earticle

영어

Photoplethysmography (PPG) is an optical biosensing technique that noninvasively monitors blood volume changes in the microvasculature by detecting variations in light absorption. Multi-wavelength PPG, which employs several light wavelengths simultaneously, has been shown to improve signal robustness and accuracy by separating contributions from different tissue layers. In this study, based on a survey of existing literature, we propose a design for a testosterone prediction algorithm using wearable multi-wavelength PPG signals. The algorithm concept includes: synchronized acquisition of multi-wavelength PPG, preprocessing such as interference removal using independent component analysis (ICA), feature extraction including heart rate variability and relevant user parameters, and a deep learning regression model to predict circadian testosterone variations. This literature-based framework highlights the potential of non-invasive hormone monitoring in wearable health devices. However, it remains a conceptual proposal: clinical validation and larger-scale data are required. Future work should focus on empirical testing, sensor optimization, and model refinement to establish practical utility.

한국어

광용적맥파(PPG)는 빛의 흡수 변화를 통해 피부 미세혈관의 혈액량 변화를 비침습적으로 측정하는 방법으로, 웨어러 블 기기에서 심박수 및 산소포화도 측정에 널리 활용되고 있다. 특히 다양한 파장을 동시에 사용한 다중 파장 PPG는 단일 파 장 대비 인체 특성에 따른 간섭을 줄이고 측정 정확도를 높일 수 있음이 보고되었다. 본 논문에서는 이러한 광학 원리와 선행 연구를 바탕으로, 다중 파장 PPG 신호를 입력으로 하는 딥러닝 기반 테스토스테론 예측 알고리즘 구상을 제안한다. 알고리즘 설계는 다중 파장 신호의 동기화･정규화, 독립성분분석(ICA) 등을 통한 잡음 분리, 심박변이도(HRV) 등 추가 특징 추출, 그리 고 LSTM 계열 네트워크를 활용한 회귀 모델 학습 단계로 구성된다. 최종적으로 제안된 방식은 비침습적 연속 모니터링의 가 능성을 제시하나, 임상 데이터 부족과 생리적 메커니즘 미확인 등의 한계를 가지므로, 대규모 실증 연구가 뒤따라야 한다.