Non-Contact Heart Rate Estimation for Moving Subjects via aDual-Trajectory Hybrid Deep Framework

벽이 흔들리고 바닥이 진동하며 군중이 움직이는 방 안에서 단 하나의 심장 박동 소리를 들으려고 노력하는 것을 상상해 보십시오. 수십 년 동안 의료용 센서들은 접촉 방식에 의존할 때 바로 이 문제로 어려움을 겪어 왔습니다. 사람이 움직이면 장치가 미끄러지거나 신호가 끊기고, 혹은 신체의 움직임이 심장의 미세하고 리드미컬한 쿵쾅거림을 묻어버립니다. 이러한 한계는 병원을 걷거나 집에서 운동하는 것과 같은 일상적인 상황에서 지속적이고 편안한 심박수 모니터링을 실현하는 데 걸림돌이 되어 왔습니다. 과학자들은 공기 중을 통과하는 보이지 않는 파동을 이용해 가슴의 미세한 오르내림을 감지함으로써, 피부에 닿지 않고도 이러한 생체 신호를 측정할 방법을 오랫동안 찾아왔습니다. 핵심 과제는 움직이는 신체의 크고 혼란스러운 소음으로부터 심장 박동이라는 희미한 신호를 분리해 내는 것이었습니다.

중국 시안의 노스웨스트 대학교(Northwest University) 연구팀은 해롭지 않은 라디오파를 보내 움직임을 감지하는 기술인 밀리미터파 레이더를 사용하여 이 문제를 해결하는 새로운 접근 방식을 개발했습니다. 그들의 방법은 두 가지 별개의 단계로 작동하며, 처음에는 숙련된 추적자처럼, 그다음에는 정교한 음향 엔지니어처럼 기능합니다. 첫 번째 단계에서 시스템은 단순히 고정된 지점을 정해 듣지 않습니다. 고정된 지점을 정하면 사람이 그 지점에서 벗어날 경우 실패하기 때문입니다. 대신, 시스템은 시공간 지도 위에서 사람의 움직임을 관찰하며, 두 가지 서로 다른 추적 방식을 융합하여 가장 신뢰할 수 있는 경로를 찾아냅니다. 일단 이 경로를 포착하면, 시스템은 사람이 걷거나 자세를 바꾸는 중에도 가슴의 움직임을 포착하는 가공되지 않은 데이터 스트림을 추출합니다. 이 단계는 시스템이 배경 소음이나 움직임으로 인한 유령 신호가 아닌, 정확히 '그 사람'의 신호를 듣고 있는지 확인하는 데 매우 중요합니다.

두 번째 단계는 이 가공되지 않은 노이즈 섞인 스트림을 받아 심장 박동의 형태를 이해하도록 설계된 특수 컴퓨터 모델을 사용하여 정화합니다. 이 모델은 노래에서 베이스, 드럼, 보컬을 분리하는 것처럼 신호를 다양한 주파수 층으로 나누어, 걷거나 발을 내디딜 때 발생하는 격렬한 소리로부터 심장의 특정 리듬을 분리해 냅니다. 그런 다음 딥러닝 네트워크를 사용하여 명확하고 매끄러운 심장 박동 파형을 재구성함으로써, 불가능하게 만들었을 간섭을 효과적으로 제거합니다. 마지막으로, 시스템은 이 깨끗한 파형을 기지의 템플릿과 비교하여 분당 심박수를 계산합니다. 연구진은 폐쇄된 복도에서 8명의 피험자를 대상으로 실험을 진행했으며, 피험자들이 가만히 서 있거나, 앞으로 걷거나, 뒤로 걷는 동안 스마트 팔찌를 착용하게 하여 정확도를 검증했습니다.

결과는 이러한 이중 단계 접근 방식이 기존 방식이 실패하는 역동적인 상황에서도 놀라울 정도로 잘 작동한다는 것을 보여줍니다. 피험자들이 움직일 때 전통적인 신호 처리 기술은 종-종 크고 일관되지 않은 오류를 발생시켰으며, 일부 추정치는 실제 심박수와 20회 이상 차이가 나기도 했습니다. 반면, 새로운 방법은 정확도를 유지하며 평균 오차가 단 2회 정도에 불근했습니다. 회의실이나 번잡한 사무실과 같은 다양한 환경에서 실시된 테스트에서도, 여러 사람이 움직이는 상황에서도 오차가 4회 미만으로 유지되며 높은 정밀도를 유지했습니다. 연구진은 자신들의 방법이 여러 고급 컴퓨터 모델 및 표준 필터링 기술보다 뛰어난 성능을 보였다는 점을 확인했으며, 이는 스마트한 추적 시스템과 강력한 재구성 네트워크를 결 Kombination 하는 것이 실행 가능한 길임을 입증했습니다.

이 연구는 상당한 진전을 보여주지만, 저자들은 현재의 성공이 깨끗한 신호에 움직임 간섭을 시뮬레이션하여 만든 데이터를 바탕으로 하고 있으며, 아직 현실 세계의 방대하고 다양한 집단을 대상으로 시스템을 테스트하지 않았다는 점을 언급했습니다. 또한, 현재 시스템은 단일 레이더 장치와 단일 인물에게 가장 적합하게 작동하며, 많은 사람이 움직이는 복잡한 시나리오는 여전히 과제로 남아 있다고 지적했습니다. 그러나 핵심적인 발견은 명확합니다. 즉, 움직임의 경로를 먼저 찾아낸 다음 하이브리드 딥러닝 프레임워크를 사용하여 심장 박동을 재구성함으로써, 사람이 움직이는 중에도 정확하게 심박수를 모니터링하는 것이 가능하다는 것입니다. 이 돌파구는 생체 신호 모니터링이 진정으로 비접촉식이며 신뢰할 수 있는 미래, 즉 끈이나 센서, 또는 신체에 물리적으로 부착할 장치 없이도 지속적인 건강 추적이 가능한 미래를 시사합니다.