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 연구에서는 실시간으로 근력을 추정하기 위한 기초 연구로 발뒤꿈치 들기 운동 시 주요 하지 근육에 대해 관절각도로부터 근력을 추정하는 알고리듬을 개발하였고, 이를 상용 소프트웨어와 비교하였다.
제안 방법
- 2. 근전도 즉정 시스템을 이용하여 근력 주정을 원하는 근육의 근전도 신호를 삼차원 동작분석 시 스템과 연동하여 측정 한다.
- 3. 실험을 통해 얻은 데이터를 근골격 모델이 포함된 상용 소프트웨어로 해석한다.
- 관절각도로부터 얻은 근육길이를 이용하여 근력을 계산하기 위해 MATLAB과 SimulinkfThe Mathworks Inc., 미국)를 이 용하여 Zajac이 제안한 근육 모델을 구현하였다(그림 3). 근육 모델에 필요한 계수 값과 매개변수 값들은 SIMM에서 사용한 값과 동일하게 적용하였다.
- Zajac 이 제안한 근육 모델은 힘줄이 무한히 강하다는 가정 을 포함하고 있기 때문에 힘줄길이는 항상 일정하고 따라서, 다른 근육 모델보다 근력 계산 속도가 현저 히 빠르다는 장점이 있다. 근육 모델에 필요한 계수 값과 매개변수 값들은 선행 연구에서 발표된 값을 이용하였고[7-11], 이를 바탕으로 피검자에 맞게 변형하였다(표 1).
- , 미국) 을 이용하여 신호처리 하였다. 근전도 신호의 오프셋(offset)을 없애고 대역통과필터(50-500Hz)를 취한 후 전파정류(full wave rectification)를 한 후, 이를 다시 저 역 통과필터 (3Hz)를 취하여 선형포락선(linear envelope) 처리하였다. 모든 필터 처리는 데이터 지연을 막기 위해 영상필터 (zero-phase filter)를 이용하였다.
- 모든 필터 처리는 데이터 지연을 막기 위해 영상필터 (zero-phase filter)를 이용하였다. 근전도 신호의 정규화(normalization)을 위해 최대수의적수축 voluntary contraction, MVC) 검사를 수행하였다.
- , 미국)을 이용하여 발목관절을 제어 하는 근육들 중 안쪽장딴지 근(gastrocnemius medialis, GCM)과 앞정강근(tibialis anterior, TA)으로부터 1080Hz의 샘플링률로 근전도 신호를 획득하였다. 동시에 2개의 전자각도기 (Biometrics Ltd, 영국)를 이용하여 시상면에서 의 무릎관절과 발목관절의 각도를 측정하였다. 발뒤꿈치 들기 운동은 시상 면에서 가장 크게 일어나고 좌우대칭이라고 가정할 수 있으므로, 오른쪽 하지의 시상면에 해당하는 값들만 활용하였다.
- 동시에 2개의 전자각도기 (Biometrics Ltd, 영국)를 이용하여 시상면에서 의 무릎관절과 발목관절의 각도를 측정하였다. 발뒤꿈치 들기 운동은 시상 면에서 가장 크게 일어나고 좌우대칭이라고 가정할 수 있으므로, 오른쪽 하지의 시상면에 해당하는 값들만 활용하였다.
- 본 연구에서는 발뒤꿈치 들기 운동 시 시상면에서의 하지 관절 각도로부터 근육길이를계산하고, 계산된 근육길이를통해 근력을 추정하였다. 개발한 알고리듬을 통해 얻은 근력과 상용 소프트웨어로 해석한 근력은 본 연구에서 선정한 근육들에서 좋은 결과를 보여주었다.
- 근력은 능동근력과 수동근력으로 나눌 수 있고, 특히 능동근력은 신경의 흥분으로 발생된 근육의 활성을 고려하여 얻어진다. 스프링과 댐퍼에 대한 계수들은 선행 연구자들에 의해 발표된 값을 이용하고[711], 근육길이와 관련된 정보는 근골격 모델로부터 얻으며, 근육의 활성 정보는 근전도 신호를 측정 함으로써 획득한다. 근골격 모델과 근육 모델을 이용한 근력 추정 은 다음과 같은 과정을 거 친다.
