선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 뇌졸중으로 인한 편마비 환자의 재활치료 전후의 보행 평가를 위해 체중심에 부착한 단일 3축 가속도 센서를 이용하여 편마비 환자의 보행분석이 가능한 새로운 보 검출 알고리즘을 개발하였다. 개발된 알고리즘은 편마비 환자뿐만 아니라 정상인의 경우에도 적용 가능토록 하였다.
- 참고문헌 [16-18]의 경우 비디오카메라와의 비교분석 결과를 제시하였다. 본 논문의 경우, 보행분석을 위해 최근 많이 사용되고 있는 삼차원 동작분석 시스템[6]을 이용하여 보행 중 보를 정하고 가속도 신호로부터 의 보 검출 결과를 제시 하였다. 정확한 보 검 출에 대한 객관적인 결과 없이 시 .
- 본 연구는 뇌졸중으로 인한 편마비 환자의 재활치료 전후의 보행 평가를 위해 체중심에 부착한 단일 3축 가속도 센서를 이용하여 편마비 환자의 보행분석이 가능한 새로운 보 검출 알고리즘을 개발하였다. 이를 위해 각 가속도 방향별로 대역 통과 필터, LSA 필터를 이용해 가속도신호의 급격히 변하는 부분을 부각시켜 보를 검출한 후 최 종적 인 보를 검출하였다.
- 본 연구에서는 뇌졸중으로 인한 편마비 환자의 재활치료 전후의 보행 평가를 위해 체중심에 부착한 3축 가속도 센서를 이용하여 보행 시 보를 검출하는 알고리즘을 개발하였다. 개발된 알고리즘은 편마비 환자뿐만 아니라 정상인에게도 적용하여 알고리즘의 성능을 검증하였다.
가설 설정
- 이를 위해 최종적인 보 검줄 샘플 시간을 결정할 필요가 있다. 데이터가 한 샘플씩 입력으로 들어오고 각 방향별 보 검출이 동시에 진행된다고가정할 경우다음과 같이 최종 보를 검출하였다.
- 이는 편마비 환자의 다수가 정상적인 보행을 하지 못하기 때문에 정상인보다 많은 신체의 움직임으로 피로도가 상대적으로 많이 누적되기 때문이다. 셋째, 실험 대상자 수가 적다는 것이다. 따라서 결과의 정확도 및 신뢰도를 추가적으로 검증하기 위해 더 많은 대상자에 대해 연구가진행되어야할것이다.
제안 방법
- 3축 가속도 데이터(전후, 좌우, 상하 가속도)는 각각 전향(앞쪽), 우향(오른쪽), 상향(위쪽)이 (+)값으로 출력되고, 반대로 후향(뒤쪽), 좌향(왼쪽), 하향(아래쪽)이 (-)값으로 출력되도록 조정하였다.
- 3축 가속도 신호에서 최종적으로 보를 검출하기 위해 각 방향 별로 전후 방향에 대해 ACCbp와 ACCr, ACClsa를 이용하여 보를 검출하였다. 또한, 검출 오차를 줄이기 위해 각 방향 별로 검출된 보를 이용하여 최종 보로 확정 하였다.
- ① 세 방향 중 한 방향 이상에 대해 보가 검출될 경우의 샘플 시간을 시작으로 여섯 번째 샘플 시긴끼지(총 0.05초) 중 다른 방향의 보 검출 샘플 시간을 측정한다.
- 전후 방향 가속도의 보 검 출 과정과 유사하다. 그러나 전후 방향 가속도의 급격히 변하는 지점과 상하 방향 가속도의 급격히 변하는 지점의 파형은 Og를 기준으로 반대인 것을 상기하여 알고리즘을 설계하였다. 상하 방향 가속도 신호에서 보를 검출하기 위한 세부적 인 과정은 다음과 같고, 그림 6에 나타내었다.
- 이 결과에 따라 좌우 발뒤꿈치 접지기를 결정하여 좌우 보를 구분하였다. 또한 발이 지면에 닿는 순간 가속도신호는 급격히 변하며, 이때의 기속도 신호의 첨두치(peak 또는 valley 점)를 보행 중 보로 결정하는 알고리즘을 제시 하였다.
