PPG를 이미지로 바꾸면 동맥 경직도를 더 잘 추정할 수 있을까?

기본 정보

제목: Deep Learning-Based Estimation of Arterial Stiffness from PPG Spectrograms
저자: (IEEE 게재 저자)
저널: IEEE (Conference/Journal)
출판연도: 2025
DOI: 10.1109/ACCESS.2025.XXXXXXX (IEEE Xplore ID: 10782553)
PMID: -
근거 수준: 탐색적 분석
URL: ieeexplore.ieee.org

PPG 신호를 스펙트로그램 이미지로 변환하여 딥러닝 모델의 입력으로 사용하는 새로운 접근법으로 cfPWV를 추정한 연구이다. 기존의 시간 도메인 특징 추출 방식에서 벗어나, 주파수-시간 동시 분석이라는 새로운 패러다임을 제시하여 cfPWV 추정 성능을 향상시켰다.

1. 이 연구는 왜 필요했을까

기존의 PPG 기반 동맥 경직도 추정 연구들은 대부분 시간 도메인에서 PPG 파형의 형태학적 특징(피크, 밸리, 기울기, 면적 등)을 수동으로 추출하여 모델에 입력하였다. 이 접근은 전문 지식이 필요하고, 추출할 수 있는 정보의 범위가 제한적이다.

PPG 신호에는 시간 도메인뿐 아니라 주파수 도메인에도 혈관 상태와 관련된 정보가 담겨 있다. 동맥 경직도가 증가하면 맥파 반사가 달라지고, 이는 PPG 신호의 주파수 구성에 변화를 일으킨다. 스펙트로그램은 시간과 주파수를 동시에 표현하므로, 두 영역의 정보를 함께 활용할 수 있다.

2. 어떻게 연구했을까

PPG 시계열 신호를 단시간 푸리에 변환(STFT) 등의 방법으로 스펙트로그램 이미지로 변환하였다. 이렇게 생성된 2차원 이미지를 CNN(합성곱 신경망) 기반 딥러닝 모델의 입력으로 사용하여 cfPWV를 예측하였다.

기존의 시간 도메인 특징 기반 방법과 동일한 데이터셋에서 성능을 비교하여, 스펙트로그램 접근의 우위를 검증하였다. 이 접근은 수동 특징 추출이 불필요하므로 엔드투엔드(end-to-end) 학습이 가능하다는 장점이 있다.

3. 무엇을 발견했을까

스펙트로그램 기반 딥러닝 모델이 기존 시간 도메인 특징 기반 방법 대비 cfPWV 추정 성능을 향상시켰다. CNN이 스펙트로그램에서 혈관 경직도와 관련된 주파수-시간 패턴을 자동으로 학습한 것이다.

PPG 신호의 주파수 도메인 정보를 활용한 동맥 경직도 추정의 새로운 패러다임을 제시하였다.

이 접근의 핵심 장점은 전문가의 사전 지식에 의존하는 수동 특징 추출이 불필요하다는 점이다. 딥러닝 모델이 데이터에서 직접 최적의 특징을 학습하므로, 아직 알려지지 않은 혈관 경직도 관련 정보까지 활용할 수 있는 잠재력이 있다.

4. 우리 서비스에 어떻게 쓸까

제품 기능

PPG 데이터를 수집하는 웨어러블에서 스펙트로그램 변환 기반의 동맥 경직도 추정 알고리즘을 적용할 수 있는 기술적 가능성을 제시한다. 다만 스펙트로그램 변환과 CNN 추론에 필요한 연산량이 엣지 디바이스에서 실행 가능한 수준인지 확인이 필요하다.

콘텐츠 활용

"PPG를 이미지로 바꾸면 혈관 건강이 보인다?"
"딥러닝이 PPG 주파수에서 읽어내는 동맥 경직도"
"시간과 주파수의 만남: PPG 스펙트로그램의 가능성"

적용 시 주의사항

탐색적 분석 수준이므로, 대규모 외부 검증 없이 제품에 직접 적용하기 어렵다. 스펙트로그램 변환의 파라미터(윈도우 크기, 오버랩 등)에 따라 성능이 달라질 수 있으며, 최적 설정은 데이터에 따라 다를 수 있다.

5. 한계점

스펙트로그램 기반 접근은 시간 도메인 방법보다 연산량이 크므로, 실시간 엣지 디바이스 배포에 제약이 있을 수 있다. 또한 CNN 모델의 해석 가능성이 시간 도메인 특징 기반 방법보다 낮아, 모델이 어떤 정보를 활용하는지 이해하기 어렵다.

검증 데이터의 규모와 다양성에 대한 세부 정보가 제한적이며, 다양한 PPG 측정 환경(손가락, 손목, 귀 등)에서의 일반화 성능은 확인되지 않았다.

마무리

이 연구는 PPG 스펙트로그램과 딥러닝을 결합하여 동맥 경직도 추정의 새로운 접근법을 제시하였다. 수동 특징 추출의 한계를 넘어 데이터 주도적 학습이 가능하다는 점이 장점이나, 연산 효율성과 해석 가능성의 개선이 후속 과제이다.