동맥 PPG 파형 품질 평가를 위한 1차원 Depthwise Separable CNN의 HDL 설계에 관한 연구 = A Study on HDL Design of 1D Depthwise Separable CNN for Arterial PPG-Waveform Quality Assessment

국문 초록 (Abstract)

경동맥 영역에서 계측된 광용적맥파(photoplethysmogram, PPG) 신호는 센서 부착 위치 변화, 호흡에 따른 목의 움직임, 주변 경정맥 신호 간섭 등으로 인해 신호 품질이 쉽게 저하된다. 이에 심박수 및 국소 맥파 전파 속도(local pulse wave velocity, local PWV)와 같은 생체 지표 추정 정확도가 낮아지는 문제가 발생한다. 본 논문에서는 이러한 문제를 해결하기 위해 1차원 깊이별 분리 합성곱 신경망(1D depthwise separable CNN, 1D DSCNN) 기반의 실시간 경동맥 PPG 신호 품질 평가 회로를 제안한다. 제안하는 회로는 실시간으로 신호 품질을 평가하고 안정적인 신호만을 선별하여 후속 생체 지표 추정의 정확도 향상을 위한 목적으로 설계되었다. 본 연구는 하드웨어/소프트웨어 공동 설계(HW/SW co-design) 방식으로 수행되었다. 소프트웨어 환경에서는 3가지의 합성곱 구조를 비교 분석하여 연산량 대비 정확도가 우수한 깊이별 분리 합성곱 구조(depthwise separable convolution)를 채택하였다. 이후 그리드 서치(grid search)를 통해 합성곱 층, 출력 채널 수, 커널 크기 등을 최적화하였다. 위와 같이 최적화한 1D DSCNN 구조의 가중치와 바이어스를 8비트 고정소수점으로 양자화해 FPGA 구현 시 연산량과 메모리 요구량을 최소화하였다. 하드웨어 설계 단계에서는 경동맥 PPG 센서를 제작하고, 최적화된 1D DSCNN을 Verilog HDL로 구현하였다. 특히 합성곱 연산에서 DSP 사용량이 급증하는 문제를 해결하기 위해 시간 분할 다중화(time-multiplexed) 구조를 적용하여, 기존 FIR 기반 합성곱 연산 대비 약 77%의 곱셈기 사용량을 절감하였다. 또한 flatten 연산 대신 전역 평균 풀링(global average pooling, GAP)을 도입하여 완전 연결 층의 전체 연산량을 약 97.6% 절감하였다. FPGA(Artix-7, Xilinx) 합성 결과, LUT 8.99%, slice register 4.40%, DSP 16.89%의 리소스를 사용하였으며, 이는 FIR 구조 대비 DSP 사용량을 약 43.25% 절감한 수치이다. 해당 회로를 실시간으로 동작 검증한 결과, 3초 프레임(frame) 단위로 신호 패턴 분석 후 품질 평가를 수행하였으며, 정확도 96.8%, F1-score 96.7%를 달성하였다. 또한 4분 동안 계측한 경동맥 PPG 기반 심박수와 상용 ECG 기반 심박수를 비교한 결과, 신호 품질이 안정적인 구간에서 RMSE 1.5 BPM, MAE 1.27 BPM으로 기존 연구[13] 대비 정확도가 크게 향상되었다. FPGA에서 검증된 구조를 TSMC 180-nm BCD 공정을 이용해 ASIC으로 설계한 결과, 제한된 면적(1.8 mm × 1.1 mm) 내에서도 안정적으로 구현할 수 있음을 확인하였다. 본 논문에서 제안하는 1D DSCNN 기반 경동맥 PPG 신호 품질 평가 회로는 실시간 생체 신호 분석 및 후속 생체 지표 추정의 정확도 향상에 효과적인 회로임을 입증하였다.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 1.1 연구 배경 1
• 1.2 연구 목적 6
• 제 2 장 선행 연구 8
• 2.1 경동맥 PPG 신호 8
• 2.2 생체신호 품질 평가 관련 연구 12
• 2.2.1 XGBoost 기반 PPG 신호 품질 평가 12
• 2.2.2 1D CNN 기반 1차 미분 PPG 신호 품질 평가 13
• 2.2.3 1D CNN 기반 ECG 신호 품질 평가 14
• 제 3 장 제안하는 기법 18
• 3.1 실시간 경동맥 PPG 신호 품질 평가 회로 구조 18
• 3.2 PPG 센서 설계 및 회로 구성 20
• 3.3 경동맥 PPG 데이터 수집 환경 22
• 3.4 실시간 경동맥 PPG 신호 품질 평가 소프트웨어 설계 25
• 3.4.1 합성곱 연산 구조 27
• 3.4.2 1D DSCNN 학습 및 최적화 과정 31
• 3.4.3 고정소수점 양자화 36
• 3.5 실시간 경동맥 PPG 신호 품질 평가 하드웨어 설계 39
• 3.5.1 FIR 구조를 사용한 합성곱 연산 41
• 3.5.2 시간 분할 다중화 구조를 사용한 합성곱 연산 44
• 3.5.3 전역 평균 풀링과 완전 연결 층 구현 49
• 3.5.4 적응형 기울기 기반 PPG 주요 특징점 검출 52
• 제 4 장 구현 결과 54
• 4.1 RTL 시뮬레이션 결과 54
• 4.2 FPGA 구현 및 검증 57
• 4.3 신호 품질 평가 회로가 심박수 추정에 미치는 영향 63
• 4.4 ASIC 구현 67
• 제 5 장 결 론 69
• [참고 문헌] 71