earticle

영어

The thesis presents a system that continuously collects the human body's physiological vital information at rest with sensors and ICT information technology and predicts diabetes using the collected information. it shows the artificial neural network machine learning method and essential basic variable values. The study method analyzed the correlation between heart rate measurements of BCG and ECG sensors in 20 DM- and 15 DM+ subjects. Artificial Neural Network (ANN) machine learning program was used to predictability of diabetes. The input variables are time domain information of HRV, heart rate, heart rate variability, respiration rate, stroke volume, minimum blood pressure, highest blood pressure, age, and sex. ANN machine learning prediction accuracy is 99.53%. Thesis needs continuous research such as diabetic prediction model by BMI information, predicting cardiac dysfunction, and sleep disorder analysis model using ANN machine learning.

한국어

연구의 목적은 가정에서 안정 시 인체의 생리적 활력 정보를 센서와 ICT 정보 기술을 통해 연속적으로 수집하는 시스템과 수집된 정보를 이용하여 당뇨병증 유무를 예측하는 인공신경망 기계학습 방법과 필수적인 기본 변수 값을 제시하였다. 연구 방법은 정상인(DM-) 20명과 당뇨병(DM+) 15명을 대상으로 BCG와 ECG 센서의 심박수 측정값의 상관 관계를 분석하였으며 상관 계수는 R2=0.959이다. Artificial Neural Network(ANN) 기계학습 프로그램을 이용 하여 당뇨병증 예측 가능성을 확인하였고 입력 변수는 심박변이도의 시계열정보와 심박수, 심박변이도, 호흡율, 박동량 정보, 최저혈압, 최고혈압, 년령, 성별이며 ANN 기계학습 예측 정확도는 99.53%이다. 그리고 향후 ANN 기계학습 방법 을 활용하여 BMI 정보를 이용한 당뇨예측 모델, 심장 기능 장애 예측 모델, 수면장애 분석 모델 등의 계속적인 연구가 필요하다.