Low-Rate Wrist SpO2 Estimation under Micro-Perturbations Using Motion-Aware Beat Selection and Perfusion-Guided Calibration

기술 요약: 미세 섭동 하에서의 저주율 손목 SpO2 추정

문제 정의
광혈류측정(PPG)을 통한 연속 산소 포화도(SpO2) 모니터링은 웨어러블 헬스 센싱에서 매우 중요하다. 그러나 손목 기반의 추정은 기존의 손가락 기반 맥박 산소 측정법에 비해 상당한 어려움에 직면해 있다. 손목은 미세한 움직임이나 접촉 압력의 미묘한 변화와 같은 미세 섭동(micro-perturbations)에 더 취약하며, 이는 PPG 맥파의 형태를 불안정하게 만든다. 이러한 섭동은 적색광과 적외선 파장의 맥동 성분을 변화시켜, 적색광 대 적외선 비율($R$)의 불안정성을 초래한다. 기존 방식은 고정된 $R$–SpO2 매핑에 의존하기 때문에, 이러한 불안정성은 일관되지 않은 추정치를 결과로 낳는다. 또한, 피험자 간의 국소 관류 상태 차이는 고정된 매핑이 다양한 개인의 관류 지수(PI)나 피부-센서 접촉 조건에 적응할 수 없게 만들어 보정 편향(calibration bias)을 유발한다.

방법론
저자들은 동작 인식 기반의 비트 선택(motion-aware beat selection)과 관류 가이드 보정(perfusion-guided calibration)을 통합한, 저주율 손목 SpO2 추정을 위한 경량화된 펌웨어 호환 프레임워크를 제안한다. 이 시스템은 이중 파장(적색 및 적외선) PPG 신호와 3축 가속도계 데이터를 함께 처리한다. 방법론은 세 가지 주요 단계로 구성된다:

1. 비트 단위 AC/DC 추출 및 비율 계산:
   10초 슬라이딩 윈도우 내에서, 맥파 형태를 보존하기 위해 적색 및 적외선 PPG 신호를 5 Hz 차단 주파수의 저역 통과 필터로 처리한다. 밴드패스 필터(1–3 Hz)는 더 안정적인 IR 채널의 골(valley)을 양쪽 파장의 공통 경계로 활용하여 견고한 비트 검출을 용이하게 한다. 수축기 정점(systolic peaks)은 각 채널별로 개별적으로 식별된다. 비트 단위 DC 성분은 정점 위치에서의 보간된 기선(baseline) 값으로 정의되며, AC 성분은 정점과 이 기선 사이의 진폭 차이로 정의된다. 각 비트에 대한 비율-의-비율($R$)은 $R = \frac{AC_{red}/DC_{red}}{AC_{IR}/DC_{IR}}$로 계산된다.

2. 동작 인식 비트 선택:
   미세 섭동을 완화하기 위해, 본 프레임워크는 가속도계 유도 동작 점수를 기반으로 비트에 신뢰도 가중치를 할당한다. 각 비트 간격에 대해 3축 가속도 크기의 표준 편차를 계산한다. 윈도우 내에서, 비트는 저동작 비트를 강조하고 동작에 의해 오염된 비트를 억제하는 비선형 함수를 사용하여 가중치가 부여된다. 구체적으로, 윈도우의 동작 점수의 중앙값과 90 백분위수를 사용하여 동작 점수 임계값을 설정한다. 그 후, 유효한 비트 단위 $R$ 값들의 가중 중앙값을 계산하여 윈도우 수준의 $R_{win}$을 결정함으로써, 동작에 의해 오염된 비트가 최종 추정에 적게 기여하도록 보장한다.