- 피검자는 Plug-in gait marker set 에 따라 16개의 반사마커들을 붙이 고, 발뒤꿈치를 들었다 놓았다 5번 반복하였다. 실험을 하는 동안 삼차원 동작분석 시스템(VICON612, Motion Systems Ltd., 영국)과 6대의 적외선 카메라를 이용하여 피검자의 몸에 부착된 반사 마커들의 궤적을 120Hz로 저장하였다. 이와 연동하여 근전도 측정 시스템(MA300, Motion Lab Systems Inc.
- , 영국)과 6대의 적외선 카메라를 이용하여 피검자의 몸에 부착된 반사 마커들의 궤적을 120Hz로 저장하였다. 이와 연동하여 근전도 측정 시스템(MA300, Motion Lab Systems Inc., 미국)을 이용하여 발목관절을 제어 하는 근육들 중 안쪽장딴지 근(gastrocnemius medialis, GCM)과 앞정강근(tibialis anterior, TA)으로부터 1080Hz의 샘플링률로 근전도 신호를 획득하였다. 동시에 2개의 전자각도기 (Biometrics Ltd, 영국)를 이용하여 시상면에서 의 무릎관절과 발목관절의 각도를 측정하였다.
- 2kg, 나이 : 27세)이 참여하였다. 피검자는 Plug-in gait marker set 에 따라 16개의 반사마커들을 붙이 고, 발뒤꿈치를 들었다 놓았다 5번 반복하였다. 실험을 하는 동안 삼차원 동작분석 시스템(VICON612, Motion Systems Ltd.
대상 데이터
- 본 연구를 위해 근골격계 질횐이 없는 건강한 남성 한 명(키 : 169cm, 몸무게 : 74.2kg, 나이 : 27세)이 참여하였다. 피검자는 Plug-in gait marker set 에 따라 16개의 반사마커들을 붙이 고, 발뒤꿈치를 들었다 놓았다 5번 반복하였다.
데이터처리
- , 미국)를 이용하여 회귀분석을 수행하였다(그림 1). 관절각도를 독립변수로, 근섬유길 이를 종속변수로 하여 3차모형 회귀분석을 통해 회귀방정식을 얻었다(표 2). 안쪽장딴지근은 무릎관절과 발목관절에 관여 된 이 관절 근육이므로 무릎관절 각도와 발목관절 각도에 대해 각각 회귀분석을 수행하였고, 근육길이 변화는 서로 독립적이라는 가정하에 무릎관절 각도에 대한 길이변화와 발목관절 각도에 대한 길이 변화를 더하여 근섬유길이라고 정의하였다.
- 발뒤꿈치 들기 동작을 할 때 SIMM에서 얻은 근육길이와 근력, 관절각도로부터 계산한 근육길이와 구현된 근육 모델로부터 추정한 근력을 비교하기 위해서 SPSS 12.0을 이용히여 상관계수 (correlation coefficient, r) 분석 과 유의 확률significance of the correlation, p) 분석을 하였다.
- 해석 결과로부터 얻은 근육길이는 힘줄길이와 근섬유길 이의 합으로 나타낼 수 있으나, 힘줄길이는 항상 일정하므로 관절 각도와 근섬유길 이에 대해 SPSS 12.0(SPSSInc., 미국)를 이용하여 회귀분석을 수행하였다(그림 1). 관절각도를 독립변수로, 근섬유길 이를 종속변수로 하여 3차모형 회귀분석을 통해 회귀방정식을 얻었다(표 2).
