PPG·HRV 인지 과제
PPG 취득 · HRV·CNN·Transformer
Biomedical Embedded AI
PPG–HRV Cognitive Load
귓불 PPG 취득, IBI·HRV 특징 추출과 CNN·Transformer 기반 인지 과제 분류. 제1저자 CICS’25 논문.
제1저자 논문 · PPG 취득·분류 코드
자료 바로가기
01
문제 정의
PPG sample timing을 유지하면서 IBI·HRV 특징을 만들고 인지 과제 수행 상태 분류까지 연결하는 문제를 다뤘습니다.
02
Architecture
Earlobe PPG sensor·AFE → STM32 취득 → IBI·HRV preprocessing → CNN+Transformer 평가 → fold result와 paper metric 분리.
03
Hardware · Software
- PPG AFE
- STM32
- Python
- HRV
- CNN
- Transformer
04
Data Flow
PPG sample timing을 보존해 peak·IBI를 계산하고 HRV 특징과 sequence를 분류 모델에 전달합니다.
05
Methodology
- PPG acquisition timing과 peak-derived IBI 전처리
- Time-domain·frequency-domain HRV feature construction
- CNN+Transformer 평가와 조건별 결과 비교
06
Results
- 논문 Abstract·Conclusion AUC 0.99
- 논문 Abstract·Conclusion F1-Score 0.992
- PPG·STM32·HRV·CNN end-to-end 연구 pipeline 구성
구조와 결과 화면
내가 맡은 부분
- IBI·HRV preprocessing과 feature construction
- CNN+Transformer evaluation pipeline
- 논문 수치와 code archive의 5-fold 결과를 조건별로 비교
코드와 결과
- PPG AFE·STM32 firmware·Python source
- Fold 결과 CSV와 공개 논문 PDF
- Group-level aggregate 시각자료
설계 조건·후속 과제
평가 기준: 논문 Abstract·Conclusion 지표, 본문 Fold 5, 별도 코드 실행 결과를 각각 표기.
프로젝트 자료
PPG peak에서 IBI·HRV 특징을 만들고 CNN·Transformer 분류 모델을 비교한 연구. 논문 평균 지표와 코드의 fold 결과는 각 평가 조건과 함께 수록했다.