Earticle

초록

영어

Diabetes is a rapidly growing chronic disease worldwide, highlighting the importance of early diagnosis and prevention. This study develops a real-time diabetes risk prediction system using physiological signals—heart rate, skin temperature, and activity—collected via wearable devices. A dual-streaming architecture based on MQTT and Apache Kafka ensures reliable and real-time data processing. We employed a Long Short-Term Memory (LSTM) model optimized with ONNX for lightweight inference on mobile platforms. Validation on over 50,000 time-series sequences demonstrated an accuracy of 91.2% and an AUC of 0.936. The proposed system offers a practical framework for personalized health management and timely diabetes risk detection.

한국어

당뇨병은 전 세계적으로 빠르게 증가하는 만성 질환으로 조기 진단과 예방이 중요하다. 본 연구는 웨어러블 기기에서 수집한 심박수, 피부 온도, 활동량 등의 생체 신호를 활용하여 실시간으로 당뇨병 고위험군을 예측하는 시스템을 개발하는 데 목적이 있다. MQTT와 Apache Kafka 기반으로 한 이중 스트리밍 아키텍처를 통해 안정적 이고 실시간 데이터 처리를 구현하였으며, LSTM 모델을 ONNX 형식으로 경량화하여 모바일 환경에서 실시간 추론이 가능하도록 하였다. 5만 건 이상의 시계열 데이터를 대상으로 검증한 결과, 91.2%의 정확도와 0.936의 AUC를 달성하였다. 본 연구는 개인 맞춤형 건강 관리 및 당뇨병 조기 예측에 실용적인 기반을 마련한다.

목차

요약
Abstract
1. 서론
2. 관련 연구
2.1 당뇨병 예측 시스템
2.2 시계열 생체 신호 분석 기술
2.3 실시간 데이터 전송 및 처리 기술
3. 시스템 구조 및 구현
3.1 유즈케이스 모델
3.2 아키텍처 설계 및 클래스 구조
3.3 시퀀스 다이어그램 기반 처리 흐름
4. 데이터 수집 및 전처리
4.1 데이터 출처
4.2 수집 생체신호 항목
4.3 데이터 전처리
5. 예측 모델 성능 평가
5.1 실험 환경 및 데이터 구성
5.2 성능 평가 지표
5.3 예측 결과
5.4 혼동 행렬
6. 결론 및 향후 연구
REFERENCES

키워드

저자

• 조석희 [ Seok-Hee Cho | 국립공주대학교 컴퓨터공학과 박사과정 ]
• 김재웅 [ Jae-Woong Kim | 국립공주대학교 소프트웨어학과 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  산업과 과학 [Advanced Industrial SCIence]

• 간기

  격월간

• eISSN

  2951-2476

• 수록기간

  2022~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 004 DDC 004