- 신발은 착용하지 않으며, 3축 가속도센서(CXL02LF3, Crossbow, 미국)를 체중심에 가깝고 기립 시 지면과 수직인 요추 3번과 4번 사이에 부착하였다. 또한 실험결과의 정확성을 평가하기 위해 피실험자들의 양발 뒤꿈치에 반사 마커를 부착하여, 6대의 적외선 카메라를 기반으로 하는 삼차원 동작분석 시스템 (VICON, Oxford Metrics Ltd, 영국)으로 데이터를 획득할 수 있도록 하였다’ 획득한 데이터는 삼차원 동작 분석 시스템에서 모두 120Hz로 AAD변환되어 PC로 저장하였다. 그림 1은 본 연구를 위해 준비된 실험실의 형태이다.
- 또한, 검출 오차를 줄이기 위해 각 방향 별로 검출된 보를 이용하여 최종 보로 확정 하였다. 세부 사항은 다음과 같다.
- 알고리즘의 성능 분석을 위해 보 검출 샘플 시간을, 匸 보검출이 아닌 부분의 샘플 시간을, 0, 으로표기하여 식 (2)-(4) 와같이 민감도(sensitivity) 와 특이도(specificity), 정확도(accuracy) 를 사용하였고, 이를 위해 TP(true fhlse)와 FN(felse negative), TN(true negative), FP(false positive)는 아래와 같이 정의하였다. 또한, 편마비 환자 중 P4~P6의 경우 검사-재검사(test-retest) 를 통해 재현성을 검증하였다.
- 반사마커에 의해 획득된 보 검출결과와 비교하였다. 먼저, 각 가속도 방향 별로 비교한 후 최종 보 검출 결과를 비교하였다. 반사마커와 본 연구방법에 의해 검출된 보의 샘플 시간 차이가±6 샘플 시 간(±0.
- 모든 대상자들에게 삼차원 동작분석 시스템이 갖춰진 실험실 내약 8m를 직 선방향으로 자유로운 속도로 걷도록 지시 하였다. 실험은 각 사람당 정상인의 경우 5번, 환자의 경우 4번 반복하였으며, 재현성 평가를 위해 편마비 환자 중 P4에서 P6은 2주일 후 동일한방법으로 재검사(retest)를 실시하였다.
- 먼저, 각 가속도 방향 별로 비교한 후 최종 보 검출 결과를 비교하였다. 반사마커와 본 연구방법에 의해 검출된 보의 샘플 시간 차이가±6 샘플 시 간(±0.05초) 내에 존재 할 경우 정확한 보 검 출로 인식 하도록 하였다. 알고리즘의 성능 분석을 위해 보 검출 샘플 시간을, 匸 보검출이 아닌 부분의 샘플 시간을, 0, 으로표기하여 식 (2)-(4) 와같이 민감도(sensitivity) 와 특이도(specificity), 정확도(accuracy) 를 사용하였고, 이를 위해 TP(true fhlse)와 FN(felse negative), TN(true negative), FP(false positive)는 아래와 같이 정의하였다.
- 발이 지면에 닿는 순간 가속도 신호가 급격히 변하는 부분의 첨두치를 검출하기 위해 대역 통과 필터링 된 신호를 최소 제곱 가속 (LSA, least squares acceleration) 필터를 사용하여 첨두치를 더욱부긱시켰다. LSA 필터는FIR 형태의 필터로서 이산신호의 미분이 나 가파름(sharpness)을 추정 하기 위한 방법으로 제 안되었다.
- 보행 중 가속도 신호를 이용한 보 검출 알고리즘은 각 방향 별로 보를 검출한 후 최종적인 보를 결정하도록 설계되었다. 이를 위해 크게 대역 통과필터, 최소제곱가속필터를 이용하여 첨두치를 부각하고, 최종 보 검출 과정으로 구성된다.
- 실험은 각 사람당 정상인의 경우 5번, 환자의 경우 4번 반복하였으며, 재현성 평가를 위해 편마비 환자 중 P4에서 P6은 2주일 후 동일한방법으로 재검사(retest)를 실시하였다. 신발은 착용하지 않으며, 3축 가속도센서(CXL02LF3, Crossbow, 미국)를 체중심에 가깝고 기립 시 지면과 수직인 요추 3번과 4번 사이에 부착하였다.
- 05초) 내에 존재 할 경우 정확한 보 검 출로 인식 하도록 하였다. 알고리즘의 성능 분석을 위해 보 검출 샘플 시간을, 匸 보검출이 아닌 부분의 샘플 시간을, 0, 으로표기하여 식 (2)-(4) 와같이 민감도(sensitivity) 와 특이도(specificity), 정확도(accuracy) 를 사용하였고, 이를 위해 TP(true fhlse)와 FN(felse negative), TN(true negative), FP(false positive)는 아래와 같이 정의하였다. 또한, 편마비 환자 중 P4~P6의 경우 검사-재검사(test-retest) 를 통해 재현성을 검증하였다.