3. 관류 가이드 보정:
   피험자별 변동성을 해결하기 위해, 각 세션에 대한 참조 관류 지수($PI_{ref}$)를 추정한다. 시스템은 가장 신뢰할 수 있는 30초 구간(평균 동작이 가장 낮은 구간)을 식별하고, 해당 구간의 적외선 관류 지수의 가중 중앙값을 통해 $PI_{ref}$를 계산한다. 윈도우 수준의 $R_{win}$은 $PI_{ref}$의 선형 함수를 사용하여 보정된다 ($R_c = R_{win} + b_0 + b_1 \cdot PI_{ref}$). 마지막으로, 보정된 비율 $R_c$는 학습 데이터로부터 학습된 2차 다항식 보정 함수를 사용하여 SpO2로 매핑된다.

주요 기여

• 저주율 처리 알고리즘: 25 Hz 샘플링을 위해 설계된 이중 파장 PPG 처리 알고리즘으로, 비트별 추출 및 롤링 윈도우 집계를 수행하여 $R$-SpO2 보정을 수행한다.
• 동작 인식 비트 선택: 가속도계 데이터를 활용하여 비트에 신뢰도 가중치를 할당함으로써, 저동작 데이터 포인트를 우선시하여 미세 섭동에 대한 견고성을 향상시키는 전략이다.
• 관류 가이드 보정: 관류 지수를 보정 상태 지표로 사용하여, $R$–SpO2 관계가 피험자 특유의 국소 관류 조건에 적응할 수 있도록 하는 방법이다.

실험 결과
본 프레임워크는 다양한 피부색을 가진 9명의 참가자로부터 얻은 27개의 세션이 포함된 프라이빗 웨어러블 데이터셋을 통해 평가되었다. 데이터셋은 100 Hz PPG 신호(평가를 위해 25 Hz로 다운샘플링됨)와 Masimo Rad-G 장비로부터 얻은 참조 SpO2 값을 포함한다.

• 성능: 엄격한 Leave-one-subject-out (LOSO) 평가 하에서, 제안된 방법은 25 Hz에서 $2.305 \pm 1.113\%$의 평균 절대 오차(MAE)와 $3.117 \pm 1.743\%$의 평균 제곱근 오차(RMSE)를 달성했다. 이는 단순 평균/중앙값 집계, 재귀 최소 제곱법(RLS), 정규화 최소 평균 제곱법(NLMS)을 포함한 베이스라인 방법들을 능가하는 성능이다.
• 절제 연구(Ablation Study): 동작 인식 비트 선택과 관류 가이드 보정이 각각 독립적으로 성능을 개선하며, 두 가지를 결러합했을 때 25 Hz와 100 Hz 샘플링 레이트 모두에서 최상의 지표를 나타냄을 확인했다.
• 저주율 효율성: 본 방법은 100 Hz와 유사한 성능을 유지하면서 25 Hz에서도 작동한다. 전력 소비 분석 결과, PPG 센서는 25 Hz에서 약 9 mW를 소비하여, 100 Hz에서의 ~15 mW 소비와 비교해 40% 감소하였으며, 이는 에너지 효율적인 연속 모니터링을 지원한다.
• 동작 견고성: 결합된 접근 방식은 모든 동작 크기 수준에서 가장 낮은 MAE를 보였으나, 베이스라인 방법들은 동작 크기 표준 편차가 증가함에 따라 오차가 증가하는 양상을 보였다.

의의
본 논문은 고복잡도 노이즈 제거 모델 없이도 저주율 손목 SpO2 추정의 견고성을 향적으로 높일 수 있는 경량화된 프레임워크를 제시한다고 주장한다. 동작 인식 선택과 관류 가이드 보정을 통합함으로써, 본 시스템은 미세 섭동과 피험자 간 관류 변동성이라는 두 가지 과제를 해결한다. 25 Hz에서 정확도를 유지하면서 전력 소비를 크게 줄일 수 있는 능력은 본 프레임워크가 연속적인 건강 모니터링을 위한 펌웨어 호환 가능하고 에너지 효율적인 웨어러블 구현에 적합함을 시사한다.