A Signal Extraction Approach for Remote Heart Rate Variability Assessment Using Proxy Measure in a Driving Simulator

기술 요약: 운전 시뮬레이터에서 대리 측정을 활용한 원격 심박 변이도 평가 를 위한 신호 추출 접근법

문제 제기
기존 심박 변이도 (HRV) 모니터링은 접촉식 센서 (예: ECG, 웨어러블 PPG) 에 의존하는데, 이는 자연스러운 운전 자세를 방해하고 불편함을 초래하며 조향 상호작용 중 운동 아티팩트를 유발할 수 있습니다. 원격 광용적맥파 (rPPG) 는 얼굴 비디오에서 심장 신호를 추출하여 비접촉식 대안을 제공하지만, 운전 시뮬레이터와 같은 동적 환경에서는 상당한 도전에 직면합니다. 이러한 도전 과제에는 머리 움직임, 변화하는 조명, 얼굴 표정으로 인해 발생하는 낮은 신호 대 잡음비 (SNR) 가 포함되며, 이는 혈량과 관련된 미묘한 주기적 색상 변화를 종종 가립니다. furthermore, 기존 rPPG 연구는 종종 심박수 (PR) 추정에 초점을 맞추고 있으며, 실제 운전 조건 하에서 HRV 매개변수 (SDNN, RMSSD) 및 심박 간격 (IBI) 검출 정확도에 대한 포괄적인 검증은 부족합니다.

방법론
본 연구는 기저선 (BSL) 과 고속도로 운전 조건 (밀집 안개 구간 포함) 하에서 운동 기반 운전 시뮬레이터 (DS) 에 기록된 29 명 참가자의 데이터셋에 적용된 포괄적인 rPPG 처리 파이프라인을 평가합니다. 방법론은 다음과 같습니다:

1. 관심 영역 (ROI) 선택: 얼굴 영역은 Simple Linear Iterative Clustering (SLIC) 알고리즘을 사용하여 SuperPixel (SP) 하위 영역으로 분해됩니다. 10 개와 20 개의 SP 에 대한 두 가지 구성이 테스트되었습니다. Viola-Jones 검출, 기하학적 정제, Lucas-Kanade 광학 흐름 추적을 포함한 계층적 파이프라인은 프레임 간 공간적 대응을 보장합니다.
2. 신호 추출: 네 가지 확립된 rPPG 알고리즘이 적용되었습니다: Spatial Subspace Rotation (2SR), Chrominance 기반 방법 (CHROM), Plane-Orthogonal-to-Skin (POS), 그리고 Principal Component Analysis (PCA).
3. 신호 품질 및 정제: 2 단계 선택 기준이 사용되었습니다. 먼저, 0.7–3 Hz 대역에서 계산된 신호 대 잡음비 (SNR) 가 -17 dB 미만인 세그먼트는 폐기되었습니다. 둘째, 참조 ECG 에 대한 평균 절대 오차 (MAE) 가 가장 낮은 최적의 SP 영역이 선택된 후, 가장 높은 SNR 을 기준으로 선정되었습니다.
4. 피크 향상: 피크의 두드러짐을 개선하기 위해 두 가지 새로운 향상 기술이 도입되었습니다:
   • Lp Norm: $p$ 값을 1 에서 9 로 변화시키며 슬라이딩 윈도우 (4 샘플) 를 통해 적용되었습니다.
   • Grünwald–Letnikov 분수 차수 미분 (GL FOD): 분수 차수를 1.0 에서 3.0 으로 변화시키며 적용되었습니다.
   • 신호는 피크 검출 전에 Chebyshev Type II 대역 통과 필터링과 Hann 윈도우 평활화를 통해 추가 처리되었습니다.
5. 평가: 성능은 동시 1000 Hz ECG 참조에 대해 평가되었습니다. 지표에는 PR 정확도 (MAE, RMSE), HRV 매개변수 정확도 (SDNN, RMSSD), 그리고 세 가지 시간적 허용 기준 (엄격: 250 ms, 중간: 350 ms, 완화: RR 간격당 하나의 피크) 하의 IBI 검출 성능 (정밀도, 재현율, F1 점수) 이 포함되었습니다. 통계 분석 (t-검정, Mann-Whitney U) 은 BSL 과 DS 조건을 비교했습니다.

