생체신호 잡음 제거 (Biosignal Artifact Removal)
쉽게 풀면
심전도나 근전도 같은 생체신호를 측정할 때, 몸을 움직이거나 전극이 살짝 흔들리기만 해도 원하지 않는 잡음이 신호에 섞여 들어옵니다. 생체신호 잡음 제거는 이런 불필요한 성분을 걸러내고 진짜 관심 있는 신호만 깨끗하게 남기는 과정입니다. 라디오에서 잡음 섞인 방송을 튜닝해서 또렷하게 듣는 것과 비슷한 원리입니다. 이 과정을 거쳐야 이후의 분석 결과가 신뢰할 수 있게 됩니다.
왜 중요한가
생체신호는 원래 크기가 작고 다양한 외부 요인에 쉽게 영향을 받기 때문에, 잡음을 제대로 제거하지 않으면 진단이나 분석 결과가 왜곡될 수 있습니다. 특히 웨어러블 기기처럼 움직임이 많은 환경에서 측정하는 경우 이 전처리 단계의 품질이 전체 연구의 신뢰도를 좌우합니다. 잡음이 제거되지 않은 신호로 후속 분석(부정맥 진단 등)을 수행하면 잘못된 임상 판단으로 이어질 수 있어 전처리 단계의 신뢰성이 매우 중요합니다.
논문에서는 이렇게 쓰입니다
걷는 동안 측정한 심전도에 섞인 근육 잡음을 알고리즘으로 걸러냈다는 내용입니다.
눈을 깜빡일 때 생기는 잡음 신호를 뇌파 데이터에서 따로 분리해 없앴다는 뜻입니다.
조금 더 깊게 보면
잡음 제거에는 특정 주파수 대역을 걸러내는 필터링, 신호 성분을 여러 개로 분해해 원치 않는 성분만 제거하는 독립성분분석, 시간과 주파수 특성을 함께 다루는 웨이블릿 변환 기반 방법 등이 흔히 사용됩니다. 최근에는 딥러닝 기반 잡음 제거 기법도 함께 연구되고 있습니다. 대표적인 잡음 제거 기법으로는 독립성분분석(ICA)을 이용해 안구운동이나 근전도 잡음 성분을 분리해내는 방법과, 적응필터(adaptive filter)로 기준 신호를 활용해 특정 잡음원을 상쇄하는 방법이 있습니다. 어떤 기법을 쓰든 원신호의 생리학적 정보가 함께 손실되지 않도록 주의가 필요합니다. 최근에는 딥러닝 기반 잡음제거 모델이 전통적 필터보다 복잡한 비정상성(non-stationary) 잡음을 다루는 데 활용되고 있습니다.
주의할 점
잡음을 지나치게 강하게 제거하면 원하는 생리학적 신호 성분까지 함께 손실될 수 있어, 신호 보존과 잡음 제거 사이의 균형을 신중하게 조절해야 합니다.