거북목 증후군(Forward Head Posture; FHP)은 63.96 % ~ 85.5 %의 높은 발병률을 가진 심각한 질환으로 스마트폰으로 문자를 입력할 때 나타나는 자세를 기반으로 텍스트넥(Text Neck)이라고도 불리며 일상생활에서 거북목 증후군의 악화를 예방하기 위해 스스로 자세를 교정할 수 있도록 피드백해주는 다양한 연구가 수행 중이다. 머리를 앞으로 내민 굽은 자세로 앉아 있거나 서 있는 것은 목 근육의 큰 부하가 가해지지만, 보행 중에 가해지는 목 주변 근육의 활성화도 및 부하가 가장 크다. 이처럼 보행 중 거북목 자세가 목에 가장 큰 부하를 줌에도 불구하고 일상생활 속 거북목 피드백 시스템 연구는 앉은 자세, 선 자세에 대한 것이 대부분이며, 보행 중 거북목 피드백 시스템 연구는 극히 드물었다. 한편 보행은 다리와 골반, 목과 머리 간의 유기적 관계를 기반으로 움직이는 인간 활동 중에서 가장 보편적이고 복잡한 활동이자 이동수단이다. 보행을 평가함으로써 정상군과 특정 질환군(...
거북목 증후군(Forward Head Posture; FHP)은 63.96 % ~ 85.5 %의 높은 발병률을 가진 심각한 질환으로 스마트폰으로 문자를 입력할 때 나타나는 자세를 기반으로 텍스트넥(Text Neck)이라고도 불리며 일상생활에서 거북목 증후군의 악화를 예방하기 위해 스스로 자세를 교정할 수 있도록 피드백해주는 다양한 연구가 수행 중이다. 머리를 앞으로 내민 굽은 자세로 앉아 있거나 서 있는 것은 목 근육의 큰 부하가 가해지지만, 보행 중에 가해지는 목 주변 근육의 활성화도 및 부하가 가장 크다. 이처럼 보행 중 거북목 자세가 목에 가장 큰 부하를 줌에도 불구하고 일상생활 속 거북목 피드백 시스템 연구는 앉은 자세, 선 자세에 대한 것이 대부분이며, 보행 중 거북목 피드백 시스템 연구는 극히 드물었다. 한편 보행은 다리와 골반, 목과 머리 간의 유기적 관계를 기반으로 움직이는 인간 활동 중에서 가장 보편적이고 복잡한 활동이자 이동수단이다. 보행을 평가함으로써 정상군과 특정 질환군(편마비, 파킨슨병 등) 간의 보행 지표 편차 연구를 통해 전반적인 건강 상태를 추정 및 예측이 가능하다. 그 이유는, 질환으로 인해 야기되는 신체의 불균형이 보행을 할 때 지표를 통해 나타나기 때문이다. 따라서, 본 연구에서는 보행 중 정상군과 FHP군 간의 보행 지표의 차이 및 거북목 유무 예측의 가능성을 확인함으로써, 거북목으로 인해 보행 중 족저압에 나타나는 차이를 확인하고 거북목 예측에 중요한 보행 파라미터를 추출하고자 한다. 보행 중 거북목 유무를 분류하기 위해 거북목 평가 지표인 Craniovertebral Angle(CVA)를 기반으로 정상군과 FHP군을 분류하였고, 보행 중 족저압 데이터를 기반하여 왼발과 오른발에 대한 앞꿈치와 위꿈치의 압력 비율, 뒤꿈치 대비 앞꿈치의 비율, 입각기와 유각기 시간 비율을 도출하였다. 또한, 보행 불균형 지표(Gait Asymmetry; GA)와 보행 좌우 협응 평가 지표(Phase Coordination Index; PCI), 보행 위상의 이상치(180 ˚)로부터의 차이 지표 와 모든 보폭에 대한 위상의 일관성 수준 평가 지표인 를 도출하였다. 정상군과 FHP군의 분류를 위해 측정한 정적 CVA 지표는 정상군에서 57.73 ± 3.78 ˚, FHP군에서 49.71 ± 4.79 ˚ 였다. 정상군과 FHP군 간의 보행 지표 중 입각기와 유각기 시간 비율은 정상군과 FHP군 간의 큰 차이를 보이지 않았다. 뒤꿈치와 앞꿈치의 압력 비율은 정상군과 FHP군 간에 비교하였을 때 양발에 모두에 대해 정상군의 앞발의 압력 비율이 약 3.00 % 높았다. 뒤꿈치 대비 앞꿈치 압력의 비율은 왼발에 대해서는 정상군이 FHP군보다 약 0.08 % 컸지만, 오른발에 대해서는 FHP군이 정상군보다 약 0.07 % 크게 나타났다. GA와 , , PCI는 정상군이 FHP군에 대해 비교적 작은 값이 도출되었다. 이는 FHP군이 정상군보다 양발 간의 비대칭 및 불균형 정도가 크며, 양발의 협응력이 낮기 때문으로 판단된다. 거북목 유무 분류를 위한 SVM, XGBoost, KNN 모델의 예측 정확도는 각각 96 %, 93 %, 86 %로 SVM 모델의 높은 정확도를 확인할 수 있었으며, 거북목을 예측할 때 왼발의 앞꿈치와 뒤꿈치 압력이 가장 의미 있는 지표임을 확인하였다. 본 연구에서 제시한 보행 지표 및 SVM분류 모델을 기반으로 일상생활에서 보행 데이터 측정이 가능한 무선 스마트 인솔에 적용한다면 일상생활 속에서도 거북목 유무를 예측 및 피드백할 수 있을 것으로 사료되며, 향후 연구에서는 FHP군을 세분화하여 중증도에 따른 분류가 가능하도록 하고자 한다. 뿐만 아니라, 무선 스마트 인솔을 개발하여 실시간으로 거북목 유무를 피드백할 수 있는 시스템을 개발하고자 한다.