주요 기여

• HRV 로의 확장: 본 연구는 rPPG 평가를 PR 을 넘어 동적 운전 환경에서 임상적으로 관련 있는 HRV 매개변수 (SDNN, RMSSD) 및 박동 간 정렬을 포함하도록 확장합니다.
• 새로운 피크 향상: rPPG 신호에 특화된 피크 향상 전략으로서 Lp norm 과 GL FOD 의 도입 및 비교 평가.
• 최적 구성 식별: 견고한 결과를 산출하는 특정 매개변수 범위의 식별: Lp norm 의 경우 $p \approx 6–7$, GL FOD 의 경우 분수 차수 $1.0–1.4$.
• 포괄적인 벤치마킹: 두 가지 공간 구성 (10 대 20 SP) 과 두 가지 운전 상태에 걸쳐 네 가지 rPPG 알고리즘 (2SR, CHROM, POS, PCA) 을 정밀하게 비교하고, 실제 ECG 를 기준으로 검증했습니다.

결과

• 심박수 (PR): 20 개 SP 영역과 GL FOD 가 결합된 2SR 방법이 운전 조건 하에서 $1.92 \pm 1.72$ bpm 의 최저 MAE 를 달성했습니다. 모든 구성은 임상적으로 허용 가능한 정확도 (오차 일반적으로 $\pm 5$ bpm 이내) 를 달성했습니다.
• HRV 매개변수: SDNN 의 최적 MAE 는 $0.061$ 초, RMSSD 는 $0.081$ 초였습니다. HRV 추정은 PR 보다 피크 위치 결정 오류에 더 민감하지만, 이 프레임워크는 참조 ECG 의 통계적 구조를 성공적으로 재현했습니다.
• IBI 검출: "완화" 기준 하에서 F1 점수는 0.93 에 달했습니다. 2SR 과 CHROM 방법은 POS 와 PCA 보다 일관되게 우월한 성능을 보였습니다.
• 방법 비교:
  • 2SR은 PR 추정에 권장되었습니다.
  • CHROM과 Lp norm 의 결합은 HRV (SDNN/RMSSD) 추정에 선호되었습니다.
  • PCA는 잡음 분산에 대한 민감도로 인해 가장 높은 세그먼트 폐기율을 보였습니다.
• 통계적 유의성: 파이프라인은 BSL 과 DS 조건 간의 PR/HR 통계적으로 유의한 증가 ($p < 0.01$) 를 성공적으로 검출하여 참조 ECG 를 반영했습니다. 그러나 참조 ECG 와 rPPG 유도 방법 모두 조건 간 SDNN 또는 RMSSD 에서 유의한 차이를 검출하지 못했는데, 이는 파이프라인이 데이터의 근본적인 통계적 구조를 보존함을 나타냅니다.
• 관찰된 한계: GL FOD 방법은 rPPG 파형에 느린 변화를 도입하여 IBI 검출을 위한 피크 이동 문제를 유발할 수 있는 것으로 나타났습니다. 또한 연구는 머리 자세로 인한 얼굴 검출 실패가 데이터 손실의 주된 원인임을 지적했습니다.

의의 및 주장
저자들은 제안된 프레임워크가 동적 환경에서 완전한 비접촉식 자율 신경 모니터링의 실현 가능성을 입증하며, rPPG 기능을 통제된 실험실 환경을 넘어 확장한다고 주장합니다. 본 연구는 연구자들에게 방법론적 지침을 제공하며, 2SR 이 PR 에 최적이지만 운전 시뮬레이터에서 HRV 추정에는 Lp norm 과 결합된 CHROM 이 우월함을 시사합니다. 논문은 이 시스템이 자율 신경계 활동의 통계적 구조를 신뢰할 수 있게 재현할 수 있어 도로 안전 및 인간 - 기계 상호작용에 중점을 둔 운전자 모니터링 시스템을 위한 실현 가능한 비침습적 대안이 된다고 강조합니다. 저자들은 PR 과 일반적인 HRV 경향에 대해 이 방법이 견고하지만, 파형 형태 문제로 인해 정밀한 IBI 검출에는 FOD 에 주의가 필요하며, 현재 프레임워크는 병리적 박동 (예: 조기 수축) 을 검출하기에 충분히 민감하지 않다고 명시적으로 경고합니다.