• 문화기술의 융합
• /
• 제8권4호
• /
• pp.91-98
• /
• 2022

웨어러블 기기를 통해 지속적으로 수집되는 라이프로그 데이터는 많은 이상값을 포함할 수 있으므로 데이터품질을 향상시키기 위해서는 이상값을 찾아 제거하는 것이 필요하다. 일반적으로 이상치의 개수가 정상 데이터의 개수보다 적기 때문에 클래스 불균형 문제가 발생한다. 이러한 불균형 문제를 해결하기 위해 Variational AutoEncoder를 outlier에 적용하는 방법을 제안한다. 제안된 방법으로 이상치 데이터를 전처리한 후, 다수의 머신러닝 모델(분류)을 통해 검증한다. 체중 데이터를 이용한 검증 결과, 모든 분류 모델에서 성능이 향상됨을 확인하였다. 실험 결과를 바탕으로 라이프로그 체중 데이터 분석 시 본 연구에서 제안한 이상치 처리 방법을 이용하여 데이터를 전처리한 후 성능이 가장 좋은 LightGBM 모델을 적용할 것을 제안한다.

• 문화기술의 융합
• /
• 제8권2호
• /
• pp.1-6
• /
• 2022

라이프로그는 다양한 디지털 센서로부터 수집되는 개인의 디지털 기록으로, 활동량, 수면 정보, 체중 변화, 체질량, 근육량, 지방량 등이 포함된다. 최근, 웨어러블 디바이스가 보편화되면서 양질의 라이프로그 데이터가 많이 생산되고 있다. 라이프로그 데이터는 개인의 신체의 상태를 보여주는 데이터로, 개개인의 건강관리 뿐만 아니라, 질병의 원인 및 치료에도 활용될 수 있다. 그러나, 현재는, AI/ML 기반의 상관관계 분석 및 개인화를 반영하지 못하고 있다. 단순 기록이나 단편적인 통계치를 제시하는 수준에 그치고 있다. 이에 본 논문에서는, 라이프로그 데이터와 질병과의 연관성 및 AI/ML 기술의 라이프로그 데이터의 적용 사례를 살펴보고, 더 나아가, AI/ML을 활용한 라이프로그 데이터 분석 프로세스를 제안하고, 실제 갤럭시워치에서 수집된 데이터를 사용하여, 분석 프로세스를 실증한다. 더불어, 미래의 헬스케어 서비스인, 라이프로그 데이터와 식단, 건강정보, 질병정보와의 융복합 서비스 로드맵을 제안한다.