 신체 부위 전반에 걸쳐 일반화되는 모델 개발.
• 신호 품질 분석: 신체 부위 (예: 귀 대 손목) 에 따라 생리 신호와 운동 아티팩트가 어떻게 다른지 특성화할 수 있는 능력.
• 퓨전 연구: 여러 센서 및 모달리티의 데이터를 어떻게 최적화하여 신뢰성을 높일지 조사하기 위한 기반.

저자들은 데이터셋이 향후 연구를 지원하지만 특정 제한 사항과 함께 공개된다고 강조합니다. 귀걸이 요구 사항으로 인한 여성 참가자의 높은 비율, Fitzpatrick 피부 타입 VI 부재, 그리고 수동 주석이 아닌 알고리즘 처리 (Pan-Tompkins) 를 통해 유도된 기준치 레이블 등입니다. 이 데이터셋은 견고하고 비침습적인 생리 모니터링을 발전시키기 위한 비영리 연구용입니다.