Earticle

초록

한국어

낙상사고는 많은 재활 비용을 필요로 하고, 다른 안전사고에 비해 대부분 예방이 가능하다는 점에서 올 바른 정보제공을 통한 사전 예방이 더욱 중요하다. 특히, 고령자의 경우 연령증가에 따른 신체의 노화 및 질병은 안전사고의 증가로 이어질 수 있고 상해의 정도도 심각한 실정이다. 따라서, 본 논문에서는 환자에 부착된 통합 센서 모듈에서 실시간으로 수집되는 데이터를 기반으로 낙상 사고에 대한 예측 데이터 모델링을 통해 실시간으로 낙상에 대한 모니터링이 가능한 데이터 분석을 연구하였다. 이를 위해 온도 센서, 심박 센서 및 모션 센서에서 실 시간으로 데이터를 수집하고 이항 분류 모델링을 적용한 낙상 예측 데이터 분석을 수행하였다.

영어

Fall accidents require a lot of rehabilitation costs. Since most of the accidents can be prevented compared to other safety accidents, it is more important to prevent them in advance by providing correct information. In particular, in the case of the elderly, body aging and disease due to an increase in age can lead to an increase in safety accidents, and the degree of injury is serious. Therefore, in this paper, we designed predictive data modeling for a fall accident based on the data collected in real time from the integrated sensor module attached to the patient. In addition, data analysis that can monitor falls in real time was studied. To this end, data was collected in real time from temperature sensors, heart rate sensors, and motion sensors, and fall prediction data analysis was performed by applying binomial classification modeling.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 딥러닝 모델링
2.1 다중 분류 모델
2.2 이항 분류 모델
Ⅲ. 센싱 데이터 관리
Ⅳ. 결과 분석
Ⅴ. 결론
REFERENCES

저자

• 방찬우 [ Chan-Woo Bang | 서원대학교 컴퓨터공학과 학생 ]
• 김동률 [ Dong-Ryul Kim | 서원대학교 컴퓨터공학과 학생 ]
• 김봉현 [ Bong-Hyun Kim | 서원대학교 컴퓨터공학과 교수 ] Corresponding Author

참고문헌