Embedded Biomedical AI · End-to-End Case Study

맥파를 계측하고,
인지부하를 분류하다.

귀불 PPG 아날로그 프런트엔드부터 STM32F411 실시간 전처리, IBI·HRV 특징 생성, CNN+Transformer 평가까지 하나의 추적 가능한 파이프라인으로 설계했습니다.

설계 보기 5-fold 원본 CSV 연구 문서
5-fold저장된 코드 아카이브 평가
0.9988평균 ROC-AUC
0.9775평균 F1
STM32F411계측·신호처리 MCU

01 · System

센서에서 판단까지

아날로그 맥파를 디지털 특징으로 바꾸는 모든 경계를 문서화했습니다. 회로·펌웨어·Python·모델 결과가 저장소의 실제 자료와 직접 연결됩니다.

PPG 센서부터 STM32, HRV 특징, CNN Transformer까지의 전체 시스템 구조
PPG analog front-end → STM32 acquisition and peak detection → UART IBI stream → HRV features → cognitive-load classifier
Hardware

귀불 PPG 계측

센서 출력의 증폭·필터링 경로와 STM32 ADC 연결을 회로 및 시스템 구조 자료로 남겼습니다.

Firmware

실시간 피크 검출

이동평균, IIR 대역 통과, 적응 임계값, 미분 기반 FSM으로 peak·IBI를 계산하고 UART로 전달합니다.

ML

시간·주파수 HRV

창 단위 특징을 정규화하고 CNN의 지역 패턴과 Transformer의 장거리 의존성을 결합해 High/Low를 분류합니다.

02 · Signal Pipeline

측정 가능한 처리 단계

ADC 값이 심박 간격으로 변환되는 펌웨어 경로와, 그 간격이 학습 가능한 HRV 텐서로 바뀌는 데이터 경로를 분리해 검토할 수 있습니다.

STM32 PPG 신호 처리 파이프라인
STM32 firmware signal path
HRV 시간 및 주파수 특징 공식
HRV feature definitions used by the Python pipeline
PPG 아날로그 프런트엔드 회로 PPG 센서와 STM32 하드웨어 구성 피험자 정보가 없는 일반 N-back 과제 화면

03 · Model

CNN + Transformer

CNN은 HRV 특징의 국소 패턴을 압축하고, patch embedding과 self-attention은 창 사이의 관계를 모델링합니다. 이 페이지의 성능 수치는 저장된 CSV에서 계산했습니다.

CNN Transformer 인지부하 분류 모델 구조
Repository model architecture

04 · Evidence

결과와 해석 경계

코드 아카이브의 5개 fold 결과와 논문 요약값은 평가 조건이 다르므로 섞지 않았습니다. 아래 표는 summary_metrics.csv의 저장값을 집계한 것입니다.

5개 fold의 AUC 정확도 F1 요약 그래프
Five-fold archive summary
홀드아웃 테스트 High Low 혼동행렬
Stored holdout confusion matrix

Source audit · Aggregate only

추가 검토된 집계 결과

첨부 연구 자료를 전수 검토해 집단·fold 단위 결과만 공개했습니다. 참가자별 원시 PPG, 피험자 식별 화면, N-back 개인 결과는 공개하지 않습니다.

수행도 그룹별 RMSSD SDNN HF LF/HF 집계 상자그림
Group-level HRV distributions
수행도 그룹별 평균 HRV 특징 집계 히트맵
Group-level mean HRV features
실제와 합성 HRV 특징의 집계 분포 비교 상자그림
Real-versus-synthetic distribution audit
합성 저수행 그룹의 HRV 특징 시계열과 주파수 지표
Synthetic subgroup feature profile
모델 훈련 정확도와 손실의 집계 학습 곡선
Training accuracy and loss
K-fold 합산 저수행 고수행 혼동행렬
K-fold aggregate confusion matrix
근거ROC-AUCAccuracyF1해석
코드 아카이브 5-fold 평균0.99880.98140.9775저장된 fold CSV 5개 산술평균
논문 요약0.85—0.82별도 논문 조건의 보고값; 코드 결과와 직접 비교하지 않음