- 참고문헌 [14]에 의하면 정상인의 경우 발뒤꿈치에 부착된 반사마커 신호의 가장 큰 값(peak 점) 이후에 나타나는 가장 작은 값(valley 점)이 발뒤꿈치 접지기(화살표 (/)는 좌측 보, 점선 화살표(Q)는 우측 보)로 볼 수 있다. 이 결과에 따라 좌우 발뒤꿈치 접지기를 결정하여 좌우 보를 구분하였다. 또한 발이 지면에 닿는 순간 가속도신호는 급격히 변하며, 이때의 기속도 신호의 첨두치(peak 또는 valley 점)를 보행 중 보로 결정하는 알고리즘을 제시 하였다.
- 이를 위해 각 가속도 방향별로 대역 통과 필터, LSA 필터를 이용해 가속도신호의 급격히 변하는 부분을 부각시켜 보를 검출한 후 최 종적 인 보를 검출하였다. 그 결과 편마비 환자 뿐 아니라 정상인의 경우에도 본 연구에서 제시한 알고리즘을 이용한 보 검출 성능이 우수함을 입증하였다.
- 값보다 부각시킬 필요가 있다. 이를 위해 먼저 식 (1)과 같이 가속도 신호에서 가속도 신호(ACC)의 대 역 통과 필터 링 된 신호 (ACCbp)를 빼주어 획득된 가속도 신호의 기저선을 제거하였다 (ACCr).
- 검출한 후 최종적인 보를 결정하도록 설계되었다. 이를 위해 크게 대역 통과필터, 최소제곱가속필터를 이용하여 첨두치를 부각하고, 최종 보 검출 과정으로 구성된다. 모든 과정eMATLAB 7.
대상 데이터
- 본 연구를 위해 신체 건강한 남자 대학생 4명(정상인 그룹)과 국립원주의 료원에서 치료를 받았거나 치료 중인 뇌졸중으로 인한 편마비 환자 중 독립보행이 가능한 환자 6명(환자 그룹)을 대상으로 하였으며, 세부적인 사항을표 1에 제시하였다. 편마비 환자의 경우 보행 정도를 나타내는 FAC(functional amb니atory category) 점수를 나타내었다μ9].
- 이를 위해 3축 가속도 신호의 주파수 영역 분석을 실시하였으며, 주파수 영역 분석을 위해 Welch Method를 사용한 전력 스펙트럼을 구하였다. 본 연구에서 가속도 신호의 전력스펙트럼 계산에 사용된 윈도우는 257 샘플의 길이를 갖는 Hamming 윈도우를 사용하였으며, 중첩구간은 256 샘플이며, FFT의 크기는 512샘플로 고정하였다.
- 원치 않는 신호를 검출하지 않기 위해 ACCbp의 valley 점과 다음 valley 점의 간격이 15 샘플 이상인 지점만 선택한다.
데이터처리
- LSA 필터는FIR 형태의 필터로서 이산신호의 미분이 나 가파름(sharpness)을 추정 하기 위한 방법으로 제 안되었다. [15] 이를 위해p개의 샘플로 구성된 이산신호를 평균 제곱 오차 (MSE, mean squared error)를 최소화하는 〃차 다항식으로 근사화하여 이 다항식의 ”계 미분을 계산한다. 이 때문에 복잡한 연산이 필요 없고, 〃차 다항식의 계수를 직접 사용 가능한 장점이 있다.
- 시 보를 검출하는 알고리즘을 개발하였다. 개발된 알고리즘은 편마비 환자뿐만 아니라 정상인에게도 적용하여 알고리즘의 성능을 검증하였다.
- 또한, 본 연구 방법에 의한 보 검출 결과로 활보 시간(stride time)고]' 보 시간(step time)을 계산하여 반사마커에 의한 삼차원 동작 분석 시스템의 결과와 비교하였다. 결과 비교는 식 (5)와 같이 상관계수를 계산하여 비교하였다.
- 보 검출 알고리즘을 위한 가속도 신호의 신호처리 를 위해 주파수 분석 결과의 중심 주파수를 선택하였다. 중심 주피수는 전후 가속도와 상하 가속도는 주파수 분석 결과에서 0.
