Understanding one's unconscious movements during sleep is very important in various healthcare monitoring applications. Since sleep behaviors have significant impact on sleep quality and further quality of life, spatial information of wrist movements may complement a limited pathological feedback and help management of disorders. In this work, we propose WristTracker -- a smart-watch based system to track wrist movements during sleep to understand unconscious behavior. Possible application scenario is identifying scratch locations for patients with various aspects of pruritus is a source to determine if a medication had an effect or not. Another important application is understanding sleep behavior or posture, in particular, for patients with sleep disorder such as sleep apnea which are associated with sleep posture. To attain this end, we provide preliminary results on how WristTracker can be used to unobtrusively recognize scratch location with three body segments as well as sleep position with four postures. Features of obtained data are extracted from inertial sensor on smartwatch, and are used as training data. Cross-validation methods are applied to data with six patients in home environment, and thereby we verify the tracking system.
수면 중 움직임은 수면 자체를 넘어 수면이 삶에 큰 영향을 미치기 때문에 모바일 시스템의 다양한 형태로 건강 관리 (healthcare) 모니터링에 쓰이고 있다. 여러 의학 연구들이 수면 움직임이 병의 전조 증상이 될 수 있음을 밝혀 그 중요도는 높아지고 있지만, 기존 움직임 트래커들은 의학적인 검증이 충분하지 않은 정확도를 가지고 이미 셀프 모니터링 도구로 쓰이고 있다. 트래커가 건강 관리 목적으로 활용되기 위해서는 공간적 혹은 차원적 정보의 도입으로 정확도를 높인 후 수면 관련 질병에 대한 제한적인 피드백을 보완 및 확장할 수 있을 것이다.
본 연구에서는 공간 정보를 가지는 손목 방향 (orientation) 기반의 분류를 위한 기계학습 알고리즘과 은닉 마르코프 모델 (Hidden Markov model) 을 활용하여 스마트워치 기반의 모바일 헬스케어 시스템 (WristTracker) 의 설계를 다룬다. 각 분류를 위해서 최소 제곱 서포트 벡터 머신 (LS-SVM) 기계학습 알고리즘을 채택하여 오리엔테이션 기반의 차원적 특징 추출을 하였다. 또한 은닉 마르코프 모델 (HMM) 을 활용한 방법에서는 이전 위치와 움직임 정보를 통해 다음 행동을 예측하도록 확률적 접근을 채택하였다. 실험 방법은 항상 차고 다닐 수 있는 스마트 워치를 양 손에 대해 센서 데이터를 수집하고, 두 가지 시나리오에 대해 교차 검증 (cross validation) 방법으로 정확도를 확인하는 것이다. 첫 번째 시나리오는 수면 피부 질환인 야간 가려움증에 집중하여 트래커가 긁은 부위를 찾을 수 있는지이고, 두 번째 시나리오는 수면 자세의 변화를 인지할 수 있는지이다. 실험의 구성으로 스마트워치가 가진 다양한 IMU 센서 (가속도 센서, 자이로스코프, 지자계 센서)를 사용하여 두 가지 데이터 수집 실험 (시뮬레이션 실험, 야간 실험) 을 진행하고 각각 8명, 15명의 피실험자가 모집 되었다. 주 실험인 야간 실험에서는 적외선 카메라 촬영을 통해 센서 데이터를 검증할 수 있도록 하여 연구원들에 의해 긁기 부위는 9가지로, 수면 자세는 4가지로 레이블링 되었다.
본 연구에서 제안하는 시스템은 수면 중 움직임에 대한 객관적이고 정량적인 정보를 제공하게 됨으로써 기존의 트래커의 정확도를 높이는데 기여할 수 있다. 더 나아가서 환자 혹은 잠재적 환자가 스스로의 질병을 관리하거나 예측할 수 있고, 의사들에게는 효과적인 진료에 도움을 줄 수 있을 것이다. 장기적으로 하루, 한 달, 일년 단위로 데이터가 수집되면 질병의 상태 추이를 확인할 수 있으며 특정 행동을 줄일 수 있도록 행동변화 (예를 들어 해당 부위 집중 치료, 혹은 의식적으로 수면 자세 바꾸기 등)를 유도하는 연구로 이어질 수 있을 것이다.
