본 논문은 심박수와 혈압과 같은 생체 신호 예측에 딥러닝 모델을 적용하면서, 의료진의 신뢰와 해석을 높이기 위해 신뢰할 수 있는 불확실성 정량화, 특히 보정된 예측 구간(PI)을 제공하는 방법을 제시합니다. Reconstruction Uncertainty Estimate (RUE)를 기반으로, 가우시안 코퓰라 분포를 가정한 파라메트릭 접근법과 k-최근접 이웃(KNN)을 이용한 논파라메트릭 접근법 두 가지 방법을 제안합니다. 분 단위 및 시간 단위 샘플링 데이터를 사용한 실험 결과, 가우시안 코퓰라 방법은 저주파 데이터에서, KNN 방법은 고주파 데이터에서 우수한 성능을 보였습니다. 이는 RUE 기반 PI가 해석 가능하고 불확실성을 인식하는 생체 신호 예측을 제공할 수 있음을 시사합니다.
