점증부하 운동 시, 실시간 환기역치 지점 검출을 위한 알고리즘 개발에 관한 연구

Abstract

[한글]개인의 운동수행 능력을 평가하는데 이용되는 무산소성 역치 지점을 결정하는 기존의 방법들에는 대표적으로 젖산역치를 이용한 방법이나 환기역치를 이용한 방법 등이 있다. 그렇지만 이 방법들이 사용하는 생리학적 파라미터는 운동 중 연속적이고 침습적인 방법으로 혈액을 채취하거나, 비록 비침습적이지만 운동자에게 구속감, 불편함을 제공할 수 있는 장비를 착용하여 호흡가스 분석을 실시해야한다. 또한, 이러한 지점을 결정하기 위해서 일반적으로 V-slope, D-max 등과 같은 다양한 방법들을 사용하지만, 이러한 방법들은 운동이 종료된 이후에만 적용 및 이에 따른 사용자 피드백이 가능하다는 한계성을 가지고 있다. 따라서 본 연구에서는 비교적 간단하고 연속적이며 비침습적으로 측정이 가능하며, 운동 중 운동자의 구속감 및 불편함을 최소화시킬 수 있는 심박수를 이용하여 실시간으로 환기역치 지점을 검출하고, 이를 운동자에게 피드백할 수 있는 알고리즘을 설계하였다. 이를 위한 실험으로 트레드밀에서 점증부하운동 실험을 실시하였고, 운동 동안 호흡가스분석을 실시하여 운동종료 후 환기역치 지점을 결정하였다. 알고리즘에 사용된 회귀 모형 및 구성된 회귀 수식에 따라 예측된 변수들은 운동종료 후, 운동 중에 운동자로부터 실제 측정된 데이터를 이용하여 유효성을 확인 및 검증하였다. 또한, 알고리즘에 따라 실시간으로 검출된 환기역치 지점은 운동종료 후 호흡가스분석에 따라 결정된 환기역치 지점과 통계적으로 비교ㆍ평가하여 이를 검증하였다. 알고리즘에 따라 검출된 환기역치 지점을 검증해 본 결과 기존의 호흡가스 분석방법으로 결정된 환기역치 지점과 비교하여 유의한 결과를 나타내었기 때문에, 본 연구에서 제안한 알고리즘이 유효함을 확인할 수 있었다. 또한, 알고리즘이 간단하고, 이식성이 뛰어나기 때문에 넓은 범위에 적용 가능하며, 그에 따라 운동 능력의 실시간 피드백을 통해 운동자의 現신체 상태에 적합한 운동을 수행할 수 있다.

[영문]Generally, anaerobic threshold(AT), which is used to evaluate the individual ability to perform exercise, is determined by lactate threshold(LT) or ventilation threshold(VT). However, these methods make use of the physiological parameters which should be either detected by the blood sampling using continuous and invasive way or the respiratory gas analysis that is uncomfortable and restrictive to wear the equipment, even non-invasive way, during incremental exercise test.

Moreover, the point of anaerobic threshold is estimated by a variety of methods, such as V-slope and D-max, but these methods have their limitations that can be only applied and feedback after the termination of exercise. For this reason, in this paper, it was designed that the algorithm can detect ventilation threshold and make exercisers a feedback in real-time, using heart rate which is possible measures to minimize exercisers' discomfort and restriction and can be measured easily, non-invasively and continuously. For designing the real-time algorithm, we proceeded with the incremental exercise test and determined the ventilation threshold time in accordance with the

respiratory gas analysis after the end of exercise.

Regression models, used in the design of real-time algorithm, and variables, estimated by regression equations, were verified using the data measured by respiratory gas analyzer during exercise. Ventilation threshold time estimated by real-time algorithm was also statistically validated by ventilation threshold time determined using respiratory gas analyzer after the termination of exercise.

As a result of the verification of ventilation threshold time estimated by real-time algorithm, it has produced the significant result in comparison with ventilation threshold time determined by respiratory gas analyzer.

Consequently, the algorithm proposed in this paper is available. In addition, because the algorithm is simple and excellent portability, it is applicable to a wide range of systems and, as a result, the appropriate exercise using real-time feedback of exercisers' ability can be done.