웨어러블 광용적맥파로 산소포화도를 계속 추정하려면 적색과 적외선 신호의 품질이 중요하다. 움직임이나 접촉 불량으로 파형이 손상되면 산소포화도 예측도 흔들린다. 기존 잡음 제거는 원래 파형이나 심박 특성을 닮게 만드는 데 집중해, 산소포화도에 필요한 주파수 구조와 생리 정보를 충분히 보존하지 못할 수 있다. 이번 연구는 산소포화도 예측기를 복원 과정의 안내자로 사용해 저품질 이중 파장 신호를 단계적으로 복구한다.
먼저 품질이 좋은 구간으로 산소포화도 예측기를 사전학습한다. 이후 마스킹된 맥파 구간을 복원하는 모델에 시간영역 파형 손실과 단시간 푸리에 변환 기반 주파수영역 손실을 함께 적용한다. 사전학습된 예측기의 제약도 더해 복원 결과가 모양만 비슷한 신호가 아니라 산소포화도 정보를 유지하도록 유도한다. 예측기와 복원기는 네 단계로 최적화된다. 공개 OpenOximetry 자료와 비공개 웨어러블 자료에서 평가했다.
연구진은 피험자 단위 평균절대오차가 공개 자료에서 2.882%, 비공개 자료에서 2.359%로 비교 방법 중 가장 낮았다고 보고했다. 이는 신호 복원의 목표를 보기 좋은 파형이 아니라 최종 임상 변수와 연결할 때 얻는 이점을 시사한다. 다만 비공개 자료의 구성과 실제 착용 조건을 외부에서 재현하기 어렵고, 복원 모델이 드문 저산소 사건을 과도하게 매끈하게 만들 가능성도 점검해야 한다. 의료적 경보에 쓰려면 평균 오차 외에도 위험 구간 민감도와 기기·피부 특성별 편향을 별도로 검증해야 한다.
복원 전후의 신호 품질과 예측 신뢰도를 사용자가 확인할 수 있게 하고, 품질이 임계값보다 낮으면 값을 표시하지 않는 정책도 고려해야 한다. 운동 중 잡음과 말초 순환 저하처럼 실제 착용에서 흔한 조건을 분리해 시험하면 평균 성능에 가려진 취약점을 찾을 수 있다. 생체신호 복원은 측정 실패를 숨기는 기술이 아니라 신뢰 가능한 구간을 넓히는 보조 수단이어야 한다.
원문: arXiv 2607.07996
저작권자 © STORIUM 무단전재 및 재배포 금지