- 알고리즘의 성능 분석을 위해 정상인과 편마비 환자의 보 검출 결과를 반사마커에 의해 획득된 보 검출결과와 비교하였다. 먼저, 각 가속도 방향 별로 비교한 후 최종 보 검출 결과를 비교하였다.
- 정상인은 원(O)으로 표시하였으며, 편마비 환자는 별(*)로 표시하였다. 표시된 결과가 직선에 가까이 위치 할수록 오차가 적음을 의미하며, 결과 비교를 위해 상관계수를 계산하였다. Re 가속도센서와 반사마커의 결과를 비교한 상관계수를 의미하며, Rne顽은정상인, R仙硕는 편마비 혼I자, Rr°3은 정상인과 편마비 환자 모두에 대한 상관계수를 계산한 것으로 데이터 결과가 직선에 가까이 위치할수록 높은 상관계수를 가진다.
이론/모형
- 대역 통과 필터는 위상 왜곡이 없고, 시스템이 안정적인 장점을 갖는 FIR(유한 임펄스 응답, finite impulse-response) 필터(360 차)를 이용하였다. 대 역 폭은 전후 가속도와 수직 가속도의 경우 주파彳1 분석 결:과로부터 획득한 중심 주파수에서 i0.
- 또한 차수p는 강조하고자 하는 스파이크 형태의 신호를 구성하는 샘플의 개수에 대응하므로 신호의 가파름 정도에 따라 LSA 필터의 차수의 결정이 가능하다μ5]. 본 논문에서는 실험적으로 6차 LSA 필터를 사용하였다.
- 따라서 자동으로 정확한 보 검출을 위해 적절한 신호처리가 필요하다. 이를 위해 3축 가속도 신호의 주파수 영역 분석을 실시하였으며, 주파수 영역 분석을 위해 Welch Method를 사용한 전력 스펙트럼을 구하였다. 본 연구에서 가속도 신호의 전력스펙트럼 계산에 사용된 윈도우는 257 샘플의 길이를 갖는 Hamming 윈도우를 사용하였으며, 중첩구간은 256 샘플이며, FFT의 크기는 512샘플로 고정하였다.
성능/효과
- 전후방향의 경우, P1 과P4, P6의 경우검출성능이 떨어졌는데, 이는 마비된 다리에 해당하는 부분의 가속도 변화량이 완만하여 LSA필터를 적용할 경우 가파름 정도가 약하기 때문인 것으로 사료된다. 결론적으로 한 방향에 대한 보 검출 결과보다는 세 방향에 대한 최종 보 검출 결과를 이용함이 보행분석에 유리할 것이다.
- 이를 위해 각 가속도 방향별로 대역 통과 필터, LSA 필터를 이용해 가속도신호의 급격히 변하는 부분을 부각시켜 보를 검출한 후 최 종적 인 보를 검출하였다. 그 결과 편마비 환자 뿐 아니라 정상인의 경우에도 본 연구에서 제시한 알고리즘을 이용한 보 검출 성능이 우수함을 입증하였다. 본 연구로 개발된 알고리즘을 통해 뇌졸중으로 인한 편마비 환자들의 재활 치료 전후를 평가할 수 있을 것이라사료된다.
- 둘째, 보 검출 정확도가 우수하다고 하여 보를 정확하게 검출한 것 이 라고 볼 수 없다는 점이다. P3고} P4(retest)의 경우 정 확도는각각 99.
- 둘째, 편마비 환자의 경우 활보 시간에 대해 2가지 경우, 보 시간에 대해 4가지 경우를 제외하고 높은 상관성을 가짐을 입증하였다는 것이다. 편마비 횐자의 경우 마비된 다리로지면에 닿을 시 충격량 감소에 의하여 보검출이 정확히 안된 경우가있기 때문에 편마비 환자의 활보시간에 대한상관계수가좌 .
- 본 논문에서 목표하고자 한 편마비 환자에 게 개발된 알고리 즘을 적용하였을 경우 민감도 96.44%, 특이도99.94%, 정확도99.90% 의 우수한 검출 성능을 보였다. 정상인의 경우 민감도 100%, 특이도 99.
- 공간 보행변수를 구하는 것보다 가속도 센서를 이용한 시스템의 보 검출성능을 확인하고 이에 따른 보행변수를 획득해야 한다. 본 논문에서 알고리즘의 성능 검증을 위해 사용된 삼차원 보행분석 시스템의 경우 반사마커의 신호를 이산 데이터로 획득할 수 있기 때문에 비디오를 이용한 판독 결과보다 정량적으로 보를 결정할 수 있었다.
