1 Wave당 128 Sample

졸업작품을 진행하며 남긴 기록들을 블로그로 옮긴 글입니다. 따라서 블로그에는 졸업작품을 완성하기 위해 적용한 글들만 옮기려고 합니다.

전체적인 내용을 확인하시려면 아래 링크로 이동해주세요 !

인공지능 기반 개인용 혈압 모니터링 시스템 - 1 Wave당 128 Sample

1. 개요

A. 전처리

• 교수님이 딥러닝을 사용하여 학습을 진행하면 굳이 파형을 1Wave로 나눠줄 필요가 없을 것이라고 하셔셨다.
  • 대신 시작 지점을 파형의 최고점으로 정하고 진행하라 하셨다.
• 1Wave(Window)당 128개의 Data가 Sampling된다.

B. 딥러닝

a. Input Data

• 128개의 Sampling된 Data + 키 + 몸무게
  • 키, 몸무게도 gray code

b. Output Data

• Gray Code
  • 이완기 혈압, 수축기 혈압

2. 전처리

A. 해야할 것 분류

• Sampling할 Data의 시작지점을 자동으로 정해주는 알고리즘 구현
• 128개의 Data를 Sampling하는 데이터 선정하는 알고리즘
• 이전 Data와 다음 Data 사이에서 Data의 낭비가 최대한 없게 선정하는 알고리즘 구현

B. 진행 과정

a. Sampling Data의 시작지점 지정

• 하드코딩했다.
• 자동화 알고리즘을 구현하려고 했으나, 여러가지 변수때문에 시작지점을 직접 지정해주었다.
  • 여러가지 변수들은 처음 일정 구간은 정상적인 파형으로 나타나다가 갑자기 파형이 뒤틀리는 경우가 있다.

b. 128개의 Data를 Sampling

• 지정한 시작지점부터 128개의 데이터만 추출하였다.

c. 다음 Data를 지정하는 알고리즘

• 1Sampling의 마지막 Data인 1번 동그라미를 기준으로 다음 Wave의 최고점을 찾아야한다.

  

### 문제

- 3번 동그라미같은 경우는 4번 동그라미를 찾기 쉬운 반면, 1번 동그라미처럼 끝나면 2번 동그라미를 찾기 힘들다.

### 해결

- 1Wave의 길이를 찾아내서 1Sampling의 마지막 Data부터 1Wave의 길이만큼 범위를 잡고 최고점을 탐색한다.
- 1Wave의 길이는 Wave마다 다르고 사람마다 다르기 때문에 알고리즘을 만들 필요성이 있다.

• 680개의 Sample이 만들어졌다.

4. 코드

mildsalmon/HAI

5. 앞으로 생각하는 방향

• 정규화 없이 학습하기
• gray code 사용하지 않고 학습하기
• Y값을 이완기 혈압, 수축기 혈압이 아닌 맥압으로 변경도 고려하기.