최근 IT기술을 재활 치료 분야에 접목시켜 환자의 재활 치료에 대한 동기와 의지를 높인 사례들이 등장하고 있다. 그 중에서도 특히 가상 현실을 통한 재활 치료가 다방면에서 시도되고 있고 연구와 임상적 적용도 활발해지며 주목을 받고 있다. 하지만 기존의 가상 재활 연구들은 가상 재활의 치료 효과나 가상 재활의 장비에 대한 연구들이 대부분이다. 그리고 가상 재활 진행 시 항상 환자의 옆에서 도움을 주는 사람들이 함께 있다. 가상 재활이 상용화 되어 직접 사용되기 위해선 이러한 연구들과 함께 환자들을 고려한 사용자 중심의 연구 역시 필요하다. 따라서 본 논문에서는 가상 재활 운동 동작을 분류하고 그 정확도를 측정하는 연구를 통해 환자가 타인의 도움 없이 스스로 가상 재활 운동을 진행하고 평가하는 환자 맞춤형 서비스의 가능성을 보여주고자 하였다. 이를 위해 본 논문에서는 오십 견과 관련된 가상 재활 운동 동작 ‘노 젓기(Rowing)’, ‘방향키 돌리기(Shoulder Wheel)’, ‘돛대 조절하기(Pulley exercise)’ 데이터를 관성 측정장치를 통해 수집한 후, 데이터에 대한 ...
최근 IT기술을 재활 치료 분야에 접목시켜 환자의 재활 치료에 대한 동기와 의지를 높인 사례들이 등장하고 있다. 그 중에서도 특히 가상 현실을 통한 재활 치료가 다방면에서 시도되고 있고 연구와 임상적 적용도 활발해지며 주목을 받고 있다. 하지만 기존의 가상 재활 연구들은 가상 재활의 치료 효과나 가상 재활의 장비에 대한 연구들이 대부분이다. 그리고 가상 재활 진행 시 항상 환자의 옆에서 도움을 주는 사람들이 함께 있다. 가상 재활이 상용화 되어 직접 사용되기 위해선 이러한 연구들과 함께 환자들을 고려한 사용자 중심의 연구 역시 필요하다. 따라서 본 논문에서는 가상 재활 운동 동작을 분류하고 그 정확도를 측정하는 연구를 통해 환자가 타인의 도움 없이 스스로 가상 재활 운동을 진행하고 평가하는 환자 맞춤형 서비스의 가능성을 보여주고자 하였다. 이를 위해 본 논문에서는 오십 견과 관련된 가상 재활 운동 동작 ‘노 젓기(Rowing)’, ‘방향키 돌리기(Shoulder Wheel)’, ‘돛대 조절하기(Pulley exercise)’ 데이터를 관성 측정장치를 통해 수집한 후, 데이터에 대한 전처리, 특징 추출 과정을 진행하였다. 그 후 KNN, SVM, RNN-LSTM과 같은 여러 분류 모형을 설립하고, 비교한 후 최적의 분류 모형을 제시하였다.
최근 IT기술을 재활 치료 분야에 접목시켜 환자의 재활 치료에 대한 동기와 의지를 높인 사례들이 등장하고 있다. 그 중에서도 특히 가상 현실을 통한 재활 치료가 다방면에서 시도되고 있고 연구와 임상적 적용도 활발해지며 주목을 받고 있다. 하지만 기존의 가상 재활 연구들은 가상 재활의 치료 효과나 가상 재활의 장비에 대한 연구들이 대부분이다. 그리고 가상 재활 진행 시 항상 환자의 옆에서 도움을 주는 사람들이 함께 있다. 가상 재활이 상용화 되어 직접 사용되기 위해선 이러한 연구들과 함께 환자들을 고려한 사용자 중심의 연구 역시 필요하다. 따라서 본 논문에서는 가상 재활 운동 동작을 분류하고 그 정확도를 측정하는 연구를 통해 환자가 타인의 도움 없이 스스로 가상 재활 운동을 진행하고 평가하는 환자 맞춤형 서비스의 가능성을 보여주고자 하였다. 이를 위해 본 논문에서는 오십 견과 관련된 가상 재활 운동 동작 ‘노 젓기(Rowing)’, ‘방향키 돌리기(Shoulder Wheel)’, ‘돛대 조절하기(Pulley exercise)’ 데이터를 관성 측정장치를 통해 수집한 후, 데이터에 대한 전처리, 특징 추출 과정을 진행하였다. 그 후 KNN, SVM, RNN-LSTM과 같은 여러 분류 모형을 설립하고, 비교한 후 최적의 분류 모형을 제시하였다.
Recently, there have been case of increase patient’s motivation and willingness to rehabilitation treatment by combining IT technology with rehabilitation treatment field. Especially, rehabilitation treatment through virtual reality has been tried in many ways, in addition study and clinical applica...
Recently, there have been case of increase patient’s motivation and willingness to rehabilitation treatment by combining IT technology with rehabilitation treatment field. Especially, rehabilitation treatment through virtual reality has been tried in many ways, in addition study and clinical application have been active and receive attention. However, existing virtual rehabilitation studies are mostly about therapeutic effects of virtual rehabilitation or equipment of virtual rehabilitation. And there is always someone who helps patient when doing virtual rehabilitation. In addition to these kind of studies, user-centered study that considering patients is also required, in order to virtual rehabilitation to be commercialized and used in real life. Therefore, in this paper, through the study to classify the movement of virtual rehabilitation and measure its accuracy, we try to show possibility of patient customized service in which patient do and evaluate self-virtual rehabilitation without other people’s help. In this paper, we collect virtual rehabilitation movement ‘Rowing’, ‘Shoulder Wheel’, and ‘Pulley Exercise’ data related to frozen shoulder using inertial measurement device. With that data we do data preprocessing and feature extraction. Then, various classification models such as KNN, SVM, and RNN-LSTM are established, and then and optimal classification model is presented.
Recently, there have been case of increase patient’s motivation and willingness to rehabilitation treatment by combining IT technology with rehabilitation treatment field. Especially, rehabilitation treatment through virtual reality has been tried in many ways, in addition study and clinical application have been active and receive attention. However, existing virtual rehabilitation studies are mostly about therapeutic effects of virtual rehabilitation or equipment of virtual rehabilitation. And there is always someone who helps patient when doing virtual rehabilitation. In addition to these kind of studies, user-centered study that considering patients is also required, in order to virtual rehabilitation to be commercialized and used in real life. Therefore, in this paper, through the study to classify the movement of virtual rehabilitation and measure its accuracy, we try to show possibility of patient customized service in which patient do and evaluate self-virtual rehabilitation without other people’s help. In this paper, we collect virtual rehabilitation movement ‘Rowing’, ‘Shoulder Wheel’, and ‘Pulley Exercise’ data related to frozen shoulder using inertial measurement device. With that data we do data preprocessing and feature extraction. Then, various classification models such as KNN, SVM, and RNN-LSTM are established, and then and optimal classification model is presented.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.