- Re 가속도센서와 반사마커의 결과를 비교한 상관계수를 의미하며, Rne顽은정상인, R仙硕는 편마비 혼I자, Rr°3은 정상인과 편마비 환자 모두에 대한 상관계수를 계산한 것으로 데이터 결과가 직선에 가까이 위치할수록 높은 상관계수를 가진다. 이는 반사마커에 의한 삼차원 동작분석 시스템의 실제 보 결과와 제안된 알고리즘에 의한 보 검출 결과의 상관 정도가 매우 높음을 통해 제안된 보 검출 알고리즘의 정확도가 높음을 보여준다.
- 90% 의 우수한 검출 성능을 보였다. 정상인의 경우 민감도 100%, 특이도 99.93%, 정확도 99.93%의 검출 성능을 보였다.
- 분석 결과의 중심 주파수를 선택하였다. 중심 주피수는 전후 가속도와 상하 가속도는 주파수 분석 결과에서 0.8-1.6 Hz 사이의 가장 큰 전력을 갖는 주파수 대역을 선택하였으며, 좌우 가속도는 전후 또는 상하) 가속도 중심 주파수의 1/2 지점 주파수 대역을 선택하였다. 이는 본 실험에 참여한 피실험자들의 분속수(cadence) 가 평균 38~65 steps/min.
- 표 2를 통하여 확인 가능한 사실은 첫째, 한 방향에 대한 검출성능보다 세 방향에 대한 최종 보 검출성능이 보행분석에 유리하다는 점이다. 기존 연구의 경우 가속도센서 를 이용한 보행 분석 시 상하 방향에 대한 신호를 보 검출 시 주로 활용하였다[17-18].
- 활보 시간의 경우 상관계수가 0.99, 보 시간의 경우 0.97로써알고리 즘의 성 능 결과가 우수함을 보여준다.
후속연구
- 현재 본 연구에서 개발된 알고리즘을 이용하여 다른 편마비 환자에게 적용하여 시 . 공간 보행변수를 추출하고 기존 연구 결과와 비교 분석하는 연구를 진행 중이다.
- 따라서 한번의 실험으로는 보 검출이 가능한 데이터가 적음으로 인해 다수의 실험 결과보다 검출성능이 저하될 수 있기 때문에 많은실험이 반복되어야 한다. 둘째, 편마비 환자의 경우본실험을위해 시행한4회 반복측정에서 쉽게 피로를 느껴 무리하게 많은실험할 수 없다는 한계가 있었다. 이는 편마비 환자의 다수가 정상적인 보행을 하지 못하기 때문에 정상인보다 많은 신체의 움직임으로 피로도가 상대적으로 많이 누적되기 때문이다.
- 셋째, 실험 대상자 수가 적다는 것이다. 따라서 결과의 정확도 및 신뢰도를 추가적으로 검증하기 위해 더 많은 대상자에 대해 연구가진행되어야할것이다. 또한, 기존에 개발된 보행분석방법을 편마비 환자뿐만 아니라 소아 및 뇌성마비, 파킨슨병 환자에게 적용하여 본 연구에서 개발한 알고리 즘의 성능 결과와 비교 분석해야 할 것이다.
- 따라서 결과의 정확도 및 신뢰도를 추가적으로 검증하기 위해 더 많은 대상자에 대해 연구가진행되어야할것이다. 또한, 기존에 개발된 보행분석방법을 편마비 환자뿐만 아니라 소아 및 뇌성마비, 파킨슨병 환자에게 적용하여 본 연구에서 개발한 알고리 즘의 성능 결과와 비교 분석해야 할 것이다. 현재 본 연구에서 개발된 알고리즘을 이용하여 다른 편마비 환자에게 적용하여 시 .
- 그 결과 편마비 환자 뿐 아니라 정상인의 경우에도 본 연구에서 제시한 알고리즘을 이용한 보 검출 성능이 우수함을 입증하였다. 본 연구로 개발된 알고리즘을 통해 뇌졸중으로 인한 편마비 환자들의 재활 치료 전후를 평가할 수 있을 것이라사료된다.
- 본 연구의 한계점은 다음과 같다. 첫째, 가속도센서를 이용한 보검 줄의 성능 평가를 위해 삼차원 동작분석 시스템을 이용하였기 때문에 실험 환경의 공간적 제약이 있었다. 따라서 한번의 실험으로는 보 검출이 가능한 데이터가 적음으로 인해 다수의 실험 결과보다 검출성능이 저하될 수 있기 때문에 많은실험이 반복되어야 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.