기술 요약: 비접촉식 mmWave 레이더와 영상 광혈류 측정 기술을 통한 시너지적 혈압 추정

1. 문제 정의

지속적인 비접촉 혈압(NCBP) 모니터링은 심혈관 질환 관리에 필수적이지만, 기존의 단일 모달리티 접근 방식은 고유한 물리적 한계에 직면해 있다. 원격 광혈류 측정(iPPG)은 말초의 광학적 체적 변화를 포착하지만, 환경적 아티팩트(예: 불안정한 조명)와 피부색 민감도에 매우 취약하다. 반대로, 주파수 변조 연속파(FMCW) 밀리미터파(mmWave) 레이더는 근위부 심장 미세 움직임(레이더 모션 신호, RMS)을 포착하지만, 기반 기반 혈압 대리 지표를 독립적으로 계산하는 데 필요한 말초 동맥 가시성이 부족하다. 또한, 기존의 이중 모달리티 프레임워크는 피크 검출과 같은 기본적인 특징 수준 융합(예: 스칼라 형태의 맥파 전달 시간 계산)에 의존하는 경우가 많으며, 이는 위상 불일치 및 일시적인 움직임 아티팩트에 취격하기 쉽다. 따라서 형태학적 차이와 환경적 제약을 극복하기 위해 이질적인 신호를 융합할 수 있는 딥러닝 패러다임에 대한 체계적인 연구가 부족한 실정이다.

2. 방법론

2.1 생리학적 기초 및 센싱 패러다임

본 연구는 안면 iPPG와 후방 지향 mmWave 레이더를 통합하는 시너지적 이중 모달리티 센싱 패러다임을 제안한다.

• 생리학적 모델: 이 접근 방식은 혈압(BP)을 맥파 속도(PWV) 및 맥파 전달 시간(PTT)과 연결하는 Moens-Korteweg 및 Hughes 방정식에 근거한다. 본 프레임워크는 RMS를 통해 검출된 근위부 심장 박출 이벤트와 iPPG를 통해 검출된 말초 맥파 도달을 정렬함으로써 비접촉 PTT(ncPTT) 대리 지표를 포착하는 것을 목표로 한다.
• 하드웨어 구성:
  • iPPG: 고정밀 RGB 카메라가 피험자 전방 50cm에서 안면 영상을 30Hz로 캡처한다.
  • mmWave 레이더: 24GHz FMCW 레이더가 피험자의 후방 50cm 위치에서 등 쪽 상체를 향하도록 배치된다. 이 "후방 지향" 구성은 피험자가 의자에 접촉하고 있는 상태를 활용하여 거시적인 신체 흔들림을 억제하고 미세한 심기계 진동만을 분리해낸다.
  • 기준값(Ground Truth): 임상 등급의 연속 비침습적 동맥 혈압(CNAP) 시스템이 비트 단위의 수축기(SBP) 및 이완기(DBP) 참조값을 제공한다.

2.2 신호 처리

• iPPG 추출: 이마 영역 관심 영역(ROI)은 CHROM 색 공간 조합을 사용하여 처리된다. 신호는 제로 페이즈 필터링과 연속 가변 모드 분해(SVMD)를 거쳐 조명 아티팩트를 완화하고 체적 베이스라인을 안정화한다.
• RMS 추출: 레이더의 복소 I/Q 스트림은 언래핑된 위상 궤적으로 변환된다. 0.8–2Hz의 심기계 성분을 분리하기 위해 제로 페이즈 4차 버터워스 저역 통과 필터(컷오프 4Hz)와 SVMD가 적용되어 초기 수축기 박출 이벤트를 효과적으로 재구성한다.
• 동기화: 두 스트림 모두 30Hz로 다운샘플링되고 시간적으로 정렬된다. 필터링 중 가장자리 효과를 피하기 위해 신호 양 끝단에서 5초간의 버퍼를 절단한다.

