경량분리형 CNN을 활용한 웨어러블 기기의 파킨슨병 걸음걸이 감지

초록

본 논문은 자원 제약이 있는 웨어러블 디바이스와 엣지 노드에서 파킨슨병(PD) 환자의 걸음걸이를 감지하기 위한 경량 분리형 컨볼루션 신경망(CNN) 모델을 연구한다. 이를 위해 3축 가속도 데이터를 이용한 시간 시리즈 분석을 수행하고, 임계값 기반 방법과 다양한 CNN 모델을 비교하였다.

상세 요약

본 논문은 파킨슨병 환자의 걸음걸이 감지에 초점을 맞춘 경량분리형 CNN의 성능을 평가한다. 연구는 BioStampRC21 데이터셋을 사용하여 30Hz에서 2초 간격으로 수집된 가속도 데이터를 분석한다. 모델은 16명의 파킨슨병 환자에 대해 chest-worn IMU(인체 움직임 센서)로 측정한 데이터를 사용하여 subject-independent leave-one-subject-out (LOSO) 검증을 수행한다. 연구는 경량분리형 CNN 모델과 임계값 기반 방법, 그리고 기존의 분리형 컨볼루션 모델을 비교한다. 결과적으로, 제안된 residual separable model은 533개의 파라미터로 PR-AUC = 94.5%, F1 = 91.2%, MCC = 89.4%를 달성하여 기존 모델보다 더 적은 파라미터(5,552)로 높은 성능을 보여준다. 또한, 가장 작은 모델(Model 1, 305 params)도 PR-AUC = 94.0%, F1 = 91.0%, MCC = 89.1%의 우수한 결과를 얻는다. 임계값 기반 방법은 높은 재현율을 보이지만 정밀도가 낮아 많은 거짓 긍정을 발생시킨다. 센서 위치 분석에 따르면 chest와 thighs가 가장 신뢰할 수 있는 위치로 나타났으며, forearms는 비걸음 걸음 동작으로 인해 정확도를 떨어뜨린다.