- 획득한 근전도 신호는 MATLAB(The Mathworks Inc., 미국) 을 이용하여 신호처리 하였다. 근전도 신호의 오프셋(offset)을 없애고 대역통과필터(50-500Hz)를 취한 후 전파정류(full wave rectification)를 한 후, 이를 다시 저 역 통과필터 (3Hz)를 취하여 선형포락선(linear envelope) 처리하였다.
이론/모형
- 근전도 신호의 오프셋(offset)을 없애고 대역통과필터(50-500Hz)를 취한 후 전파정류(full wave rectification)를 한 후, 이를 다시 저 역 통과필터 (3Hz)를 취하여 선형포락선(linear envelope) 처리하였다. 모든 필터 처리는 데이터 지연을 막기 위해 영상필터 (zero-phase filter)를 이용하였다. 근전도 신호의 정규화(normalization)을 위해 최대수의적수축 voluntary contraction, MVC) 검사를 수행하였다.
- 본 연구에서는 Zajac이 제안한 근육 모델을 사용하였다. Zajac 이 제안한 근육 모델은 힘줄이 무한히 강하다는 가정 을 포함하고 있기 때문에 힘줄길이는 항상 일정하고 따라서, 다른 근육 모델보다 근력 계산 속도가 현저 히 빠르다는 장점이 있다.
성능/효과
- SIMM을 통해 해석한 근력과 구현된 근육 모델로부터 추정한 근력은 좋은 선형적인 관계를 보여주었다.(그림 6) 안쪽장딴지근에서는 상관계수가 0.
- 개발한 알고리듬을 통해 얻은 근력과 상용 소프트웨어로 해석한 근력은 본 연구에서 선정한 근육들에서 좋은 결과를 보여주었다. 본 연구결과를 이 용하면 관절각도로부터 근력을 계산할 수 있으므로 실시간으로 근력을 추정하는 시스템 개발에 적용 가능할 것으로 보인다.
- 01 수준 이하에서 유의하였다. 그러나 전자각도기의 낮은 해상도와 노이즈의 영향으로 인하여 관절각도 및 근육 길이에 오차가 생김을 확인하였다.
- 위 결과 모두에서 전자각도기의 낮은 해상도로 인하여 관절 각도에 영향을 끼치고, 관절각도로부터 계산한 근육길이, 근육 길이로부터 추정한 근력에도 오차가생기는것을 확인할 수 있었다. 이는 좀 더 높은 해상도를 갖는 전자각도기를 사용함으로써 해결할 수 있을 것으로 사료된다.
후속연구
- 또한 근전도 신호로부터는 수동근력을 얻을 수 없기 때문에 근육길이가 수동근력을 발생시킬 정도로 이완되어 있는 경우에는 앞정강근의 결과와 같이 고려할 수 없다(그림 7). 따라서 실시 간으로 근전도 신호만을 가지고 근력을 이해하기에는 무리가 있고, 이는 본 연구에서 개발한 알고리듬을 통해 근조직동역학을 해석함으로써 보완될 수 있을 것으로 기대한다.
- 만약 운동 분석을 위한 연구라면 삼차원 동작분석 시스템을 이용하는 것이 유용하나, 근력 해석을 위해 삼차원 동작분석 시스템을 이용하는 것이라면 비효율적인 일이 될 수 있다. 따라서 실시간으로 근력을 계산할 수 있다면 연구 시간 단축 및 임상적으로도 유용하게 활용될 수 있다. 선행 연구에 의하면 관절각도와 근육길이는 선형적인 관계식으로 나타낼 수 있으므로[12-16], 이를 이용하면 실시간으로 근력을 추정할 수 있다.
- 개발한 알고리듬을 통해 얻은 근력과 상용 소프트웨어로 해석한 근력은 본 연구에서 선정한 근육들에서 좋은 결과를 보여주었다. 본 연구결과를 이 용하면 관절각도로부터 근력을 계산할 수 있으므로 실시간으로 근력을 추정하는 시스템 개발에 적용 가능할 것으로 보인다.
- 이는 좀 더 높은 해상도를 갖는 전자각도기를 사용함으로써 해결할 수 있을 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.