[논문]신장 질환 맞춤형 AI 운동요법 제공 시스템 구현

박기조; 이병훈; 김경석

doi:10.7236/jiibc.2022.22.5.37

초록
AI-Helper

본 논문에서는 신장 질환자를 대상으로 맞춤형 운동요법을 제공하기 위해 딥러닝과 같은 AI 방식을 적용한다. 딥러닝 적용을 위해 신장 질환을 판별할 수 있는 데이터셋을 학습시켜 신장 질환 여부를 판단하고 사용자의 신체정보와 질환여부에 따른 근력량인 1RM 또한 딥러닝을 통해 산출할 수 있도록 구성하였다. 산출된 근력량 1RM은 신체 부위별 산출 식을 통해 부위별 저항성 운동으로 변환하여 사용자의 신체정보에 맞춘 유산소 운동량과 함께 제공되도록 구성하였다. 본 논문에서 제안한 방식으로 지속적인 연구가 진행될 경우 다양한 질환에 대해 맞춤형 운동요법을 제공할 수 있을 것이다.

Abstract ▼ AI-Helper

In this paper, AI methods such as deep learning are applied to provide customized exercise therapy for patients with kidney disease. In order to apply deep learning, a dataset that can determine kidney disease is trained to determine whether it is a kidney disease, and 1RM, which is the user's physi...

In this paper, AI methods such as deep learning are applied to provide customized exercise therapy for patients with kidney disease. In order to apply deep learning, a dataset that can determine kidney disease is trained to determine whether it is a kidney disease, and 1RM, which is the user's physical information and muscle strength according to whether it is a disease, can also be calculated through deep learning. The calculated muscle strength of 1RM was converted into resistant exercise for each part through a calculation equation for each part of the body, and was configured to be provided with an aerobic exercise amount tailored to the user's body information. If continuous research is conducted in the manner proposed in this paper, customized exercise therapy can be provided for various diseases.

주제어

표/그림 (11)

그림 그림 1. DNN 방식 기본 구조 Fig. 1. Basic structure of DNN algorithm
그림 그림 2. 신장 질환 맞춤형 AI 시스템 구조 Fig. 2. Structure of AI system customized for kidney disease
표 표 1. 요화학 분석기 산출 데이터 Table 1. Ureochemical Analyzer Data
표 표 2. 신장 데이터셋 구성 요소 및 분류 결과 Table 2. Kidney dataset components and classification results
표 표 3. 제지방량을 활용한 1RM 산출 식 Table 3. Calculation equation of 1RM using lean body mass
그림 그림 3. 운동요법 제공 과정 Fig. 3. Process of providing exercise therapy
그림 그림 4. 운동 부위 별 1RM 비율 Fig. 4. Ratio of 1 RM by exercise area
표 표 4. 신장 질환자의 나이 별 운동요법 Table 4. Age-Specific Exercise Therapy for Kidney Patients
표 표 5. DNN 학습 파라미터 Table 5. DNN Learning Parameter
그림 그림 5. 신장 성분 및 신체 정보에 대한 딥러닝 학습 결과 Fig. 5. Deep learning results on kidney components and body information
그림 그림 6. 학습 모델 구성 후 신장 질환에 따른 운동요법 산출 결과 Fig. 6. Results of calculating exercise therapy according to kidney disease after constructing a learning model

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 신장 질환자를 대상으로 한 맞춤형 운동요법을 제공하기 위해 신장 성분과 신체 정보에 대해 DNN 기반의 딥러닝을 통한 예측모델을 생성 한 뒤 임의의 사용자에 대해 질환 위험도에 따른 운동요법을 제공하는 시스템을 구성해보았다. 시스템 구성 결과 임의의 사용자의 신장 성분과 신체 정보 값에 따라 출력 값이 상이하게 도출됨을 확인할 수 있었다.
신장 질환 맞춤형 AI 운동요법을 제공하기 위해 DNN을 활용한 딥러닝 시스템을 구성하고 사용자의 질환 관련 데이터에 따라 적합한 운동량과 운동방법을 제공하고자 한다.

