수면 중 손목 착용 광학 센서로 심폐 모니터링

초록

본 연구는 Ava 스마트 브레이슬릿에 탑재된 다중 파장 광혈류측정(PPG)과 3축 가속도계를 이용해 수면 중 심박 간격(RR), 심박수(HR), 호흡수(BR)를 추정하는 비침습적 시스템을 제안한다. 7명의 여성 피험자(총 31개의 완전 수면 기록)에서 폴리소모노그래피(PSG)를 기준으로 검증했으며, RR 평균 절대오차(MAE) 17.4 ms(1.8 % MAPE), HR MAE 0.13 bpm(0.20 % MAPE), BR MAE 0.9 cpm(6.7 % MAPE)를 달성했다.

상세 분석

이 논문은 손목 착용형 광학 시스템이 수면 중 심혈관 및 호흡 정보를 얼마나 정확히 제공할 수 있는지를 정량적으로 평가한다. 센서는 녹색·적외선 두 파장의 PPG와 25 Hz 샘플링된 3축 가속도 데이터를 동시에 수집한다. PPG 신호는 1차 미분 후 국부 최대값을 찾아 맥박 파형의 상승점을 검출하고, 물리적 심박 간격을 추정한다. 여기서 심박 간격이 비정상적으로 짧은 경우(심장 재분극 기간 미만)와 움직임에 의해 왜곡된 경우는 가속도 신호의 파워 기반 모션 인디케이터를 활용해 식별하고, 선형 보간으로 보정한다. 보정된 RR 시퀀스는 2 Hz로 재샘플링한 뒤 0.04–0.5 Hz 대역으로 밴드패스 필터링하여 자율신경계(ANS) 조절 영역을 추출한다. 이후 20차 자기회귀(AR) 모델을 NLMS 알고리즘으로 적응 추정하고, HRV 스펙트럼에서 0.1–0.5 Hz(6–30 cpm) 구간의 피크를 호흡 주파수로 간주한다. 호흡수는 피크 주파수와 해당 피크 전력 대비 전체 전력 비율을 학습 이득으로 사용해 재귀적으로 업데이트한다.

성능 평가는 동적 시간 왜곡(DTW)으로 RR 시계열을 정렬하고, MAE와 MAPE를 계산한다. HR은 10개의 연속 RR 평균의 역수로, BR은 호흡 센서(가슴 스트랩)와 동기화된 시계열을 직접 비교한다. 결과는 RR MAE 8–24 ms, HR MAE 0.06–0.23 bpm, BR MAE 0.3–2.5 cpm으로 보고된다. 특히 75 % 이상의 기록에서 BR MAE가 1 cpm 이하이며, HR은 대부분 0.2 bpm 이하의 오차를 보인다.

제한점으로는 손목 PPG가 혈관 전파 지연과 파형 변형에 의해 ECG 기반 RR와 차이가 발생한다는 점, 저전력 임베디드 알고리즘이 복잡한 파형 검출을 완전히 구현하지 못한다는 점, 그리고 미세 움직임에 민감해 잡음이 증가할 수 있다는 점을 들었다. 또한 호흡수 추정은 ANS에 의한 HRV 변동이 정상적인 경우에만 신뢰할 수 있으며, 고령자나 심혈관 질환 환자에서는 추가 검증이 필요하다.