거북목 증후군(Forward Head Posture; FHP)은 63.96 % ~ 85.5 %의 높은 발병률을 가진 심각한 질환으로 스마트폰으로 문자를 입력할 때 나타나는 자세를 기반으로 텍스트넥(Text Neck)이라고도 불리며 일상생활에서 거북목 증후군의 악화를 예방하기 위해 스스로 자세를 교정할 수 있도록 피드백해주는 다양한 연구가 수행 중이다. 머리를 앞으로 내민 굽은 자세로 앉아 있거나 서 있는 것은 목 근육의 큰 부하가 가해지지만, 보행 중에 가해지는 목 주변 근육의 활성화도 및 부하가 가장 크다. 이처럼 보행 중 거북목 자세가 목에 가장 큰 부하를 줌에도 불구하고 일상생활 속 거북목 피드백 시스템 연구는 앉은 자세, 선 자세에 대한 것이 대부분이며, 보행 중 거북목 피드백 시스템 연구는 극히 드물었다. 한편 보행은 다리와 골반, 목과 머리 간의 유기적 관계를 기반으로 움직이는 인간 활동 중에서 가장 보편적이고 복잡한 활동이자 이동수단이다. 보행을 평가함으로써 정상군과 특정 질환군(편마비, 파킨슨병 등) 간의 보행 지표 편차 연구를 통해 전반적인 건강 상태를 추정 및 예측이 가능하다. 그 이유는, 질환으로 인해 야기되는 신체의 불균형이 보행을 할 때 지표를 통해 나타나기 때문이다. 따라서, 본 연구에서는 보행 중 정상군과 FHP군 간의 보행 지표의 차이 및 거북목 유무 예측의 가능성을 확인함으로써, 거북목으로 인해 보행 중 족저압에 나타나는 차이를 확인하고 거북목 예측에 중요한 보행 파라미터를 추출하고자 한다. 보행 중 거북목 유무를 분류하기 위해 거북목 평가 지표인 Craniovertebral Angle(CVA)를 기반으로 정상군과 FHP군을 분류하였고, 보행 중 족저압 데이터를 기반하여 왼발과 오른발에 대한 앞꿈치와 위꿈치의 압력 비율, 뒤꿈치 대비 앞꿈치의 비율, 입각기와 유각기 시간 비율을 도출하였다. 또한, 보행 불균형 지표(Gait Asymmetry; GA)와 보행 좌우 협응 평가 지표(Phase Coordination Index; PCI), 보행 위상의 이상치(180 ˚)로부터의 차이 지표 와 모든 보폭에 대한 위상의 일관성 수준 평가 지표인 를 도출하였다. 정상군과 FHP군의 분류를 위해 측정한 정적 CVA 지표는 정상군에서 57.73 ± 3.78 ˚, FHP군에서 49.71 ± 4.79 ˚ 였다. 정상군과 FHP군 간의 보행 지표 중 입각기와 유각기 시간 비율은 정상군과 FHP군 간의 큰 차이를 보이지 않았다. 뒤꿈치와 앞꿈치의 압력 비율은 정상군과 FHP군 간에 비교하였을 때 양발에 모두에 대해 정상군의 앞발의 압력 비율이 약 3.00 % 높았다. 뒤꿈치 대비 앞꿈치 압력의 비율은 왼발에 대해서는 정상군이 FHP군보다 약 0.08 % 컸지만, 오른발에 대해서는 FHP군이 정상군보다 약 0.07 % 크게 나타났다. GA와 , , PCI는 정상군이 FHP군에 대해 비교적 작은 값이 도출되었다. 이는 FHP군이 정상군보다 양발 간의 비대칭 및 불균형 정도가 크며, 양발의 협응력이 낮기 때문으로 판단된다. 거북목 유무 분류를 위한 SVM, XGBoost, KNN 모델의 예측 정확도는 각각 96 %, 93 %, 86 %로 SVM 모델의 높은 정확도를 확인할 수 있었으며, 거북목을 예측할 때 왼발의 앞꿈치와 뒤꿈치 압력이 가장 의미 있는 지표임을 확인하였다. 본 연구에서 제시한 보행 지표 및 SVM분류 모델을 기반으로 일상생활에서 보행 데이터 측정이 가능한 무선 스마트 인솔에 적용한다면 일상생활 속에서도 거북목 유무를 예측 및 피드백할 수 있을 것으로 사료되며, 향후 연구에서는 FHP군을 세분화하여 중증도에 따른 분류가 가능하도록 하고자 한다. 뿐만 아니라, 무선 스마트 인솔을 개발하여 실시간으로 거북목 유무를 피드백할 수 있는 시스템을 개발하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.