제안 방법

수집한 데이터에 기반 한 예측 모델 구현을 위해 표 5의 파라미터로 DNN 학습을 진행하였다. 신장 성분과 신체 정보의 학습 데이터의 수가 상이하여 일부 파라미터를 변경하여 각각 예측 모델을 생성하였다.
이러한 문제들을 해결하기 위해 신장 질환과 관련된 데이터와 신체정보 데이터에 딥러닝 기술을 적용하여 신장 질환 여부를 제공하고 사용자의 신체정보와 질환 여부를 통해 1RM을 기준으로 한 운동요법을 제공하고자 한다.

대상 데이터

표 1의 데이터중 신장 질환과 밀접한 관계를 가지는 데이터는 잠혈, 단백질, 포도당 등이 있으며 해당 데이터를 포함한 데이터셋을 확보하기 위해 인도 Alagappa University의 데이터를 활용하였다. 수집된 데이터는 400명에 대해 표 2와 같이 25가지 신장 질환 관련 데이터로 구성되어 있다. 수집된 데이터는 딥러닝 학습이 용이하도록 구성하기 위해 텍스트로 이루어진 데이터는 0 또는 1로 구분지어 학습에 적용하였다.
신장 질환과 관련된 데이터 확보를 위해 시중에 판매중인 요화학 분석기 데이터 중 신장질환과 관련된 데이터셋 확보를 위해 ㈜메디칼드림의 요화학 분석기에서 산출되는 주요 데이터를 표 1에 정리하였다. 표 1의 데이터중 신장 질환과 밀접한 관계를 가지는 데이터는 잠혈, 단백질, 포도당 등이 있으며 해당 데이터를 포함한 데이터셋을 확보하기 위해 인도 Alagappa University의 데이터를 활용하였다. 수집된 데이터는 400명에 대해 표 2와 같이 25가지 신장 질환 관련 데이터로 구성되어 있다.

데이터처리

수집한 데이터에 기반 한 예측 모델 구현을 위해 표 5의 파라미터로 DNN 학습을 진행하였다. 신장 성분과 신체 정보의 학습 데이터의 수가 상이하여 일부 파라미터를 변경하여 각각 예측 모델을 생성하였다.

성능/효과

또한 신체 정보의 경우 94%의 정확도가 산출되었으며 동일하게 구현된 예측 모델로 임의의 테스트 데이터를 적용시켜본 결과 94%의 정확도가 산출됨을 확인하였다. 구현된 예측 모델을 기반으로 사용자가 임의로 신장 성분과 신체 정보를 입력하였을 때 신장 질환 위험도와 유산소 횟수, 유산소 시간, 저항성 운동을 위한 신체 부위별 운동량, 저항성 운동 횟수 등이 정상적으로 산출됨을 확인할 수 있다.
표 5의 파라미터로 예측 모델 구현 결과 신장 성분의 경우 98%의 정확도가 산출되었으며 구현된 예측 모델로 임의의 테스트 데이터를 적용시켜본 결과 97%의 정확도가 산출됨을 확인하였다. 또한 신체 정보의 경우 94%의 정확도가 산출되었으며 동일하게 구현된 예측 모델로 임의의 테스트 데이터를 적용시켜본 결과 94%의 정확도가 산출됨을 확인하였다. 구현된 예측 모델을 기반으로 사용자가 임의로 신장 성분과 신체 정보를 입력하였을 때 신장 질환 위험도와 유산소 횟수, 유산소 시간, 저항성 운동을 위한 신체 부위별 운동량, 저항성 운동 횟수 등이 정상적으로 산출됨을 확인할 수 있다.
본 논문에서는 신장 질환자를 대상으로 한 맞춤형 운동요법을 제공하기 위해 신장 성분과 신체 정보에 대해 DNN 기반의 딥러닝을 통한 예측모델을 생성 한 뒤 임의의 사용자에 대해 질환 위험도에 따른 운동요법을 제공하는 시스템을 구성해보았다. 시스템 구성 결과 임의의 사용자의 신장 성분과 신체 정보 값에 따라 출력 값이 상이하게 도출됨을 확인할 수 있었다. 이러한 연구가 지속될 경우 신장 질환 외에도 다양한 신체 부위에 대한 운동요법 시스템을 구성하고 더 나아가 복합질환에 대한 운동요법을 제공할 수 있을 것이다.
표 5의 파라미터로 예측 모델 구현 결과 신장 성분의 경우 98%의 정확도가 산출되었으며 구현된 예측 모델로 임의의 테스트 데이터를 적용시켜본 결과 97%의 정확도가 산출됨을 확인하였다. 또한 신체 정보의 경우 94%의 정확도가 산출되었으며 동일하게 구현된 예측 모델로 임의의 테스트 데이터를 적용시켜본 결과 94%의 정확도가 산출됨을 확인하였다.