2.3 딥러닝 아키텍처: BiLSTM-MS-DiCNN

1차원 기계적 레이더 파형과 고차원 광학적 변동 사이의 형태학적 불일치를 해결하기 위해, 저자들은 엔드 투 엔드 딥러닝 네트워크인 BiLSTM-MS-DiCNN을 제안한다.

• 입력: 120 타임 스텝(4초)으로 윈도잉된 동기화된 이중 채널 시퀀스(iPPG 및 RMS).
• BiLSTM 브랜치: 시퀀스를 순방향 및 역방향으로 모두 처리하여 장기적인 시간적 의존성과 혈역학적 메모리를 모델링한 후, 글로벌 평균 풀링(Global Average Pooling)을 수행한다.
• MS-DiCNN 브랜치: 다중 스케일 확장 컨볼루션(확장율 $d=1, 2, 4$)을 사용하여 해상도 손실 없이 다양한 스케일에서 특징을 포착함으로써 공간적 형태학적 차이를 해결한다. 또한, Squeeze-and-Excitation(SE) 어텐션 메커니즘을 통해 채널 응답을 재보정하여 생리학적으로 유의미한 특징에 집중한다.
• 적응형 융합 및 피험자 적응 모듈(SAM): 두 브랜치의 잠재 벡터는 적응적으로 융합된다. SAM은 새로운 피험자의 데이터 중 초기 10%를 활용하는 짧은 캘리브레이션 단계를 사용하여 네트워크를 개별 피험자의 동맥 순응도 및 기저 혈관 긴장도에 맞게 미세 조정함으로써 피험자 간 변동성을 해결한다.

3. 실험 설정

• 참가자: 15명의 건강한 자원봉사자 (남성 9명, 여성 6명; 연령 22 ± 3세).
• 프로토콜: 견고성을 테스트하기 위해 세 가지 혈역학적 상태에서 데이터를 수집하였다:
  1. 앉기 (Sit): 정상 호흡 (베이스라인).
  2. 심호흡 (DB): 호흡성 부정맥(RSA) 및 흉곽 내 압력 변화 유도.
  3. 운동 후 (Ex): 2분간의 달리기 후 발생하는 고주파 심박 피크 및 불규칙한 호흡.
• 검증 전략: 데이터 누수를 방지하기 위해 Leave-One-Subject-Out (LOSO) 교차 검증 프로토콜을 적용하였다. iPPG 채널에 합성 열화(가우시안 노이즈, 과노출/저노출, H.264 압축)를 적용하여 견고성을 평가하였다.

4. 주요 결과

4.1 표준 조건에서의 성능

휴식 조건에서 이중 모달리티 프레임워크는 다음을 달성하였다:

• 수축기 혈압 (SBP): 평균 절대 오차(MAD) 4.71 mmHg, 제곱 평균 제곱근 차이(RMSD) 6.13 mmHg, $R^2$ 0.85.
• 이완기 혈압 (DBP): MAD 4.60 mmHg, RMSD 5.76 mmHg, $R^2$ 0.87.
  이 결과는 일반적으로 인용되는 AAMI 스타일의 오차 범위(5 ± 8 mmHg) 내에 있다. 모델은 생리학적 섭동(심호흡: SBP MAD 6.35 mmHg; 운동 후: SBP MAD 5.33 mmHg) 중에도 일관된 성능을 유지하였다.

4.2 단일 모달리티 및 베이스라인과의 비교

• 이중 모달리티 vs 단일 모달리티: 이중 모달리티 접근 방식은 iPPG 전용 및 RMS 전용 베이스라인보다 성능이 현저히 우수했다. 단일 모달리티 모델은 더 높은 오차 분산(RMS 전용의 경우 SDE > 9 mmHg)을 보인 반면, 융합 모델은 아티팩트를 억제하고 안정성을 개선했다.
• 모델 비교: 제안된 BiLSTM-MS-DiCNN은 정확도와 계산 효율성 측면에서 전통적인 회귀 모델(XGBoost, SVR, GPR) 및 이중 스트림 피드포워드 신경망(FNN)보다 우수한 성능을 보였다 (모델 크기 < 1 MB; GPU 기준 추론 시간 ~30초).

