다중 ECG 기반 호흡 센서의 무감독 앙상블과 그래프 연결 라플라시안 위상 동기화

초록

본 연구는 ECG에서 추출한 호흡 신호(EDR)를 여러 알고리즘으로 생성한 뒤, 호흡 신호 품질 지수(RQI)로 고품질 센서를 선별하고, 그래프 연결 라플라시안(GCL) 기반 위상 동기화로 정렬한 후 평균 융합하여 기존 단일 EDR보다 높은 정확도와 강인성을 보이는 ‘동기화 앙상블 EDR’ 신호를 제안한다. 두 대규모 수면다원검사 데이터베이스에서 γ‑score, OT 거리, EARR 등 세 가지 지표로 기존 방법들을 모두 통계적으로 능가함을 확인하였다.

상세 분석

이 논문은 ECG‑derived respiration(EDR) 신호 추출에 있어 “소프트웨어 센서”라는 개념을 도입하고, 다중 알고리즘을 결합함으로써 개별 센서의 약점을 보완하는 새로운 프레임워크를 제시한다. 먼저 원시 ECG를 1222 Hz로 업샘플링하고, 32 Hz 저역통과 필터와 422 ms 중앙값 필터로 잡음·베이스라인을 제거한다. 고정밀 QRS 검출기를 이용해 R, S, Q 피크를 정확히 찾은 뒤, QRS 복합체를 행렬 B에 정렬한다.

다섯 가지 주요 EDR 추출 방법을 구현한다. (1) 전통적인 RS 진폭 보간, (2) QRS 하강 기울기(DW), (3) R‑wave 각도(RA), (4) PCA 기반 기하학적 접근, (5) Diffusion Map(DM) 기반 비선형 매니폴드 학습. 각각을 10 Hz로 재샘플링하고, 13개의 후보 신호를 얻는다.

신호 품질 평가는 호흡 주파수 대역(0.1–0.75 Hz) 내 파워 스펙트럼 피크 강도를 이용한 Respiratory Quality Index(RQI)로 수행한다. RQI ≥ 0.2인 신호만을 고품질 센서로 선정하고, 최소 3개의 신호가 확보될 때까지 가장 높은 RQI를 가진 신호를 보완한다.

핵심 기법은 그래프 연결 라플라시안(GCL)을 이용한 위상 동기화이다. 각 고품질 EDR 신호를 힐버트 변환으로 복소 위상 신호 p(t)로 변환하고, 두 신호 간 내적 ⟨p_i, p_j⟩을 통해 상대 위상 차 Δ_ij를 추정한다. 이 Δ_ij를 엣지 가중치로 하는 Hermitian 행렬 T를 구성하고, GCL의 첫 번째 비자명 고유벡터를 이용해 전역 위상 보정값을 계산한다. 결과적으로 모든 신호가 동일한 위상 기준에 맞춰 정렬된다.

정렬된 신호들은 단순 평균을 취해 최종 ‘sync‑ensembled EDR’ 신호를 생성한다. 평가에는 (a) γ‑score(동기화 상관계수), (b) Optimal Transport(OT) 거리, (c) Estimated Average Respiratory Rate(EARR) 점수가 사용되었으며, 두 공개 수면다원검사 데이터베이스(전체 2,000여 건)에서 기존 단일 알고리즘 대비 모두 p < 0.001 수준의 통계적 유의성을 보였다. 민감도 분석에서는 (i) 품질 기반 센서 선택, (ii) 위상 동기화 두 단계가 각각 독립적으로 성능 향상에 크게 기여함을 확인했다.

이 접근법은 (1) 무감독 방식으로 사전 라벨이 필요 없으며, (2) 다양한 ECG 환경(노이즈, 부정맥)에서도 견고하게 동작하고, (3) 그래프 라플라시안이라는 수학적으로 엄밀한 도구를 실용적인 신호 정렬에 적용했다는 점에서 의미가 크다. 또한, 소프트웨어 센서의 개념을 확장하면 PPG, 혈압 등 다른 바이오신호에서도 유사한 앙상블 프레임워크를 적용할 가능성을 시사한다.