Earticle

초록

영어

Pressure-map reconstruction for clinical patient monitoring requires consistent per-frame quality, yet thermal-to-pressure studies report only mean PSNR and SSIM, which hide output variability and failure modes. We define three reliability metrics, the Frame Reliability Rate (FRR), the Worst-Case Performance Floor (WCPF) and the Cover Robustness Index (CRI), and complement them with pressure-specific and temporal measures. On a subject-disjoint split of the public SLP dataset, we compare a U-Net baseline with a three-prior pipeline (morphology, Ridge calibration and EMA filtering) using subject-level cluster-bootstrap intervals and paired Wilcoxon tests. At 30 dB, the FRR is 44.4% for the U-Net and 33.5% for the pipeline, and the WCPF is 25.9 dB versus 25.1 dB (Holm-corrected p < 0.01). The CRI lies between 0.92 and 0.98, i.e., bedding raises the error by 2–9%. EMA reduces the frame-to-frame difference by about 72% but increases peak underestimation, and no method recovers high-pressure sensels. These failure modes, invisible to mean metrics, motivate the proposed evaluation.

한국어

임상 환자 모니터링용 압력맵 재구성은 높은 평균 정확도뿐 아니라 프레임 단위의 일관된 품질을 요구하지만, 기존 열화상-압력맵 연구는 평균 PSNR·SSIM만 보고하여 출력의 변동성과 실패 양상을 드러내지 못한다. 본 논문은 프레임 신뢰율(FRR), 최악 성능 하한(WCPF), 커버 강건성 지수(CRI)를 정의하고 압력 특화 지표와 시간 지표를 더한 평가 틀을 제시한다. 공개 SLP 데이터셋의 피험자 분리 분할에서 U-Net과 3중 사전정보 파이프라인을 피험자 단위 군집 부트스트랩과 Wilcoxon 검정으로 비교하였다. 30 dB 기준 FRR은 U-Net 44.4%, 3중 사전정보 파이프라인 33.5%였고 WCPF는 각각 25.9 dB와 25.1 dB였다(Holm 보정 p < 0.01). CRI는 0.92–0.98로 피복이 오차를 2–9% 증가시켰고, EMA는 프레임 간 차이를 약 72% 줄였으나 최고 압력 과소추정을 키웠으며, 어떤 방법도 고압 센셀을 복원하지 못하였다. 평균 지표로는 보이지 않는 이러한 실패 양상이 제안지표의 필요성을 뒷받침한다.

목차

요약
Abstract
1. 서론
2. 관련 연구
2.1 침상압력·자세모니터링
2.2 데이터셋과열화상-압력맵재구성
2.3 평가 지표
3. 재구성 방법
3.1 전체구성
3.2 형상 사전정보: 형태학적 접촉 영역 분석
3.3 값 사전정보: 정규화된 특징-압력 매핑
3.4 시간 사전정보: 재귀적 출력 안정화
3.5 통합 파이프라인 동작
3.6 U-Net 기준선
4. 평가 프레임워크
4.1 데이터셋, 분할, 재현 정보
4.2 신뢰성지표
4.3 압력 특화 지표와 시간 지표
4.4 통계 분석
5. 실험결과 및 분석
5.1 전체 품질과 프레임 신뢰율
5.2 최악 성능 하한
5.3 커버 강건성 지수
5.4 압력 특화 지표
5.5 EMA의 이득과 대가
5.6 피험자 단위 짝지어진 비교
5.7 투고본 수치와의 차이
6. 논의 및 한계
7. 결론
REFERENCES

키워드

저자

• 정원철 [ Woncheol Jeong | 성균관대학교 지능형디지털치료기기연구센터 연구교수 ]
• 오하영 [ Hayoung Oh | 성균관대학교 인공지능융합학과 인공지능학과 부교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  미래기술융합논문지

• 간기

  격월간

• eISSN

  2951-2468

• 수록기간

  2022~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 530 DDC 620