4.3 신호 열화에 대한 견고성

iPPG 신호가 가우시안 노이즈, 과노출 또는 저노출에 의해 열화되었을 때:

• iPPG 전용 모델은 상당한 성능 저하를 겪었다 (예: 저노출 시 SBP MAD가 5.35 mmHg에서 9.98 mmHg로 증가).
• 이중 모달리티 모델은 낮은 오차 범위(SBP MAD ~5.3–5.4 mmHg)와 높은 상관관계($R^2 > 0.7$)를 유지하며, mmWave 레이더가 광학 신호의 열화를 효과적으로 보완함을 입증하였다.

4.4 절제 및 캘리브레이션 분석

• 절제 실험 (Ablation): 핵심 구성 요소(BiLSTM, MS-DiCNN, dilation 또는 fusion) 중 하나라도 제거하면 급격한 성능 저하가 발생하였다 (예: MS-DiCNN 제거 시 SBP MAD가 12.54 mmHg로 증가). 이는 각 모듈의 필요성을 확인시켜 준다.
• 캘리브레이션: 모델은 캘리브레이션 없이도 측정 가능한 베이스라인 능력을 유지한다 (0% 캘리브레이션 비율: SBP MAD 7.52 mmHg). 10% 비율의 짧은 캘리브레이션을 통해 성능이 개선되어 SBP MAD가 4.71 mmHg로 감소하였으며, 이는 SAM이 개인화를 강화하지만 모델 작동에 엄격히 필수적인 것은 아님을 나타낸다.

4.5 생리학적 해석 가능성

선형 프로브 분석 결과, 네트워크의 내부 융합 특징이 비접촉 PTT 정보를 인코딩하고 있음이 확인되었으며, 이는 실제 PTT와 $r = 0.726$ ($p < 10^{-30}$)의 피어슨 상관관계를 나타낸다. 이는 모델이 단순한 "블랙박스"가 아니라, 근위부 박출과 말초 도달 사이의 생리학적으로 유의미한 타이밍 관계를 암묵적으로 학습하고 있음을 시사한다.

5. 의의 및 주장

본 논문은 이 연구가 NCBP 모니터링을 위한 시너지적 이중 모달ity 센싱 패러다임의 **타당성 입증(feasibility demonstration)**을 제공한다고 주장한다. 주요 기여는 다음과 같다:

1. 안면-후방 융합의 타당성: 안면 iPPG와 후방 지향 mmWave 레이더를 결합하는 것이 단일 모달리티의 환경적 민감도를 효과적으로 완화하면서 심혈관 계통의 상호 보완적인 경계 조건을 제공함을 검증하였다.
2. 아키텍처 혁신: BiLSTM-MS-DiCNN 네트워크 개발은 이질적인 신호 간의 형태학적 차이를 성공적으로 해결하여, 취약한 중간 특징 추출 과정 없이 엔드 투 엔드 매핑을 가능하게 한다.
3. 견고성: mmWave 레이더가 광학 신호가 손상되었을 때 보완적인 모달리티 역할을 할 수 있음을 보여주었으며, 이는 실제 환경 배포를 위한 중요한 요구 사항이다.
4. 생리학적 정렬: PTT 정보를 암묵적으로 인코딩하는 모델의 능력은 딥러닝 접근 방식이 단순한 "블랙박스"가 아닌 생리학적 근거를 가진 방법임을 뒷받s한다.

저자들은 결과가 유망하고 최신 기술들과 경쟁할 만하지만, 본 연구가 15명의 젊고 건강한 참가자로 구성된 통제된 코호트에 국한되어 있다는 점을 강조한다. 향-후 연구에서는 다양한 인구 통계, 병리학적 사례, 그리고 인증된 의료 기기를 통한 임상 시험이 필요함을 명시하였다.