후속연구

시스템 구성 결과 임의의 사용자의 신장 성분과 신체 정보 값에 따라 출력 값이 상이하게 도출됨을 확인할 수 있었다. 이러한 연구가 지속될 경우 신장 질환 외에도 다양한 신체 부위에 대한 운동요법 시스템을 구성하고 더 나아가 복합질환에 대한 운동요법을 제공할 수 있을 것이다.

참고문헌 (8)

Lee, So-Young, et al. "Bolt-loosening detection using vision-based deep learning algorithm and image processing method," Journal of the Computational Structural Engineering Institute of Korea, Vol.32, No.4, pp.265-272, 2019.

원문보기 상세보기
Belkin, Mikhail, et al. "Reconciling modern machine learning practice and the bias-variance trade-off," arXiv preprint arXiv:1812.11118 , 2018.
Kim, Tae-Ho, et al. "Effect of acute resistance exercise with different level of blood flow restriction on acute changes in muscle thickness, blood lactate, CK, and oxidative stress in male adults," Exercise Science, Vol.27, No.1, pp.50-61, 2018.

상세보기
Kang, Tae Gyoon, and Nam Soo Kim. "DNN-based voice activity detection with multi-task learning," IEICE TRANSACTIONS on Information and Systems, Vol.99, No..2 pp.550-553, 2016.

상세보기
Cadore, Eduardo & Pinto, Ronei & Brentano, Michel & Da Silva, Rodrigo & Marczwski da Silva, Eduardo & Spinelli, Rafael & Correa, Cleiton & Kruel, Luiz. (2012). Prediction of one-repetition maximum load by total and lean body mass in trained sand untrained men. Medicina Sportiva. 16. DOI:https://doi.org/10.5604/17342260.1011391.

상세보기
Cha jin, "Correlation of maximal voluntary contraction and one repetition maximum and muscular strength grade standard development on men of weight equipment", 2007, Chungnam National University DOI:http://www.riss.kr/link?idT10915483
Lee Byung Sik."A Study of Machine Learning Models to Estimate a Pile Load Capacity," Journal of the Korea Academia-Industrial cooperation Society(JKAIS), Vol.22, No.10, pp.268-276, 2021, DOI:https://doi.org/10.5762/KAIS.2021.22.10.268.

상세보기
Eun-Gyu Ham, Chang-Bok Kim, "Model Implementation of Reinforcement Learning for Trading Prediction Using Deep Q Network ," The Journal of KIIT, Vol. 17, No. 4, pp. 1-8, 2019.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

신장 질환 맞춤형 AI 운동요법 제공 시스템 구현
Implementation of AI Exercise Therapy System customized for Kidney Disease 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

신장 질환 맞춤형 AI 운동요법 제공 시스템 구현 Implementation of AI Exercise Therapy System customized for Kidney Disease 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (11) 모든 표/그림 보기

표/그림 (11) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

김경석 (90)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

신장 질환 맞춤형 AI 운동요법 제공 시스템 구현
Implementation of AI Exercise Therapy System customized for Kidney Disease 원문보기

초록
AI-Helper

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper